Ancora una volta l’intelligenza artificiale

Più o meno in questo periodo, l’anno scorso, ho affrontato il tema dell’intelligenza artificiale (AI) e l’impatto dei nuovi modelli di apprendimento linguistico di intelligenza generalizzata (LLM) come ChatGPT ecc.

In quell’articolo mi sono occupato principalmente dell’impatto sui posti di lavoro per i lavoratori sostituiti da AI LLM e del corrispondente effetto sull’aumento della produttività del lavoro. Le previsioni standard sull’intelligenza artificiale provengono dagli economisti della Goldman Sachs, la principale banca di investimento. Secondo loro, se la tecnologia fosse stata all’altezza delle sue promesse, avrebbe portato “un cambiamento significativo ” nel mercato del lavoro, esponendo l’equivalente di 300 milioni di lavoratori a tempo pieno nelle principali economie all’automazione del loro lavoro. Gli avvocati e il personale amministrativo sarebbero tra quelli a maggior rischio di licenziamento (e probabilmente gli economisti!). Hanno calcolato che circa due terzi dei posti di lavoro negli Stati Uniti e in Europa sono esposti a un certo grado di automazione dell’intelligenza artificiale, sulla base dei dati sui compiti tipicamente svolti in migliaia di occupazioni.

La maggior parte delle persone vedrebbe automatizzato meno della metà del proprio carico di lavoro e probabilmente continuerebbe a svolgere il proprio lavoro, con una parte del proprio tempo liberata per attività più produttive. Negli Stati Uniti, hanno calcolato, ciò si applicherebbe al 63% della forza lavoro. Un ulteriore 30% che svolge lavori fisici o all’aperto non rimarrebbe influenzato, sebbene il loro lavoro potrebbe essere suscettibile ad altre forme di automazione.

Ma gli economisti di Goldman Sachs erano molto ottimisti ed euforici per i guadagni di produttività che l’intelligenza artificiale avrebbe potuto ottenere, portando forse le economie capitaliste fuori dalla relativa stagnazione degli ultimi 15-20 anni – la Lunga Depressione. GS ha affermato che i sistemi di intelligenza artificiale “generativa” come ChatGPT potrebbero innescare un boom di produttività che alla fine aumenterebbe il PIL globale annuo del 7% in un decennio. Se gli investimenti aziendali nell’intelligenza artificiale continuassero a crescere a un ritmo simile a quello degli investimenti nel software negli anni ’90, gli investimenti statunitensi nell’intelligenza artificiale da soli potrebbero avvicinarsi all’1% del Pil statunitense entro il 2030.

Ma allora l’economista tecnologico americano Daren Acemoglu era scettico. Secondo lui non tutte le tecnologie di automazione effettivamente aumentano la produttività del lavoro. Questo perché le aziende introducono l’automazione principalmente in aree che possono aumentare la redditività, come il marketing, la contabilità o la tecnologia dei combustibili fossili, ma non aumentano la produttività dell’economia nel suo insieme o soddisfano i bisogni sociali.

Ora, in un nuovo articolo, Acemoglu versa una buona dose di acqua fredda sull’ottimismo generato da giocatori del calibro di GS. A differenza di GS, Acemoglu ritiene che gli effetti sulla produttività derivanti dai progressi dell’intelligenza artificiale nei prossimi 10 anni “saranno modesti”. Il guadagno più alto che prevede sarebbe solo un aumento totale dello 0,66% della produttività totale dei fattori (TFP), che è la misura principale per l’impatto dell’innovazione, o un piccolo aumento dello 0,064% nella crescita annuale della TFP. Potrebbe anche essere inferiore poiché l’intelligenza artificiale non è in grado di gestire alcuni compiti più difficili svolti dagli esseri umani. Allora l’aumento potrebbe essere solo dello 0,53%. Anche se l’introduzione dell’intelligenza artificiale aumentasse gli investimenti complessivi, l’incremento del PIL negli Stati Uniti sarebbe solo dello 0,93-1,56% in totale, a seconda dell’entità del boom degli investimenti.

Inoltre, Acemoglu ritiene che l’intelligenza artificiale amplierà il divario tra reddito da capitale e reddito da lavoro; come afferma: “le donne con un basso livello di istruzione potrebbero subire piccole diminuzioni salariali, la disuguaglianza complessiva tra i gruppi potrebbe aumentare leggermente e il divario tra reddito da capitale e reddito da lavoro probabilmente si allargherà ulteriormente ”. In effetti, l’intelligenza artificiale potrebbe effettivamente danneggiare il benessere umano espandendo i social media ingannevoli, la pubblicità digitale e la spesa per la difesa informatica. Pertanto gli investimenti nell’intelligenza artificiale potrebbero aumentare il PIL ma ridurre il benessere umano fino allo 0,72% del PIL.

