Inteligência Artificial (IA) novamente

Nesse post, tratei principalmente do impacto nos empregos dos trabalhadores que são substituídos por LLMs de IA e o efeito correspondente no aumento da produtividade do trabalho. A previsão padrão sobre a IA veio dos economistas do Goldman Sachs, o principal banco de investimento. Eles calcularam que se a tecnologia cumprisse a sua promessa, traria “perturbações significativas” ao mercado de trabalho, expondo o equivalente a 300 milhões de trabalhadores nas principais economias à automatização dos seus empregos. Os advogados e o pessoal administrativo estariam entre os que correm maior risco de se tornarem redundantes (e provavelmente economistas!). Calcularam que cerca de dois terços dos empregos nos EUA e na Europa estão expostos a algum grau de automatização da IA, com base em dados sobre as tarefas normalmente executadas em milhares de profissões.

A maioria das pessoas veria menos de metade da sua carga de trabalho automatizada e provavelmente continuariam nos seus empregos, com parte do seu tempo liberado para atividades mais produtivas. Nos EUA, isto se aplicaria a 63% da força de trabalho, calcularam. Outros 30% que trabalham em empregos físicos ou ao ar livre não seriam afetados, embora o seu trabalho pudesse ser suscetível a outras formas de automatização.

Mas os economistas da Goldman Sachs estavam muito otimistas e eufóricos com os ganhos de produtividade que a IA poderia alcançar, possivelmente tirando as economias capitalistas da relativa estagnação dos últimos 15-20 anos – a Longa Depressão. A GS afirmou que sistemas de IA “generativos”, como o ChatGPT, poderiam desencadear um boom de produtividade que acabaria por aumentar o PIB global anual em 7% ao longo de uma década. Se o investimento empresarial em IA continuasse a crescer a um ritmo semelhante ao investimento em software na década de 1990, o investimento em IA nos EUA, por si só, poderia aproximar-se de 1% do PIB dos EUA até 2030.

Mas o economista tecnológico norte-americano Daren Acemoglu estava cético na altura. Ele argumentou que nem todas as tecnologias de automação aumentam realmente a produtividade do trabalho. Isto porque as empresas introduzem a automação principalmente em áreas que podem aumentar a rentabilidade, como marketing, contabilidade ou tecnologia de combustíveis fósseis, mas não aumentam a produtividade da economia como um todo ou satisfazem as necessidades sociais.

Agora, num novo artigo, Acemoglu derrama uma boa dose de água fria sobre o otimismo gerado por gente como GS. Em contraste com GS, Acemoglu considera que os efeitos dos avanços da IA na produtividade nos próximos 10 anos “serão modestos”. O ganho mais elevado que ele prevê seria apenas um aumento total de 0,66% na produtividade total dos fatores (PTF), que é a medida principal para o impacto da inovação, ou cerca de um pequeno aumento de 0,064% no crescimento anual da PTF. Poderia até ser menor, pois a IA não consegue lidar com algumas tarefas mais difíceis que os humanos realizam. Então o aumento poderia ser de apenas 0,53%. Mesmo que a introdução da IA aumentasse o investimento global, o aumento do PIB nos EUA seria de apenas 0,93-1,56% no total, dependendo da dimensão do boom do investimento.

Além disso, Acemoglu considera que a IA aumentará o fosso entre o capital e o rendimento do trabalho; como ele diz: “as mulheres com baixo nível de escolaridade podem sofrer pequenas quedas salariais, a desigualdade global entre grupos pode aumentar ligeiramente e a disparidade entre o rendimento do capital e do trabalho deverá aumentar ainda mais”. Na verdade, a IA pode prejudicar o bem-estar humano ao expandir as redes sociais enganosas, os anúncios digitais e os gastos com segurança de TI. Assim, o investimento em IA pode aumentar o PIB, mas diminuir o bem-estar humano em até 0,72% do PIB.

E há outros perigos para o trabalho. Owen David argumenta que a IA já está sendo usada para monitorar trabalhadores no trabalho, recrutar e selecionar candidatos a empregos, definir níveis salariais, direcionar as tarefas que os trabalhadores realizam, avaliar seus resultados, agendar turnos etc. e aumentar as capacidades de gestão, podem transferir o poder para os empregadores.” Sombras das observações de Harry Braverman em seu famoso livro de 1974 sobre a degradação do trabalho e a destruição de competências pela automação.

Acemoglu reconhece que há ganhos com a IA generativa, “mas esses ganhos permanecerão ilusórios, a menos que haja uma reorientação fundamental da indústria, incluindo talvez uma grande mudança na arquitetura dos modelos de IA generativa mais comuns”. Em particular, Acemoglu diz que “permanece uma questão em aberto se precisamos de modelos que envolvam conversas desumanas e escrevam sonetos de Shakespeare se o que realmente queremos é informação fiável e útil para educadores, profissionais de saúde, eletricistas, encanadores e outros artesãos”.

