Por David Rotman en MIT Technology Review
Los nuevos modelos de lenguaje grande transformarán muchos trabajos. Que conduzcan o no a una prosperidad generalizada depende de nosotros.
Ya sea que se base en creencias alucinatorias o no, en los últimos meses ha comenzado una fiebre del oro de la inteligencia artificial para explotar las oportunidades comerciales anticipadas de los modelos de IA generativa como ChatGPT. Los desarrolladores de aplicaciones, las nuevas empresas respaldadas por empresas y algunas de las corporaciones más grandes del mundo se esfuerzan por dar sentido al sensacional bot generador de texto lanzado por OpenAI en noviembre pasado.
Prácticamente puedes escuchar los gritos de las oficinas de las esquinas de todo el mundo: “¿Cuál es nuestro juego ChatGPT? ¿Cómo ganamos dinero con esto?”.
Pero si bien las empresas y los ejecutivos ven una clara oportunidad de sacar provecho, el probable impacto de la tecnología en los trabajadores y la economía en general es mucho menos obvio. A pesar de sus limitaciones, entre las que destaca su propensión a inventar cosas, ChatGPT y otros modelos generativos de IA lanzados recientemente prometen automatizar todo tipo de tareas que antes se pensaba que pertenecían únicamente al ámbito de la creatividad y el razonamiento humanos, desde la escritura desde crear gráficos hasta resumir y analizar datos. Eso ha dejado a los economistas inseguros de cómo podrían verse afectados los empleos y la productividad general.
A pesar de todos los increíbles avances en IA y otras herramientas digitales durante la última década, su historial en mejorar la prosperidad y estimular el crecimiento económico generalizado es desalentador. Aunque algunos inversionistas y empresarios se han vuelto muy ricos, la mayoría de la gente no se ha beneficiado. Algunos incluso han sido automatizados fuera de sus puestos de trabajo.
El crecimiento de la productividad, que es la forma en que los países se vuelven más ricos y prósperos, ha sido pésimo desde alrededor de 2005 en los EE. UU. y en la mayoría de las economías avanzadas (el Reino Unido es un caso perdido en particular) . El hecho de que el pastel económico no esté creciendo mucho ha llevado a que los salarios de muchas personas se estanquen.
El crecimiento de la productividad que ha habido en ese tiempo se limita en gran medida a unos pocos sectores, como los servicios de información, y en los EE. UU. a unas pocas ciudades: piense en San José, San Francisco, Seattle y Boston.
¿Hará ChatGPT que la ya preocupante desigualdad de ingresos y riqueza en los EE. UU. y muchos otros países empeore aún más? ¿O podría ayudar? ¿Podría, de hecho, proporcionar un impulso muy necesario para la productividad?
ChatGPT, con sus habilidades de escritura similares a las humanas, y el otro lanzamiento reciente de OpenAI, DALL-E 2, que genera imágenes a pedido, usan modelos de lenguaje grandes entrenados en grandes cantidades de datos. Lo mismo ocurre con rivales como Claude de Anthropic y Bard de Google . Estos llamados modelos fundamentales, como GPT-3.5 de OpenAI, en el que se basa ChatGPT, o el modelo de lenguaje competidor de Google, LaMDA, que impulsa a Bard, han evolucionado rápidamente en los últimos años.
Cada vez son más potentes: se entrenan con cada vez más datos, y la cantidad de parámetros (las variables en los modelos que se ajustan) aumenta drásticamente. A principios de este mes, OpenAI lanzó su versión más reciente, GPT-4 . Si bien OpenAI no dirá exactamente cuánto más grande es, uno puede adivinar; GPT-3, con unos 175 mil millones de parámetros, era unas 100 veces más grande que GPT-2.
