Τεχνητή νοημοσύνη για τους φτωχούς
Στις φτωχές χώρες, το μεγάλο ερώτημα δεν είναι το πώς η τεχνητή νοημοσύνη θα επηρεάσει εκατομμύρια εργαζόμενους, αλλά το πώς δισεκατομμύρια άνθρωποι θα χρησιμοποιήσουν την τεχνητή νοημοσύνη. Οι πιο μετασχηματιστικές εφαρμογές στον αναπτυσσόμενο κόσμο δεν θα είναι πιθανότατα εκείνες που θα αντικαταστήσουν τους ανθρώπους˙ θα είναι εκείνες που θα ανοίξουν νέες δυνατότητες για τους ανθρώπους.
Ο DANIEL BJÖRKEGREN είναι επίκουρος Καθηγητής Διεθνών και Δημοσίων Υποθέσεων στο Πανεπιστήμιο Κολούμπια.
- previous-disabled
- Page 1of 4
- next
Μεταξύ των ελίτ στις πλούσιες χώρες, έχει επικρατήσει μια ανησυχία για την τεχνητή νοημοσύνη (artificial intelligence, ΑΙ): οι μηχανές θα πάρουν τις δουλειές μας. Με την εκρηκτική δημοτικότητα του ChatGPT, του εντυπωσιακά αληθοφανούς chatbot, πολλοί στην Δύση έχουν αρχίσει να φοβούνται ότι δεν είναι μόνο οι οδηγοί φορτηγών και οι εργάτες συναρμολόγησης που κινδυνεύουν να αντικατασταθούν από ρομπότ, αλλά και οι υψηλά αμειβόμενοι εργαζόμενοι στην γνώση. Λογιστές, αναλυτές δεδομένων, προγραμματιστές, οικονομικοί σύμβουλοι, δικηγόροι, ακόμη και σεναριογράφοι του Χόλιγουντ -όλοι ανησυχούν τώρα ότι η τεχνητή νοημοσύνη θα τους αφήσει άνεργους.
Μαθητές παρακολουθούν μάθημα στην Abuja, στη Νιγηρία, τον Φεβρουάριο του 2022. Afolabi Sotunde / Reuters
-----------------------------------------------------
Αλλά η επίδραση της τεχνητής νοημοσύνης στις περίπου 100 χώρες και στα περισσότερα από τέσσερα δισεκατομμύρια ανθρώπους στον αναπτυσσόμενο κόσμο είναι πιθανό να είναι πολύ διαφορετική. Οι χώρες με χαμηλότερο εισόδημα απασχολούν πολύ λιγότερους εργαζόμενους γνώσης και μεγαλύτερο ποσοστό του πληθυσμού τους εργάζεται σε τομείς που δεν είναι τόσο εύκολα αυτοματοποιήσιμοι, ιδίως στην γεωργία. Στις φτωχές χώρες, το μεγάλο ερώτημα δεν είναι το πώς η τεχνητή νοημοσύνη θα επηρεάσει εκατομμύρια εργαζόμενους, αλλά το πώς δισεκατομμύρια άνθρωποι θα χρησιμοποιήσουν την τεχνητή νοημοσύνη. Οι πιο μετασχηματιστικές εφαρμογές στον αναπτυσσόμενο κόσμο δεν θα είναι πιθανότατα εκείνες που θα αντικαταστήσουν τους ανθρώπους˙ θα είναι εκείνες που θα ανοίξουν νέες δυνατότητες για τους ανθρώπους.
Μέχρι στιγμής, σχεδόν όλες οι συζητήσεις για το πώς θα υποστηριχθεί η τεχνητή νοημοσύνη και πώς θα μετριαστούν οι κίνδυνοί της επικεντρώνονται στις πλούσιες χώρες, στις οποίες εδρεύουν οι εταιρείες και τα πανεπιστήμια που εργάζονται πάνω στην τεχνολογία. Αλλά επειδή οι επιπτώσεις της ΑΙ -καλές και κακές- θα εξελιχθούν διαφορετικά στις φτωχές χώρες, οι επενδύσεις και οι κανονισμοί που χρειάζονται αυτές οι χώρες είναι επίσης πιθανό να είναι διαφορετικοί. Φιλόσοφοι, οικονομολόγοι, και τεχνολόγοι έχουν ξοδέψει ατελείωτο μελάνι μελετώντας το μέλλον της τεχνητής νοημοσύνης στον ανεπτυγμένο κόσμο. Τώρα ήρθε η ώρα να σκεφτούμε μια ατζέντα για την τεχνητή νοημοσύνη για όλους τους άλλους.
