IA: Muito
aquém das promessas magníficas
Há
cerca de um ano, abordei o tema da inteligência artificial (IA) e o impacto dos novos modelos de aprendizagem de linguage
(LLMs) como o ChatGPT e outros. Tratei principalmente do impacto da nova
tecnologia nos empregos dos trabalhadores substituídos por LLMs de IA e o
efeito correspondente no aumento da produtividade do trabalho. A
previsão-padrão sobre a IA vinha dos economistas do Goldman Sachs, o principal
banco de investimentos do mundo. Eles calcularam que se a tecnologia cumprisse
a sua promessa, traria “perturbações significativas” ao
mercado de trabalho, expondo cerca 300 milhões de trabalhadores em tempo
integral, nas principais economias, à automatização dos seus empregos. Os
advogados, o pessoal administrativo (e provavelmente economistas!) correriam os
maiores riscos de se tornarem redundantes. Calculou-se que cerca de dois terços
dos empregos nos EUA e na Europa estão expostos a algum grau de automatização
da IA, com base em dados sobre as tarefas normalmente executadas em milhares de
profissões.
A
maioria das pessoas veria menos de metade da sua carga de trabalho automatizada
e provavelmente continuaria nos seus empregos, com parte do seu tempo libertado
para atividades mais produtivas. Nos EUA, isto se aplicaria a 63% da força de
trabalho. Outros 30% que trabalham em empregos físicos ou ao ar livre não
seriam afetados, embora o seu trabalho pudesse ser suscetível a outras formas
de automatização.
Mas
os economistas do Goldman Sachs (GS) estavam muito otimistas e eufóricos com os
ganhos de produtividade que a IA poderia alcançar, possivelmente tirando as
economias capitalistas da relativa estagnação dos últimos 15 a 20 anos – a
Longa Depressão. O GS afirmou que sistemas de IA “generativos”, como o ChatGPT,
poderiam desencadear um boom de produtividade que acabaria por
aumentar o PIB global anual em 7% ao longo de uma década. Se o investimento
empresarial em IA continuasse a crescer a um ritmo semelhante ao investimento
em software na década de 1990, ele poderia, por si só, aproximar-se de 1% do
PIB dos EUA até 2030.
Mas
o economista de tecnologias norte-americano Daren Acemoglu jś estava cético
desde então. Ele argumentou que nem todas as tecnologias de automação aumentam
realmente a produtividade do trabalho. Isto porque as empresas introduzem a
automação principalmente em áreas que podem aumentar a rentabilidade, como
marketing, contabilidade ou tecnologia de combustíveis fósseis, mas não
aumentam a produtividade da economia como um todo, nem satisfazem as
necessidades sociais.
Agora, num novo artigo, Acemoglu
derrama uma boa dose de água fria sobre o otimismo gerado por instituições como
o Goldman Sachs. Em contraste com o GS, ele considera que os efeitos da
produtividade decorrentes dos avanços da IA nos próximos 10 anos “serão modestos”. O ganho
mais elevado que ele prevê seria apenas um aumento total de 0,66% na
produtividade total dos fatores (PTF), que é a medida principal para o impacto
da inovação, ou cerca de um pequeno aumento de 0,064% no crescimento anual da
PTF. Poderia até ser menor (apenas 0,53%), pois a IA não consegue lidar com
algumas tarefas mais difíceis que os humanos realizam. Mesmo que a introdução
da IA aumentasse o investimento global, o aumento do PIB nos EUA seria
de apenas 0,93 a 1,56% no total, dependendo da dimensão do boom do
investimento.
Além
disso, Acemoglu considera que a IA aumentará o fosso entre o capital e o
rendimento do trabalho; como ele diz: “as mulheres com baixo nível de
escolaridade podem sofrer pequenas quedas salariais, a desigualdade geral entre
grupos pode aumentar ligeiramente e a disparidade entre o rendimento do capital
e do trabalho deverá aumentar ainda mais ”. Na verdade, a IA pode
prejudicar o bem-estar humano ao expandir as mídias sociais enganosas, os
anúncios digitais e os gastos com contra-ataques de TI. Assim, o investimento
em IA pode aumentar o PIB, mas diminuir o bem-estar humano em até 0,72% do PIB.