E ci sono altri pericoli per il lavoro.  Owen David sostiene che l’intelligenza artificiale viene già utilizzata per monitorare i lavoratori sul posto di lavoro, reclutare e selezionare i candidati per un posto di lavoro, stabilire i livelli di retribuzione, dirigere quali compiti svolgono i lavoratori, valutare i loro risultati, programmare i turni, ecc. e aumenta le capacità manageriali, può trasferire il potere ai datori di lavoro”.  Sfumature delle osservazioni di Harry Braverman nel suo famoso libro del 1974 sul degrado del lavoro e la distruzione delle competenze a causa dell’automazione.

Acemoglu riconosce che si possono ottenere vantaggi dall’intelligenza artificiale generativa, “ma questi vantaggi rimarranno sfuggenti a meno che non vi sia un riorientamento fondamentale del settore, incluso forse un cambiamento importante nell’architettura dei modelli di intelligenza artificiale generativa più comuni”.   In particolare, Acemoglu afferma che “resta una questione aperta se abbiamo bisogno di modelli che intraprendano conversazioni disumane e scrivano sonetti shakespeariani se ciò che veramente vogliamo sono informazioni affidabili utili per educatori, operatori sanitari, elettricisti, idraulici e altri artigiani ”.

In effetti, poiché sono i manager e non i lavoratori nel loro insieme a introdurre l’intelligenza artificiale per sostituire il lavoro umano, stanno già rimuovendo lavoratori qualificati dai lavori che svolgono bene senza necessariamente migliorare l’efficienza e il benessere per tutti.  Come ha affermato un commentatore: “Voglio che l’IA faccia il mio bucato e i miei piatti in modo che io possa fare arte e scrivere, non che l’IA faccia la mia arte e la mia scrittura in modo che io possa lavare il bucato e i piatti”.  I manager stanno introducendo l’intelligenza artificiale per “semplificare i problemi gestionali a scapito di cose per le quali molte persone non pensano che l’intelligenza artificiale dovrebbe essere utilizzata, come il lavoro creativo… Se l’intelligenza artificiale deve funzionare, deve venire dal basso in su, altrimenti l’intelligenza artificiale sarà inutile per la stragrande maggioranza delle persone sul posto di lavoro ”.

L’intelligenza artificiale salverà le principali economie consentendo un grande balzo in avanti in termini di produttività? Tutto dipende da dove e come viene applicata l’intelligenza artificiale. Uno  studio di PwC  ha rilevato che la crescita della produttività è stata quasi cinque volte più rapida nelle aree dell’economia in cui la penetrazione dell’IA era più elevata rispetto ai settori meno esposti. Barret Kupelian, capo economista di PwC UK, ha dichiarato : “I nostri risultati mostrano che l’intelligenza artificiale ha il potere di creare nuove industrie, trasformare il mercato del lavoro e potenzialmente aumentare i tassi di crescita della produttività. In termini di impatto economico, stiamo vedendo solo la punta dell’iceberg: attualmente, i nostri risultati suggeriscono che l’adozione dell’intelligenza artificiale è concentrata in alcuni settori dell’economia, ma una volta che la tecnologia migliora e si diffonde in altri settori dell’economia, il potenziale futuro potrebbe essere trasformativo”.

Gli economisti dell’OCSE non sono così sicuri che sia giusto.  In un documento si pongono il problema : “quanto tempo richiederà l’applicazione dell’IA nei settori dell’economia? L’adozione dell’intelligenza artificiale è ancora molto bassa, con meno del 5% delle aziende che segnalano l’uso di questa tecnologia negli Stati Uniti (Census Bureau 2024). Se messa in prospettiva rispetto al percorso di adozione delle precedenti tecnologie di uso generale (ad esempio, computer ed elettricità) che hanno impiegato fino a 20 anni per essere completamente diffuse, l’IA ha molta strada da fare prima di raggiungere gli elevati tassi di adozione necessari per individuare guadagni macroeconomici”.

“I risultati a livello micro o industriale colgono principalmente gli impatti sui primi utilizzatori e su compiti molto specifici e probabilmente indicano effetti a breve termine. L’impatto a lungo termine dell’intelligenza artificiale sulla crescita della produttività a livello macro dipenderà dalla portata del suo utilizzo e dalla sua integrazione riuscita nei processi aziendali ”. Gli economisti dell’OCSE sottolineano che ci sono voluti 20 anni perché le tecnologie all’avanguardia come l’energia elettrica o il PC si “diffondessero” abbastanza da fare la differenza. Ciò significherebbe il 2040 per l’intelligenza artificiale.