Pero fue el lanzamiento de ChatGPT a fines del año pasado lo que cambió todo para muchos usuarios. Es increíblemente fácil de usar y convincente en su capacidad para crear rápidamente texto similar al humano, incluidas recetas, planes de entrenamiento y, quizás lo más sorprendente, código de computadora. Para muchos no expertos, incluido un número cada vez mayor de empresarios y empresarios, el modelo de chat fácil de usar, menos abstracto y más práctico que los avances impresionantes pero a menudo esotéricos que se han estado gestando en la academia y en un puñado de empresas de alta tecnología en los últimos años. pocos años— es una clara evidencia de que la revolución de la IA tiene un potencial real.
Los capitalistas de riesgo y otros inversores están invirtiendo miles de millones en empresas basadas en IA generativa, y la lista de aplicaciones y servicios impulsados por grandes modelos de lenguaje crece cada día más.
Entre los grandes jugadores, Microsoft ha invertido $ 10 mil millones en OpenAI y su ChatGPT, con la esperanza de que la tecnología traiga nueva vida a su motor de búsqueda Bing y nuevas capacidades a sus productos de Office. A principios de marzo, Salesforce dijo que introducirá una aplicación ChatGPT en su popular producto Slack; al mismo tiempo, anunció un fondo de 250 millones de dólares para invertir en nuevas empresas de IA generativa . La lista continúa, desde Coca-Cola hasta GM . Todo el mundo tiene una obra de ChatGPT.
Mientras tanto, Google anunció que utilizará sus nuevas herramientas generativas de inteligencia artificial en Gmail , Docs y algunos de sus otros productos ampliamente utilizados.
Aún así, todavía no hay aplicaciones asesinas obvias. Y a medida que las empresas luchan por encontrar formas de usar la tecnología, los economistas dicen que se ha abierto una ventana poco común para repensar cómo obtener los mayores beneficios de la nueva generación de IA.
“Estamos hablando de un momento así porque puedes tocar esta tecnología. Ahora puedes jugar con él sin necesidad de saber programar. Mucha gente puede comenzar a imaginar cómo esto afecta su flujo de trabajo, sus perspectivas laborales”, dice Katya Klinova, jefa de investigación sobre IA, trabajo y economía en Partnership on AI en San Francisco.
“La pregunta es ¿quién se va a beneficiar? ¿Y quién se quedará atrás? dice Klinova, quien está trabajando en un informe que describe los impactos laborales potenciales de la IA generativa y brinda recomendaciones para usarla para aumentar la prosperidad compartida.
La visión optimista: demostrará ser una herramienta poderosa para muchos trabajadores, mejorando sus capacidades y experiencia, al tiempo que impulsará la economía en general. El pesimista: las empresas simplemente lo usarán para destruir lo que antes parecían trabajos a prueba de automatización, bien pagados que requieren habilidades creativas y razonamiento lógico; unas pocas empresas de alta tecnología y élites tecnológicas se enriquecerán aún más, pero hará poco por el crecimiento económico general.
Ayudar a los menos capacitados
La cuestión del impacto de ChatGPT en el lugar de trabajo no es solo teórica.
En el análisis más reciente, Tyna Eloundou, Sam Manning y Pamela Mishkin de OpenAI, con Daniel Rock de la Universidad de Pensilvania, descubrieron que los grandes modelos de lenguaje como GPT podrían tener algún efecto en el 80% de la fuerza laboral de EE. UU . Además, estimaron que los modelos de IA, incluidos GPT-4 y otras herramientas de software anticipadas, afectarían en gran medida al 19% de los trabajos, con al menos el 50% de las tareas en esos trabajos «expuestos». A diferencia de lo que vimos en oleadas anteriores de automatización, los trabajos de mayores ingresos serían los más afectados, sugieren. Algunas de las personas cuyos trabajos son más vulnerables: escritores, diseñadores web y digitales, analistas cuantitativos financieros y, en caso de que esté pensando en un cambio de carrera, ingenieros de blockchain.
“No hay duda de que [la IA generativa] se utilizará, no es solo una novedad”, dice David Autor, economista laboral del MIT y experto líder en el impacto de la tecnología en los empleos. “Los bufetes de abogados ya lo están utilizando, y ese es solo un ejemplo. Abre una gama de tareas que se pueden automatizar”.
