Ca inteligência artificial vai tirar nossos empregos? Se você ouvir os executivos do Vale do Silício falando sobre as capacidades dos atuais sistemas de IA de ponta, poderá pensar que a resposta é “sim, e em breve”.
Mas um novo artigo publicado por investigadores do MIT sugere que a automatização na força de trabalho pode acontecer mais lentamente do que se pensa.
Os investigadores do laboratório de ciência da computação e inteligência artificial do MIT estudaram não só se a IA era capaz de realizar uma tarefa, mas também se fazia sentido, do ponto de vista económico, que as empresas substituíssem os humanos que executam essas tarefas no contexto mais amplo do mercado de trabalho.
Eles descobriram que, embora a IA de visão computacional seja hoje capaz de automatizar tarefas que representam 1,6% dos salários dos trabalhadores na economia dos EUA (excluindo a agricultura), apenas 23% dos aqueles os salários (0,4% da economia como um todo) seriam, aos custos atuais, mais baratos para as empresas automatizarem em vez de pagarem aos trabalhadores humanos. “No geral, as nossas descobertas sugerem que a deslocação de empregos na IA será substancial, mas também gradual – e, portanto, há espaço para políticas (governamentais) e reciclagem para mitigar os impactos do desemprego”, escrevem os autores.
Tarefas como analisar imagens de equipamentos de diagnóstico num hospital ou examinar tabuleiros para garantir que contêm os itens corretos são apresentadas no artigo como exemplos do tipo de “tarefas de visão” que a IA atual poderia realizar de forma viável. Mas tarefas como estas são frequentemente tão fragmentadas, argumentam os autores, que não é económico automatizá-las.
“Mesmo que haja alguma mudança, também há algum tempo para se adaptar a ela”, disse Neil Thompson, principal autor do estudo, à TIME. “Isso não vai acontecer tão rapidamente a ponto de tudo virar caos imediatamente.”
A menos que isso aconteça. O estudo concentrou-se apenas em IA de visão computacional – sistemas capazes de reconhecer e categorizar objetos em imagens e vídeos – em vez de sistemas mais flexíveis, como modelos multimodais de grandes linguagens, dos quais o GPT-4 da OpenAI é um exemplo. Um recente estudar da OpenAI estimou que 19% dos trabalhadores dos EUA poderiam ver 50% de suas tarefas no local de trabalho “impactadas” pelos sistemas de nível GPT-4 – uma estimativa muito mais alta do que o estudo dos pesquisadores do MIT que se concentra exclusivamente na visão computacional. Uma questão crucial para a economia na era da IA será se as conclusões do estudo do MIT se aplicam a ferramentas de IA mais “gerais” – aquelas que prometem automatizar a maioria das formas de trabalho cognitivo que podem ser realizadas atrás de um ecrã de computador.
Os pesquisadores do MIT descobriram que pode ser caro para as empresas “ajustar” os sistemas de visão computacional para torná-los adequados para uma tarefa específica e especializada. Embora tal investimento possa fazer sentido do ponto de vista económico para as grandes empresas, muitas vezes não é mais barato para uma pequena empresa que poderia simplesmente reter um trabalhador qualificado que já desempenha bem a tarefa. Esta dinâmica é uma das principais razões, de acordo com o artigo do MIT, para que nem todas as tarefas que a IA é capaz de realizar hoje sejam também economicamente viáveis. para substituir os humanos. (O artigo, submetido à revista Management Science, ainda não foi revisado por pares.)
Mas não está claro se esta dinâmica será transferida para as tarefas linguísticas. Para “ajustar” um modelo de visão computacional para, por exemplo, distinguir tipos específicos de frascos de medicamentos uns dos outros com um grau de precisão de 99,9%, seria necessário coletar grandes quantidades de imagens rotuladas de diferentes medicamentos, o que pode ser caro. e um processo complicado (mesmo que trabalhadores com baixos salários em países empobrecidos tenham sido recrutados para o fazerem de forma barata). Você teria então que pagar os custos computacionais significativos para ajustar um modelo de IA nesse grande armazenamento de dados.
Consulte Mais informação: OpenAI usou trabalhadores quenianos com menos de US$ 2 por hora para tornar o ChatGPT menos tóxico
Por outro lado, o ajuste fino de um modelo de linguagem de ponta para realizar uma tarefa específica pode simplesmente ser uma questão de fornecer-lhe uma lista detalhada de regras escritas. Um estudo da OpenAI de agosto do ano passado descobriu que o GPT-4 foi capaz de realizar com eficácia a tarefa de moderação de conteúdo em plataformas digitais depois de ser ajustado usando um documento de política detalhado e apenas alguns exemplos rotulados. Estas descobertas sugerem que grandes modelos de linguagem podem ser aplicados a uma vasta gama de tarefas económicas de forma muito mais rápida e barata do que os modelos de visão computacional.
O ajuste fino para GPT-4 ainda está em modo beta restrito, já que a OpenAI trabalha para mitigar o impacto significativo desafios de segurança este nível de personalização pode apresentar. Mas à medida que a OpenAI e os seus concorrentes começam a permitir que os clientes aperfeiçoem os seus modelos mais avançados, a economia pode começar a ver níveis de automação, ou aumento, que progridem mais rapidamente do que o estudo do MIT prevê.
“É certamente plausível que personalizar grandes modelos de linguagem possa ser mais fácil do que personalizar sistemas de visão computacional e que isso possa levar a uma maior adoção na economia”, disse Thompson à TIME. Mas, “enquanto for necessária uma pequena equipe de engenharia para integrar o sistema ao fluxo de trabalho da empresa, os custos ainda serão restritivos”.