Inoltre, l’intelligenza artificiale, sostituendo la manodopera in settori più produttivi e ad alta intensità di conoscenza, potrebbe causare “un eventuale calo delle quote di occupazione di questi settori (che) agirebbe come un freno alla crescita della produttività aggregata”. 

E facendo eco ad alcune delle argomentazioni di Acemoglu, gli economisti dell’OCSE suggeriscono che “l’intelligenza artificiale pone minacce significative alla concorrenza di mercato e alla disuguaglianza che potrebbero pesare sui suoi potenziali benefici, direttamente o indirettamente, spingendo misure politiche preventive per limitarne lo sviluppo e l’adozione”.

E poi c’è il costo degli investimenti. Anche solo ottenere l’accesso all’infrastruttura fisica necessaria per l’intelligenza artificiale su larga scala può essere una sfida. Il tipo di sistemi informatici necessari per eseguire un’intelligenza artificiale per la ricerca sui farmaci antitumorali richiede in genere tra i due e i tremila chip di computer più recenti. Il costo del solo hardware del computer potrebbe facilmente arrivare a oltre 60 milioni di dollari (48 milioni di sterline), anche prima dei costi per altri elementi essenziali come l’archiviazione dei dati e la rete. Una grande banca, un’azienda farmaceutica o un produttore potrebbero avere le risorse per acquistare la tecnologia di cui hanno bisogno per sfruttare l’intelligenza artificiale più recente, ma che dire di un’azienda più piccola?

Quindi, contrariamente alla visione convenzionale e molto più in linea con la teoria marxista, l’introduzione degli investimenti nell’intelligenza artificiale non porterà a un deprezzamento delle immobilizzazioni (capitale costante in termini marxisti) e quindi a una diminuzione del rapporto tra i costi delle immobilizzazioni e il lavoro, ma il contrario (cioè una crescente composizione organica del capitale). E ciò significa un’ulteriore pressione al ribasso sulla redditività media nelle principali economie.

E c’è l’impatto sul riscaldamento globale e sul consumo di energia.  I modelli linguistici di grandi dimensioni come ChatGPT sono alcune delle tecnologie che consumano più energia in assoluto.   La ricerca suggerisce, ad esempio, che circa  700.000 litri di acqua  avrebbero potuto essere utilizzati per raffreddare le macchine che hanno addestrato ChatGPT-3 nelle strutture dati di Microsoft. Addestrare modelli di intelligenza artificiale consuma 6.000 volte più energia di una città europea. Inoltre, sebbene minerali come il litio e il cobalto siano più comunemente associati alle batterie nel settore automobilistico, sono  fondamentali anche per le batterie  utilizzate nei data center. Il processo di estrazione spesso comporta un consumo significativo di acqua e può portare all’inquinamento, minando la sicurezza idrica.

Grid Strategies, una società di consulenza, prevede una crescita della domanda di elettricità negli Stati Uniti del 4,7% nei prossimi cinque anni, quasi raddoppiando la sua proiezione rispetto all’anno precedente. Uno studio condotto dall’Electric Power Research Institute ha rilevato che i data center costituiranno il 9% della domanda di energia negli Stati Uniti entro il 2030, più del doppio dei livelli attuali.

Questa prospettiva sta già portando a un rallentamento dei piani di dismissione delle centrali a carbone a causa dell’aumento della domanda di energia da parte dell’intelligenza artificiale.

Forse questi investimenti e costi energetici possono essere ridotti con i nuovi sviluppi dell’intelligenza artificiale. L’azienda tecnologica svizzera Final Spark ha lanciato Neuroplatform, la prima piattaforma di bioprocessamento al mondo in cui gli organoidi del cervello umano (versioni miniaturizzate di organi coltivate in laboratorio) eseguono compiti computazionali al posto dei chip di silicio. La prima struttura di questo tipo ospita l’abilità di elaborazione di 16 organoidi cerebrali, che secondo l’azienda utilizzano un milione di volte meno energia rispetto alle loro controparti in silicio. Questo è uno sviluppo spaventoso in un certo senso: il cervello umano! Ma fortunatamente la strada verso l’attuazione è ancora lunga. A differenza dei chip di silicio, che possono durare anni, se non decenni, gli “organoidi” durano solo 100 giorni prima di “morire”.

Contrariamente agli economisti GS, quelli alla frontiera dello sviluppo dell’IA sono molto meno ottimisti riguardo al suo impatto. Demis Hassabis, capo della divisione di ricerca sull’intelligenza artificiale di Google, afferma: “La più grande promessa dell’intelligenza artificiale è proprio questa: una promessa. Restano irrisolti due problemi fondamentali. Il primo prevede la creazione di modelli di intelligenza artificiale addestrati su dati storici, in grado di comprendere qualunque nuova situazione si trovino e di rispondere in modo appropriato. L’ intelligenza artificiale deve essere in grado di “comprendere e rispondere al nostro mondo complesso e dinamico, proprio come facciamo noi”.

