O tym, jak rozumieć automatyzację oraz czym jest era cyfrowa pisałem już w moich poprzednich artykułach na łamach Obserwatora Finansowego. W szczególności przedstawiłem tam istotne rozróżnienie między automatyzacją a mechanizacją produkcji. Omówiłem też kluczowe różnice między technologiami ery przemysłowej i ery cyfrowej, tłumaczące zasadność wyodrębnienia ery cyfrowej jako nowego etapu rozwoju cywilizacji.
W tym artykule spróbuję pójść o krok dalej i pokusić się o ocenę tego, jakie są perspektywy dla globalnego wzrostu gospodarczego w przyszłości – i to w horyzoncie raczej kilkudziesięciu niż kilku lat – oraz jakie będą jego główne źródła. Moje argumenty w sposób sformalizowany przedstawiłem w artykule naukowym pt. What Will Drive Global Economic Growth in the Digital Age?, tutaj postaram się je przedstawić w uproszczeniu.
Pytanie, skąd się bierze długookresowy wzrost gospodarczy, było zadawane w literaturze ekonomicznej niezliczoną liczbę razy i udało się wypracować w tej kwestii konsensus – choć tylko w odniesieniu do ery przemysłowej, trwającej, z grubsza licząc, od rewolucji przemysłowej do drugiej połowy XX w. Uważa się mianowicie, że fundamentalnym źródłem wzrostu był wówczas postęp technologiczny, a tempo postępu technologicznego było podtrzymywane dzięki temu, że coraz większa liczba coraz bardziej kompetentnych osób zajmowała się działalnością badawczo-rozwojową (B+R). Nowe technologie przekładały się następnie na wzrost produktywności czynników produkcji, a dzięki wzrostowi produkcji wzrastała zarówno konsumpcja, jak i inwestycje. W konsekwencji firmy akumulowały kapitał oraz zwiększały zapotrzebowanie na komplementarne względem niego kompetencje pracowników, które to zapotrzebowanie było zaspokajane dzięki systematycznym wzrostom poziomu wykształcenia społeczeństw. Zwiększające się nakłady czynników w „mnożnikowy” sposób zwiększały produkt, domykając mechanizm wzrostu.
Pod koniec XX w., mniej więcej począwszy od lat 80., mechanizm ten zaczął jednak stopniowo tracić moc. Dynamika całkowitej produktywności czynników produkcji (total factor productivity – TFP) spowolniła, co zaczęto wiązać ze spadkiem dynamiki wzrostu zatrudnienia w sektorze B+R (Jones, 2002). Pojawiły się także sugestie, że być może specyfika procesu B+R jest taka, że coraz trudniej będzie osiągać w tym względzie postęp, że może „pomysły są coraz trudniejsze do wynalezienia” (Bloom, Jones, Van Reenen i Webb, 2020). Naturalnym wnioskiem z tego rozumowania jest, że skoro trudno oczekiwać, by w przyszłości dynamika zatrudnienia w B+R ponownie przyspieszyła – ograniczeniem jest tu przecież dynamika globalnej populacji, która się stale obniża – to czekają nas dekady spowolnienia wzrostu, aż do – być może – całkowitego jego zatrzymania.
Przetwarzanie, przechowywanie i komunikacja informacji oddzieliły się od możliwości poznawczych ludzkiego mózgu.
Równocześnie jednak pod koniec XX w. pojawiło się nowe zjawisko, które może potencjalnie odwrócić tę predykcję o 180 stopni. Rozpoczął się mianowicie okres błyskawicznego rozwoju technologii cyfrowych. Internet oraz komputery, telefony komórkowe, smartfony i inne podobne urządzenia całkowicie zrewolucjonizowały świat. Szacuje się, że od lat 80. XX w. łączna moc obliczeniowa procesorów, a także wolumen gromadzonych i przesyłanych danych, podwajają się co około 2–3 lata (Hilbert i Lopez, 2011). Przetwarzanie, przechowywanie i komunikacja informacji oddzieliły się od możliwości poznawczych ludzkiego mózgu. Jak piszą Gillings, Hilbert i Kemp (2016), mniej niż 1 proc. informacji było przechowywanych w formacie cyfrowym w połowie lat 80. XX w., podczas gdy dziś jest to już ponad 99 proc.
