Вітаю в Eye on AI. У цьому випуску…Anthropic подає до суду на Пентагон через позначку ризику в ланцюгу постачання…Yann LeCun залучає $1 мільярд для свого нового стартапу…деякі заспокійливі й не дуже заспокійливі новини про схильність AI-агентів до незаконних схем…і чому може бути зарано віддати все програмування AI-агентам.
Коли я кажу людям, що пишу про штучний інтелект і створив a book на цю тему, мені найчастіше ставлять два запитання: чи втрачусь я свою роботу? І що варто вивчати моїм дітям?
Відповісти на це непросто. Зазвичай я кажу, що навряд чи нас чекає масове безробіття, але це не означає, що кожне конкретне робоче місце у безпеці. А щодо дітей — повторюю, що найцінніше навчити їх бути людьми, які навчаються все життя, хоча це звучить не надто конкретно.
Поки що небагато людей втратили роботу безпосередньо через AI. Навіть частина скорочень, які компанії пояснюють AI, як-от недавні draconian layoffs у платіжній компанії Block, схоже, частково є «AI-вошингом» — коли звільнення приписують AI, аби виглядати технологічно прогресивними, тоді як справжня причина — бізнес-вітер у лице або сторонні прорахунки. Block, наприклад, утричі збільшила штат у період пандемії, і багато хто вважає, що тепер компанія просто намагається «схуднути» після надмірного найму. (Фіндиректор Block Аміта Ахуджа told моїй колезі з Fortune Шеріл Естраді, що це не так, і що AI швидко підвищує продуктивність працівників.)
У довгій перспективі кожна попередня технологічна хвиля створювала більше робочих місць, ніж знищувала. Але є ті, хто наполягає: AI відрізняється тим, що його впроваджують надто широко й надто швидко у різних галузях, і тим, що він б’є по самому центру нашої переваги над машинами — інтелекту. А щодо другого питання — що саме мають вивчати діти — теж складно, бо навіть якщо технології зрештою додають робочі місця, якими саме будуть ці нові професії, заздалегідь майже неможливо вгадати. Коли з’явилися смартфони, наприклад, мало хто передбачав, що кар’єра інфлюенсера стане реалістичним шляхом.
Нове research paper від економістів Максима Масенкова та Пітера Маккрорі з AI-компанії Anthropic оцінює, наскільки різні професії «відкриті» для автоматизації, аналізуючи частку завдань у кожній сфері, які технологія потенційно здатна виконувати. Також вони намагаються виміряти розрив між цією максимально можливою «експозицією» та тим, як багато AI фактично використовується для автоматизації сьогодні; цей показник вони називають “observed exposure.”
Потенціал автоматизації AI та реальний рівень впровадження
У соцмережах ця робота набула резонансу, бо дослідники додали помітну радарну діаграму, яка наочно показує, наскільки нерівномірними є наслідки AI — особливо якщо дивитися на “observed exposure.” Ось цей графік:
Наприклад, відносно помітний вплив AI видно у сферах офісного адміністрування та у професіях, пов’язаних із комп’ютерами й математикою, але значно менший — у напрямах на кшталт наук про життя, соціальних наук або охорони здоров’я, хоча в цих двох областях потенційна експозиція досить висока. Є й категорії з дуже низькою потенційною експозицією — як-от будівництво та сільське господарство — де Anthropic фіксує, що реальна експозиція майже нульова. Порівнявши результати “observed exposure” із прогнозами зростання зайнятості від U.S. Bureau of Labor Statistics, автори з Anthropic виявили кореляцію: вища фактична експозиція AI пов’язана з нижчими прогнозами зростання робочих місць у відповідних галузях.