Ma l’intelligenza artificiale può farlo? Nel mio precedente articolo sull’intelligenza artificiale, ho sostenuto che l’intelligenza artificiale non può davvero sostituire l’intelligenza umana. E Yann LeCun, capo scienziato dell’intelligenza artificiale presso Meta, il colosso dei social media che possiede Facebook e Instagram, è d’accordo. Ha affermato che gli LLM hanno “una comprensione molto limitata della logica”. . . non comprendono il mondo fisico, non hanno memoria persistente, non riescono a ragionare in alcuna definizione ragionevole del termine e non sanno pianificare. . . gerarchicamente ”. Gli LLM erano modelli che imparavano solo quando gli ingegneri umani intervenivano per addestrarli su tali informazioni, piuttosto che l’intelligenza artificiale che giungeva a una conclusione in modo organico come le persone. “Certamente alla maggior parte delle persone sembra un ragionamento, ma soprattutto si tratta di sfruttare la conoscenza accumulata da molti dati di addestramento.”  Aron Culotta, professore associato di informatica alla Tulane University, la mette in un altro modo. “Il buon senso è stato a lungo una spina nel fianco dell’intelligenza artificiale” e che era difficile insegnare la causalità ai modelli, lasciandoli “suscettibili a fallimenti inaspettati ”.

Disponibile in Amazon e IBS.it Libreria onlinehttps://www.asterios.it/catalogo/la-mente-umana-e-la-mente-artificiale

Noam Chomsky ha riassunto i limiti dell’intelligenza artificiale rispetto all’intelligenza umana. “La mente umana non è come ChatGPT e i suoi simili, un goffo motore statistico per la corrispondenza di modelli, che si rimpinza di centinaia di terabyte di dati ed estrapola la risposta conversazionale più probabile o la risposta più probabile a una domanda scientifica. Al contrario, la mente umana è un sistema sorprendentemente efficiente e perfino elegante che opera con piccole quantità di informazioni; non cerca di inferire correlazioni brute tra i dati ma di creare spiegazioni. Smettiamola di chiamarla intelligenza artificiale e chiamiamola per quello che è ‘software di plagio’ perché non crea nulla ma copia opere esistenti, di artisti, modificandole quanto basta per sfuggire alle leggi sul copyright.”

Questo mi porta a quella che potrei chiamare la sindrome di Altman. L’intelligenza artificiale sotto il capitalismo non è un’innovazione che mira ad estendere la conoscenza umana e ad alleviare l’umanità dalla fatica. Per gli innovatori capitalisti come Sam Altman, l’innovazione è finalizzata alla realizzazione di profitti.  Sam Altman, il fondatore di OpenAI, è stato rimosso dal controllo della sua azienda l’anno scorso perché altri membri del consiglio ritenevano che volesse trasformare OpenAI in un’enorme operazione di guadagno sostenuta da grandi imprese (Microsoft è l’attuale finanziatore), mentre il resto del consiglio ha continuato a considerare OpenAI come un’operazione senza scopo di lucro che mira a diffondere i vantaggi dell’intelligenza artificiale a tutti con adeguate garanzie in materia di privacy, supervisione e controllo. Altman aveva sviluppato un ramo d’affari “a scopo di lucro”, consentendo all’azienda di attrarre investimenti esterni e commercializzare i propri servizi. Altman riprese presto il controllo quando Microsoft e altri investitori brandirono il testimone sul resto del consiglio. OpenAI non è più aperto.

Le macchine non possono pensare a cambiamenti potenziali e qualitativi. La nuova conoscenza deriva da tali trasformazioni (umane), non dall’estensione della conoscenza esistente (macchine). Solo l’intelligenza umana è sociale e può vedere il potenziale di cambiamento, in particolare sociale, che porta a una vita migliore per l’umanità e la natura. Invece di sviluppare l’intelligenza artificiale per realizzare profitti, ridurre i posti di lavoro e i mezzi di sussistenza degli esseri umani, l’intelligenza artificiale con proprietà e pianificazione comuni potrebbe ridurre le ore di lavoro umano per tutti e liberare gli esseri umani dalla fatica per concentrarsi sul lavoro creativo che solo l’intelligenza umana può offrire.

Michael Roberts è un economista marxista. E’ autore di the Long Depression: Marxism and the Global Crisis of Capitalism, 2016. Asterios ha pubblicato nel 2020 La teoria della moneta moderna, a cura di Antonio Pagliarone.

https://www.asterios.it/catalogo/la-teoria-della-moneta-moderna

---