Malaysian Buzz

(SeaPRwire) –   Adakah kecerdasan buatan akan mengambil pekerjaan kita? Jika anda mendengar eksekutif Silicon Valley membincangkan keupayaan sistem AI terkini hari ini, anda mungkin berfikir jawapannya ialah “ya, dan segera.”

Tetapi kertas baru yang diterbitkan oleh penyelidik MIT mencadangkan otomatisasi di tempat kerja mungkin berlaku lebih perlahan daripada yang anda fikirkan.

Penyelidik di makmal sains komputer dan kecerdasan buatan MIT mengkaji bukan sahaja sama ada AI mampu melaksanakan tugas, tetapi juga sama ada ia membuat ekonomi untuk syarikat menggantikan manusia yang melaksanakan tugas-tugas tersebut dalam konteks pasaran buruh yang lebih luas.

Mereka mendapati bahawa walaupun kecerdasan buatan penglihatan komputer hari ini mampu mengotomatkan tugas-tugas yang mengira 1.6% gaji pekerja di ekonomi AS (tidak termasuk pertanian), hanya 23% daripada gaji itu (0.4% ekonomi secara keseluruhan) akan, pada kos hari ini, lebih murah bagi syarikat untuk mengotomatkannya daripada membayar pekerja manusia. “Secara keseluruhannya, penemuan kami mencadangkan bahawa penggantian pekerjaan AI akan menjadi ketara, tetapi juga beransur-ansur – dan oleh itu terdapat ruang untuk dasar kerajaan dan latihan semula untuk mengurangkan kesan pengangguran,” menulis pengarang.

Tugas seperti menganalisis imej dari peralatan diagnostik di hospital, atau memeriksa periuk untuk memastikan ia mengandungi barangan yang betul, diberikan dalam kertas sebagai contoh jenis “tugas penglihatan” yang boleh dicapai oleh AI hari ini. Tetapi tugas-tugas seperti ini sering begitu terpecah, pengarang mendakwa, ia tidak ekonomik untuk mengotomatkannya.

“Walaupun ada beberapa perubahan yang akan datang, terdapat juga beberapa masa untuk menyesuaikan diri dengan perubahan itu,” kata Neil Thompson, pengarang kajian kepada TIME. “Ia tidak akan berlaku begitu cepat sehingga segala-galanya dilemparkan ke dalam kekacauan serta-merta.”

Kecuali jika ia berlaku. Kajian itu hanya memberi tumpuan kepada kecerdasan buatan penglihatan komputer – sistem yang mampu mengenal pasti dan mengelaskan objek dalam imej dan video – dan bukan sistem yang lebih fleksibel seperti model bahasa besar multimodal, contohnya GPT-4 OpenAI. Satu kajian terbaru daripada OpenAI menganggarkan bahawa 19% pekerja AS mungkin akan melihat 50% tugas tempat kerja mereka “terjejas” oleh sistem GPT-4 – anggaran yang jauh lebih tinggi daripada kajian penyelidik MIT yang memberi tumpuan semata-mata kepada kecerdasan buatan penglihatan komputer. Soalan penting bagi ekonomi dalam era AI akan menjadi sama ada penemuan kajian MIT tersebut terpakai kepada alat “umum” AI – yang mendakwa akan mengotomatkan kebanyakan bentuk buruh kognitif yang boleh dilakukan di belakang skrin komputer.

Penyelidik MIT mendapati ia boleh menjadi mahal bagi syarikat untuk “melatih semula” sistem penglihatan komputer untuk membuat mereka sesuai untuk tugas khusus tertentu. Walaupun pelaburan sedemikian mungkin membuat ekonomi bagi syarikat terbesar, ia sering tidak lebih murah bagi usaha kecil yang boleh sekadar mengekalkan pekerja terlatih yang sudah melaksanakan tugas dengan baik. Dinamik ini adalah salah satu sebab utama, mengikut kertas MIT, mengapa bukan semua tugas yang boleh dilakukan oleh AI hari ini juga ekonomik untuk menggantikan manusia.

Tetapi tidak jelas sama ada dinamik ini akan dipindahkan kepada tugas bahasa. Untuk “melatih semula” model penglihatan komputer untuk, contohnya, membezakan jenis ubat botol tertentu dari satu sama lain dengan tahap ketepatan 99.9%, anda perlu mengumpulkan kuantiti besar imej berlabel ubat-ubatan yang berbeza, yang boleh menjadi proses yang mahal dan merumitkan (walaupun jika buruh bergaji rendah di negara miskin digunakan untuk melakukannya dengan murah). Anda kemudiannya perlu membayar kos pengkomputeran yang signifikan untuk melatih semula model AI pada stor simpanan data yang besar itu.

Sebaliknya, melatih semula model bahasa terkemuka untuk melaksanakan tugas tertentu boleh hanya menjadi perkara memberikan senarai peraturan tertulis yang terperinci. Satu kajian OpenAI pada Ogos tahun lalu mendapati bahawa GPT-4 mampu melaksanakan tugas penyensoran kandungan di platform digital selepas dilatih semula menggunakan dokumen polisi terperinci dan hanya beberapa contoh berlabel. Penemuan itu mencadangkan bahawa model bahasa besar boleh digunakan untuk pelbagai tugas ekonomi jauh lebih cepat dan murah daripada model penglihatan komputer.

“Adalah pasti mungkin bahawa menyesuaikan model bahasa besar mungkin lebih mudah daripada menyesuaikan sistem penglihatan komputer dan ini boleh membawa kepada lebih banyak penggunaan dalam ekonomi,” kata Thompson kepada TIME. Tetapi, “selama pasukan kejuruteraan kecil diperlukan untuk mengintegrasikan sistem ke alir kerja syarikat, kos masih membatasi.”