AI και παραγωγικότητα: Mια δύσκολη εξίσωση

Ο πρόεδρος της Ομοσπονδιακής Τράπεζας των ΗΠΑ Κέβιν Γουόρς είναι πεπεισμένος και συμφωνούν και εξέχοντες οικονομολόγοι ότι η τεχνητή νοημοσύνη θα αυξήσει σημαντικά την παραγωγικότητα της εργασίας. Μην στοιχηματίζετε σε αυτό. Στην πραγματικότητα, η ευρύτερη υιοθέτηση αυτών των μοντέλων θα μπορούσε να μειώσει την παραγωγή ανά εργαζόμενο. Το AltaVista, το πρώτο ευρετήριο αναζήτησης «πλήρους κειμένου» του παγκόσμιου ιστού, από 300.000 επισκέψεις την πρώτη ημέρα λειτουργίας του το 1995, έφτασε σε περισσότερες από 80 εκατομμύρια ημερήσιες επισκέψεις. Αλλά το AltaVista παραμόρφωσε τα αποτελέσματά του με άσχημα banners. Ετσι, όταν η Google λάνσαρε τη μηχανή αναζήτησής της το 1998, χρήστες σαν εμένα λάτρεψαν τον σχεδιασμό της, ανεξάρτητα από την ποιότητα των αποτελεσμάτων της. Η επιτυχία της Google συνέτριψε τις ανταγωνιστικές μηχανές αναζήτησης, και οι μηχανικοί της διατήρησαν την αποτελεσματικότητα της υπολογιστικής υποδομής για να διασφαλίσουν ότι η αναζήτηση πληροφοριών παρέμενε γρήγορη, εύκολη και φθηνή. Αλλά η επιτυχία υπονόμευσε επίσης την εμπειρία και την παραγωγικότητα των χρηστών. Καθώς η Google έγινε μονοπώλιο, οι βελτιστοποιητές μηχανών αναζήτησης κατέκλυσαν τα αποτελέσματα με άχρηστους συνδέσμους. Τα παραδοσιακά μέσα κατέφυγαν στο clickbait. Η Google υποβάθμισε περαιτέρω την εμπειρία εμφανίζοντας «χορηγούμενα» αποτελέσματα στο επάνω μέρος της σελίδας. Τα chatbot τεχνητής νοημοσύνης έχουν ακολουθήσει παρόμοια πορεία. Σε σύγκριση με τα παραδοσιακά στατιστικά μοντέλα, συμπεριλαμβανομένων των πρωτοποριακών αλγορίθμων της Google, τα μεγάλα γλωσσικά μοντέλα (LLM) φαίνεται να προσφέρουν συναρπαστικά πλεονεκτήματα. Η αδιάκριτη συμπερίληψη τρισεκατομμυρίων παραμέτρων μεγεθύνει τα προβλήματα παρέκτασης των LLM αυξάνοντας την πιθανότητα να βρουν ανύπαρκτα μοτίβα ή να επιλέξουν άσχετες ή αναξιόπιστες απαντήσεις από μη επιμελημένους καταλόγους δεδομένων. Οσοι προωθούν την τεχνητή νοημοσύνη κάνουν τα πάντα για να εθίσουν τους ανθρώπους. Οι επισκοπήσεις τεχνητής νοημοσύνης της Google και η λειτουργία τεχνητής νοημοσύνης είναι σαν μια ελεύθερη γεύση. Μόλις οι χρήστες εθιστούν, σίγουρα θα χρεώνονται υψηλές τιμές. Θα μπορούσε κανείς να ελπίζει ότι ακόμη και οι πιο ισχυρές εταιρείες δεν μπορούν να εξαπατήσουν τους καταναλωτές ώστε να τους υποτάξουν. Παρά τους φαινομενικά απεριόριστους πόρους, η Google έχει τουλάχιστον τόσες αποτυχίες όσες και επιτυχίες. Το ίδιο το όνομα της Meta μνημονεύει ένα αποτυχημένο στοίχημα πολλών δισεκατομμυρίων δολαρίων στην εικονική πραγματικότητα. Αλλά η επίθεση μάρκετινγκ που έχει μετατρέψει τον εθισμό στο πρόχειρο φαγητό σε μια ακμάζουσα επιχείρηση παρέχει ένα αποθαρρυντικό αντιπαράδειγμα. Οι εθισμοί στα LLM θα μπορούσαν να γίνουν τόσο διαδεδομένοι όσο και οι παραδοσιακοί εθισμοί, εκμεταλλευόμενοι τη βαθιά ριζωμένη επιθυμία των ανθρώπων για συντροφική συζήτηση. Οπως και με άλλους εθισμούς, τα LLM ήδη σφετερίζονται πόρους – συμπεριλαμβανομένου του κεφαλαίου, της ηλεκτρικής ενέργειας, των τσιπ και της επιχειρηματικής ενέργειας – που χρειάζονται άλλες αξιόλογες καινοτομίες. Καθώς αυτό συνεχίζεται, οι αισιόδοξοι της τεχνολογίας θα πρέπει να επανεξετάσουν την αισιόδοξη άποψή τους για την υπόσχεση αύξησης παραγωγικότητας της τεχνητής νοημοσύνης. Ο Αμάρ Μπχίντε είναι καθηγητής Πολιτικής Υγείας στη Σχολή Δημόσιας Υγείας Mailman του Πανεπιστημίου Κολούμπια