Connect with us

Tankeledere

Er risikoen for AI værd at belønningen?

mm

Når jeg reflekterer over den fiktive indhold, jeg har stødt på, der involverer AI, ville jeg anslå, at det er over 90% dystopisk. Ironisk nok, fordi store sprogmodeller er trænet på indhold fra internettet, er de ikke kun forvrængede mod problematiske aspekter af samfundet, men også selv. Begrebet om selvhadende AI er humoristisk og bringer Marvin fra Hitchhiker’s Guide to the Galaxy i mente. Men det er en af mange realiteter, vi må overveje, når AI integreres i samfundet.

I sin bog, Life 3.0: Being Human in the Age of AI, forklarer MIT-professoren Max Tegmark sin syn på, hvordan man kan holde AI gavnligt for samfundet. Han skriver: “Hvis maskinlæring kan hjælpe med at afsløre relationer mellem gener, sygdomme og behandlingsreaktioner, kan det revolutionere personlig medicin, gøre husdyr sundere og enable mere robuste afgrøder. Desuden har robotter potentialet til at blive mere præcise og pålidelige kirurger end mennesker, selv uden at bruge avanceret AI.”

Der er ingen tvivl om, at AI vil påvirke enkeltindivider, samfund og globale systemer, men der er usikkerhed forbundet med denne påvirkning. AI vil blive betroet med følsomt arbejde som sundhedsdiagnose, selvstændig kørsel og finansielle beslutninger. Ved at påtage os risikoen for tillid, forventer vi afkast i form af automatisering, forbedret produktivitet, hurtigere arbejdsprocesser og brugergrænseflader, som vi ikke engang kan forudsige i dag.

Et eksempel på dette kan ses i Thomson Reuters Institutes nyligt publicerede 2024 Generative AI in Professional Services rapport, baseret på en global undersøgelse af 1.128 respondenter, der er kvalificerede til at være bekendt med Generative AI-teknologi. Forskningen viser en fælles tema af forsigtig optimisme, når det kommer til at adoptere Generative AI i professionelle sammenhænge – faktisk sagde 41%, at de var begejstrede, fordi de forventede øget effektivitet og produktivitet.

Dette viser en sund efterspørgsel efter automatisering, der kan skabe nye effektiviteter for professionelle, en fordel, som de er villige til at fremme.

Ingen arbejdsplads eller industri ønsker at blive efterladt, så længe denne kapløb om at udnytte AI i forretningen fortsætter med at tage fart, kan du forvente, at medarbejdere og professionelle vil fortsætte med at blive udsat for disse nye teknologier på forskellige måder for at styrke deres fremtidige arbejde.

På den anden side er vi også hyperbevidste om den potentielle risiko, vi påtager os ved at betro AI. Tegmark skrev også dette i Life 3.0: “Med andre ord er den virkelige risiko ved AGI (artificielt generelt intelligens) ikke ondskab, men kompetence. En superintelligent AI vil være ekstremt god til at opnå sine mål, og hvis disse mål ikke er i overensstemmelse med vores, er vi i vanskeligheder.”

Ligesom enhver ny teknologi præsenterer AI en ny måde at gøre tingene på, og forandring er ofte en udfordring, når du ikke ved, hvad udfaldet er. Noget af denne risiko er højtideligt dramatiseret i fiktion, der ofte afbilder AI som menneskefjendsk – i Silicon Valley vil du af og til høre jokes om “Skynet” fra Terminator-filmfranchisen i daglig samtale om frygt for AI. Men virkeligheden om potentiel AI-risiko er langt mindre spændende end, hvad Hollywood præsenterer, i og med, at initial AI-præstation kan være upræcis og fejlbehæftet. For AI er software, og deler alle de samme faldgruber som traditionel software.

Som forsker er jeg konstant konfronteret med behovet for at afhjælpe fordomme i AI-algoritmer, enten gennem omhyggelig datakurering, algoritmic gennemsigtighed eller robuste testprotokoller. Det faktum, at vi som mennesker er hyperbevidste om farerne ved AI (som beviser det indhold, vi skaber), beroliger mig, at der lægges stor opmærksomhed på etisk og ansvarligt AI. Denne opmærksomhed kommer fra interessenter af alle slags: brugere, beslutningstagerne og virksomheder kræver stadig mere gennemsigtighed og ansvarlighed fra AI-systemer.

Det er en almindelig opfattelse, at teknologi i den private sektor bevæger sig hurtigt, og regeringen bevæger sig langsomt. Det er også en realitet, at når det bliver muligt, vil kapitalisme resultere i, at AI erstatter millioner af arbejdere, hvilket tvinger dem til at lære nye færdigheder for at blive i arbejdskraften.

Ifølge en forskningsrapport fra McKinsey Global Institute fra 2023 om Generative AI og fremtidens arbejde i Amerika, “kan op til 30 procent af de timer, der arbejdes i den amerikanske økonomi, blive automatiseret inden 2030 – en trend, der accelereres af generativ AI. Men vi ser generativ AI forbedre måden, STEM, kreative og forretnings- og juridiske fagfolk arbejder på, snarere end at eliminere et betydeligt antal job direkte. Automatiseringens største effekter vil sandsynligvis ramme andre jobkategorier. Kontorsupport, kundeservice og fødevareindustri kan fortsætte med at falde.”

Det er svært for mig at forestille mig en verden, hvor regeringen ikke spiller en rolle i at hjælpe disse arbejdere, der vil blive erstattet. Derfor er det vigtigt, at den offentlige sektor begynder at forberede løsninger nu. Eksempler på løsninger inkluderer opkvalificering af sårbare arbejdere og tilbydelse af en universel grundindkomst. Jeg er også optimistisk om, at den private sektor vil spille en rolle her, ved at skabe nye job, som vi måske ikke kan forudsige i dag.

En universel grundindkomst har altid været et spændende begreb for mig og bringer udtrykket “lev ikke for at arbejde, arbejd for at leve” i mente. Mange mennesker arbejder for at leve. Kalder mig naiv, men hvis dette arbejde kan automatiseres, tror jeg, det er mere end en pipe-drøm, at menneskeheden kunne indtræde en æra, hvor arbejde er valgfrit. Dette er et helt fremmed begreb for os i dag, men det betyder ikke, at det er umuligt. Faktisk burde vi forvente intet mindre end ekstraordinært fra en teknologi, der er så ekstraordinær som AI.

En tidligere kvant og datavidenskabsmand, Sarah Nagy grundlagde et analytics automation startup, Seek AI, i september 2021. Sarah ledede senest forbrugerdataholdet hos Citadel's Ashler Capital, og før Citadel, ledede hun kvantarme hos to succesfuldt afsluttede startups og udviklede algorithmiske handelsstrategier hos ITG. Sarah har en master i finans uddannelse fra Princeton og dobbelt bachelorgrader i astrofysik og erhvervsøkonomi fra UCLA.