Макроэкономика искусственного интеллекта
Source details
- Canonical URL
- Макроэкономика искусственного интеллекта
Other formats
Bibliographic details
- Authors: Erik Brynjolfsson, GABRIEL UNGER
- Published: December 5, 2023
Введение: общий замысел и неопределённость
- Основная тема: влияние ИИ на три макроэкономические области — рост производительности труда, рынок труда (неравенство доходов) и отраслевая концентрация.
- Ключевой тезис: у ИИ нет предопределённого будущего; реальность будет зависеть от технологических и политических решений сегодняшнего дня.
- Необходимые элементы для благоприятного будущего: творческие эксперименты в политике; набор позитивных целей для общества; гибкость в эволюции регулирования и исследований.
Первая развилка: рост производительности труда
- Предыстория: за последние 50 лет (за исключением подъёма в конце 1990-х — начале 2000-х) экономика США характеризовалась тревожно низким ростом производительности труда.
- Сценарий: будущее с низкой производительностью
- ИИ внедряется медленно и ограничивается крупными компаниями.
- Экономическая специализация ИИ узкая — сокращение трудозатрат («тривиальные технологии»).
- Возможные последствия: работники переходят на менее производительную работу; ограниченный общий эффект на долгосрочный рост.
- Барьеры: организационные/управленческие препятствия; правовые проблемы, включая неясность применения законодательства об интеллектуальной собственности; возможные жёсткие регуляции и даже запреты.
- Сценарий: будущее с высокой производительностью
- ИИ выполняет значительную часть задач большинства работников (ссылка на Eloundou et al., 2023).
- ИИ становится дополнением, освобождающим время для творческой и изобретательской деятельности; фиксация неформальных знаний и использование больших объёмов оцифрованных данных.
- Интеграция ИИ с роботами расширяет охват экономики.
- Потенциал для рекурсивного самоулучшения и радикальных научных прорывов в медицине, естественных науках и развитии самого ИИ.
Вторая развилка: неравенство доходов
- Предыстория: рост неравенства в последние 40 лет; компьютеры и ИТ могли способствовать вытеснению рутинных рабочих мест (Autor, Levy, and Murnane, 2003).
- Сценарий: будущее с увеличением неравенства
- ИИ заменяет многие виды человеческого труда, включая творческие задачи (генеративный ИИ).
- Работники перемещаются на низкооплачиваемые должности сферы услуг (санитары, няни, швейцары), усиление разрыва между элитой и низшим классом.
- Итог — не массовая безработица, но сильное увеличение неравенства.
- Сценарий: будущее с уменьшением неравенства
- ИИ помогает наименее опытным работникам улучшать выполнение обязанностей (пример: Copilot для программистов).
- Исследование 5000 работников колл-центра показало, что наибольший прирост производительности при использовании ИИ-помощника получили наименее квалифицированные или недавно принятые сотрудники (Brynjolfsson, Li, and Raymond, 2023).
- Возможные эффекты: более равномерное распределение доходов при условии деления выгод работодателями; снижение текучести кадров; повышение клиентской удовлетворённости; улучшение психологического качества работы.
Третья развилка: отраслевая концентрация
- Предыстория: с начала 1980-х годов в развитых экономиках резко возросла отраслевая концентрация.
- Сценарий: будущее с увеличением концентрации
- Лидеры с большими вычислительными ресурсами и огромными базами данных получают преимущество.
- Примеры затрат: обучение GPT-4 при первоначальной разработке обошлось более чем в 100 млн долларов, эксплуатация требует около 700 000 долларов в день.
- В обозримом будущем стоимость разработки крупной модели может исчисляться миллиардами долларов; законы масштабирования сохраняют преимущества крупнейших компаний.
- Следствие: крупные фирмы усиливают своё доминирование; «видимая рука» топ-менеджмента становится эффективнее в координации ресурсов внутри больших компаний, уменьшая преимущество малых фирм в локальных знаниях.
- Сценарий: будущее с уменьшением концентрации
- Распространение моделей ИИ с открытым исходным кодом (например, LLaMA, Koala) и активная экосистема коммерческих и некоммерческих участников.
- Малые фирмы получают доступ к передовым технологиям, что позволяет сокращать технологический разрыв.
- Внутренний документ Google (май 2023) отмечает, что модели с открытым исходным кодом могут быть «более быстрыми, настраиваемыми, приватными и способными при равных ресурсах» по сравнению с проприетарными.
- Возможность децентрализованных инноваций и мотивация новаторов владеть малыми фирмами, а не работать в больших корпорациях.
Выработка курса политики: общие выводы и рекомендации
- Основное предупреждение: без целенаправленных мер политики неблагоприятный набор вариантов (низкий рост производительности, рост неравенства, повышение концентрации) — путь наименьшего сопротивления.
- Пересмотр дискурса: уход от простого «больше ИИ / меньше ИИ / запрет» к пониманию множественности путей развития технологии.
- Ключевые вопросы для политиков:
- Как создавать стимулы для ИИ, который дополняет, а не заменяет человеческий труд?
- Какие меры обеспечат процветание ИИ, доступного компаниям любого размера?
- Как поддержать экосистему с открытым исходным кодом?
- Какой подход к разработке моделей и их внедрению в фирмах способствует радикальным инновациям, а не незначительным улучшениям?
- Акторы, формирующие траекторию: крупные корпорации (решения о совмещении ИИ с кадрами), лаборатории ИИ/информатики (включая разработку открытых моделей), законодательные и регуляторные органы на федеральном и местном уровнях, избиратели и профсоюзы.
- Научная политика: текущий дисбаланс между исследованиями, расширяющими границы технологии, и исследованиями последствий ИИ следует исправлять — требуется больше инвестиций в исследования экономики и политики, соответствующие масштабу влияния ИИ, оцениваемого в триллионы долларов.
Источник: ФИНАНСЫ И РАЗВИТИЕ — «Макроэкономика искусственного интеллекта», Эрик Бриньолфссон и Габриэль Унгер, Декабрь 2023 года.
Content in this bundle
- glossaryr