Της Allison Schrager
Δύο είναι οι μεγάλες ανησυχίες για τις ραγδαίες εξελίξεις στον τομέα της τεχνητής νοημοσύνης (AI). Η πρώτη είναι ότι θα οδηγήσει στην κυριαρχία των ρομπότ, τα οποία θα εξαλείψουν την ανθρωπότητα. Η δεύτερη είναι ότι η τεχνητή νοημοσύνη θα καταργήσει πολλές θέσεις εργασίας. Το πιο πιθανό σενάριο είναι ότι θα δημιουργήσει έλλειψη εργατικού δυναμικού, ή τουλάχιστον έλλειψη ειδικευμένων εργαζομένων που θα μπορούν να αξιοποιήσουν στο έπακρο τη νέα τεχνολογία.
Πρόσφατα μίλησα με την επικεφαλής του προγράμματος πληροφορικής σε ένα μεγάλο πανεπιστήμιο και τη ρώτησα για την εκπαίδευση των φοιτητών με γνώμονα το μέλλον. Το μεγαλύτερο εμπόδιο, εξήγησε, είναι ότι πολλοί φοιτητές δεν διαθέτουν τις απαραίτητες μαθηματικές δεξιότητες για έναν κόσμο όπου η τεχνητή νοημοσύνη θα κυριαρχεί στη ζωή μας, ειδικά εκείνοι που δεν σκοπεύουν να ειδικευτούν στον τομέα αυτό.
Αλλά τι γίνεται με εκείνους που θέλουν μια καριέρα στον τομέα της τεχνητής νοημοσύνης; Η τεχνολογία πάντα έκανε την εργασία πιο πολύτιμη, επειδή επιτρέπει στους εργαζόμενους να γίνουν πιο παραγωγικοί. Η ανησυχία τώρα είναι ότι οι άνθρωποι θα χρησιμοποιούν την τεχνητή νοημοσύνη για να “σκέφτεται” εκείνη για λογαριασμό τους, καθιστώντας έτσι τους εαυτούς τους περιττούς. Αυτό πιθανώς θα ισχύει για μερικούς, αλλά η παραγωγική χρήση της τεχνητής νοημοσύνης συνεπάγεται την αξιοποίηση της τεχνολογίας για την ανάπτυξη καινοτόμων ιδεών, και αυτό απαιτεί τουλάχιστον κάποια ανθρώπινη συμβολή.
Για παράδειγμα, τα μεγάλα γλωσσικά μοντέλα λειτουργούν λαμβάνοντας πολλά δεδομένα όχι μόνο για να απαντήσουν σε μια ερώτηση, αλλά και για να βρουν την πιο συνηθισμένη ή μέση απάντηση. Μερικές φορές αυτό αρκεί, αλλά αυτό που διακρίνει τους ανθρώπους στο εργασιακό περιβάλλον είναι συχνά η εύρεση μιας εξαιρετικής απάντησης. Η τεχνητή νοημοσύνη μπορεί να σας βοηθήσει να φτάσετε εκεί, αλλά σπάνια αρκεί από μόνη της: χρειάζεται και η ικανότητα να αξιολογείτε το αποτέλεσμα και να προχωράτε την ιδέα πιο μακριά. Ή συχνά η απάντηση της τεχνητής νοημοσύνης είναι ανεπαρκής, επειδή στερείται του πλαισίου που κάνει μια συγκεκριμένη κατάσταση μοναδική.
Ας υποθέσουμε ότι προσπαθείτε να λάβετε ένα απλό στατιστικό στοιχείο από ένα μεγάλο σύνολο δεδομένων. Δεν αρκεί να λάβετε ένα στατιστικό στοιχείο. Πρέπει να κατανοήσετε τους περιορισμούς των δεδομένων με τα οποία λειτουργεί το μοντέλο σας, από πού προέρχονται, πότε έχουν ληφθεί, αν είναι σχετικά με το πρόβλημά σας και τι προδιαγραφές χρησιμοποίησε η τεχνολογία για να παρέχει το στατιστικό στοιχείο. Για να κατανοήσετε τα αποτελέσματα χρειάζονται εξίσου καλές δεξιότητες σε στατιστική και ανάλυση.