Rozwojowi cyfrowego hardware’u towarzyszy także rozwój software’u. Wstępne analizy sugerują, że tempo poprawy efektywności algorytmów jest prawdopodobnie zbliżone do tempa rozwoju cyfrowego sprzętu. Istotnie w ostatnich latach byliśmy świadkami serii przełomów w obszarze sztucznej inteligencji. W 1997 r. program IBM Deep Blue pokonał szachowego mistrza świata Garriego Kasparowa. W 2016 r. program AlphaGo z DeepMind pokonał mistrza świata w Go, Lee Sedola. W 2020 r. pochodzący z tej samej firmy algorytm AlphaFold rozwiązał kluczowy w biotechnologii problem predykcji struktury białek na podstawie sekwencji aminokwasów. W tym samym roku w laboratorium OpenAI opracowano natomiast algorytm GPT-3, potrafiący automatycznie generować tekst pisany, który trudno odróżnić od tekstu pisanego przez człowieka.
https://www.obserwatorfinansowy.pl/multimedia/podcasty/zlozonosc-cywilizacji-to-symptom-rozwoju/
Rozwój technologii cyfrowych, w szczególności algorytmów sztucznej inteligencji, może przekładać się na tempo globalnego wzrostu gospodarczego dzięki procesom automatyzacji. Efektywność realizacji zadań zautomatyzowanych, wykonywanych bez jakiegokolwiek udziału człowieka, jest bowiem całkowicie niezależna od podaży pracy. W pierwszej kolejności automatyzowane są zadania rutynowe, powtarzalne, łatwe do skodyfikowania, gdyż jest to najprostsze i najtańsze, jednak już dziś automatyzacji zaczynają stopniowo podlegać także niektóre bardziej złożone zadania, związane np. z rachunkowością, tłumaczeniami czy wsparciem procesów zarządczych. Co więcej, sztuczna inteligencja zaczyna być wykorzystywana także w zadaniach badawczo-rozwojowych, gdzie jest np. zaprzęgana do analizy danych astronomicznych czy sekwencjonowania genomów.
Dynamiczny rozwój gospodarczy ery przemysłowej, choć finalnie ciągnięty przez postęp technologiczny, nie byłby jednak możliwy bez dwóch rzeczy: akumulacji kapitału produkcyjnego oraz dostępu do coraz większych ilości energii. Nie przez przypadek pierwsze fabryki ery przemysłowej zbudowano w Manchesterze, w bezpośredniej bliskości złóż węgla, i nie przez przypadek kontrola nad złożami ropy naftowej jest do dziś źródłem ogromnego bogactwa, zarówno krajów Zatoki Perskiej, jak i np. Norwegii. Jak jednak mówią fizycy, poziom rozwoju cywilizacji należy mierzyć na dwóch wymiarach: energii i informacji. I to właśnie w obszarze informacji obserwujemy dziś bezprecedensowe dynamiki wzrostu. Czy więc rzeczywiście możemy zaufać tezie, że „dane są nową ropą naftową” (data is the new oil), a rozwój sztucznej inteligencji zapowiada ponowne przyspieszenie wzrostu, być może nawet o rząd wielkości? W końcu rozwój w sferze cyfrowej od paru dekad notuje stopy wzrostu rzędu 20–30 proc. rocznie, więc może światowy PKB mógłby kiedyś też osiągać podobne dynamiki?
