GettyImages
Pierwsze słowo, w jednym z jego znaczeń, to coś podrobionego, fałszywego. Drugie oznacza zdolność pojmowania i radzenia sobie z problemami. Tymczasem, oba razem mają być znakiem przyszłości. Wiara w „sztuczną inteligencję” staje się powszechna. Znana głównie jako AI (od angielskiego Artificial Intelligence) ma zmienić wszystko, ale też wywołuje olbrzymi strach, że najpierw zacznie zastępować ludzi, a potem uzna nas za zbędny balast. Nikt nie ma solidnej wiedzy w sprawie jej „ostatecznych” możliwości, ponieważ taka wiedza nie istnieje. Zamiast niej krążą wyobrażenia i coraz śmielsze obietnice. Z pokryciem, czy bez pokrycia? – można zapytać, parafrazując księcia Danii. W miarę bezpiecznie można skonstatować, że wysiłki w celu przemiany obecnego oseska AI w coś samodzielnie „myślącego” lub „jakby-myślącego” będą coraz intensywniejsze.
Obecnie podstawową emanacją sztucznej inteligencji jest narzędzie nazwane ChatGTP, służące do „rozmowy” z ludźmi stawiającymi mu zadania. Program wyposażony w „umiejętności” analizy i samouczenia się z każdym kolejnym podejściem, przeczesuje olbrzymie ilości tekstów i danych zmagazynowanych na serwerach wszechświatowego Internetu, wybiera z nich to, co uznaje za część odpowiedzi, redaguje ostateczną wersję z wykorzystaniem wbudowanego, ale rozwijającego się stale algorytmu, a na koniec prezentuje gotową treść.
Sztuczne sieci neuronowe
Z uwagi na sprzeczność z dotychczasowym postrzeganiem możliwości „poznawczych” i „intelektualnych” świata nieożywionego, charakterystyczny jest brak opisów działania AI na jej obecnym etapie w języku używanym na co dzień przez miliardy. Ludzki mózg działa dzięki komórkom zwanymi neuronami, których może być do paręset miliardów. Każda z nich połączona jest z tysiącami innych za pomocą tzw. przekaźników nazwanych synapsami. Wiemy, że jakość i siła synaps (chemicznych i elektrycznych) rośnie wraz z coraz większym przyswajaniem wiedzy i umiejętności.
W laboratoriach pracujących nad AI podjęte zostały z powodzeniem próby utworzenia sztucznych sieci neuronowych (ang. ANN). Najlepsze z nich zaczynają działać podobnie do ludzkiego mózgu, czyli analizują i kojarzą. Sieci te są ze sobą połączone i ułożone w warstwy. Aktywność neuronów jest pobudzana lub wstrzymywana za pomocą impulsów elektrycznych, zaś to co dzieje się w niższej warstwie może oddziaływać na sieci w wyższych warstwach. U człowieka na widok jakichś przedmiotów dolna warstwa neuronowa sygnalizuje odczytywanie jasnych i ciemnych plam. Wyższa organizuje je w kontury, a jeszcze wyższa w kształty. Proces trwa i w końcu mózg decyduje, że widzi kota, psa lub samochód. Dodać trzeba, że w pewnym momencie na dany obraz reagują różne warstwy: i ta, która widzi na koniec kota, i ta, która widzi jednak psa. Dzieje się tak zapewne dlatego, że oba zwierzęta mają wspólne dwie bardzo wyraźne cechy – cztery nogi i futro. Mózg musi więc w końcu dokonać w mgnieniu oka wyboru zgodnego ze wzorcem.
Zobacz również:
https://www.obserwatorfinansowy.pl/bez-kategorii/rotator/adrian-horzyk-bedziemy-mieli-kontrole-nad-sztuczna-inteligencja/
Podczas tworzenia sztucznej inteligencji nie zamierzano powielać schematów działania znanych dzięki badaniom nad pracą mózgu. Ale przełomowy eksperyment przeprowadzony dekadę temu przez zespół Daniela Yasminsa z MIT (teraz w Stanfordzie) pokazał, że prawdziwa i sztuczna inteligencje działają w zdumiewająco podobny sposób. Do tego wniosku doprowadziło porównywanie reakcji mózgowych u makaków do tego co dzieje się w odpowiedniku ich mózgów zbudowanym z płytek silikonowych. Jeśli zaś wiemy już, że prawdziwy mózg i AI „samorzutnie” działają podobnie, to łatwiej nam uwierzyć, że sztuczna inteligencja może się sama uczyć i samodoskonalić jak małe dziecko. Dziś, przy jej obecnym potencjale od możliwości ludzkiego mózgu dzielą ją jednak lata świetlne.