E
há outros perigos para o trabalho. Owen David argumenta que
a IA já está sendo usada para monitorar os assalariados no trabalho, recrutar e
selecionar candidatos a empregos, definir níveis salariais, direcionar as
tarefas que os trabalhadores realizam, avaliar seus resultados, programar
turnos, etc. e o aumento das capacidades de gestão pode transferir
o poder para os empregadores”. São sombras das observações de Harry
Braverman, em seu famoso livro de 1974 sobre a degradação do trabalho e a
destruição de competências pela automação.
Acemoglu
reconhece que há ganhos com a IA generativa, “mas esses ganhos
permanecerão ilusórios, a menos que haja uma reorientação fundamental da
indústria, incluindo uma grande mudança na arquitetura dos modelos de IA
generativa mais comuns”. Em particular, Acemoglu diz que “uma
questão permanece em aberto: Precisamos de modelos que envolvam
conversas não humanas e escrevam sonetos de Shakespeare,
se o que realmente queremos é informação confiável e útil para
educadores, profissionais de saúde, eletricistas, encanadores e outros artesãos”?
Na
verdade, como são os gestores – e não os trabalhadores como um todo – que
introduzem a IA para substituir o trabalho humano, eles já começaram a retirar
trabalhadores qualificados de empregos que desempenham bem, sem necessariamente
melhorar a eficiência e o bem-estar para todos. Nas palavras de um analista: “Quero que a IA lave minhas roupas e pratos para que eu possa
fazer arte e escrever; não que a IA faça arte e escreva, para que eu possa
lavar minhas roupas e pratos”. Os
gerentes estão introduzindo a IA para “tornar os problemas de
gerenciamento mais fáceis, afetando atividades para as quais muitos não acham
que a IA deveria ser usada, como o trabalho criativo….. Se a IA quiser
funcionar, ela precisa vir de baixo para cima”. Ou ela será inútil para a
grande maioria das pessoas no local de trabalho ”.
Poderá
a IA salvar as principais economias, ao proporcionar um grande salto de
produtividade? Tudo depende de onde e como a IA é aplicada. Um estudo da
consultoria internacional PwC concluiu
que o crescimento da produtividade foi quase cinco vezes mais rápido em setores
da economia onde a penetração da IA era mais elevada do que em setores menos
expostos. Barret Kupelian, economista-chefe da empresa no Reino Unido, afirmou:
“Nossas descobertas mostram que a IA tem o poder de criar novos setores,
transformar o mercado de trabalho e potencialmente aumentar as taxas de
crescimento da produtividade. Em termos de impacto econômico, vemos apenas a
ponta do iceberg. As nossas conclusões sugerem que a adoção da IA está
concentrada em alguns setores da economia, mas assim que a tecnologia melhorar
e se difundir, o potencial pode ser transformador.”
Os
economistas da OCDE não têm tanta certeza. Um artigo expõe o problema: “Quanto
tempo levará a aplicação da IA em cada setor da economia? A adoção da IA ainda é muito baixa, com menos de 5% das empresas relatando a utilização desta tecnologia nos EUA (Census Bureau
2024). Quando colocada em perspectiva com o caminho de adoção anterior de tecnologias de uso geral (por exemplo, computadores e
eletricidade, que levaram até 20 anos a serem totalmente difundidas), a IA tem um longo
caminho a percorrer antes de atingir as elevadas taxas de adoção necessárias para detectar ganhos macroeconômicos.”
“As
conclusões a nível micro ou industrial captam principalmente os impactos sobre
os primeiros usuários em tarefas muito específicas, e
provavelmente indicam efeitos a curto prazo. O impacto a longo prazo da IA no crescimento da produtividade a nível macro dependerá da extensão da sua utilização e da integração bem-sucedida nos processos de negócios .”
