Indignatie redactie 
Argumenten voor voorzichtigheid te midden van de steeds sneller wordende mogelijkheden van AI
AI In een veelbesproken essay op X, getiteld ” Something Big Is Happening “, schrijft Matt Schumer dat de wereld een “vroege Covid”-periode voor kunstmatige intelligentie doormaakt. De oprichter en CEO van OthersideAI betoogt dat AI is geëvolueerd van een nuttige assistent naar een algemene cognitieve vervanger. Sterker nog, AI helpt nu bij het bouwen van betere versies van zichzelf. Systemen die de meeste menselijke expertise kunnen evenaren, zouden binnenkort beschikbaar kunnen zijn.
Hoewel experts weten dat ingrijpende veranderingen snel op komst zijn, zullen gewone mensen erdoor overrompeld worden. Om bij de metafoor van de pandemie te blijven: Tom Hanks staat op het punt ziek te worden.
Tussen het essay van Schumer en het ontslag van Mrinank Sharma – hij leidde het veiligheidsteam van Anthropic en publiceerde een nogal vage afscheidsbrief waarin hij waarschuwde dat “de wereld in gevaar is” door “onderling verbonden crises”, terwijl hij suggereerde dat het bedrijf “constant onder druk staat om opzij te zetten wat het belangrijkst is”, zelfs terwijl het een waardering van 350 miljard dollar nastreeft – tja… sommige mensen beginnen zich zorgen te maken. Of, preciezer gezegd, de mensen die zich al grote zorgen maakten over AI, maken zich nu nóg meer zorgen.
Kijk, is het mogelijk dat AI-modellen binnenkort onbetwistbaar aan diverse definities van “zwakke AGI” voldoen – op zijn minst? Veel technologen, om nog maar te zwijgen van voorspellingsmarkten, suggereren van wel. (Maar ter realiteit houd ik de uitspraak van Google DeepMind CEO Demis Hassabis in gedachten, dat we nog één of twee technologische doorbraken van het niveau van AlphaGo nodig hebben om AGI te bereiken.)
Maar in plaats van technologische vooruitgang te bespreken – en ik heb er alle vertrouwen in dat generatieve AI een krachtige, algemeen toepasbare technologie is – laten we het liever hebben over enkele fundamentele knelpunten en beperkingen uit de economische wereld in plaats van de computerwetenschappen:
⏸️ De lange weg van demo naar implementatie. De sprong van “AI-modellen zijn indrukwekkend, zelfs indrukwekkender dan je denkt” naar “alles staat op het punt te veranderen” vereist dat we negeren hoe economieën nieuwe technologieën daadwerkelijk absorberen. Het duurde decennia voordat fabrieken werden aangepast aan elektrificatie. Het internet veranderde de detailhandel niet van de ene op de andere dag.
Momenteel is minder dan een op de vijf Amerikaanse bedrijven actief op het gebied van AI. De implementatie ervan in grote, gereguleerde en risicomijdende instellingen vereist aanzienlijke aanvullende investeringen in data-infrastructuur, procesherontwerp, compliance-kaders en omscholing van werknemers. (Economen noemen dit de productiviteits-J-curve .) Sterker nog, investeringen in de beginfase kunnen de gemeten output zelfs drukken voordat er zichtbare winst wordt geboekt.
⏸️ Rijker betekent niet altijd drukker . Laten we de optimisten – en ik beschouw mezelf zeker als behoorlijk optimistisch – hun aanname over de snel voortschrijdende mogelijkheden van AI even voor lief nemen.
De productiviteit explodeert nog steeds niet van de ene op de andere dag. Rijkere samenlevingen kiezen historisch gezien voor meer vrije tijd – eerder met pensioen gaan, kortere werkweken – en niet voor meer tijd op kantoor of in de fabriek. Econoom Dietrich Vollrath heeft erop gewezen dat een hogere productiviteit niet automatisch leidt tot snellere groei als huishoudens reageren door minder arbeid te leveren. De welvaart kan aanzienlijk stijgen, terwijl de groei van het bbp relatief bescheiden blijft.
⏸️ De traagste sector bepaalt de snelheid. Zelfs als AI sommige diensten veel goedkoper maakt, groeit de vraag niet onbeperkt. De uitgaven verschuiven naar sectoren die zich verzetten tegen automatisering – gezondheidszorg, onderwijs, persoonlijke ervaringen – waar de output nauwer verbonden is aan de tijd die mensen eraan besteden. ( Dit is het bekende “Baumol-effect” of “kostenziekte”.) Naarmate de lonen in de hele economie stijgen, eisen arbeidsintensieve sectoren met een zwakke productiviteitsgroei een groter deel van het inkomen op.
Het resultaat: zelfs spectaculaire AI-winsten leiden mogelijk slechts tot een matige groei van de algehele productiviteit.
⏸️ De smalste pijp van de economie. In een systeem dat is opgebouwd uit vele complementaire onderdelen, legt econoom Charles Jones uit, bepaalt de smalste pijp de stroom. AI kan het coderen, ontwerpen en onderzoek zo snel mogelijk versnellen.
Maar als de energie-infrastructuur, het fysieke kapitaal, de wettelijke goedkeuringen of de menselijke besluitvorming zich in een normaal tempo ontwikkelen, vormen die beperkingen de belemmeringen voor de groei van de hele economie.
Economieën zijn adaptieve, complexe, wonderbaarlijke systemen. Ze creëren de fysieke objecten die complexe informatie belichamen en accumuleren – wat econoom Cesar Hidalgo elegant “kristallen van verbeelding” noemt. En wanneer ze veranderen, passen ze zich aan door geleidelijke reorganisatie en herverdeling, niet door een plotselinge ineenstorting of een razendsnelle groei. Dat zou in principe je uitgangspunt moeten zijn.
Nu is een zekere mate van urgentie wellicht gerechtvaardigd. (Shumers advies om nu de meest geavanceerde AI-tools te omarmen en in je dagelijkse werk te integreren, lijkt verstandig.) Paniekzaaiende vergelijkingen met begin 2020 zijn waarschijnlijk niet op hun plaats.