Autor ha pasado años documentando cómo las tecnologías digitales avanzadas han destruido muchos trabajos administrativos rutinarios y de fabricación que alguna vez pagaron bien. Pero dice que ChatGPT y otros ejemplos de IA generativa han cambiado el cálculo.
Anteriormente, AI había automatizado algunos trabajos de oficina, pero eran esas tareas rutinarias paso a paso las que podían codificarse para una máquina. Ahora puede realizar tareas que hemos visto como creativas, como escribir y producir gráficos. “Es bastante evidente para cualquiera que esté prestando atención que la IA generativa abre la puerta a la informatización de muchos tipos de tareas que consideramos que no se automatizan fácilmente”, dice.
La preocupación no es tanto que ChatGPT genere un desempleo a gran escala (como señala Autor, hay muchos puestos de trabajo en los EE. UU.), sino que las empresas reemplazarán los trabajos administrativos relativamente bien pagados con esta nueva forma de automatización. enviar a esos trabajadores a empleos de servicios peor pagados mientras que los pocos que están mejor capacitados para explotar la nueva tecnología cosechan todos los beneficios.
En este escenario, los trabajadores y las empresas expertos en tecnología podrían adoptar rápidamente las herramientas de IA, volviéndose mucho más productivos que dominan sus lugares de trabajo y sus sectores. Para empezar, aquellos con menos habilidades y poca perspicacia técnica se quedarían más atrás.
Pero Autor también ve un posible resultado más positivo: la IA generativa podría ayudar a una amplia franja de personas a adquirir las habilidades para competir con aquellos que tienen más educación y experiencia.
Uno de los primeros estudios rigurosos realizados sobre el impacto en la productividad de ChatGPT sugiere que tal resultado podría ser posible.
Dos estudiantes de posgrado en economía del MIT, Shakked Noy y Whitney Zhang, realizaron un experimento en el que participaron cientos de profesionales con educación universitaria que trabajaban en áreas como marketing y recursos humanos; pidieron a la mitad que usara ChatGPT en sus tareas diarias y a los demás que no. ChatGPT aumentó la productividad general (lo que no sorprende demasiado), pero aquí está el resultado realmente interesante: la herramienta de IA ayudó más a los trabajadores menos calificados y exitosos, reduciendo la brecha de rendimiento entre los empleados. En otras palabras, los escritores pobres mejoraron mucho; los buenos escritores simplemente se volvieron un poco más rápidos.
Los hallazgos preliminares sugieren que ChatGPT y otras IA generativas podrían, en la jerga de los economistas, «mejorar las habilidades» de las personas que tienen problemas para encontrar trabajo. Hay muchos trabajadores experimentados que están «en barbecho» después de haber sido desplazados de trabajos de oficina y manufactura en las últimas décadas, dice Autor. Si la IA generativa se puede utilizar como una herramienta práctica para ampliar su experiencia y brindarles las habilidades especializadas requeridas en áreas como la atención médica o la enseñanza, donde hay muchos puestos de trabajo, podría revitalizar nuestra fuerza laboral.
Determinar qué escenario gana requerirá un esfuerzo más deliberado para pensar en cómo queremos explotar la tecnología.
“No creo que debamos tomarlo ya que la tecnología está suelta en el mundo y debemos adaptarnos a ella. Debido a que está en proceso de creación, se puede usar y desarrollar de varias maneras”, dice Autor. “Es difícil exagerar la importancia de diseñar para qué sirve”.
En pocas palabras, nos encontramos en una coyuntura en la que los trabajadores menos calificados podrán asumir cada vez más lo que ahora se considera trabajo del conocimiento, o los trabajadores del conocimiento más talentosos aumentarán radicalmente sus ventajas existentes sobre todos los demás. El resultado que obtengamos depende en gran medida de cómo los empleadores implementen herramientas como ChatGPT. Pero la opción más esperanzadora está a nuestro alcance.
