Γράφει ο Ιωάννης Πήτας*

Η μορφή της εργασίας έχει υποστεί τεράστιες αλλαγές από την εποχή της Βιομηχανικής Επανάστασης. Έγινε μηχανοποιημένη ή μηχανικά υποβοηθούμενη αρκετά νωρίς, σίγουρα μετά την εισαγωγή της γραμμής παραγωγής στις αρχές του 20ου αιώνα. Η μηχανοποίηση και η υπολογιστοποίηση της χειρωνακτικής εργασίας εντάθηκε με τη βιομηχανική αυτοματοποίηση και την εισαγωγή ρομπότ στη βιομηχανική παραγωγή, κυρίως στην αυτοκινητοβιομηχανία. Η βιομηχανική αυτοματοποίηση δημιούργησε την ανάγκη για μια πολύ πιο εκπαιδευμένη και εξειδικευμένη εργατική δύναμη που πραγματοποιεί κυρίως πνευματική, παρά χειρωνακτική, εργασία.

Η μηχανοποίηση της πνευματικής εργασίας αποδείχθηκε πολύ πιο δύσκολη. Η δομή των μεγάλων οργανισμών, όπως οι κυβερνητικές υπηρεσίες, οι τράπεζες, τα επιτελεία των μεγάλων εταιρειών, παρέμεινε σχεδόν ανέπαφη για τα τελευταία 200 χρόνια. Ωστόσο, οι συνθήκες της πνευματικής εργασίας άλλαξαν ραγδαία τα τελευταία δεκαετίες, λόγω της μαζικής χρήσης της Πληροφορικής, ιδιαίτερα στο χαμηλότερο επίπεδο της πυραμίδας συλλογής και επεξεργασίας πληροφοριών.

Η αυτοματοποίηση της πνευματικής εργασίας επιταχύνεται ήδη μέσω της εμφάνισης των Μεγάλων Γλωσσικών Μοντέλων (ΜΓΜ), ειδικών συστημάτων Τεχνητής Νοημοσύνης που κάνουν ανάλυση της φυσικής γλώσσας και παρουσιάζονται αναλυτικά στην νέα έκδοση του 1^ου τόμου του βιβλίου μου ‘AI Science and Society’ (Amazon/Kindle). Η επιτυχημένη τους χρήση, ειδικά του ChatGPT, οδήγησε σε προβλέψεις της Goldman Sachs ότι η Τεχνητή Νοημοσύνη θα μπορούσε δυνητικά να αντικαταστήσει περί τα 300 εκατομμύρια θέσεις εργασίας. Τα εργαλεία αυτά μπορούν να παράγουν στρωτό κείμενο και ολόκληρες αρκετά ακριβείς και καλογραμμένες εργασίες, εάν το θέμα τους ταιριάζει καλά με τα δεδομένα εκπαίδευσης του γλωσσικού μοντέλου. Φυσικά, υπάρχουν ακόμα αρκετά προβλήματα, όπως, π.χ.,  οι «φαντασιώσεις» των ΜΓΜ. Ωστόσο, οι επιπτώσεις τους είναι ήδη αισθητές σε πολλές θέσεις εργασίας, όπως στη μετάφραση κειμένου και στην παραγωγή κειμένων ρουτίνας.

Τέτοιες εξελίξεις θα οδηγήσουν σε μια μεγάλη αύξηση της παραγωγικότητας, αλλά και σε χαμηλές αμοιβές και σε απώλεια θέσεων εργασίας, π.χ., μεταφραστών. Τελικά, είναι πολύ πιο εύκολο, γρήγορο και φθηνό να διορθωθεί ένα μεταφρασμένο κείμενο παρά να μεταφραστεί από την αρχή. Τέτοια διαλογικά συστήματα ΜΓΜ, όπως το ChatGPT, θα φέρουν επανάσταση δε ολόκληρους τεχνολογικούς τομείς, όπως στην αναζήτηση στον ιστό και στα κέντρα τηλεφωνικής εξυπηρέτησης. Υπάρχουν και προχωρημένες (και παρακινδυνευμένες) ιδέες ότι ΜΓΜ μπορούν ακόμα να αντικαταστήσουν δασκάλους και γιατρούς, αν και ξέρουμε ότι η ανθρώπινη επαφή είναι πολύ σημαντική τόσο στην Εκπαίδευση όσο και στην Ιατρική. Επιπλέον, άλλα εργαλεία Γεννησιακής Τεχνητής Νοημοσύνης (Generative AI) όπως τα Γεννησιακά Αντιπαλικά Δίκτυα (GAN) και τα Δίκτυα Διάχυσης (Diffusion Networks) μπορούν να παράγουν τεχνητό οπτικό περιεχόμενο, όπως ρεαλιστικές εικόνες, βίντεο, 2D/3D γραφικά και σχεδιοκίνηση. Αυτό μπορεί να οδηγήσει σε νέα εντυπωσιακά είδη της Βαθειάς Τέχνης (Deep Arts), όπως περιγράφηκε στον τρίτο τόμο του βιβλίο μου ‘AI Science and Society’ (Amazon/Kindle) σε μάλλον ανύποπτο χρόνο (10/2022). Φυσικά, μπορούν επίσης να χρησιμοποιηθούν για παραπληροφόρηση, δημιουργία ψευδών ειδήσεων και πχ πορνογραφικού υλικού που θα περνάει κάτω από τα (αστυ)νομικά ‘ραντάρ’. Συνολικά, κατά την Goldman Sachs, τα εργαλεία της Γεννησιακής Τεχνητής Νοημοσύνης μπορούν να οδηγήσουν σε αύξηση του παγκόσμιου ΑΕΠ κατά 7% και αύξηση της παραγωγικότητας κατά 1,5% σε διάστημα 10 ετών. Στην ίδια έκθεση, υπάρχει η ισχυρισμός ότι η Τεχνητή Νοημοσύνη θα μπορούσε πιθανότατα να αντικαταστήσει περίπου 300 εκατομμύρια θέσεις πλήρους εργασίας. Αν και αυτός ο αριθμός φαίνεται υψηλός, ενδέχεται όντως να συμβεί σε μεσο-μακροπρόθεσμο επίπεδο, καθώς ο αντίκτυπος της Τεχνητής Νοημοσύνης στην εργασία μπορεί να είναι ισοδύναμος με αυτόν της πρώτης βιομηχανικής επανάστασης. 