Na verdade, porque são os gestores e não os trabalhadores como um todo que estão a introduzir a IA para substituir o trabalho humano, já estão retirando trabalhadores qualificados de empregos que desempenham bem, sem necessariamente melhorar a eficiência e o bem-estar para todos. Como disse um comentarista: “Quero que a IA lave minhas roupas e pratos para que eu possa fazer arte e escrever, não que a IA faça minha arte e escreva para que eu possa lavar minhas roupas e pratos.” Os gerentes estão introduzindo a IA para “tornar os problemas de gerenciamento mais fáceis às custas de coisas para as quais muitas pessoas não acham que a IA deveria ser usada, como o trabalho criativo….. Se a IA quiser funcionar, ela precisa vir de baixo para cima”, ou a IA será inútil para a grande maioria das pessoas no local de trabalho”.

Irá a IA salvar as principais economias ao proporcionar um grande salto em termos de produtividade? Tudo depende de onde e como a IA é aplicada. Um estudo da PwC concluiu que o crescimento da produtividade foi quase cinco vezes mais rápido em partes da economia onde a penetração da IA era mais elevada do que em setores menos expostos. Barret Kupelian, economista-chefe da PwC UK, disse: “As nossas descobertas mostram que a IA tem o poder de criar novas indústrias, transformar o mercado de trabalho e potencialmente aumentar as taxas de crescimento da produtividade. Em termos de impacto econômico, vemos apenas a ponta do iceberg – atualmente, as nossas conclusões sugerem que a adoção da IA está concentrada em alguns setores da economia, mas assim que a tecnologia melhorar e se difundir noutros setores da economia , o potencial futuro pode ser transformador.”

Os economistas da OCDE não têm tanta certeza de que isso seja certo. Num artigo colocam o problema: “quanto tempo levará a aplicação da IA em setores da economia? A adoção da IA ainda é muito baixa, com menos de 5% das empresas reportando a utilização desta tecnologia nos EUA (Census Bureau 2024). Quando colocada em perspectiva com o caminho de adoção de tecnologias de uso geral anteriores (por exemplo, computadores e eletricidade) que levaram até 20 anos a serem totalmente difundidas, a IA tem um longo caminho a percorrer antes de atingir as elevadas taxas de adoção necessárias para detectar ganhos macroeconômicos.”

“As descobertas a nível micro ou industrial captam principalmente os impactos sobre os primeiros adotantes e tarefas muito específicas, e provavelmente indicam efeitos a curto prazo. O impacto a longo prazo da IA no crescimento da produtividade a nível macro dependerá da extensão da sua utilização e da integração bem sucedida nos processos de negócio.” Os economistas da OCDE salientam que foram necessários 20 anos para que tecnologias inovadoras anteriores, como a energia elétrica ou os PCs, se “difundissem” o suficiente para fazerem a diferença. Isso representaria a década de 2040 para a IA.

Além disso, a IA, ao substituir a mão-de-obra em setores mais produtivos e intensivos em conhecimento, poderia causar “uma eventual queda na percentagem de emprego destes setores (que) funcionaria como um obstáculo ao crescimento da produtividade agregada”

E ecoando alguns dos argumentos de Acemoglu, os economistas da OCDE sugerem que “a IA representa ameaças significativas à concorrência de mercado e à desigualdade que podem pesar sobre os seus potenciais benefícios, quer direta quer indiretamente, ao levar a medidas políticas preventivas para limitar o seu desenvolvimento e adoção”.

E depois há o custo do investimento. Apenas obter acesso à infraestrutura física necessária para a IA em grande escala pode ser um desafio. O tipo de sistema de computador necessário para executar uma IA para pesquisa de medicamentos contra o câncer normalmente requer entre dois e três mil dos mais recentes chips de computador. O custo desse hardware de computador por si só poderia facilmente chegar a mais de US$ 60 milhões (£ 48 milhões), mesmo antes dos custos de outros itens essenciais, como armazenamento de dados e redes. Um grande banco, empresa farmacêutica ou fabricante pode ter os recursos para comprar a tecnologia necessária para tirar partido da mais recente IA, mas e uma empresa menor?

Portanto, contrariamente à visão convencional e muito mais em linha com a teoria marxista, a introdução do investimento em IA não conduzirá a um barateamento dos ativos fixos (capital constante em termos marxistas) e, portanto, a uma queda na relação entre os custos dos ativos fixos e o trabalho, mas o oposto (ou seja, uma composição orgânica crescente do capital). E isso significa mais pressão descendente sobre a rentabilidade média nas principais economias.

E há o impacto no aquecimento global e no uso de energia. Grandes modelos de linguagem, como ChatGPT, são algumas das tecnologias que mais consomem energia. A pesquisa sugere, por exemplo, que cerca de 700 mil litros de água poderiam ter sido usados para resfriar as máquinas que treinaram o ChatGPT-3 nas instalações de dados da Microsoft. O treinamento de modelos de IA consome 6.000 vezes mais energia do que uma cidade europeia. Além disso, embora minerais como o lítio e o cobalto sejam mais frequentemente associados às baterias no setor automóvel, também são cruciais para as baterias utilizadas nos centros de dados. O processo de extração envolve frequentemente um uso significativo de água e pode levar à poluição, comprometendo a segurança hídrica.