Dzisiejsze nadzieje związane z AI są jeszcze niewygórowane. Na razie te praktyczne związane są przede wszystkim z analizą dotychczasowej zapisanej wiedzy. Jeśli założyć, że jakiś wybitny uczony dożywa 80 lat, z których 65 lat poświęciłby wyłącznie na czytanie np. po 300 stron dziennie, to przez całe życie byłby w stanie przeczytać ok. 7 mln stron. Wobec setek miliardów zadrukowanych stron we wszystkich językach świata, to ledwo drobinka. A ile by z tego ów profesor zrozumiał, to oddzielna kwestia. Chodziło jedynie o pokazanie, że zaprzęgnięcie jakiegoś narzędzia do analizowania samego tylko naszego dorobku, to także wielkie zadanie warte zachodu.
Wyzwanie przed AI
Oczekujemy spektakularnych efektów, dzięki wielkiej szybkości procesu oraz wskutek np. nieodrzucania związków, które przeczyłyby logice, utrwalonej wiedzy, szablonom rozumowania ludzkiego, różnym tzw. stałym wielkościom itd. Zadanie jest ciągle trudne, ponieważ AI jest na etapie raczkowania i ma w dalszym ciągu wielkie kłopoty z odróżnianiem w masie wiedzy, co jest (w naszym przekonaniu) „złotem”, a co się tylko świeci. Co gorsze, nie możemy też mieć pewności, czy AI nie cierpi akurat na halucynacje, gdy zacznie alarmować, że coś co uznawaliśmy za kruszec naukowy, to byle co do wyrzucenia na śmietnik.
Steve Hasker, szef Thompson Reuters, podał, że jego firma będzie inwestować co roku po 100 mln dol. w rozwój kreatywnej/twórczej (generative) AI, także dlatego, że dziś korzystanie z niej nie jest bezpieczne. Dziennikarze Reutera zadali ChatGTP pytanie dotyczące pewnych przepisów prawa stanowego w Michigan. Odpowiedź była poprawna i dostatecznie szczegółowa. Gdy jednak zadano pytanie o takie same przepisy w Massachusetts, odpowiedź była identyczna, choć takich tam w ogóle nie ma.
Zobacz również:
https://www.obserwatorfinansowy.pl/tematyka/makroekonomia/trendy-gospodarcze/andrzej-zybertowicz-technoentuzjasci-sa-niebezpieczni/
Ale bez względu na to, czy będzie kiedyś w postaci zagrażającej ludzkości, czy będzie służyć jako coraz użyteczniejsze narzędzie pod wystarczającą kontrolą człowieka, AI ma wielką przyszłość także w dziedzinie finansowej. Zasoby informacji nt. wyników firm, cen, kursów akcji, wszelkich innych papierów wartościowych i instrumentów finansowych, cen walut oraz zdarzeń poprzedzających i towarzyszących wszelkim zmianom są nieprzebrane. Duża część z nich jest wiarygodna jako „peer reviewed”, czyli pod kontrolą zarówno ich wytwórców, jak użytkowników wychwytujących każdą istotniejszą niezgodność. Dane te poddawane są nieustanym analizom, których wyniki ogłaszane są obecnie przez liczne renomowane i jeszcze liczniejsze poboczne źródła.
AI w dobrej wersji byłaby w stanie powiązywać ze sobą dane dotychczas niepowiązywane z racji braku fizycznych możliwości, ale również z powodu nieświadomości celowości dokonywania takich powiązań. Być może udałoby się ekonomistom wyzwolić od prymitywnego, więc bardzo zawodnego narzędzia prognostycznego w postaci ekstrapolacji, które nie uwzględnia, że przeszłość różni się od teraźniejszości, a już zwłaszcza od odleglejszej przyszłości. Gdyby Malthus dysponował AI nie twierdziłby zapewne, że i Paryż, i Londyn utoną w końskim łajnie, a ludzkość zemrze z głodu. Gdyby zaś w przeszłości mieli ją na podorędziu inwestorzy, przedsiębiorcy, bankierzy, ekonomiści, politycy…, to być może uniknęlibyśmy Wielkiego Kryzysu z lat 30. XX w. i wszystkich następnych, a ich skutki byłyby o wiele mniejsze. A co z wojnami i mniejszymi konfliktami zbrojnymi? Gdyby wszyscy wiedzieli dzięki AI, że ich skutki są rujnujące także dla zwycięzców, to być może byłyby one do uniknięcia.