Στο μεταξύ, παρατηρούμε μια κατάρρευση των προτύπων και της ικανότητας ορισμένων μαθητών να κατανοήσουν ακόμη και βασικά μαθηματικά σε μερικά από τα καλύτερα πανεπιστήμια και ιδρύματα δευτεροβάθμιας εκπαίδευσης της Αμερικής. Ίσως μόνο ένα μικρό ποσοστό των φοιτητών του Πανεπιστημίου του Χάρβαρντ χρειάζεται ενισχυτική διδασκαλία στα μαθηματικά. Ωστόσο, το γεγονός ότι υπάρχουν αυτοί οι φοιτητές σε ένα τέτοιο πανεπιστήμιο υποδηλώνει ότι τα πρότυπα σε όλους τους τομείς εξασθενούν, όχι μόνο στα μαθηματικά αλλά και στην ανάγνωση. Ακόμη και οι εξαιρετικοί μαθητές λαμβάνουν λιγότερο αυστηρή εκπαίδευση στον τρόπο κριτικής σκέψης κατά τη διάρκεια αυτής της κρίσιμης περιόδου της ζωής τους και της ανάπτυξης του εγκεφάλου τους.
Έχω ακούσει πολλούς ακαδημαϊκούς να λένε ότι δεν είναι ακόμα σίγουροι για το πώς να διδάξουν στους φοιτητές τις δεξιότητες που χρειάζονται για να επιτύχουν στον κόσμο της τεχνητής νοημοσύνης που “εξαλείφει” πολλές θέσεις εργασίας για αρχάριους. Εν μέσω μιας σημαντικής οικονομικής μετάβασης, είναι αδύνατο να γνωρίζουμε πώς θα είναι το μέλλον της εργασίας. Μια πιθανή λύση μπορεί να είναι πολύ απλή: να διδάσκονται σωστά τα βασικά, να επιβάλλονται σταθερά πρότυπα και να δίνονται πραγματικές βαθμολογίες.
Οποιαδήποτε άλλη ενέργεια ενέχει τον κίνδυνο ενός φαύλου κύκλου, όπου οι νέοι απόφοιτοι δεν μπορούν να προσφέρουν σημαντικές βελτιώσεις στην τεχνητή νοημοσύνη, επειδή δεν διαθέτουν τις δεξιότητες που χρειάζονται για να εργαστούν με την τεχνολογία και, ως εκ τούτου, μπορεί να μην προσληφθούν. Σε ένα τέτοιο σενάριο, καταλήγουμε στο χειρότερο δυνατό αποτέλεσμα: απόφοιτοι που δεν μπορούν να βρουν εργασία και εργοδότες που δεν μπορούν να βρουν εργαζόμενους που να μπορούν να χρησιμοποιήσουν αποτελεσματικά τη νέα τεχνολογία.
Όσον αφορά στις ΗΠΑ, υπάρχει ένας επιπλέον κίνδυνος που συνδέεται με τη μετανάστευση. Πολλοί ξένοι φοιτητές έχουν καλύτερες ποσοτικές δεξιότητες από τους Αμερικανούς συμμαθητές τους, αλλά το νομικό μας σύστημα και το σύστημα που επιβλέπει τη μετανάστευση (υποδοχή) ειδικευμένων εργαζομένων είναι ανεπαρκές. Ακόμη και ο πρόεδρος, ο οποίος για πολύ καιρό ήταν επιφυλακτικός απέναντι στη μετανάστευση, παραδέχεται ότι χρειαζόμαστε περισσότερους ειδικευμένους εργαζομένους που μπορούν να δημιουργήσουν και να χρησιμοποιήσουν τεχνολογία, και πολλοί από αυτούς θα πρέπει να προέρχονται από το εξωτερικό. Ωστόσο, μια διαρκής μεταρρύθμιση της μετανάστευσης δεν μπορεί να προέλθει από ένα εκτελεστικό διάταγμα· απαιτεί τη συναίνεση του Κογκρέσου και των δύο κομμάτων σχετικά με τις προτεραιότητες της μετανάστευσης. Δυστυχώς, αυτό δεν φαίνεται πιθανό προς το παρόν.
Το αποτέλεσμα είναι ότι η Αμερική ενδέχεται να βρεθεί αντιμέτωπη με μια σημαντική αναντιστοιχία δεξιοτήτων και έλλειψη αναλυτικών στοχαστών με ισχυρές μαθηματικές ικανότητες, οι οποίοι μπορούν να χρησιμοποιούν και να προσαρμόζονται στην εξέλιξη της τεχνολογίας. Ούτε το εκπαιδευτικό μας σύστημα ούτε το σύστημα μετανάστευσης παράγουν αρκετούς ανθρώπους με αυτές τις ικανότητες. Ποιο θα μπορούσε να είναι το αποτέλεσμα; Πολλοί άνεργοι απόφοιτοι και μια τεράστια έλλειψη εργατικού δυναμικού.
BloombergOpinion
