Olika AI baserade tjänster på Generativ AI1 har under de senaste månaderna gjort ett stort intryck. Medan dessa verktyg på många sätt är imponerande har de också lett till oro inför de risker som avancerad AI kan medföra. Elon Musk, Steve Wozniak och andra kända personer kräver att utvecklingen av artificiell intelligens tillfälligt skall avbrytas. Dessa 1100 personer har publicerat ett öppet brev om att tillfälligt stoppa AI lösningar som är mer avancerade än GPT-4. I brevet betonas planering och förvaltning. Man hävdar att kraftfull AI bör utvecklas endast när dess effekter är positiva och riskerna är hanterade.
Italien har dessutom nyligen förbjudit ChatGPT eftersom de tror att tekniken kan leda till brott mot GDPR. Länder som blockerar eller kraftigt begränsar användningen av denna nya teknik kommer dock sannolikt att hamna på efterkälken och bli förlorare. Det är inte troligt att några internationella fördrag kommer att införas inom rimlig tid. Anden är redan ute ur flaskan2!
Generativ AI – Ett hot?
Olika imponerande AI-lösningar har utvecklats under de senaste åren. Generativ AI medför flera risker, bland annat missbruk, felaktiga framställningar, partiskhet, bristande ansvarighet, intrång i immateriella rättigheter och ekonomiska störningar. Framväxten av AI-system kan utsätta 300 miljoner heltidsjobb för automatisering, och två tredjedelar av de amerikanska yrkena kan utsättas för någon grad av automatisering. Dessa farhågor och domedagsprognoser om AI har lett till uppmaningar om försiktighet och återhållsamhet. Vissa människor, däribland några av utvecklarna av dessa språkmodeller, tror att vi är nära att utveckla en allmän artificiell intelligens. Det finns dock många skäl att ifrågasätta att så skulle vara fallet. Språkmodeller utmärker sig på språk, vilket är ett avgörande steg framåt. Denna färdighet är nödvändig för att översätta mellan människans och datorns språk. Den kan överbrygga andra algoritmer och system. I stället för att imponeras av ChatGPT kan vi dock oroa oss för vårt språks förutsägbarhet.
Är det några få stora företag som kontrollerar Generativ AI?
Vissa röster har uttryckt oro för att denna teknik är i händerna på några få stora amerikanska företag som körs i stora amerikanska datacenter. Till en början kan det låta som en berättigad oro. Det är dock viktigt att inse att OpenAI var en relativt liten, om än välfinansierad, startup. Kostnaden för att hyra mer än 10 000 GPU:er för att träna GPT-3,5-modellen under mer än en månad kostar 4,6 miljoner dollar. Det är mycket pengar, men inte mer än vad ett fåtal företag världen över skulle kunna göra.
I dag kan vem som helst hyra molnbaserade resurser. Träningsdata är också fritt tillgängliga. Common Crawl är en månatlig ögonblicksbild av hela internet och är en gratis datamängd som vem som helst kan ladda ner. Om du vill ladda ner ett dataset på 400 TB kan du förstås behöva köpa några hårddiskar först! Även om det är kostsamt att träna en modell kan den användas på mycket enklare resurser. Därför skulle tävlingen om att komma ikapp OpenAI och Google vara hårdare än vad de flesta inser.
Modeller med öppen källkod
Det finns goda skäl att trots kraven på ett releasestopp av nya AI modeller förvänta sig en mycket snabb utveckling av dessa teknologier under det kommande året. Det finns dessutom redan några lovande modeller baserade på öppen källkod. Stanford University har utvecklat en mycket mindre språkmodell som kallas Alpaca. Den är så liten att de distribuerar den som programvara med öppen källkod som du kan träna och köra på din dator. Enligt deras jämförelse är deras modell nästan lika bra som GPT-4. Andra alternativ är Koala, GPT4All och Vicuna. Ingen av dessa licenser tillåter dock användaren att använda modellerna kommersiellt. Nyligen släppte dock DataBricks en modell med öppen källkod, Dolly 2.0, som användare får lov att användas för vilket ändamål som helst och som man själv kan träna på vilken data man vill. Den kan laddas ner här. I ett läckt dokument skrivet av en Googleanställd kommer open-source modellerna i slutändan att vinna mot de större företagen eftersom de utvecklar välfungerande mindre lösningar med mycket mindre budget och bättre prestanda3.
Generativ AI – En möjlighet?
Det är viktigt att inse att ekonomin vanligen anpassar sig och växer i takt med den tekniska utvecklingen. Även denna typ av AI erbjuder många möjligheter till tillväxt och utveckling. Goldman Sachs Research menar att generativ AI skulle kunna påverka den globala ekonomin avsevärt. Enligt dem kan Generativ AI leda till en 7-procentig tillväxt av den globala ekonomin (dvs. en BNP tillväxt på nästan 7 biljoner dollar) och dessutom öka produktivitetstillväxten med 1,5 procentenheter under det närmaste decenniet.