Más allá de lo humano
Sin embargo , hay algunas razones para ser pesimista. La primavera pasada, en » La trampa de Turing: la promesa y el peligro de la inteligencia artificial similar a la humana «, el economista de Stanford Erik Brynjolfsson advirtió que los creadores de IA estaban demasiado obsesionados con imitar la inteligencia humana en lugar de encontrar formas de usar la tecnología para permitir que las personas hicieran cosas. nuevas tareas y ampliar sus capacidades .
La búsqueda de capacidades similares a las humanas, argumentó Brynjolfsson, ha llevado a tecnologías que simplemente reemplazan a las personas con máquinas, lo que reduce los salarios y exacerba la desigualdad de riqueza e ingresos. Es, escribió, “la mayor explicación individual” para la creciente concentración de la riqueza.
Un año más tarde, dice que ChatGPT, con sus resultados que parecen humanos, «es como el ejemplo de lo que advertí»: ha «impulsado» la discusión sobre cómo se pueden usar las nuevas tecnologías para dar a las personas nuevas habilidades en lugar de simplemente reemplazándolos.
A pesar de sus preocupaciones de que los desarrolladores de IA sigan superándose ciegamente unos a otros en la imitación de capacidades similares a las humanas en sus creaciones, Brynjolfsson, el director del Laboratorio de Economía Digital de Stanford, es generalmente un tecnooptimista cuando se trata de inteligencia artificial. Hace dos años, predijo un auge de la productividad de la IA y otras tecnologías digitales, y en estos días es optimista sobre el impacto de los nuevos modelos de IA.
Gran parte del optimismo de Brynjolfsson proviene de la convicción de que las empresas podrían beneficiarse enormemente del uso de IA generativa como ChatGPT para expandir sus ofertas y mejorar la productividad de su fuerza laboral. “Es una gran herramienta de creatividad. Es genial para ayudarte a hacer cosas novedosas. No es simplemente hacer lo mismo más barato”, dice Brynjolfsson. Mientras las empresas y los desarrolladores puedan «mantenerse alejados de la mentalidad de pensar que los humanos no son necesarios», dice, «será muy importante».
Dentro de una década, predice, la IA generativa podría agregar billones de dólares en crecimiento económico en los EE. UU. “La mayoría de nuestra economía consiste básicamente en trabajadores del conocimiento y trabajadores de la información”, dice. “Y es difícil pensar en algún tipo de trabajador de la información que no se vea afectado, al menos en parte”.
Cuándo llegará ese aumento de la productividad, si es que llega, es un juego de adivinanzas económicas. Tal vez sólo tenemos que ser pacientes.
En 1987, Robert Solow, el economista del MIT que ganó el Premio Nobel ese año por explicar cómo la innovación impulsa el crecimiento económico, dijo: «Puedes ver la era de la computadora en todas partes excepto en las estadísticas de productividad». No fue hasta más tarde, a mediados y finales de la década de 1990, que los impactos, particularmente de los avances en semiconductores, comenzaron a aparecer en los datos de productividad a medida que las empresas encontraban formas de aprovechar el poder computacional cada vez más barato y los avances relacionados en software.
¿Podría pasar lo mismo con la IA? Avi Goldfarb, economista de la Universidad de Toronto, dice que depende de si podemos descubrir cómo usar la última tecnología para transformar las empresas como lo hicimos en la era informática anterior.
Hasta ahora, dice, las empresas simplemente han estado incorporando IA para hacer las tareas un poco mejor: “Aumentará la eficiencia, podría aumentar la productividad gradualmente, pero en última instancia, los beneficios netos serán pequeños. Porque todo lo que estás haciendo es lo mismo un poco mejor”. Pero, dice, “la tecnología no solo nos permite hacer lo que siempre hemos hecho un poco mejor o un poco más barato. Podría permitirnos crear nuevos procesos para crear valor para los clientes”.
El veredicto sobre cuándo, incluso si, eso sucederá con la IA generativa sigue siendo incierto. “Una vez que descubramos qué buena escritura a escala permite que las industrias hagan de manera diferente o, en el contexto de Dall-E, qué diseño gráfico a escala nos permite hacer de manera diferente, es cuando vamos a experimentar el gran aumento de la productividad. dice Goldfarb. “Pero si eso es la próxima semana o el próximo año o dentro de 10 años, no tengo idea”.
