Финансовая
квинтэссенция Федор
Рогач

В нынешнем виде глобальные экономические перспективы на следующее десятилетие кажутся мрачными. Но широкомасштабный всплеск производительности, вызванный целенаправленной разработкой и применением генеративного искусственного интеллекта, может существенно изменить эту картину.

Это лишь некоторые из факторов, стоящих за проблемой производительности, с которой сталкивается мировая экономика. И становится все более очевидным, что мы должны использовать искусственный интеллект для решения этой проблемы.

За последние четыре десятилетия быстрый рост в странах с формирующейся экономикой привел к резкому увеличению производственных мощностей, что послужило мощной дезинфляционной силой со стороны предложения. Китай, в частности, служил мощным двигателем роста. Но этот двигатель роста в странах с развивающейся экономикой в последние годы существенно ослаб. Постпандемический рост Китая значительно ниже потенциального и снижается.

Более того, геополитическая напряженность, потрясения эпохи пандемии и изменение климата нарушают глобальные цепочки поставок, а сочетание рыночных стимулов и новых политических приоритетов, таких как «снижение рисков» и повышение устойчивости, вынуждает правительства проводить (очень дорогостоящие) процесс диверсификации цепочки поставок. Между тем уровни суверенного долга высоки и продолжают расти, что снижает фискальные возможности стран для осуществления ориентированных на рост государственных инвестиций и дестабилизирует экономику некоторых стран.

Но есть многообещающие новости. Как утверждают Гордон Браун, Мохамед Эль-Эриан и я в нашей готовящейся к изданию книге «Пермакриз: план исправления разрушенного мира», масштабный всплеск производительности может существенно изменить эту картину. И, учитывая быстрое развитие технологий искусственного интеллекта, это вряд ли можно назвать радужным небом. Ключевым моментом является обеспечение того, чтобы рост производительности был в центре внимания инноваций и приложений ИИ в ближайшие годы.

Несмотря на то, что ИИ продвинулся от распознавания рукописного текста к распознаванию речи и распознаванию изображений и объектов, общепринятое мнение заключалось в том, что технология лучше всего работает в четко определенных областях. У него не было человеческой способности определять, в каком домене он работает, и переключать домены по мере необходимости.

Ситуация изменилась с появлением больших языковых моделей (LLM) и генеративного ИИ в более широком смысле. LLM способны понимать язык и, по-видимому, способны независимо обнаруживать и переключать домены, что, возможно, приближает их на один шаг к искусственному общему интеллекту. Потенциал повсеместного повышения производительности значителен.

LLM функционируют как платформы общего назначения для создания приложений для конкретных целей в рамках экономики знаний. Поскольку они понимают и воспроизводят обычный язык, ими может пользоваться каждый. Сообщается, что ChatGPT привлек 100 миллионов пользователей за два месяца после публичного выпуска.

Кроме того, LLM обучаются на огромном количестве цифровых материалов, поэтому диапазон тем, которые они могут решать, огромен. Такое сочетание доступности и охвата означает, что LLM имеют гораздо более широкий спектр потенциальных приложений, чем любая предыдущая цифровая технология, даже предыдущие инструменты на основе ИИ.

Гонка за разработку таких приложений, связанных с широким спектром секторов и категорий должностей, уже началась. OpenAI, фирма, стоящая за ChatGPT, создала интерфейс прикладного программирования (API), который позволяет другим создавать свои собственные решения ИИ на базе LLM, добавляя данные и специализированное обучение для конкретного использования, на которое они нацелены.

Менее опытные агенты по обслуживанию клиентов извлекли наибольшую выгоду из этого инструмента, что указывает на то, что ИИ, который инкапсулирует и фильтрует накопленный опыт всей системы с течением времени, может помочь работникам быстрее «двигаться вниз по кривой опыта». Этот эффект «повышения уровня», вероятно, будет общей чертой приложений ИИ, особенно тех, которые соответствуют этой «модели цифрового помощника».

Существует много версий этой модели, которые могут использовать возможности ИИ и систем окружающего интеллекта для отслеживания и записи результатов. Для врачей, осматривающих пациентов или совершающих обходы в больнице, инструменты ИИ могут создать первый черновик необходимых отчетов, которые затем врачу нужно будет только отредактировать. Оценки экономии времени различаются, но все они очень велики.

Безусловно, ИИ также может позволить автоматизировать многие задачи и заменить людей. Но инструменты ИИ — это, по сути, прогностические машины; они совершают ошибки, придумывают всякие ерунды и увековечивают предубеждения, которым их научили. Учитывая это, разумные приложения вряд ли исключат людей в ближайшее время.

Чтобы реализовать потенциал повышения производительности ИИ, политикам придется действовать в нескольких областях. Во-первых, инновации, эксперименты и разработка приложений зависят от широкого доступа к LLM. Возможно, будет достаточно конкуренции, чтобы обеспечить доступ по разумной цене. Но учитывая, как мало компаний имеют вычислительные мощности для обучения LLM, регулирующие органы должны сохранять бдительность на этом фронте.

Кроме того, правительству необходимо будет сотрудничать с промышленностью и исследователями, чтобы установить общепринятые принципы ответственного управления и использования данных, а также внедрить правила для соблюдения этих принципов. Очень важно найти правильный баланс между безопасностью и открытостью; правила не могут быть настолько строгими, чтобы препятствовать экспериментам и инновациям.

Наконец, исследователям ИИ необходим доступ к значительной вычислительной мощности для тестирования и обучения новых моделей ИИ. Государственные инвестиции в систему облачных вычислений обеспечат долгосрочный прогресс в области искусственного интеллекта и робототехники с далеко идущими экономическими выгодами. На самом деле, эффективное и дальновидное управление развитием ИИ вместе с новой приверженностью глобальному сотрудничеству вполне может стать ключом к более процветающему, инклюзивному и устойчивому будущему.

Майкл Спенс
— лауреат Нобелевской премии по
экономике, почетный профессор
экономики и бывший декан Высшей
школы бизнеса Стэнфордского
университета

Источник.