Uczenie maszynowe zwiększy produktywność i dobrobyt

28.08.2018
Wydaje się, że nowe technologie zmieniają rzeczywistość, ale niekoniecznie ma to odzwierciedlenie w statystykach gospodarczych. Według niektórych ekonomistów przyczyną jest to, że nowe funkcjonalności, możliwe dzięki sztucznej inteligencji, nie zostały jeszcze szeroko rozpowszechnione.


Obecnie systemy wykorzystujące sztuczną inteligencję dorównują lub nawet przekraczają wydajność człowieka w coraz większej liczbie dziedzin poprzez wykorzystanie szybkiego postępu w innych technologiach. Systemy uczenia maszynowego, na których opiera się sztuczna inteligencja, wykazały ostatnio nadludzką wydajność w tak różnych domenach, jak rozpoznawanie obiektów na obrazach, wykrywanie oszustw, diagnozowanie chorób, formułowanie rekomendacji dla konsumentów czy też gra w pokera.

W ciągu zaledwie ośmiu ostatnich lat poziom błędu w dziedzinie etykietowania obrazów przez maszyny spadł z 28 proc. do 2,5 proc., a najlepszy algorytm może teraz pokonać 5-procentowy poziom błędu osiągnięty przez ludzi. Co więcej, w ubiegłym roku systemy uczenia maszynowego dorównały lekarzom dermatologom w rozpoznawaniu raka skóry na podstawie obrazów. Teraz mogą już też diagnozować wiele innych chorób właśnie na podstawie obrazów medycznych. Systemy rozpoznawania głosu, coraz częściej wykorzystywane w domach i smartfonach, są także zasilane przez systemy uczenia maszynowego. Choć wprawdzie są one dalekie od doskonałości, ale już teraz maszyny mogą odpowiedzieć na pytania i wykonać proste instrukcje.

Brak powszechności wykorzystania

Teoretycznie te nowe technologie – stanowiące rdzeń nowej, ważnej z ekonomicznego punktu widzenia, technologii ogólnego zastosowania – mogłyby znacznie zwiększyć produktywność i dobrobyt gospodarczy.

Obserwowany w ostatnim dziesięcioleciu wzrost wydajności uległ jednak spowolnieniu – zarówno w krajach Organizacji Współpracy Gospodarczej i Rozwoju (OECD), jak i w wielu dużych gospodarkach wschodzących.

Według zespołu ekonomistów – Erika Brynjolfssona, Daniel Rocka i Chada Syversonnie – brak odzwierciedlenia wartości dodanej nowych technologii opartych na sztucznej inteligencji w statystykach produktywności wynika z tego, że nie są one wystarczająco powszechne. I jak na razie nie zdołały w diametralny sposób zmienić sposobu pracy w centrach telefonicznych, szpitalach, bankach, zakładach użyteczności publicznej, supermarketach, flotach transportowych, zarządzaniu logistyką lub innych formach działalności biznesowej.

Na podstawie badań zespołu perspektywy są jednak obiecujące, ponieważ ostatnie postępy w uczeniu maszynowym mają napędzać wzrost produktywności i wzrost gospodarczy na całym świecie. Technologia jest katalizatorem, ale sama technologia nie spowoduje wzrostu produktywności, ponieważ konieczne jest stworzenie nowych modeli biznesowych przez przedsiębiorców, zaś pracownicy muszą rozwijać nowe umiejętności, a decydenci – aktualizować zasady i przepisy w sposób, który tworzy wspólny dobrobyt.

Pełne możliwości sztucznej inteligencji, podobnie jak innych technologii ogólnego przeznaczenia, nie zostaną bowiem osiągnięte, dopóki nie będą opracowane i wdrożone innowacje uzupełniające.

Zmiana myślenia

Koszty dostosowania, zmiany organizacyjne i nowe umiejętności potrzebne do pomyślnej implementacji sztucznej inteligencji można modelować jako rodzaj kapitału niematerialnego. Przedsiębiorstwa z branży nowych technologii nie potrzebują dużych inwestycji w fabryki, a nawet sprzęt komputerowy, ale mają wartości niematerialne, które są kosztowne do powielenia. Duże wartości rynkowe związane z firmami opracowującymi i/lub wdrażającymi sztuczną inteligencję sugerują, że inwestorzy uważają, iż w tych firmach istnieje rzeczywista wartość.

Zarówno inwestycje w sztuczną inteligencję, jak i innowacje oraz zmiany uzupełniające są kosztowne, trudne do zmierzenia i wymagają czasu, aby je wdrożyć. A to może, przynajmniej na początku, obniżyć produktywność – mierzoną według dotychczasowych wzorców.

Wartości niematerialne związane z ostatnią falą komputeryzacji były około dziesięciokrotnie większe niż bezpośrednie inwestycje w sprzęt komputerowy. Zatem, według zespołu ekonomistów, prawdopodobnym jest, że wartości niematerialne związane ze sztuczną inteligencją mogą mieć porównywalną lub większą wartość. Ponadto, biorąc pod uwagę duże zmiany w procesach produkcyjnych i modelach biznesowych możliwych dzięki sztucznej inteligencji, sposób, w jaki do tej pory była organizowana praca i edukacja, może w przyszłości nie być optymalny. Wykorzystanie uczenia maszynowego będzie bowiem wymagało zmiany wieloletnich praktyk działania i dotychczasowych założeń.

Sztuczna inteligencja i jej uzupełnienia mogą szybciej dodawać wartość do (niematerialnego) kapitału, dlatego tradycyjne wskaźniki gospodarcze, takie jak PKB i produktywność, mogą stać się trudniejsze do zmierzenia i interpretacji. Konieczna staje się więc aktualizacja zestawu narzędzi pomiaru gospodarki, a ekonomiści mogą wnieść istotny wkład w badania dokumentujące i wyjaśniające często trudne do uchwycenia zmiany związane ze sztuczną inteligencją i jej implikacjami gospodarczymi.


Tagi


Artykuły powiązane

Popularne artykuły

test