Я частково ставлю під сумнів висновок про агросектор, адже прогнозний AI та робототехніка можуть суттєво трансформувати сільське господарство, і ці інструменти вже заходять у фермерство. Просто це інша хвиля технологій, ніж системи на основі великих мовних моделей, на яких зосереджена Anthropic. Утім, можливо, порада відправити дітей у підмайстри до сантехніка, стати електриком або спробувати себе у фермерстві — не найгірша. У статті Anthropic зазначається, що близько 30% американських працівників не охоплено аналізом, бо “their tasks appeared too infrequently in our data to meet the minimum threshold. This group includes, for example, Cooks, Motorcycle Mechanics, Lifeguards, Bartenders, Dishwashers, and Dressing Room Attendants.”
Навіть там, де загальна потенційна експозиція висока — зокрема у сфері комп’ютерів і математики — де теоретичний показник сягає 94%, поточна автоматизація значно нижча: у цьому випадку 33%. В офісному адмініструванні спостережувана експозиція найвища — приблизно 40% — при загальній теоретичній експозиції 90%. (Важливо, однак, що це середні значення для широких категорій. Якщо дивитися на конкретні посади, “observed exposure” може бути значно вищою: 75% для програмістів, 70% для працівників служби підтримки, і 67% для вакансій з введення даних та для спеціалістів із медичних записів.)
Коли реальність наздожене теорію: темпи скорочення розриву
Найважливіше питання тепер таке: з якою швидкістю зменшиться відстань між “observed exposure” та теоретично можливою експозицією AI? Мені здається, відповідь буде сильно різнитися залежно від професії. Ідея, що той самий рівень автоматизації, який зачепив розробників програмного забезпечення за останні шість місяців, ось-ось накриє кожного іншого працівника розумової праці протягом наступних 12–18 місяців, виглядає надто прямолінійною. На мою думку, у багатьох сферах це триватиме помітно довше. У роботі Anthropic зазначено, що наразі є дуже мало доказів звільнень навіть у сферах із найбільшою “observed exposure,” як-от розробка ПЗ, хоча автори звертають увагу на a study зі Стенфорда, про яке ми вже писали в Eye on AI, — воно показало певні ознаки уповільнення найму серед молодших програмістів та IT-фахівців. (Втім, навіть це дослідження не змогло повністю відокремити такий спад від можливого «відкату» після надмірного найму в пандемічні роки.)
Маккрорі та Масенков називають кілька причин, чому фактична автоматизація відстає від потенціалу. У частині випадків, пишуть вони, моделі ще не дотягують до рівня необхідних завдань. Але часто, як вони зазначають, AI “may be slow to diffuse due to legal constraints, specific software requirements, human verification steps, or other hurdles.” Як я раніше підкреслював, у багатьох галузях немає хороших способів автоматизувати й масштабувати перевірку, і це точно стримує розгортання AI.
Потенційний вплив AI також розподіляється нерівномірно між групами населення: жінки суттєво надпредставлені в AI-експонованих сферах порівняно з чоловіками; працівники з вищою експозицією частіше є білими або азійцями, а також частіше мають вищу освіту та вищі доходи. З огляду на те, що ці групи нерідко краще організовані політично, якщо ми все ж побачимо помітні втрати робочих місць серед таких працівників, може виникнути політичний спротив, який уповільнить упровадження AI.
Економісти Anthropic також нагадують, що в економістів загалом слабкий «послужний список» щодо прогнозування змін у професіях. Вони наводять приклад попередніх досліджень, які стверджували, що приблизно чверть робочих місць у США можна перенести за кордон, але через десять років більшість цих категорій показували здорове зростання зайнятості. Також вони відзначають, що державні прогнози зростання професій у США здебільшого були правильні за напрямом, але мали низьку точність у деталях.
У підсумку, найчесніша відповідь на обидва запитання — чи втрачу я роботу і що мають вивчати мої діти? — може звучати так: я не знаю, і ніхто достеменно не знає теж. Але, можливо, вивчити щось про сантехніку — не найгірша ідея.
А тепер — більше новин зі світу AI.
Jeremy Kahn
[email protected]
@jeremyakahn
This story was originally featured on Fortune.com