Os economistas da OCDE salientam que foram necessários vinte anos para que
tecnologias inovadoras anteriores, como a energia eléctrica ou os PCs, se
“difundissem” o suficiente para fazerem a diferença. Isso representaria a
década de 2040 para a IA.
Além
disso, a IA, ao substituir a mão-de-obra em setores mais produtivos e
intensivos em conhecimento, poderia causar “uma eventual queda na percentagem
de emprego destes setores (que) funcionaria como um obstáculo ao crescimento da
produtividade agregada”.
E
há o custo do investimento. Só o esforço para obter acesso à infraestrutura
física necessária para a IA em grande escala já é um grande desafio. O sistema
de computador necessário para uma IA executar pesquisa de medicamentos contra o
câncer normalmente requer entre dois e três mil dos mais recentes chips. O
custo desse hardware por si só poderia facilmente chegar a mais de US$ 60
milhões, mesmo sem contar outros itens essenciais, como armazenamento de dados
e redes. Um grande banco, empresa farmacêutica ou fabricante pode ter os
recursos para comprar a tecnologia necessária para tirar partido da mais
recente IA. Mas e uma empresa menor?
Portanto,
contrariamente à visão convencional e muito mais em linha com a teoria
marxista, a introdução do investimento em IA não conduzirá a um barateamento
dos ativos fixos (capital constante, em termos marxistas) e, portanto, a uma
queda na relação entre os custos dos ativos fixos e o trabalho, mas o oposto
(ou seja, uma composição orgânica crescente do capital). E isso significa mais
pressão descendente sobre a rentabilidade média nas principais economias.
E
há o impacto no aquecimento global e no uso de energia. Grandes modelos de
linguagem, como o ChatGPT, estão entre as tecnologias que mais consomem energia. A
pesquisa sugere, por exemplo, que cerca de 700 mil litros de água poderiam
ter sido usados para resfriar as máquinas que treinaram o ChatGPT-3 nas instalações de dados da Microsoft. O treinamento de
modelos de IA consome 6 mil vezes mais energia do que uma cidade média europeia. Além disso, embora minerais como o lítio e o cobalto sejam mais frequentemente
associados às baterias no setor
automobilístico, também são cruciais para as baterias utilizadas
nos centros de dados. O processo de extração envolve frequentemente uso
significativo de água e pode levar à poluição, comprometendo a segurança
hídrica.
A
Grid Strategies, uma consultora, prevê um crescimento da procura de
eletricidade nos EUA de 4,7% durante os próximos cinco anos, quase duplicando a
sua projeção do ano anterior. Um estudo realizado pelo Electric Power Research
Institute concluiu que os data centers representarão 9% da procura de energia
dos EUA até 2030, mais do dobro dos níveis atuais.
·
Demanda de
eletricidade dos data centers nos EUA pode crescer
Essa
perspetiva já está levando a um abrandamento nos planos de desativação das
usinas elétricas a carvão, à medida que a procura da IA por energia aumenta.
Talvez
estes custos de investimento e energia possam ser reduzidos com novos
desenvolvimentos de IA. A empresa suíça de tecnologia Final Spark lançou a
Neuroplatform, a primeira plataforma de bioprocessamento do mundo onde
organoides do cérebro humano (versões miniaturizadas de órgãos cultivadas em
laboratório) realizam tarefas computacionais, substituindo os chips de silício.
A primeira instalação hospeda a capacidade de processamento de 16 organoides
cerebrais, que a empresa afirma consumir um milhão de vezes menos energia do
que seus equivalentes de silício. Este é um desenvolvimento assustador em certo
sentido: cérebros humanos! Mas, felizmente, ainda está muito longe da
implementação. Ao contrário dos chips de silício ,
que podem durar anos, senão décadas, os ‘organóides’ duram apenas 100 dias
antes de ‘morrer’.
Ao
contrário dos economistas do Goldman Sachs, aqueles que estão na fronteira do
desenvolvimento da IA estão muito menos
otimistas quanto a seu impacto. Demis Hassabis, chefe da divisão de pesquisa de IA do Google, afirma: “A maior promessa da IA é apenas isso – uma promessa. Dois problemas fundamentais
permanecem sem solução. Um envolve fazer modelos de IA treinados com base em dados
históricos,
compreender qualquer nova situação em que sejam colocados e responder adequadamente”. A IA
precisa ser capaz de “entender e responder ao nosso mundo complexo e
dinâmico, assim como nós”.
