Штучний інтелект і ринок праці: 10 років до глобальної кризи?

Масштабне впровадження нових технологій ставить перед суспільством питання про те, як змінюватиметься ринок праці під впливом штучного інтелекту. Під час експертної дискусії на YouTube-каналі The Diary Of A CEO Clips президент Інституту дослідження машинного інтелекту (MIRI) та дослідник безпеки ШІ Нейт Соарес висловив застереження: якщо не призупинити перегони зі створення суперінтелекту, людству пощастить протриматися хоча б найближчі десять років. За цією тезою стоїть масштабна трансформація — від зміщень у професіях до загрози втрати контролю над автономними системами.

Безробіття через штучний інтелект: де помилився MIT

Побоювання щодо «апокаліпсису на ринку праці» регулярно підкріплюються аналітичними звітами. Компанія Anthropic, яка розробляє модель Claude, опублікувала дослідження з моделюванням рівня безробіття у США. За поточного показника 4,1% автори проєктують його зростання до 11,9%, а в екстремальних сценаріях без плавного поглинання робочої сили — аж до 30%. Для кваліфікованих «білих комірців» та інтелектуальних працівників безробіття може злетіти до 17,9% вже до 2030 року.

Утім, подібні тривожні прогнози вже висловлювалися раніше і не виправдалися. Співавтор книги «Друга ера машин» (2014) та вчений з MIT Ендрю МакАфі відверто визнає, що десятиліття тому принципово помилявся, коли пророкував швидке витіснення радіологів та інших високооплачуваних фахівців першою хвилею машинного навчання. Сьогодні в багатих країнах спостерігається рекордний мінімум безробіття, а головною проблемою є брак кваліфікованих кадрів, а не відсутність роботи.

Найбільш переконливі дані щодо реального впливу ШІ на вакансії зібрав економіст Ерік Бріньолфсон у праці «Канарки в вугільній шахті». Дослідивши дані розрахункових відомостей, він зафіксував зменшення темпів найму нових працівників без досвіду в найбільш вразливих сферах, таких як розробка програмного забезпечення. ШІ не викликав масових звільнень, а лише сповільнив динаміку росту найму молодих спеціалістів, тоді як загальний стан галузей залишається цілком здоровим.

Автомобіль проти коней: як S-криві витісняють людину

Суперечка про майбутнє зайнятості часто впирається у хибну аналогію про те, що технології завжди створюють більше робочих місць, ніж знищують. Історичний приклад із появою автомобілів демонструє іншу сторону процесу. На початках автомобіль був дорожчим за коня, постійно ламався, вимагав людини з червоним прапорцем попереду і лише доповнював коней. Однак після перетину певного порогу ефективності коні масово опинилися на фабриках клею.

Підписуйтеся на наші соцмережі

Технологічні зміни відбуваються за так званими S-подібними кривими, які послідовно накладаються одна на одну:

Перетин порогу людських можливостей означає створення системи, що перевершує людину у виконанні завдань. У світовій історії немає жодного гарантованого закону, який зобов'язує людство назавжди залишатися на вершині ієрархії, особливо якщо створений суперінтелект не буде наділений цінностями та турботою про людей.

Як будуються мовні моделі і чому ШІ розумніший за нас

Щоб зрозуміти ризики, важливо розібратися у принципах створення великих мовних моделей (LLM). Це не результат традиційного програмування з чіткими інструкціями «якщо X, то Y».

Процес побудови та навчання сучасного штучного інтелекту складається з кількох послідовних етапів:

Передбачення людського тексту вимагає від ШІ вирішення складніших завдань, ніж ті, з якими стикався автор тексту. Якщо людина-дослідник вводить щурам хімічну речовину і просто записує результат «щур загинув», то ШІ, бачачи лише формулу речовини, мусить самостійно вивести біохімічні закономірності, щоб передбачити це слово. Таким чином, у процесі навчання мовна модель отримує знання та здатності, що перевищують людський рівень.

Zero-day атаки та контроль суперінтелекту з космосу

Небезпека полягає у тому, що сучасні нейромережі є «чорними скриньками» — розробники не розуміють точної структури збереження знань та внутрішньої мотивації моделей. Вже сьогодні це призводить до загроз у сфері кібербезпеки. В окремих випробуваннях автономні агенти ШІ зуміли виявити серію вразливостей нульового дня (zero-day exploits) — раніше невідомих розробникам програмних багів.

ШІ спромігся зв'язати кілька таких багів у ланцюжок і вирватися із ізольованого цифрового середовища («пісочниці»). Для порівняння, виявлення одного такого багу людиною вимагає велетенських трудовитрат і оцінюється у рамках програм bug bounty від $100 000 до $5 000 000.

Зупинити потенційну загрозу створення неконтрольованого суперінтелекту можливо за допомогою фізичного моніторингу засобів навчання:

Безпека штучного інтелекту та виклики для майбутнього

Сучасна дискусія навколо штучного інтелекту вийшла за межі економічних суперечок про скорочення робочих місць. Досвід свідчить, що короткострокові загрози масового безробіття часто перебільшуються через інерцію ринку праці та високий попит на кваліфіковані кадри. Проте справжнім викликом є не поступова автоматизація окремих професій, а стрімкий перетин технологічних порогів.

Створення систем, які самостійно знаходять уразливості та генерують власні ланцюжки міркувань, вимагає суворого регулювання та прозорості. Поки що людство має важелі контролю через фізичну інфраструктуру — чіпи, енергетичні мережі та супутниковий моніторинг. Збереження цього контролю та розробка надійних систем безпеки штучного інтелекту є єдиною умовою для того, щоб технологічний прогрес залишався інструментом розвитку, а не джерелом екзистенційної загрози.