Технологии автоматизации — появление машин, способных выполнять производственные задачи вместо людей, — сыграли огромную роль в экономической истории человечества со времён промышленной революции. От автоматизации текстильного производства в 19 веке до механизации сельского хозяйства в начале 20 века исторические волны прогресса привели к огромному перераспределению труда по секторам, способствовали урбанизации и масштабным социальным изменениям. Эти волны были далеко не идеальными в краткосрочной и среднесрочной перспективе, но в конечном итоге, способствовали огромному росту производства и уровня жизни в промышленно развитых странах.
В период с 1970-х по начало 2020-х годов история автоматизации в странах с высоким уровнем дохода оставалась довольно неизменной величиной. Достижения в области машиностроения, появление компьютеров и распространение цифровых технологий привели к постепенной автоматизации задач «средней квалификации», начиная от сборочного конвейера и заканчивая маркетингом, либо бухгалтерским учётом. Эти задачи, состоящие из дискретных, формализуемых последовательностей шагов, всё чаще можно было запрограммировать на постоянно дешевеющих компьютерах и роботах, постепенно вытесняя часть людей из многих профессий.
Эти нарастающие волны автоматизации акцентировались, до сих пор, на рутинные процессы, что способствовало широко обсуждаемой «поляризации» рынка труда: среднеоплачиваемые производственные и конторские рабочие места постепенно исчезали, в то время как новые низкооплачиваемые рабочие места появлялись в сфере уборки, розничной торговли и личной гигиены. А также возникали новые высокооплачиваемые управленческие, технические и компьютерные профессии. Как следствие, неравенство в заработной плате и доходах резко возросло: демографические группы, которые когда-то были сосредоточены в профессиях, поражённых автоматизацией, отставали, в то время как квалифицированные профессионалы с более высокими доходами и владельцы капитала вырвались вперёд.
Начиная с 2010-х годов, социологи заметили, что развивающаяся область машинного обучения может направить автоматизацию в новое русло. Раньше задачи можно было решать только в том случае, если их можно было разбить на явные последовательности шагов, которые можно формально объяснить компьютеру или машине. Многие задачи, требующие творческого подхода или неявных, трудно формализуемых знаний — от письма до медицинского диагноза и графического дизайна — избегали вмешательства автоматизации. Но потом появляющиеся методы «глубокого обучения», которые индуктивно обучают компьютеры на больших существующих наборах данных, а не дают явные инструкции, могут в конечном итоге позволить автоматизировать даже творческие или основанные на неявных знаниях задачи.
Первая волна технологий на основе глубокого машинного обучения была нацелена на «прогностические» задачи, такие как решения о найме персонала или медицинские диагнозы. Алгоритмы становились всё более способными делать бинарные прогнозы на основе многомерных входных данных, что вызывало опасения по поводу будущего таких профессий, как радиология. Но творческие задачи по-прежнему казались надёжно изолированными от угрозы засилья машин.
Это изменилось после публичного выпуска впечатляющих «генеративных» систем искусственного интеллекта в середине-конце 2022 года. Эти системы, обученные с использованием методов глубокого обучения для создания больших связных текстов или качественных изображений в ответ на письменные запросы, существенно более эффективны, чем любой ранее существовавший чат-бот или инструмент для создания изображений. Впервые оказалось, что задачи творческого письма или дизайна могут столкнуться с неизбежной повсеместной автоматизацией.
Нейросеть ChatGPT на основе искусственного интеллекта, к которой был открыт доступ пользователям всего мира, оказывает существенное влияние на производительность профессиональных письменных задач среднего уровня, повышая скорость и качество и сокращая разрыв между писателями с более высокими и низкими способностями. Однако его совокупное воздействие будет зависеть от сложных соображений общего равновесия. Ряд факторов, начиная от эластичности спроса на услуги, относящиеся к нейросетям искусственного интеллекта, конкретных навыков, которые лучше всего дополняет результаты, которые выдаст машина и характера оптимальных производственных структур, будут определять влияние технологий на занятость, род занятий и структуру заработной платы.
Пока виден медленный рост использования этих инноваций и постоянный разрыв между результатом и нужным результатом, позволяют предположить, что распространение ChatGPT на реальных рабочих местах остаётся медленным и сдерживается информационными трениями. Высококлассные специалисты творческих специальностей, не использующие ИИ на своей основной работе, сообщили в опросах о сочетании причин: незнание или отсутствие доступа к технологии, помноженное на отсутствие практической полезности, из-за важности для их работы контекстно-зависимых знаний и стиля, которыми машинный разум пока не обладает. Но он очень быстро учится.
Загрузка...