W artykule pt. What Will Drive Global Economic Growth in the Digital Age? rozważam kilka możliwych scenariuszy. To, co w istotny sposób determinuje zarówno tempo przyszłego wzrostu, jak i jego źródła, to odpowiedź na pytanie, czy możliwa jest pełna automatyzacja produkcji i działalności B+R. Czy praca umysłowa człowieka pozostanie niezbędnym czynnikiem w wytwarzaniu produktu, komplementarnym względem pracy maszyn (w tym algorytmów sztucznej inteligencji), czy też będzie mogła zostać całkowicie zastąpiona? Jeśli procesy produkcyjne są złożone, to czy praca ludzka nie okaże się zbędna na choć jednym etapie? A jeśli wytwarzamy wiele rodzajów dóbr i usług, to czy praca ludzka pozostanie niezbędna w wytwarzaniu przynajmniej jednego produktu, którego żadną miarą nie możemy zastąpić innym?
Czy możliwa jest całkowita automatyzacja produkcji – i jakie byłyby jej skutki?
Scenariusz, w którym pełna automatyzacja nie jest możliwa, oznacza, że pomimo postępów automatyzacji będą zawsze pozostawać „wyspy” działalności, w których niezbędna jest praca umysłowa człowieka. Niezbędność tych zadań i ich komplementarność względem zadań zautomatyzowanych spowodują, że ich cena będzie szybko wzrastać. Jest to przykład tzw. choroby kosztowej Baumola. Ze względu na ów wzrost ceny udział wynagrodzenia pracy w produkcie zacznie wówczas paradoksalnie wzrastać, mimo że praca świadczona będzie przecież w bardzo ograniczonej grupie zadań, a pozostała część gospodarki będzie się dynamicznie rozwijać. Równocześnie ze względu na fakt, że zadania niezautomatyzowane będą niezbędną częścią procesów produkcyjnych i badawczo-rozwojowych, ich „wąskim gardłem”, dalszy wzrost gospodarczy zostanie ograniczany przez tempo, w jakim zwiększać się będzie efektywne zatrudnienie w tych właśnie zadaniach.
Można wyodrębnić dwa szczegółowe warianty tego scenariusza. Po pierwsze, może być tak, że czynniki demograficzne (według ONZ w XXI w. globalna populacja będzie rosnąć coraz wolniej i ok. 2100 r. ustabilizuje się) okażą się kluczowe, doprowadzając do długotrwałego spowolnienia wzrostu, czyli „sekularnej stagnacji”. Po drugie, hipotetycznie możliwe jest jednak również podtrzymanie stałego tempa wzrostu, zbliżonego do dzisiejszego, dzięki akumulacji kapitału badawczo-rozwojowego, w szczególności mocy obliczeniowej i algorytmów sztucznej inteligencji wykorzystywanych w działalności B+R. Wówczas akumulacja ta ręka w rękę z postępem technologicznym mogą wspólnymi siłami podtrzymać stałe tempo postępu technicznego zwiększającego produktywność pracy, w szczególności w zakresie zadań niemożliwych do zautomatyzowania.
Scenariusz, w którym pełna automatyzacja jest możliwa, rysuje nam natomiast zupełnie inną przyszłość. Mianowicie w scenariuszu tym wskutek postępów automatyzacji praca umysłowa człowieka stopniowo przestaje mieć znaczenie dla wytwarzania produktu. Z punktu widzenia perspektyw wzrostu gospodarczego to bardzo dobra wiadomość: zamiast pracy umysłowej człowieka, która jest czynnikiem rosnącym wolno albo wcale, w produkcji coraz częściej wykorzystywany będzie dynamicznie rosnący czynnik „pracy umysłowej maszyn”, tj. obliczeń, predykcji i decyzji dokonywanych cyfrowo. Dzięki temu wzrostu gospodarczego nie spowolnią niedostatki nakładu pracy człowieka, w szczególności w działalności B+R. Będzie mógł on mocno przyspieszyć, finalnie zrównując się z tempem rozwoju cyfrowego hardware’u. „Wąskim gardłem” procesu produkcyjnego nie będzie już dostarczana przez człowieka informacja, lecz energia, niezbędna do pracy hardware’u.
Wraz z postępami automatyzacji zacznie bowiem spadać – docelowo do zera – udział wynagrodzenia pracy w produkcie.