Είναι ωστόσο παράξενο το ότι οι τρέχουσες προόδοι στην Τεχνητή Νοημοσύνη βασίζονται στην μαζική προ-επεξεργασία των δεδομένων εκπαίδευσης συστημάτων ΤΝ. Τέτοιες θέσεις εργασίας απαιτούν σχετικά χαμηλές έως μεσαίες πνευματικές δεξιότητες. Συνήθως μεταφέρονται από τις μεγάλες τεχνολογικές εταιρείες σε χώρες όπως η Ινδία, η Κίνα και οι χώρες της Νοτιοανατολικής Ασίας για ελαχιστοποίηση του κόστους. Αυτή η τάση θα συνεχιστεί μεσοπρόθεσμα, μέχρις ότου αναπτύξουμε ένα νέο είδος Τεχνητής Νοημοσύνης που απαιτεί λιγότερα δεδομένα εκπαίδευσης.

Η Τεχνητή Νοημοσύνη θα επηρεάσει όχι μόνον την πνευματική, αλλά και την χειρωνακτική εργασία, καθώς αυτόνομα ρομποτικά συστήματα θα γίνουν πιο αποτελεσματικά σε διάφορους τομείς της οικονομίας, όπως, π.χ. τα αυτο-οδηγούμενα οχήματα που λειτουργούν αποτελεσματικά χάρις στην Τεχνητή Νοημοσύνη. Οι απώλειες θέσεων εργασίας θα ποικίλουν ανά οικονομικό πεδίο, ανάλογα με τη φύση του κάθε τομέα και το ποσοστό διείσδυσης της Τεχνητής Νοημοσύνης. Για παράδειγμα, το 46% και το 44% των εργασιών στα διοικητικά και νομικά επαγγέλματα, αντίστοιχα, μπορούν να αυτοματοποιηθούν. Ωστόσο, αναμένεται ότι η αυτοματοποίηση θα επηρεάσει μόνο το 6% και το 4% των εργασιών στις κατασκευές και  επισκευές, αντίστοιχα. 

Συνολικά, είναι βέβαιο ότι θα δημιουργηθούν νέες θέσεις εργασίας για να υποστηρίξουν την προαναφερθείσα αναμενόμενη αύξηση του παγκόσμιου ΑΕΠ. Οι άνθρωποι που έχουν καλή εκπαίδευση, δημιουργική απασχόληση και μπορούν να κατανοήσουν τις νέες τεχνολογίες δεν έχουν τίποτα να φοβηθούν. Η πραγματική πρόκληση είναι πώς να επανεκπαιδεύσουμε τους ανθρώπους που έχουν λιγότερα προσόντα και εκτελούν εργασίες ρουτίνας και να ρυθμίσουμε την αγορά εργασίας κατά τη διάρκεια της μεταβατικής περιόδου, προκειμένου να αποφύγουμε κοινωνικές τριβές και να μεγιστοποιήσουμε τα οφέλη της χρήσης της Τεχνητής Νοημοσύνης. 

*Ο Ιωάννης Πήτας είναι Καθηγητής Τμήματος Πληροφορικής ΑΠΘ και Πρόεδρος της Διεθνούς Ακαδημίας Διδακτορικών Σπουδών στην Τεχνητή Νοημοσύνη (AIDA).