Будущее с ИИ: рост продуктивности без гарантий благополучия
Даже если преодолеть все барьеры, нет никаких гарантий, что прирост производительности с помощью ИИ принесёт широкую пользу с точки зрения занятости и доходов
В наши дни трудно обнаружить консенсус по поводу любой темы, связанной с искусственным интеллектом (ИИ). Но всё же есть ожидания, общие для значительной части бизнеса, инвесторов и аналитиков: эта технология повысит производительность в самых разных отраслях. Однако, даже если этот прирост производительности материализуется, будет ли он того стоить?
Многие наблюдатели — и я в их числе — прогнозируют значительный прирост производительности благодаря ИИ. На это, прежде всего, указывают первые данные из растущего корпуса исследований результатов применения ИИ. Кроме того, учитывая быстрое расширение функций ИИ, снижение стоимости обучения и использования ИИ-моделей, а также переход к инструментам и системам с открытым кодом, представляется вероятным, что ИИ будет применяться значимым образом почти во всех отраслях и в любых профессиях.
Да, эффективное внедрение ИИ — это не предрешённый результат, и это не случится в одночасье. Есть проблемы с доступом, распространением, кривыми обучаемости. Но даже если преодолеть все эти барьеры, нет никаких гарантий, что прирост производительности с помощью ИИ принесёт широкую пользу с точки зрения занятости и доходов. Исход будет зависеть от развития событий на двух направлениях — набор инструментов ИИ и рынок труда.
Мы знаем, что инструментарий ИИ быстро расширяется. Но если большинство новых функций будут связаны с копированием возможностей человека (то есть с заменой работников-людей), тогда рост производительности будет сопровождаться негативными последствиями для распределения доходов. Как недавно отметили Андреас Хаупт и Эрик Бриньолфсон, значительная часть используемых ориентиров в системах машинного обучения перекошена в сторону автоматизации, и лишь немногие учитывают людей в своих оценках.
Чтобы не допустить превращения разработок ИИ в «игру имитаций», Хаупт и Бриньолфсон советуют сообществу программистов руководствоваться «оценкой кентавра», когда люди и ИИ-системы вместе решают задачи. Это поможет сориентировать машинное обучение на функции дополнения и на сотрудничество человека с машинами, а не на автоматизацию.
Впрочем, чтобы гарантировать широкое распределение пользы от ИИ, мы должны также учитывать ситуацию на рынке труда. Взгляните на США. Около 20% работников страны заняты в торгуемых секторах экономики — промышленность (40%) и услуги (60%), которые торгуются на международных рынках. Остальные работники — почти 80% — заняты в неторгуемом секторе услуг, включающем госучреждения, образование, гостиничный бизнес, традиционную розничную торговлю, строительство.
В течение последних 30 лет разница между торгуемыми и неторгуемыми секторами с точки зрения производительности и доходов неуклонно росла. Как правило, торгуемый сектор (где работа подразумевает, например, управление транснациональными фирмами, разработку полупроводников и компьютеров, проведение научных исследований) может похвастаться более высокой — и причём быстрорастущей — производительностью, а также более высокими темпами роста доходов. Именно поэтому, даже когда занятость в промышленности уменьшалась (а затем стала стагнировать), объём выпуска (или, если точнее, добавленная стоимость) продолжал расти.
Если мы не проявим осторожность, ИИ увеличит этот разрыв между торгуемыми и неторгуемыми секторами, что приведёт к резкому росту неравенства. Только при условии эффективного внедрения ИИ не только в торгуемых и неторгуемых секторах, но и на рабочих местах с низкими и средними доходами в этих секторах, данная технология позволит повысить производительность и доходы в масштабах всей экономики. И поэтому нужны целенаправленные усилия, чтобы подтолкнуть разработку ИИ в сторону функций дополнения и сотрудничества людей и машин на рабочих местах всех уровней и доходов.
На этом фронте есть позитивные сигналы. Агентство перспективных оборонных исследовательских проектов США (DARP) проводит конкурсы на тему сотрудничества людей и роботов, которые, например, поощряют создание роботов, расширяющих физические возможности человека, или помогают людям, управляющим роботами в сложных, быстро меняющихся физических условиях. Но надо делать больше. При финансировании фундаментальных исследований в сфере ИИ, в том числе государством, надо делать акцент на дополнении и сотрудничестве, а для частных разработчиков надо вводить специальные стимулы.
Есть и другие соображения, которые могут и должны влиять на разработки ИИ. Модель AlphaFold компании DeepMind обеспечивает значительный прирост эффективности и производительности, выполняя крайне трудоёмкую задачу, требующую много времени: предсказание структуры белков на основе их аминокислотной последовательности. Однако здесь цель — не столько замена человека, сколько прогресс в одной из областей биомедицинской науки. Это полезно людям во многих отношениях.
И всё же одним из главных приоритетов должно быть стремление к тому, чтобы инструментарий ИИ приносил пользу функциями дополнения и сотрудничества во всех отраслях и на всех уровнях доходов. Впрочем, само по себе это не гарантирует значительного роста общего процветания, потому что ещё есть эффект общего равновесия.
Мы уже видели всё это во время предыдущего раунда внедрения цифровых технологий, когда многие рутинные, поддающиеся кодированию рабочие места были автоматизированы. Прибавьте сюда глобализацию, которая способствовала аутсорсингу трудоёмких промышленных рабочих мест, и в результате у огромного числа трудящихся (нередко из среднего класса), лишившихся работы, не осталось иного выбора, кроме как перейти на другую работу, нерутинную, но обычно с более низкой производительностью и уровнем дохода. Такой переход никогда не бывает лёгким.
В ходе предстоящего перехода к ИИ прирост производительности приведёт к снижению затрат и (в сочетании с нормальным конкурентным давлением) к снижению цен. Но если в каком-либо секторе эластичность спроса окажется меньше единицы, тогда рабочие места будут исчезать. Конечно, в других отраслях, где эластичность спроса выше, число рабочих мест увеличится. Но перемещение людей между отраслями и категориями рабочих мест подразумевает значительную турбулентность. И есть реальный риск, что во время переходного периода предложение рабочих рук на рынке труда увеличится в сравнении со спросом, а это ослабит переговорную силу работников.
Как отмечают многие, необходима поддержка в переходный период (с точки зрения доходов и обучения навыкам), при этом инструменты на базе ИИ, наверное, помогут в переобучении и приобретении новых навыков. Но в то же время власти должны создавать спрос на рабочую силу, как это делалось после Великой депрессии.
У США есть возможность убить сразу двух птиц одним камнем. По ряду причин экономика США отстаёт в создании и модернизации инфраструктуры. Развернув вспять эту тенденцию, можно увеличить число хороших рабочих мест и спрос на рабочую силу, что поможет создать буфер для предстоящего перехода к ИИ.