Mas
a IA pode fazer isso? Na minha postagem anterior sobre o tema, argumentei que
ela não pode realmente substituir a inteligência humana. Yann LeCun,
cientista-chefe de IA da Meta, gigante da mídia social proprietária do Facebook
e do Instagram, concorda. Ele disse que os LLMs têm “uma compreensão muito
limitada da lógica. . . não entendem o mundo físico, não têm memória
persistente, não conseguem raciocinar em qualquer definição razoável do termo e
não conseguem planejar. . . hierarquicamente “. Os LLMs são modelos de
aprendizagem apenas quando engenheiros humanos intervêm para treiná-los com
base nessas informações. A IA não chega a uma conclusão organicamente, como as
pessoas. “Decerto parece para a maioria das pessoas um raciocínio
– mas é principalmente a exploração do conhecimento acumulado de muitos dados
de treinamento.” Aron Culotta, professor associado de ciência da
computação na Universidade de Tulane, colocou a questão de outra forma. “O
bom senso sempre foi uma pedra no sapato da IA”. Era um desafio
ensinar causalidade aos modelos, deixando-os “suscetíveis a falhas
inesperadas ”.
Noam
Chomsky sintttizou as limitações da IA em relação à inteligência
humana.“A mente humana não é como o ChatGPT e seus semelhantes, um
mecanismo de estatística pesado para correspondência de padrões,
devorando centenas de terabytes de dados e extrapolando a resposta
conversacional mais provável da resposta mais provável a uma questão
científica. Pelo contrário, a mente humana é um sistema surpreendentemente
eficiente e até elegante que opera com pequenas quantidades de informação;
procura não inferir correlações brutas entre dados, mas criar explicações.
Vamos parar de chamá-la de inteligência artificial e chamá-la pelo
que é: “software de plágio”. Porque ela não cria nada além de copiar
obras existentes, modificando-as o suficiente para escapar das leis de direitos
autorais.”
Isso
leva ao que se poderia chamar de síndrome de Altman. A IA sob o capitalismo não
é uma inovação que visa ampliar o conhecimento humano e aliviar a humanidade do
trabalho árduo. Para inovadores capitalistas como Sam Altman, é inovação para
obter lucros. Sam Altman, o fundador da OpenAI, foi afastado do controle de sua empresa no ano passado, porque outros membros do conselho
consideraram que ele queria transformar a corporação em uma enorme operação
lucrativa apoiada por grandes empresas (a Microsoft é o atual financiador). O
resto da o conselho continuou a ver a OpenAI como uma operação sem fins
lucrativos, com objetivo de espalhar os benefícios da IA a todos, com salvaguardas adequadas em matéria de privacidade, supervisão e controle. Altman desenvolveu um braço empresarial “com fins lucrativos”, permitindo à empresa atrair investimento externo e comercializar os seus
serviços. Altman logo voltou a assumir o controle, quando a Microsoft e outros
investidores decidiram. A OpenAI não está mais aberta…
As
máquinas não conseguem pensar em mudanças potenciais e qualitativas. O
conhecimento novo vem de tais transformações (humanas), não da extensão do
conhecimento existente (máquinas). Só a inteligência humana é social e pode
perceber o potencial de mudança, em particular a mudança social, que conduz a
uma vida melhor para a humanidade e a natureza.
Em
vez de desenvolver a IA para obter lucros, reduzir os empregos e os meios de
subsistência dos seres humanos, a IA sob propriedade e planejamento comuns
poderia reduzir as horas de trabalho humano para todos e libertar os seres
humanos do trabalho árduo, para se concentrarem no trabalho criativo que só a
inteligência humana pode realizar.
Fonte:
Por Michael Roberts, em seu blog | Tradução: Antonio Martins,
para Outras Palavras
Nenhum comentário:
Postar um comentário