Sztuczna inteligencja w sferze finansów
W samej tylko dziedzinie szeroko rozumianych finansów mnóstwo jest potencjalnych scenariuszy wielkiego wpływu albo wręcz wszechwładzy AI. Pierwszy z brzegu – podatki. Dzięki dostępowi do wszystkich faktur, danych o płatnościach, sprawozdań finansowych itp. poprzez coraz szczelniejsze systemy w rodzaju polskiego JPK, konfrontowanie ich ze źródłami w mediach i wszelkich innych przekazach, można będzie wyciskać ze stale „kuglujących” firm znacznie więcej. Jak zawsze, nie ma róży bez kolców. Nie tylko fiskus będzie mógł korzystać z AI, sztuczna inteligencja będzie mogła wspomagać także podatników szukających wytchnienia od poborców i urzędników.
Dzięki o wiele dokładniejszej analizie sytuacji finansowej potencjalnych pożyczkobiorców oraz rynków, na których działają, mogłoby dojść do zmierzchu lub w ogóle zniknięcia banków. Są kosztochłonne i zachłanne, więc w otoczeniu dopracowanej AI z dostępem do nieprzebranych ilości danych mogłyby stać się zbędnym ogniwem między źródłami kapitału a popytem na środki finansowe. Z drugiej strony, w ich miejsce prawdopodobnie natychmiast uformowałaby się nowa struktura, np. na podobieństwo funduszy venture capital, więc pozbywanie się czegoś co doskonale znamy nie miałoby być może sensu.
Zobacz również:
https://www.obserwatorfinansowy.pl/bez-kategorii/rotator/walka-spolek-technologicznych-o-supremacje-na-rynku-chatbotow/
Tego rodzaju przewidywania zakładają zdominowanie obszaru analizy i wnioskowania przez jeden uniwersalny model AI dla całego świata. Można sobie jednak wyobrazić zażartą konkurencję „sztucznych mózgów”, które wyszły ze „stajni” tysięcy najróżniejszych ośrodków, a potem zrzuciły dzięki „samo nauce” wszelkie pęta nałożone im przez człowieka i grają same ze sobą, choć właściwie nie wiadomo po co, skoro pieniądze nie będą im raczej potrzebne do bytowania i rozwoju.
Roztaczanie apokaliptycznych wizji zaprzęgnięcia AI przez małe grupki osób do sprawowania totalnej kontroli nad wszystkimi pozostałymi ludźmi lub obrazów całkowitego zdominowania świata przez sztuczną inteligencję, która mogłaby traktować ludzi tak jak my traktujemy np. mrówki lub ślimaki, nie ma większego sensu. Dlaczego? Dlatego, że albo proces jest już nie do zatrzymania i nie mamy nic do gadania, albo – co bardziej prawdopodobne – unikniemy tego dzięki wskutek niespełnienia się dzisiejszych oczekiwań wobec AI lub nałożenia na nią ograniczeń, nie tylko przez rządy, ale też przez naukowców i informatyków przerażonych wizją utraty swej dzisiejszej pozycji.
Pieniądze na rozwój AI nie są przeszkodą, choć inwestują głównie te firmy i całe branże, które już dziś widzą duże namacalne korzyści. Wspomniany Reuters ze swoim planem wydatków to mała myszka. Accenture – jeden z gigantów consultingu, zatrudniający obecnie 738 tys. osób – zamierza przeznaczyć w ciągu trzech następnych lat na sztuczną inteligencję łącznie 3 mld dol., tak żeby zajmowało się nią aż 80 tys. jego pracowników. Podobne plany ogłosiły PwC, EY, Bain & Company i Deloitte. Firma Pitchbook ocenia, że same tylko inwestycje w generative AI wyniosą do końca 2023 r. ok. 43 mld dol. Wobec bilionów którymi operuje rynek, kwota ta wydaje się niewygórowana, ale porównanie obrazuje równocześnie możliwości natychmiastowego zmobilizowania naprawdę ogromnych środków.
