Většina hodnoty AI bude pocházet z široké automatizace, nikoli z výzkumu a vývoje
Podle nedávné analýzy výzkumné organizace Epoch AI většina ekonomické hodnoty generované umělou inteligencí bude pocházet z široké automatizace práce napříč celou ekonomikou, nikoli z automatizace výzkumu a vývoje (R&D). Tato perspektiva zpochybňuje běžné představy, které se zaměřují na "explozi inteligence" poháněnou především rekurzivním sebezdokonalováním v oblasti výzkumu a vývoje umělé inteligence.
Proč automatizace běžných činností přinese větší hodnotu
Omezená přímá ekonomická role výzkumu a vývoje
Přestože technologický pokrok a zvyšování produktivity jsou klíčové pro dlouhodobý růst, samotné výzkumné a vývojové aktivity tvoří menší podíl na celkovém ekonomickém výkonu, než se často předpokládá. Velká část přínosů z výzkumu a vývoje má externalizovanou povahu – to znamená, že prospěch z nich se šíří do celé společnosti, místo aby byl přímo zachycen jako zisk těmi, kteří výzkum provádějí. To snižuje motivaci společností nasazovat umělou inteligenci specificky pro výzkum a vývoj ve srovnání s jinými aplikacemi.
Složitost automatizace výzkumu
Automatizace všech aspektů výzkumu je výrazně obtížnější než automatizace rutinních nebo dokonce komplexních pracovních míst mimo oblast výzkumu. Výzkumné role vyžadují nejen schopnost uvažování, ale také iniciativu, multimodální porozumění (integraci textu, obrazů, experimentů), koherenci v dlouhém kontextu a často fyzickou interakci s laboratorním prostředím. V době, kdy AI systémy budou schopny plně automatizovat tyto úkoly, pravděpodobně již budou schopny automatizovat většinu ostatních pracovních míst v ekonomice.
Efekty škálování ve prospěch úkolů mimo výzkum a vývoj
Jakmile budou existovat pokročilé AI systémy schopné automatizovat kognitivně náročnou práci – včetně výzkumu, ale neomezující se na něj – mohou být nasazeny v masivním měřítku napříč sektory jako je administrativa, zákaznický servis, logistika, výrobní design, zdravotnická dokumentace/analýza, právní kontrola a mnoho dalších. Souhrnná hodnota vytvořená prostřednictvím tohoto širokého nasazení dalece převyšuje to, čeho by mohlo být dosaženo pouze prostřednictvím urychlení vědeckých objevů.
Důsledky tohoto pohledu
Široký ekonomický dopad umělé inteligence se projeví dříve, než dosáhneme plné automatizace výzkumu a vývoje. Rozšíření výkonných univerzálních AI systémů v existujících průmyslových odvětvích pravděpodobně povede k významnému růstu HDP ještě předtím, než uvidíme plnou automatizaci nebo rekurzivní zlepšování ve vědeckých a technologických oborech. Hlavní přínos AI k urychlení pokroku nemusí být přímo prostřednictvím vědy. I poté, co se AI systémy stanou dostatečně schopnými převzít většinu nebo všechnu explicitní vědeckou práci, jejich hlavní přínos může stále spočívat nepřímo – umožněním rychlejší výstavby infrastruktury nebo rozšíření výrobních procesů potřebných pro experimenty – spíše než v přímém nahrazení lidských výzkumníků.
Porovnání s teoriemi o "explozi inteligence"
Někteří teoretici tvrdí, že jakmile AI systémy budou schopny provádět vlastní výzkum a vývoj, mohla by se spustit zpětnovazební smyčka vedoucí k nekontrolovanému pokroku – takzvané explozi inteligence, která by rychle vedla k superinteligenci a transformativním průlomům. Historické zkušenosti však ukazují, že automatizace částí výzkumu a vývoje (např. výpočtů a kódování) nevedla k dramatickému vědeckému zrychlení. Analýza společnosti Epoch naznačuje, že přetrvávají úzká místa: fyzické experimentování je pomalé; požadavky na data a výpočetní výkon rychle rostou; velká část ekonomické hodnoty pochází z rozšiřování známých řešení spíše než z vynalézání nových.
Mechanize: Praktický příklad automatizace pro zvýšení produktivity
V souvislosti s výše uvedenými trendy stojí za pozornost startup Mechanize (mechanize.work), který se zaměřuje právě na oblast široké automatizace. Mechanize vyvíjí nástroje pro automatizaci každodenních pracovních procesů, které pomáhají firmám zvyšovat produktivitu jejich zaměstnanců v různých odvětvích. Společnost Mechanize nabízí řešení, která umožňují automatizovat rutinní úkoly, zpracovávat dokumenty a optimalizovat workflow. Jejich přístup ilustruje hlavní argument Epoch AI - největší ekonomický přínos umělé inteligence bude pravděpodobně pocházet právě z této široké automatizace běžných pracovních činností napříč celou ekonomikou, nikoli z úzce zaměřeného urychlení vědeckého výzkumu. Platformy jako Mechanize umožňují organizacím nasadit AI technologie bez nutnosti rozsáhlé technické expertizy, což demokratizuje přístup k výhodám automatizace a potenciálně vede k významnému zvýšení produktivity v mnoha odvětvích současně.
Závěr
Nejlépe podložený odhad budoucího vývoje naznačuje, že většina ekonomických přínosů pokročilé umělé inteligence v krátkodobém až střednědobém horizontu bude pocházet z široké automatizace napříč mnoha sektory – nikoli primárně prostřednictvím automatizace nebo urychlování špičkového vědeckého výzkumu. Zatímco plně automatizovaná věda zůstává možností v delším časovém horizontu – a skutečně by urychlila inovace – převážná většina přímé tvorby hodnoty bude nejprve pocházet z nasazení výkonných univerzálních AI systémů v masovém měřítku v rámci existujících průmyslových odvětví. Tento pohled má významné důsledky pro investory, tvůrce politik i vývojáře AI technologií. Místo soustředění se výhradně na automatizaci výzkumu a vývoje by měli zvážit širší aplikace, které mohou automatizovat a zefektivnit každodenní pracovní procesy v celé ekonomice.