Lucha por el poder
Cuando Anton Korinek, economista de la Universidad de Virginia y miembro de la Institución Brookings, obtuvo acceso a la nueva generación de modelos de lenguajes grandes como ChatGPT, hizo lo que muchos de nosotros hicimos: comenzó a jugar con ellos para ver cómo podrían ayudar en su trabajo. Documentó cuidadosamente su desempeño en un artículo en febrero, señalando lo bien que manejaron 25 «casos de uso», desde lluvia de ideas y edición de texto (muy útil) hasta codificación (bastante bueno con algo de ayuda) y matemáticas (no muy bueno).
ChatGPT explicó incorrectamente uno de los principios más fundamentales de la economía, dice Korinek: «Se equivocó mucho». Pero el error, fácil de detectar, fue rápidamente perdonado a la luz de los beneficios. “Puedo decirles que me hace, como trabajador cognitivo, más productivo”, dice. “Sin lugar a dudas, no tengo dudas de que soy más productivo cuando uso un modelo de lenguaje”.
Cuando salió GPT-4, probó su rendimiento en las mismas 25 preguntas que documentó en febrero y funcionó mucho mejor. Hubo menos casos de inventar cosas; también le fue mucho mejor en las tareas de matemáticas, dice Korinek.
Dado que ChatGPT y otros bots de IA automatizan el trabajo cognitivo, a diferencia de las tareas físicas que requieren inversiones en equipos e infraestructura, un aumento de la productividad económica podría ocurrir mucho más rápido que en las revoluciones tecnológicas pasadas, dice Korinek. “Creo que podemos ver un mayor impulso en la productividad para fin de año, ciertamente para 2024”, dice.
Además, dice, a largo plazo, la forma en que los modelos de IA pueden hacer que los investigadores como él sean más productivos tiene el potencial de impulsar el progreso tecnológico.
Ese potencial de los grandes modelos de lenguaje ya está apareciendo en la investigación en las ciencias físicas. Berend Smit, que dirige un laboratorio de ingeniería química en EPFL en Lausana, Suiza, es un experto en el uso del aprendizaje automático para descubrir nuevos materiales. El año pasado, después de que uno de sus estudiantes graduados, Kevin Maik Jablonka, mostrara algunos resultados interesantes con GPT-3, Smit le pidió que demostrara que GPT-3 es, de hecho, inútil para los tipos de estudios sofisticados de aprendizaje automático que realiza su grupo. para predecir las propiedades de los compuestos.
“Fracasó por completo”, bromea Smit.
Resulta que después de ajustarse durante unos minutos con algunos ejemplos relevantes, el modelo funciona tan bien como las herramientas avanzadas de aprendizaje automático especialmente desarrolladas para la química al responder preguntas básicas sobre cosas como la solubilidad de un compuesto o su reactividad. Simplemente dale el nombre de un compuesto y puede predecir varias propiedades basadas en la estructura.
Al igual que en otras áreas de trabajo, los modelos de lenguaje grandes podrían ayudar a expandir la experiencia y las capacidades de los no expertos, en este caso, químicos con poco conocimiento de herramientas complejas de aprendizaje automático. Debido a que es tan simple como una búsqueda bibliográfica, dice Jablonka, «podría llevar el aprendizaje automático a las masas de químicos».
Estos resultados impresionantes y sorprendentes son solo un indicio tentador de cuán poderosas podrían ser las nuevas formas de IA en una amplia franja de trabajo creativo, incluido el descubrimiento científico, y cuán sorprendentemente fáciles son de usar. Pero esto también apunta a algunas cuestiones fundamentales.
A medida que el impacto potencial de la IA generativa en la economía y los empleos se vuelve más inminente, ¿quién definirá la visión de cómo se deben diseñar e implementar estas herramientas? ¿Quién controlará el futuro de esta asombrosa tecnología?