Framsteg inom behandling av naturligt språk gör det möjligt för generativ AI att skapa text, bild och annat som inte längre går att skilja från mänskliga alster. Detta kommer att bryta ned kommunikationsbarriärer mellan människor och maskiner. Goldman Sachs ekonomer Joseph Briggs och Devesh Kodnani hävdar att de flesta jobb och branscher än så länge endast delvis är utsatta för automatisering. De anser vidare att AI troligen snarare kommer att komplettera än ersätta mänsklig arbetskraft.
Historiskt sett har arbetstillfällen som har ersatts av automatisering alltid kompenserats genom att nya arbetstillfällen har skapats. Majoriteten av den långsiktiga jobbtillväxten förklaras av att nya yrken tillkommit på grund av tekniska genombrott. Enligt forskaren och ekonomen David Autor arbetar 60 procent av dagens arbetstagare i arbeten som inte fanns 1940. Den teknikdrivna jobbutvecklingen har stått för mer än 85 % av sysselsättningstillväxten under de senaste 80 åren. Det finns därför anledning att inte ta hoten om att AI skulle ta över alla jobb på alvar. Det är inte så ny teknik har påverkat världen historiskt. Tvärtom.
AI will not replace you. A person using AI will4.
Konsekvenser
Framstegen inom artificiell intelligens kommer att ge långtgående konsekvenser för global IT utveckling, hälsovård och finansiella tjänster. Generativ AI har potentialen att förbättra företagens arbetsflöden, automatisera vanlig verksamhet och skapa en ny generation kommersiella tillämpningar. Den ökar redan kunskapsarbetarnas produktivitet, påskyndar medicinsk forskning och ökar programmerares effektivitet.
Jämfört med den globala mjukvarubranschen (En marknad som omsätter ca. 685 miljarder dollar) förväntas den totala marknaden för generativ AI-mjukvara uppgå till 150 miljarder dollar. Företag i olika branscher kommer dessutom att vinna på när olika sorters generativ AI-teknik skapas och införlivas i nuvarande programvarupaket och tekniska plattformar. Användningsområdena sträcker sig från att öka kontorets effektivitet och försäljning till design och tillverkning, förbättra patientdiagnoser inom hälso- och sjukvården samt att upptäcka cyberbedrägerier.
Sammanfattning
I stället för att stoppa utvecklingen bör en ansvarsfull strategi för AI-utveckling fokusera på att ta itu med riskerna och skapa förnuftiga balanserade regler. Organisationer kan se till att design och utbildning sker på ett ansvarsfullt sätt, fastställa riktlinjer och protokoll, utbilda intressenter, införa skyddsåtgärder samt övervaka och utvärdera prestanda hos generativa AI-system. Gör vi detta rätt medan vi är medvetna om potentiella risker, kan de positiva effekterna av Generativ AI ge positiva resultat för många och driva på innovation och produktivitetsförbättringar.
Som historien har visat kompenserar skapandet av nya arbetstillfällen och branscher ofta för den förändringar av arbetstillfällen som orsakas av automatisering. Men förändringar är alltid smärtsamma. I stället för att frukta AI-inducerad arbetslöshet bör vi fokusera på de potentiella möjligheter till nya jobb och ekonomisk tillväxt som AI kan erbjuda. Detta kräver en balanserad och förnuftig inställning till AI:s roll i den framtida ekonomin och på arbetsmarknaden.
Generativ AI liksom så många andra teknologier som tillkommit före den innebär säkerligen ett hot med risker som måste hanteras. Kritikerna överdriver sannolikt riskerna medan optimisterna ofta har en orealistisk bild av teknikens möjligheter.
På Gislen Software bygger vi upp kompetens inom olika sorters AI. Kontakta oss gärna för mer information om hur vi kan hjälpa dig med AI-lösningar eller någon annan typ av mjukvaruutveckling!
Fotnoter
1 Generativ AI är ett samlingsnamn på diverse AI-teknologier som i grunden är baserade på djupinlärning – som kan producera text, kod och visuella medier genom att identifiera mönster i text. De är tränade på mycket stora mängder träningsdata (de kallas ofta Large Language Models). GPT-3 är t.ex. tränad på ca. 45 TB text data.
2 The image of the lamp is by macrovector_official på Freepik.
3 Kommentaren kring det läckta dokumentet är tillagd 6/5.
4 Citatet används över hela internet. Vem som sa det först är oklart.