Scenariusz wzrostu gospodarczego w tempie 20–30 proc. rocznie, z podwojeniem światowego produktu co 2–3 lata, może brzmieć fantastycznie, jednak nie jest pozbawiony istotnych wad. Eksplozji obfitości dóbr i usług towarzyszyć będzie bowiem bardzo duże wyzwanie związane z podziałem wytworzonych dóbr. Wraz z postępami automatyzacji zacznie bowiem spadać – docelowo do zera – udział wynagrodzenia pracy w produkcie. Wzrastać będą też nierówności dochodowe, gdyż o ile praca umysłowa człowieka jest naturalnie rozproszona – każdy z nas ma jedną głowę – o tyle moc obliczeniową procesorów i dane można łatwo akumulować. W istocie już teraz obserwujemy pod tym względem ogromne dysproporcje. Przykładowo, największe fortuny na świecie mają dziś właściciele firm software’owych z Doliny Krzemowej. Dysproporcje te, pogłębiając się, w przyszłości zapewne wymuszą jakąś formę redystrybucji dochodów. Trudno jednak powiedzieć jaką, gdyż póki co wszystkie formy np. podatku cyfrowego czy uniwersalnego dochodu podstawowego są bardzo kontrowersyjne.
Scenariusz pełnej automatyzacji produkcji i działalności B+R niesie też implikacje wykraczające daleko poza obszar zainteresowania ekonomii. Należy sobie bowiem zadać kluczowe w tym kontekście pytanie, czy człowiek będzie w stanie utrzymać kontrolę nad technologią o wyższej inteligencji niż jego własna? A jeśli nie, to czy ta technologia będzie podejmować decyzje dla nas korzystne lub chociaż pozwalające nam żyć? Osobom zainteresowanym takimi pytaniami gorąco polecam książkę Nicka Bostroma pt. Superinteligencja. Scenariusze, strategie, zagrożenia.
No ale może jednak tak daleko idący rozwój sztucznej inteligencji nie jest możliwy? Nie jest on co prawda sprzeczny z prawami fizyki, ale w kwestii, czy rzeczywiście sztuczna inteligencja kiedyś prześcignie ludzką, zdania wśród ekspertów są podzielone. Jak zawsze, niektórzy są sceptyczni. „Wynalazczość osiągnęła już swój kres i nie widzę nadziei na dalszy rozwój” – powiedział… Julius Sextus Frontinus, inżynier rzymski, w 10 r. n.e.
Bibliografia
Bloom, N., C. I. Jones, J. Van Reenen, and M. Webb (2020): “Are Ideas Getting Harder to Find?”, American Economic Review, 110(4), 1104–1144
Gillings, M. R., M. Hilbert, and D. J. Kemp (2016): “Information in the Biosphere: Biological and Digital Worlds”, Trends in Ecology and Evolution, 31, 180–189.
Hilbert, M., and P. Lopez (2011): “The World’s Technological Capacity to Store, Communicate, and Compute Information”, Science, 332, 60–65
Jones, C. (2002): “Sources of U.S. Economic Growth in a World of Ideas”, American Economic Review, 92, 220–239.
Autor wyraża własne opinie, a nie oficjalne stanowisko NBP.
Artykuł został jednocześnie – 23 grudnia – opublikowany w Wydaniu Specjalnym Obserwatora Finansowego (wydanie papierowe), w magazynie świątecznym Dziennika Gazety Prawnej”, wraz z innymi artykułami autorów piszących dla OF. Wśród tekstów Wydania Specjalnego są m.in. artykuły autorstwa Prezesa NBP, prof. Adama Glapińskiego, dyrektora Departamentu Analiz i Badań Ekonomicznych, dr. Piotra Szpunara, prof. Leona Podkaminera, dr. Pawła Kowalewskiego i eksperta NBP Wojciecha Mroczka. Wszystkie opublikowane w magazynie świątecznym DGP teksty można przeczytać również w serwisie obserwatorfinansowy,pl.