Diane Coyle, economista de la Universidad de Cambridge en el Reino Unido, dice que una preocupación es la posibilidad de que los grandes modelos de lenguaje estén dominados por las mismas grandes empresas que gobiernan gran parte del mundo digital. Google y Meta están ofreciendo sus propios modelos de lenguaje grande junto con OpenAI, señala, y los grandes costos computacionales necesarios para ejecutar el software crean una barrera de entrada para cualquiera que busque competir.
La preocupación es que estas empresas tienen «modelos de negocios impulsados por la publicidad» similares, dice Coyle. “Obviamente obtienes una cierta uniformidad de pensamiento, si no tienes diferentes tipos de personas con diferentes tipos de incentivos”.
Coyle reconoce que no hay soluciones fáciles, pero dice que una posibilidad es una organización internacional de investigación financiada con fondos públicos para la IA generativa, siguiendo el modelo del CERN, el organismo europeo intergubernamental de investigación nuclear con sede en Ginebra donde se creó la World Wide Web en 1989. estar equipado con la enorme potencia informática necesaria para ejecutar los modelos y la experiencia científica para desarrollar aún más la tecnología.
Tal esfuerzo fuera de Big Tech, dice Coyle, «aportaría cierta diversidad a los incentivos que enfrentan los creadores de los modelos cuando los producen».
Si bien sigue siendo incierto qué políticas públicas ayudarían a garantizar que los modelos de lenguaje extenso sirvan mejor al interés público, dice Coyle, se está volviendo claro que las opciones sobre cómo usamos la tecnología no pueden dejarse en manos de unas pocas empresas dominantes y del mercado únicamente. .
La historia nos brinda muchos ejemplos de cuán importante puede ser la investigación financiada por el gobierno en el desarrollo de tecnologías que generan una prosperidad generalizada. Mucho antes de la invención de la web en el CERN, otro esfuerzo financiado con fondos públicos a fines de la década de 1960 dio origen a Internet, cuando el Departamento de Defensa de EE. UU. apoyó a ARPANET, que fue pionera en las formas en que varias computadoras se comunicaban entre sí.
En Power and Progress: Our 1000-Year Struggle Over Technology & Prosperity , los economistas del MIT Daron Acemoglu y Simon Johnson brindan un recorrido convincente a través de la historia del progreso tecnológico y su historial mixto en la creación de una prosperidad generalizada. Su punto es que es fundamental dirigir deliberadamente los avances tecnológicos de manera que brinden amplios beneficios y no solo enriquezcan a la élite.
Desde las décadas posteriores a la Segunda Guerra Mundial hasta principios de la década de 1970, la economía estadounidense estuvo marcada por rápidos cambios tecnológicos; los salarios de la mayoría de los trabajadores aumentaron mientras que la desigualdad de ingresos se redujo drásticamente. La razón, dicen Acemoglu y Johnson, es que los avances tecnológicos se usaron para crear nuevas tareas y empleos, mientras que las presiones sociales y políticas ayudaron a garantizar que los trabajadores compartieran los beneficios con sus empleadores de manera más equitativa que ahora.
En contraste, escriben, la rápida adopción más reciente de robots de fabricación en «el corazón industrial de la economía estadounidense en el Medio Oeste» durante las últimas décadas simplemente destruyó empleos y condujo a un «declive regional prolongado».
El libro, que se publicará en mayo, es particularmente relevante para comprender lo que podría traer el rápido progreso actual en IA y cómo las decisiones sobre la mejor manera de utilizar los avances nos afectarán a todos en el futuro. En una entrevista reciente, Acemoglu dijo que estaban escribiendo el libro cuando se lanzó por primera vez GPT-3. Y, agrega medio en broma, «previmos ChatGPT».
Acemoglu sostiene que los creadores de la IA “van en la dirección equivocada”. Toda la arquitectura detrás de la IA “está en modo de automatización”, dice. “Pero no hay nada inherente sobre la IA generativa o la IA en general que nos deba empujar en esta dirección. Son los modelos comerciales y la visión de las personas en OpenAI y Microsoft y la comunidad de capital de riesgo”.