ΜΗΧΑΝΙΚΗ ΔΥΝΑΜΗ
Η μηχανική μάθηση έχει ήδη αγγίξει τις ζωές των φτωχών του κόσμου. Σκεφτείτε τις εξελίξεις στον τομέα των πιστώσεων. Πολλοί φτωχοί άνθρωποι δεν έχουν οικονομικό ιστορικό και πιστωτική βαθμολογία και, ως εκ τούτου, έχουν μικρή πρόσβαση σε επίσημα δάνεια. Το 2010, πρότεινα έναν τρόπο δημιουργίας εναλλακτικών πιστωτικών βαθμολογιών, χρησιμοποιώντας μηχανική μάθηση για την εξαγωγή συμπερασμάτων σχετικά με την πιθανότητα αποπληρωμής από δεδομένα που συλλέγονται αυτόματα από δίκτυα κινητής τηλεφωνίας. Αυτή η μέθοδος είναι πλέον μια από τις πολλές που έχουν χρησιμοποιήσει δανειστές σε δεκάδες χώρες για να προσφέρουν μικρά δάνεια μέσω κινητού τηλεφώνου σε εκατομμύρια ανθρώπους. Άλλοι ερευνητές εφαρμόζουν τη μηχανική μάθηση στο ίδιο είδος δεδομένων για να εντοπίσουν ποια νοικοκυριά σε μια δεδομένη περιοχή είναι τα φτωχότερα, έτσι ώστε η βοήθεια να είναι έξυπνα στοχευμένη κατά την διάρκεια μιας κρίσης. Άλλοι πάλι την εφαρμόζουν σε δορυφορικές εικόνες, βελτιώνοντας τις πληθυσμιακές εκτιμήσεις με βάση τα μοτίβα των ανθρώπινων οικισμών και προβλέποντας ελλείψεις τροφίμων με βάση τα μοτίβα της βλάστησης. Τέτοια προγράμματα αναδεικνύουν μια ιδιαίτερη αξία της τεχνητής νοημοσύνης στον αναπτυσσόμενο κόσμο: σε περιβάλλοντα χαμηλής πληροφόρησης, η μηχανική μάθηση μπορεί να αντλήσει σήματα από νέες πηγές δεδομένων (data).
Οι δυνατότητες δεν σταματούν εδώ. Σκεφτείτε την σχολική εκπαίδευση. Τα περισσότερα εκπαιδευτικά συστήματα στις αναπτυσσόμενες χώρες δυσκολεύονται να παρέχουν ποιοτική διδασκαλία. Εξατομικευμένοι δάσκαλοι τεχνητής νοημοσύνης -chatbots με ατελείωτη υπομονή- ίσως κάποτε καλύψουν τις ανάγκες των περίεργων μαθητών σε απομακρυσμένα σχολεία. Θα μπορούσαν επίσης να βοηθήσουν τους επαγγελματίες να κάνουν την μετάβαση μεταξύ των δεξιοτήτων τους -επιτρέποντας, ας πούμε, στους εργάτες επισκευών να αυξήσουν τις δεξιότητές τους και να μάθουν μηχανική. Ή ας δούμε την υγεία. Σε μεγάλο μέρος του αναπτυσσόμενου κόσμου, είναι δύσκολο να δοθούν έγκυρες ιατρικές συμβουλές˙ τα συστήματα που λειτουργούν με τεχνητή νοημοσύνη θα μπορούσαν να προσφέρουν καλύτερες και ευρύτερα διαθέσιμες διαγνώσεις. Πολλές κοινότητες έχουν υψηλά ποσοστά κατάθλιψης και λίγους θεραπευτές˙ ψηφιακά εργαλεία ψυχικής υγείας, όπως οι θεραπευτές chatbot, θα μπορούσαν να καλύψουν μια πραγματική ανάγκη με χαμηλό κόστος. Η τεχνητή νοημοσύνη θα μπορούσε να διαδραματίσει παρόμοιο ρόλο βοηθώντας τους ανθρώπους να περιηγηθούν στις γραφειοκρατίες. Ένας Ινδός επιχειρηματίας που θέλει να εισέλθει σε μια νέα αγορά, για παράδειγμα, ίσως κάποια μέρα να μπορεί να βασιστεί σε μια εφαρμογή με τεχνητή νοημοσύνη για να συμπληρώσει τις απαιτούμενες άδειες.
- previous-disabled
- Page 1of 4
- next