Οι ηθικές προκλήσεις της τεχνητής νοημοσύνης

Η generative AI μεταμορφώνει τη δουλειά και τις κοινωνικές δομές. Με την ταχύτατη υιοθέτηση της τεχνολογίας να προκαλεί ευκαιρίες και κινδύνους,εξηγεί στα «ΝΕΑ» οDan Sack, παγκόσμιος επικεφαλής του Center for Responsible Generative AI της BCG. Κατά τη διάρκεια της συζήτησης, διαλύει μύθους, όπως ότι η πρόοδος έχει σταματήσει, και παρουσιάζει πώς η νέα γενιά AI μπορεί να δράσει αυτόνομα. Η συνέντευξη εξετάζει επίσης πώς η εκμάθηση μηχανώνκαι η κριτική σκέψη γίνονται πιο σημαντικές από ποτέ. Η σύζευξη αυτή δημιουργεί την ανάγκη για νέες δεξιότητες που θα διαμορφώσουν το μέλλον της εργασίας.

Τι είναι η generative AI; Με απλά λόγια,είναι μια υποκατηγορία της τεχνητής νοημοσύνης που έχει τη δυνατότητα να δημιουργεί νέο περιεχόμενο, όπως κείμενα, εικόνες, ήχοι και βίντεο, με βάση δεδομένα και προτροπές που παρέχονται από τον χρήστη. Σε αυτή την τεχνολογία στηρίζονται τοChatGPT και το Gemini της Google για τη συγγραφή κειμένων και την παροχή πληροφοριών. Επίσης, χρησιμοποιείται στη σχεδίαση και ειδικάστη βιομηχανία για την ανάπτυξη προϊόντων και την ανάλυση δεδομένων. Ακόμα, τη συναντάμε στην υγειονομική περίθαλψη, καθώς βοηθά στην ανάλυση κλινικών δοκιμών και στην ανακάλυψη νέων φαρμάκων.

Γιατί η «υπεύθυνη τεχνητή νοημοσύνη» είναι ένα τόσο έντονα συζητούμενο θέμα αυτή τη στιγμή;

Η generative AI και τα όλο και πιο αυτόνομα συστήματα που βασίζονται σε αυτήν αποτελούν μία από τις πιο γρήγορα υιοθετούμενες τεχνολογίες στην πρόσφατη ιστορία. Με τη δυνατότητα να διαταράξουν κλάδους και να μετασχηματίσουν την εργασία, δεν προκαλεί έκπληξη που η συζήτηση είναι έντονη. Υπάρχουν, όμως, και βαθύτερα ζητήματα. Συχνά αναφερόμαστε στις αξίες και στον σκοπό μέσα στους οργανισμούς. Αλλά για ποιεςαξίες μιλάμε και για ποιο σκοπό;Οταν η τεχνολογία αυτή αναλαμβάνει ανθρώπινους ρόλους, όπως η συνεργασία ή η ανάθεση καθηκόντων, γεννιούνται ερωτήματα που άπτονται της ηθικής.

Επιπλέον, τα θεμελιώδη μοντέλαείναι διαφορετικά από προηγούμενες τεχνολογίες. Παρότι κατανοούμε τον κώδικα και τα μαθηματικά στη θεωρία, στην πράξη είναι τόσο μεγάλα και πολύπλοκα που ακόμη και οι δημιουργοί τους δεν μπορούν να εξηγήσουν πλήρως τα αποτελέσματά τους. Αυτό κάνει τη συμπεριφορά τους να μοιάζει πιο «ανθρώπινη». Οπως συζητάμε για τις ανθρώπινες αποφάσεις, το ίδιο πρέπει να κάνουμε και για την AI. Η διακυβέρνηση αυτής της τεχνολογίας πλησιάζει τις κοινωνικές επιστήμες αντί της επιστήμης υπολογιστών.

Ποιες είναι οι μεγαλύτερες παρανοήσεις σχετικά με την τεχνητή νοημοσύνη που συναντάτε;

Υπάρχουν τρεις βασικές παρανοήσεις: πρώτον, «η πρόοδος έχει σταματήσει». Η αρχική έξαρση του ενδιαφέροντος για την AI μπορεί να έχει μειωθεί, αλλά τα συστήματα που έρχονται είναι εντυπωσιακά. Αυτά τα συστήματα θα επιτρέπουν στην AI να ενεργεί αυτόνομα, χρησιμοποιώντας εργαλεία και να συντονίζεται με άλλους ενδιάμεσους. Σε εφαρμογές όπως ο σχεδιασμός εφοδιαστικής αλυσίδας, ακόμη και αρχάριοι χρήστες λαμβάνουν αποφάσεις ποιότητας ειδικών πολύ γρήγορα. Αυτές οι εξελίξεις αναμένεται να ενταθούν σύντομα.

Δεύτερον, «πρέπει να εκπαιδεύσουμε τα μοντέλα με τα δεδομένα μας». Για πρώτη φορά, δεν είναι αναγκαίο. Τα μοντέλα σήμερα μπορούν να είναι αποτελεσματικά αμέσως, σαν έναν νέο αλλά έμπειρο υπάλληλο, χωρίς να απαιτείται εκπαίδευση ή προσαρμογή. Η παροχή του κατάλληλου πλαισίου στο μοντέλο είναι πιο σημαντική από την εκπαίδευση στα δεδομένα μας. Τρίτον, «garbage in, garbage out, δηλαδή βάζεις σκουπίδια, παίρνεις σκουπίδια». Αν προσπαθήσετε να τελειοποιήσετε την πλατφόρμα δεδομένων σας πριν χρησιμοποιήσετε την AI, πιθανόν να χάσετε πολύτιμο χρόνο. Αντί να επιδιώκετε την τελειότητα, εστιάστε σε αποτελέσματα υψηλής αξίας και βελτιώστε την πορεία σας αναλόγως.

Πώς βλέπετε την τεχνητή νοημοσύνη να επηρεάζει τη μελλοντική αγορά εργασίας και ποιες δεξιότητες θα έχουν μεγαλύτερη ζήτηση;

Το BCG Henderson Institute διεξήγαγε εκτεταμένα πειράματα για τη χρήση της generative AIστην εργασία, αποκαλύπτοντας ότι αυξάνει την αποδοτικότητα και διευρύνει τις δεξιότητες των εργαζομένων πέρα από την παραδοσιακή εκπαίδευση. Η AI μειώνει την ανάγκη για στενές δεξαμενές ταλέντων και προσφέρει ευκολότερη πρόσβαση σε νέους ρόλους, αυξάνοντας την επαγγελματική κινητικότητα.

Μια ενδιαφέρουσα διαπίστωση ήταν ότι όσοι γνωρίζουν κώδικα, δηλαδή να γράφουν προγράμματα με κάποιον κώδικα, συνεργάζονται καλύτερα με την AI, ακόμη και όταν δεν απαιτείται κωδικοποίηση. Η εκμάθηση κώδικα φαίνεται να καλλιεργεί τη λογική σκέψη, που είναι πολύτιμη στην αλληλεπίδραση με την AI. Πρέπει να επενδύσουμε στην εκπαίδευση που ενισχύει την κριτική σκέψη και την προσαρμοστικότητα για να εξασφαλίσουμε ένα βιώσιμο μέλλον εργασίας.