Si cree que podemos dirigir la trayectoria de una tecnología, entonces una pregunta obvia es: ¿Quiénes somos “nosotros”? Y aquí es donde Acemoglu y Johnson son más provocativos. Escriben: “La sociedad y sus poderosos guardianes deben dejar de estar hipnotizados por los multimillonarios tecnológicos y su agenda… No es necesario ser un experto en inteligencia artificial para opinar sobre la dirección del progreso y el futuro de nuestra sociedad forjado por estas tecnologías. ”
Los creadores de ChatGPT y los empresarios involucrados en llevarlo al mercado, en particular el CEO de OpenAI, Sam Altman, merecen mucho crédito por ofrecer la nueva sensación de IA al público. Su potencial es enorme. Pero eso no significa que debamos aceptar su visión y aspiraciones sobre hacia dónde queremos que vaya la tecnología y cómo debe usarse.
Según su narrativa, el objetivo final es la inteligencia general artificial, que, si todo va bien, conducirá a una gran riqueza económica y abundancia. Altman, por su parte, ha promovido la visión en gran medida recientemente , proporcionando una justificación adicional para su defensa de larga data de un ingreso básico universal (UBI) para alimentar a los no tecnócratas entre nosotros. Para algunos, suena tentador. ¡Sin trabajo y dinero gratis! ¡Dulce!
Son las suposiciones que subyacen a la narrativa las que son más preocupantes, a saber, que la IA se dirige a un camino inevitable de destrucción de empleos y la mayoría de nosotros solo vamos por el viaje (¿gratis?). Este punto de vista apenas reconoce la posibilidad de que la IA generativa pueda conducir a un auge de la creatividad y la productividad de los trabajadores mucho más allá de las élites expertas en tecnología al ayudar a desbloquear sus talentos y cerebros. Hay poca discusión sobre la idea de utilizar la tecnología para producir una prosperidad generalizada mediante la expansión de las capacidades humanas y la experiencia en toda la población activa.
Como escriben Acemoglu y Johnson: “Nos dirigimos hacia una mayor desigualdad, no inevitablemente, sino debido a elecciones defectuosas sobre quién tiene el poder en la sociedad y la dirección de la tecnología… De hecho, la UBI acepta plenamente la visión de la élite empresarial y tecnológica de que son las personas ilustradas y talentosas que generosamente deberían financiar el resto”.
Acemoglu y Johnson escriben sobre varias herramientas para lograr «una cartera de tecnología más equilibrada», desde reformas fiscales y otras políticas gubernamentales que podrían alentar la creación de una IA más amigable para los trabajadores hasta reformas que podrían alejar a la academia de la financiación de Big Tech para la investigación informática y escuelas de negocios
Pero, reconocen los economistas, tales reformas son «una tarea difícil», y un impulso social para redirigir el cambio tecnológico «no está a la vuelta de la esquina».
La buena noticia es que, de hecho, podemos decidir cómo elegimos usar ChatGPT y otros modelos de lenguaje extenso. A medida que se lanzan al mercado innumerables aplicaciones basadas en la tecnología, las empresas y los usuarios individuales tendrán la oportunidad de elegir cómo quieren explotarla; las empresas pueden decidir usar ChatGPT para brindarles a los trabajadores más habilidades, o simplemente para eliminar puestos de trabajo y recortar costos.
Otro desarrollo positivo: hay al menos cierto impulso detrás de los proyectos de código abierto en IA generativa, lo que podría romper el control de Big Tech sobre los modelos. En particular, el año pasado, más de mil investigadores internacionales colaboraron en un gran modelo de lenguaje llamado Bloom que puede crear texto en idiomas como el francés, el español y el árabe. Y si Coyle y otros tienen razón, una mayor financiación pública para la investigación de la IA podría ayudar a cambiar el curso de futuros avances.
Brynjolfsson de Stanford se niega a decir que es optimista sobre cómo se desarrollará. Aún así, su entusiasmo por la tecnología en estos días es claro. “Podemos tener una de las mejores décadas de la historia si usamos la tecnología en la dirección correcta”, dice. “Pero no es inevitable”.
