Czy sztuczna inteligencja może zabrać nam pracę? Odpowiedź nie jest oczywista

Algorytmy uczenia maszynowego wykorzystujące sieci neuronowe, często nazywane sztuczną inteligencją (SI), dziś radzą sobie dobrze z wieloma zadaniami. To one odpowiadają za stosowane aplikacje rozpoznawania mowy (i zamiany jej na tekst), tłumaczenia tekstów, czy rozpoznawania i klasyfikowania obrazów. Algorytmy potrafią dziś też generować zadane teksty, obrazy, a nawet sekwencje kodu komputerowego – czyli programować.

Wytrenowane odpowiednio algorytmy mogłyby z czasem zastąpić ludzi w wielu zawodach – takie obawy wyraża wielu ekonomistów, specjalistów od rynku pracy oraz ekspertów z dziedziny sztucznej inteligencji. Większość twierdzi, że taka zmiana jest nieunikniona i powinniśmy się już na nią przygotować.

W odleglejszej przyszłości nie jest to wykluczone. W najbliższej jednak – wcale się na to nie zanosi. Dlaczego? Cóż, stworzenie algorytmu i jego praca też kosztują.

Ludzie są tańsi w 92 proc. przypadków

Badacze ze słynnego Massachusetts Institute of Technology (czyli MIT) postanowili przeanalizować, jak ma się koszt zastosowania sztucznej inteligencji do ludzkiej pracy w zawodach związanych z szeroko pojętym widzeniem.

Wybrali ponad czterysta zawodów, w których wzrok odgrywa istotną rolę. Potem oszacowali, ile kosztowałoby stworzenie algorytmu uczenia maszynowego, który takie prace mógłby wykonywać z odpowiednią dokładnością.

Z ich analizy wynika, że w dzisiejszych Stanach Zjednoczonych nieco ponad jedna trzecia firm ma przynajmniej jedno stanowisko, które można by zastąpić algorytmem rozpoznawania obrazów. Jednak opłacałoby się to jedynie 8 procentom firm.

Jest ku temu jeden zasadniczy powód. Sieć neuronową do rozpoznawania obrazów trzeba zbudować, co wymaga pracy programistów. Potem trzeba taką sieć jeszcze wytrenować w rozpoznawaniu obrazów. A wszystko to musi gdzieś się mieścić i zużywa energię.

Mozolna (i kosztowna) nauka sztucznej inteligencji

Uczenie algorytmów sztucznej inteligencji wymaga odpowiednio dużego zasobu obrazów oraz równie dużego zasobu ich opisów. Do ogólnych celów można wykorzystać dane dostępne w internecie. Ale do wielu zastosowań to zbyt ogólny zbiór danych. Do większości wyspecjalizowanych zadań jest zupełnie bezużyteczny.

Na przykład są już algorytmy, które dobrze rozpoznają ryzyko zawału na podstawie wykresu EKG albo choroby płuc na podstawie zdjęcia rentgenowskiego. Takie wyspecjalizowane algorytmy były trenowane na dziesiątkach tysięcy elektrokardiogramów i zdjęć rentgenowskich zestawianych z opisami przypadków.

To bardzo specjalistyczne i kosztowne do pozyskania zbiory danych. A na podstawie malowniczych pejzaży, uroczych kotków i rozlicznych autoportretów nie da się nic powiedzieć o sercu czy płucach.

To skrajny przypadek, ale każdy zawód – nie tylko kardiologa i radiologa – ma swoją specyfikę. W wielu profesjach uzyskanie eksperckiej wiedzy wymaga analizy dziesiątek tysięcy bardzo specyficznych przypadków.

Innymi słowy, algorytmy SI potrzebują danych, a dane kosztują. Na przykład koszt zebrania stu tysięcy punktów danych (data points) na platformie Amazon’s Mechanical Turk to około 70 tysięcy dolarów.

Moc obliczeniowa też kosztuje

Algorytm uczenia maszynowego trzeba też gdzieś fizycznie umieścić i uruchomić. Zaś komputer z procesorem o odpowiedniej mocy obliczeniowej (albo miejsce na serwerze w centrum przetwarzania danych) to całkiem spory koszt.

Na przykład koszt wytrenowania algorytmu sztucznej inteligencji, która potrafi odpowiadać na pytania, czy generującej obrazy na zawołanie, szacowany jest na kilka milionów dolarów.

Nieco niższe są koszty najmniejszych algorytmów o wąskim zakresie działania. Jednak i najprostsze z nich kosztują nadal dziesiątki tysięcy dolarów – około 15 tysięcy za pracę programistów i 10 tysięcy dolarów rocznie za miejsce na serwerze.

Te koszty muszą się oczywiście zwrócić – inaczej całe przedsięwzięcie traci biznesowy sens. Dlatego właśnie nadal taniej jest zatrudniać ludzi, niż trenować algorytmy, które zastąpią pracowników. Przynajmniej w większości wykonywanych przez nich zadań wzrokowych (bo tego dotyczyła analiza badaczy z MIT).

Energia nie jest za darmo

Spokojnie mogą spać i pielęgniarki (które oceniają wizualnie stan pacjenta), i pracownicy sklepów (którzy wizualnie oceniają na przykład czy towar nie jest uszkodzony i ma właściwą metkę).

Niestety nie wiemy jak długo, bo praca naukowców z MIT tego nie analizuje. Przewidywanie trendów ekonomicznych i rozwoju technologii to jednak wróżenie z fusów.

Na pewno jednak nie da się przeskoczyć jednego – zużycia energii przez serwery. Na przykład jedno zapytanie algorytmu językowego (jak GPT-3) zużywa tyle energii, ile jedna żarówka włączona przez godzinę.

Ktoś przecież za to musi zapłacić. Póki działanie algorytmów uczenia maszynowego będzie tak energożerne jak dziś, wiele zawodów będzie za drogich do zastąpienia przez algorytmy.

Cykl „SOBOTA PRAWDĘ CI POWIE” to propozycja OKO.press na pierwszy dzień weekendu. Znajdziecie tu fact-checkingi (z OKO-wym fałszometrem) zarówno z polityki polskiej, jak i ze świata, bo nie tylko u nas politycy i polityczki kłamią, kręcą, konfabulują. Cofniemy się też w przeszłość, bo kłamstwo towarzyszyło całym dziejom. Rozbrajamy mity i popularne złudzenia krążące po sieci i ludzkich umysłach. I piszemy o błędach poznawczych, które sprawiają, że jesteśmy bezbronni wobec kłamstw. Tylko czy naprawdę jesteśmy? Nad tym też się zastanowimy.