sexta-feira, 28 de junho de 2024

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