Vil LLM forandre arbeidslivet og gjøre mange menneskers arbeidskraft overflødig?

Problemstillingen er reist i en artikkel i MIT Sloan Management Review

Konklusjonen i artikkelen er at LLM (Large Language Models) vil få stor utbredelse, men at tids- og kostnadsbesparelser som oppnås ved innføring og bruk av LLM i mange tilfeller vil bli beskjedne fordi innføring og bruk av LLM også vil føre med seg nye utgiftsposter. Og til tross for at man forventer stor utbredelse av LLM i bruk i mange virksomheter vil dette bare føre med seg små nominelle tap av arbeidsplasser. Forfatterne av artikkelen er Peter Capelli, Prasanna Tambe og Valery Yakubovich, alle knyttet til Wharton School ved University of Pennsylvania. Kanskje prøver jeg meg på et litt lengre sammendrag av artikkelen senere, men til så lenge nøyer jeg meg med å vise til allerede publiserte refleksjoner rundt innføring av ny teknologi, kunstig intelligens og fremtidig arbeidsmarked som trekker i samme retning.

Geoffrey Hinton revolusjonerte i sin tid datateknologien med utvikling av dyp maskin-læring og kunstig intelligens. Teknologien gjorde det mulig for maskiner å finne mønstre og løsninger gjennom å kombinere store datamengder, bilder og lyd. Hintons prosjekt ble kjøpt av Google for over ti år siden. Kappløpet som etter hvert ga oss ChatGPT, Bing, Google Bard og flere, var i gang. Hinton har brutt med Google for, som han sier, «slik at jeg kan snakke fritt om hvilken fare kunstig intelligens utgjør». Frykten for nye teknologier og forandringene disse fører med seg er ikke av ny dato. Socrates (470-399 f.Kr.) var alvorlig bekymret for at skriftspråk og at skriving som aktivitet ville svekke hukommelsen. Mange ville slutte å bruke hukommelsen når de begynte å skrive ned sine tanker, var hans bekymring. For flere klassiske bekymringer rundt ny teknologi og fremtiden se her.

Andre møter utfordringene ved å forholde seg til menneskehjernen. Den venstre halvdelen av hjernen er en slags logikk- og språk-computer, som jobber steg for steg, bit for bit, mens den høyre halvdelen oppfatter helheter. Den tolker også emosjoner og tvetydigheter bedre enn den mer autistiske venstre halvdelen. Funksjonene til venstre hjernehalvdel kan vi kopiere maskinelt ved å tilføre store datamengder. Høyre hjernehalvdels funksjoner og bidrag er det umulig å lage maskin-erstatning for, i alle fall ikke foreløpig, skal vi tro blant flere Anil Seth som er professor i «cognitive and computational neuroscience». Han mener det er viktig å skille mellom intelligens og bevissthet. Bevissthet er sterkt og grundig koplet sammen med vår natur som levende vesener, sier Seth. Han mener videre at kommende versjoner av kunstige intelligenser, ettersom algoritmene forbedres og trenes på stadig større hav av data, vil kunne være i stand til å overbevise mennesker om å tro at det er bevisste kunstige intelligenser som har utviklet seg der inne i algoritmen. Men bevissthet er altså ifølge Seth noe som er koplet sammen med vår natur som levende vesener og den kan ikke kopieres maskinelt.

Noen viser til teknologihistorien og andre "historier". Andre som gjennom tidene har engasjert seg i å finne svar på om mennesket vil bli overflødig og erstattet av ny teknologi henviser til teknologihistorien. De viser til at ny teknologi trenger tid for å finne sin plass i samfunnet. Mens denne tilpasningen finner sted utvikles teknologien og nye jobber for mennesker oppstår underveis. Og langt fra alle disse blir borte under teknologiens videre utviklingen, snarere tvert imot. I 1930 mente den svært anerkjente økonomen John Maynard Keynes, som hadde sett på produktivitets-utviklingen årene etter første verdenskrig, at normalarbeidstiden ville være 15 timer i uken i år 2000. Denne påstanden om fremtiden ble inspirasjon til en studie gjennomført av den amerikanske antropologen David Graeber. Han skrev etter denne studien boken om bullshit-jobber, utgitt i 2018. Hans konklusjon var at når vi i 2018 arbeidet så mye som vi også gjorde og gjør i dag, skyldtes dette ikke at Keynes tok feil. Årsaken var fremveksten av jobber som egentlig er unødvendige og uten mening. Han antydet flere forskjellige typer av slike jobber som du kan lese mer om her om du er interessert. 

Smart cities, Intelligent cities, Green cities var buzzwords for snart  tjue år siden. Covid-19 avslørte at de smarte byene ikke var blitt særlig smarte. Fokus hadde vært feil. Det by-folk primært hadde og har behov for er sikker energiforsyning, rent vann, ordnet avløp og renovasjon. Brukermedvirkning er essensielt når man skal realisere reelle smarte byer fant man ut. Når det gjaldt utviklingen av de grønne byene var det teknologene og teknologi-optimistene som styrte uten reell brukermedvirkning. 

Produktivitets-vekst som følge av å ta i bruk AI/KI blir ca 1% i løpet av neste 10-år. Dette hevder økonomi-historikeren og professoren Daron Acemoglu ved MIT kåret til en av "the world's top thinkers". Han har regnet på hvor stor andel av gjøremål som kan automatiseres og hvor mye den gjennomsnittlige kostnadsbesparelsen vil utgjøre. Han hevder at KI så langt ikke kan erstatte flertallet av manuelle eller sosiale oppgaver. Klassekampens Bjørn Vassnes skriver mer om dette 30. mai i år.