Strahovi od veštačke inteligencije ispunjavaju vesti: gubitak poslova, nejednakost, diskriminacija, dezinformacije, ili čak superinteligencija koja dominira svetom. Jedna grupa za koju svi pretpostavljaju da će imati koristi je biznis, ali podaci govore drugačije. Usred sveg ovog talasa, američke kompanije su sporo prihvatile najnaprednije AI tehnologije, i malo je dokaza da takve tehnologije značajno doprinose rastu produktivnosti ili otvaranju radnih mesta.
„Turingov test“
Ova razočaravajuća performansa nije samo rezultat relativne nezrelosti AI tehnologije. Takođe dolazi iz fundamentalnog nesklada između potreba biznisa i načina na koji AI trenutno zamišljaju mnogi u tehnološkom sektoru — nesklad koji potiče iz prelomnog rada Alana Turinga iz 1950. godine „Igra imitacije“ i tzv. Turingovog testa koji je tamo predložio.
Turingov test definiše mašinsku inteligenciju zamišljajući kompjuterski program koji može tako uspešno imitirati čoveka u otvorenom tekstualnom razgovoru da nije moguće razlikovati da li se razgovara sa mašinom ili osobom.
U najboljem slučaju, ovo je bio samo jedan način artikulisanja mašinske inteligencije. Sam Turing, kao i drugi tehnološki pioniri poput Daglasa Engelbarta i Norberta Vajnera, shvatili su da će kompjuteri biti najkorisniji za biznis i društvo kada budu augmentirali i dopunjavali ljudske sposobnosti, a ne kada se direktno takmiče s nama.
Pretraživači, tabele i baze podataka su dobri primeri takvih komplementarnih oblika informacione tehnologije. Dok je njihov uticaj na biznis ogroman, obično se ne nazivaju „AI“, i u poslednjih nekoliko godina uspešna priča koju oni predstavljaju potisnuta je žudnjom za nečim više „inteligentnim“.
Ova žudnja je, međutim, slabo definisana, i uz iznenađujuće malo pokušaja da se razvije alternativna vizija, sve više znači nadmašivanje ljudskih performansi u zadacima poput vida i govora, te u društvenim igrama poput šaha i Goa.
Ovaj okvir postao je dominantan kako u javnoj diskusiji, tako i u smislu kapitalnih ulaganja u vezi sa AI.
Ekonomisti i drugi društveni naučnici naglašavaju da inteligencija ne nastaje samo, ili čak prvenstveno, kod individualnih ljudi, već pre svega u kolektivima kao što su firme, tržišta, obrazovni sistemi i kulture. Tehnologija može igrati dve ključne uloge u podršci kolektivnih oblika inteligencije.
Transformativni potencijal veštačke inteligencije
Prvo, kao što je naglašeno u pionirskom istraživanju Daglasa Engelbarta 1960-ih i kasnijem razvoju polja interakcije čovek-računar, tehnologija može unaprediti sposobnost individualnih ljudi da učestvuju u kolektivima, pružajući im informacije, uvide i interaktivne alate.
Drugo, tehnologija može stvoriti nove vrste kolektiva. Ova potonja mogućnost nudi najveći transformativni potencijal. Pruža alternativni okvir za AI, jedan sa velikim implikacijama za ekonomsku produktivnost i ljudsku dobrobit.
Komplementarnost, a ne imitacija
Kompanije uspevaju u velikom obimu kada uspešno podele rad interno i dovedu različite veštine u timove koji rade zajedno na kreiranju novih proizvoda i usluga. Tržišta uspevaju kada okupljaju raznolike učesnike, olakšavajući specijalizaciju kako bi poboljšali ukupnu produktivnost i društvenu dobrobit. Ovo je tačno ono što je Adam Smit razumeo pre više od dva i po veka.
Prevođenjem njegove poruke u trenutnu debatu, tehnologija treba da se fokusira na igru komplementarnosti, a ne na igru imitacije.
Već imamo mnogo primera mašina koje povećavaju produktivnost obavljajući zadatke koji su komplementarni onima koje obavljaju ljudi.
Ovo uključuje masivne proračune koji podržavaju funkcionisanje svega, od modernih finansijskih tržišta do logistike, prenos visokokvalitetnih slika na velike udaljenosti u tren oka, i pretraživanje ogromnih količina informacija kako bi se izvukli relevantni podaci.
Kako da izbegenemo to da računari postanu silikonske verzije ljudskih bića?
Ono što je novo u sadašnjoj eri je da računari sada mogu raditi više od jednostavnog izvršavanja linija koda koje je napisao ljudski programer. Računari mogu učiti iz podataka i sada mogu interagovati, zaključivati i intervenisati u stvarnim problemima, rame uz rame sa ljudima.
Umesto da posmatramo ovaj proboj kao priliku da pretvorimo mašine u silikonske verzije ljudskih bića, treba da se fokusiramo na to kako računari mogu koristiti podatke i mašinsko učenje za stvaranje novih vrsta tržišta, novih usluga, i novih načina povezivanja ljudi na ekonomski isplative načine.
Tržišno svesna veštačka inteligencija
Rani primer takvog, ekonomijom svesnog mašinskog učenja pružaju sistemi za preporuke, inovativni oblik analize podataka koji je došao do izražaja 1990-ih u kompanijama orijentisanim na potrošače kao što su Amazon i Netflix. Sistemi za preporuke su od tada postali sveprisutni i imali su značajan uticaj na produktivnost. Oni stvaraju vrednost iskorištavanjem kolektivne mudrosti mase kako bi povezali pojedince sa proizvodima.
Nove primere ove paradigme uključuju upotrebu mašinskog učenja za uspostavljanje direktnih veza između muzičara i slušalaca, pisaca i čitalaca, i tvoraca igara i igrača.
Rani inovatori u ovom prostoru su Airbnb, Uber, YouTube i Shopify, a izraz „ekonomija kreatora“ se koristi kako bi se opisao ovaj rastući trend. Ključni aspekt ovakvih kolektiva je to što su oni, u stvari, tržišta—ekonomska vrednost je povezana sa vezama među učesnicima.
Sinergija mašinskog učenja, ekonomije i sociologije
Potrebno je istražiti kako kombinovati mašinsko učenje, ekonomiju i sociologiju tako da ova tržišta budu zdrava i donose održiv prihod učesnicima.
Demokratske institucije takođe mogu biti podržane i ojačane inovativnom upotrebom mašinskog učenja. Digitalno ministarstvo u Tajvanu koristi statističku analizu i onlajn učešće kako bi unapredilo deliberativne razgovore koji vode ka efektivnom timskom odlučivanju u najbolje vođenim kompanijama.
Investiranje u tehnologiju koja podržava i unapređuje kolektivnu inteligenciju pruža preduzećima priliku da čine dobro: Sa ovom alternativnom stazom, mnogi od najštetnijih efekata veštačke inteligencije—uključujući zamenu ljudi, nejednakost i prekomerno prikupljanje i manipulaciju podacima od strane kompanija u svrhu oglašavanja—postali bi sekundarni ili čak potpuno izbegnuti.
Konkretno, dvosmerna tržišta u ekonomiji kreatora stvaraju novčane transakcije između proizvođača i potrošača, a prihod platforme može biti zasnovan na procentima od tih transakcija.
Nesumnjivo će se javljati tržišni neuspesi, ali ako se tehnologija iskoristi za unapređenje demokratskog upravljanja, takve institucije će biti osnažene da rešavaju te neuspehe, kao u Tajvanu, gde su usluge deljenja vožnje usklađene sa zaštitom rada na osnovu onlajn deliberacije.