Ograniczenia i wielka niewiadoma
Największa niewiadoma natury intelektualnej dotyczy entuzjastycznych prognoz w sprawie oczekiwanego powszechnie błyskawicznego i wszechogarniającego rozwoju AI. Jeszcze niedawno punkt docelowy obecnych wyobrażeń na ten temat umieszczano gdzieś w okolicach 2040 r., obecnie mowa jest o czasie aż o dekadę krótszym. Dziś przewidywania te są niesprawdzalne, a toczenie sporów, jaka jest ich jakość i wiarygodność to strata czasu. Za parę lat będziemy wiedzieli więcej.
Wśród ograniczeń materialnych wyróżnia się kwestia zużycia energii oraz mocy obliczeniowej. Jest to oczywista konsekwencja mechanizmu działania AI, ponieważ każda z miliardów operacji wykonywanych przez sztuczną inteligencje w celu realizacji danego zadania wymaga interakcji między pamięcią a procesorami, czyli zużycia energii i mocy komputerowej. Deep Jariwala i Benjamin C. Lee z Uniwersytetu Pensylwanii oceniają, że w 2018 r. wszystkie komputery zużywały 1–2 proc. światowej produkcji energii elektrycznej. W 2020 r. udział miał wzrosnąć do 4–6 proc., a jeśli trend się utrzyma, to w 2030 r. może sięgnąć 8–21 proc. Prace nad AI wymagają stale nowych centrów wyposażonych w infrastrukturę IT. Jedno takie zużywa od 20 do 40 MW i pracuje na okrągło z pełną mocą, a 20 MW to tyle, ile potrzebuje 16 tys. amerykańskich gospodarstw domowych. Cztery lata temu New Scientist opublikował artykuł, którego autorka Donna Lu podaje, że tzw. ślad węglowy prac nad pojedynczym modelem sztucznej inteligencji wynosi aż 284 tony CO2, a więc jest pięciokrotnie większy niż ślad pozostawiany przez samochód z silnikiem spalinowym użytkowany przeciętnie przez pięć lat.
Zobacz również:
https://www.obserwatorfinansowy.pl/bez-kategorii/rotator/generatywna-sztuczna-inteligencja-szanse-i-wyzwania/
Niesamowicie rośnie także zapotrzebowanie na moc obliczeniową. Wzrastający błyskawicznie popyt na specjalistyczne chipy wyjaśnia olbrzymi skok kursu koncernu Nvidia – potentata w dziedzinie chipów (Nvidia dostarcza obecnie 80 proc. chipów niezbędnych do prac nad AI). Jeszcze w styczniu 2023 r. akcje firmy kosztowały 150 dol. za sztukę, teraz 425 dol. i więcej. Zweryfikowane dane z (niedalekiej) przeszłości pokazują, że zużycie mocy obliczeniowej niezbędnej do nauczenia AI rozpoznawania twarzy lub do zwyciężania ludzi w rozgrywkach Go wrosło między 2012 a 2018 r. aż 300 tys. razy. Teraz, wraz z rosnącym apetytem na AI i jej umiejętności, popyt na te zdolności jest o wiele wyższy. Semiconductor Research Corp. – konsorcjum głównych producentów chipów uważa, że niebawem podaż krzemu może nie dotrzymać kroku popytowi na pamięć magazynową na płytkach silikonu. Wierzymy oczywiście, że nieustanny postęp, niebawem jeszcze szybszy dzięki AI, usunie wąskie gardła. I tylko wieczni sceptycy kręcą głową, choć i tak nikt na nich nie patrzy. W komentarzu dla The New York Times Alex Singla, szef zespołu McKinsey zajmującego się AI, ostudził oczekiwania podkreślając, że „technologia nie stanowi zazwyczaj wyzwania dla firm bez względu na ich obszar działania. Czynnikiem spowalniającym są zawsze ludzie (pracownicy)”.
Paradoks Baumola–Bowena
Nieżyjący już ekonomista William Baumol wraz z kolegą Williamem Bowenem opisali w 1965 r. paradoks, zgodnie z którym płace muzyków filharmonicznych systematycznie rosną (niestety nie w Polsce), choć ich „wydajność” podczas koncertów pozostaje przecież niezmienna i popyt na ich usługi raczej nie wzrasta. Pewna część ludzi nadal chce chodzić do filharmonii, choć wraz ze wzrostem PKB i cen, bilety są droższe. Płace filharmoników, więc rosną, mimo że nie rośnie ich produktywność i w ten sposób wkład tych artystów do PKB nie maleje.
Wyjaśnienia przedstawione przez parę Baumol-Bowen można odnieść do AI. Jeśli zagarnięcie przez AI jakiegoś obszaru ważnego dla ludzi nie będzie możliwe, to dziedziny mniej produktywne, pozbawione dobroczynnego wpływu sztucznej inteligencja, będą miały większy (od oczekiwanego) udział w PKB, co spowalnia ogólny wzrost gospodarczy. Pojawiają się nieoczywiste konsekwencje braku pokrycia postępem wszystkich dziedzin. W wyniku nieustannego wprowadzania nowych technologii, w XX w. przemysł i rolnictwo zwiększały skokowo wydajność oraz produkcję. Skutkiem był relatywny spadek cen towarów przemysłowych i rolnych. Zaczęliśmy zatem wydawać coraz większe części naszych dochodów na edukację, zdrowie czy wypoczynek, gdzie wydajność rosła wyraźnie wolniej albo w ogóle. Możliwe jest zatem, że AI zdominuje dziedziny „umysłowe”, ale nie będzie w stanie lub my nie będziemy chcieli, żeby zastępowała pracę ludzi, choć można ją sobie wyobrazić np. w roli kierownika budowy lub bezdusznego prezesa, który mógłby być gorszy od burżujów-krwiopijców z czasów rewolucji przemysłowej.
Zobacz również:
https://www.obserwatorfinansowy.pl/bez-kategorii/rotator/sztuczna-inteligencja-nie-gra-w-kosci-na-razie-gra-w-pilke/
Dorobek prof. Baumola nie jest szerzej znany, co innego ze spuścizną słynnego Johna Maynarda Keynesa. The Economist przypomniał w kontekście AI, że w 1930 r. opublikował on esej o szansach wnuków jego pokolenia („Economic Possibilities for our Grandchildren”), w którym wieszczył, że dziś pracować będziemy jedynie po 15 godzin w tygodniu. Obecnie pracujemy krócej, jakieś 40 godzin tygodniowo, zamiast 60 godzin jeszcze kilka dekad temu, ale nie lenimy się tak jak wieszczył Keynes. Co ciekawsze, ludzie bogatsi pracują dłużej niż biedniejsi. Pojawia się nieoczekiwane wyjaśnienie tego kolejnego paradoksu. Czyżby nie było tak, że dla wielu z nas (ja sam jestem chyba tego przykładem) praca stała się dobrem konsumpcyjnym oferującym znacznie więcej użyteczności niż dochód z niej płynący? AI tego dobra nie zastąpi.
Inny aspekt, to liczne dobra zawierające bardzo cenny pierwiastek ludzki, który ekonomiści nazywają premią. Można w tym kontekście mówić o „prawdziwej” w odróżnieniu od „sztucznej” wartości. Czy wolelibyśmy, żeby uśmiechała się do nas w szpitalu pielęgniarka z krwi i kości, czy sztuczna inteligencja – Alexa?
Nie jesteśmy w stanie przewidzieć przyszłości, nie wiemy zatem, czym skończy się rozwój AI. Nie ma przy tym wątpliwości, że odciśnie olbrzymie piętno na ludzkości i świecie. Pytanie tylko, czy w ostatecznym rozrachunku będzie dobre, czy złe? Czy wyprze kiedyś ludzi i sprawi, że podzielimy los dinozaurów? T Możliwe! Jeśli życie powstaje w wyniku połączenia plemnika z jajeczkiem, to możliwe staje się „inne życie” dzięki alternatywnej ewolucji i z połączenia metalu z półmetalem – krzemem.
Jan Cipiur, ekonomista i publicysta
W styczniu 2020 roku Wielka Brytania formalnie opuściła Unię Europejską. Oczekiwane korzyści z brexitu, poza odzyskaniem suwerenności w zakresie kształtowania prawa i zewnętrznych relacji gospodarczych, jednak się nie zmaterializowały. Widoczny jest natomiast spadek wydajności i konkurencyjności brytyjskiej gospodarki, co wpływa także na kondycję rynku pracy.