A Grid Strategies, uma consultora, prevê um crescimento da procura de eletricidade nos EUA de 4,7% durante os próximos cinco anos, quase duplicando a sua projeção do ano anterior. Um estudo realizado pelo Electric Power Research Institute concluiu que os data centers representarão 9% da procura de energia dos EUA até 2030, mais do dobro dos níveis atuais.

Essa perspectiva já está levando a um abrandamento nos planos de desativação das centrais a carvão à medida que a procura de energia proveniente da IA aumenta.

Talvez estes custos de investimento e energia possam ser reduzidos com novos desenvolvimentos de IA. A empresa de tecnologia suíça Final Spark lançou a Neuroplatform, a primeira plataforma de bioprocessamento do mundo onde organoides do cérebro humano (versões miniaturizadas de órgãos cultivadas em laboratório) realizam tarefas computacionais em vez de chips de silício. A primeira instalação hospeda a capacidade de processamento de 16 organoides cerebrais, que a empresa afirma consumir um milhão de vezes menos energia do que seus equivalentes de silício. Este é um desenvolvimento assustador em certo sentido: cérebros humanos! Mas, felizmente, ainda está muito longe da implementação. Ao contrário dos chips de silício, que podem durar anos, senão décadas, os “organóides” duram apenas 100 dias antes de “morrer”.

Ao contrário dos economistas da GS, aqueles que estão na fronteira do desenvolvimento da IA estão muito menos otimistas quanto ao seu impacto. Demis Hassabis, chefe da divisão de pesquisa de IA do Google, afirma: “A maior promessa da IA é apenas isso – uma promessa. Dois problemas fundamentais permanecem sem solução. Uma envolve fazer modelos de IA treinados com base em dados históricos, compreender qualquer nova situação em que sejam colocados e responder adequadamente. ”A IA precisa ser capaz de “entender e responder ao nosso mundo complexo e dinâmico, assim como nós”.

Mas a IA pode fazer isso? Na minha postagem anterior sobre IA, argumentei que ela não pode realmente substituir a inteligência humana. E Yann LeCun, cientista-chefe de IA da Meta, gigante da mídia social proprietária do Facebook e do Instagram, concorda. Ele disse que os LLMs tinham “uma compreensão muito limitada da lógica. . . não entendem o mundo físico, não têm memória persistente, não conseguem raciocinar em qualquer definição razoável do termo e não conseguem planejar. . . hierarquicamente". Os LLMs eram modelos de aprendizagem apenas quando engenheiros humanos intervinham para treiná-los com base nessas informações, em vez de a IA chegar a uma conclusão organicamente como as pessoas. “Certamente parece para a maioria das pessoas um raciocínio – mas principalmente é a exploração do conhecimento acumulado de muitos dados de treinamento.” Aron Culotta, professor associado de ciência da computação na Universidade de Tulane, colocou a questão de outra forma. “o bom senso sempre foi uma pedra no sapato da IA” e que era um desafio ensinar causalidade aos modelos, deixando-os “suscetíveis a falhas inesperadas”.

Noam Chomsky resumiu as limitações da IA em relação à inteligência humana. “A mente humana não é como o ChatGPT e seus semelhantes, um mecanismo estatístico pesado para correspondência de padrões, devorando centenas de terabytes de dados e extrapolando a resposta convencional mais provável a uma questão científica. Pelo contrário, a mente humana é um sistema surpreendentemente eficiente e até elegante que opera com pequenas quantidades de informação; não procura inferir correlações brutas entre pontos de dados, mas criar explicações. Vamos parar de chamá-lo de inteligência artificial e chamá-lo pelo que é ‘software de plágio’ porque ele não cria nada além de copiar obras existentes, de artistas, modificando-as o suficiente para escapar das leis de direitos autorais.”

Isso me leva ao que eu poderia chamar de síndrome de Altman. A IA sob o capitalismo não é uma inovação que visa ampliar o conhecimento humano e aliviar a humanidade do trabalho árduo. Para inovadores capitalistas como Sam Altman, é inovação para obter lucros. Sam Altman, o fundador da OpenAI, foi afastado do controle de sua empresa no ano passado porque outros membros do conselho consideraram que ele queria transformar a OpenAI em uma enorme operação lucrativa apoiada por grandes empresas (a Microsoft é o atual financiador), enquanto o resto da o conselho continuou a ver a OpenAI como uma operação sem fins lucrativos com o objetivo de espalhar os benefícios da IA a todos, com salvaguardas adequadas em matéria de privacidade, supervisão e controle.

Altman desenvolveu um braço empresarial “com fins lucrativos”, permitindo à empresa atrair investimento externo e comercializar os seus serviços. Altman logo voltou ao controle quando a Microsoft e outros investidores passaram o bastão para o restante do conselho. OpenAI não está mais aberto.

As máquinas não conseguem pensar em mudanças potenciais e qualitativas. O novo conhecimento vem de tais transformações (humanas), não da extensão do conhecimento existente (máquinas). Só a inteligência humana é social e pode ver o potencial de mudança, em particular a mudança social, que conduz a uma vida melhor para a humanidade e para a natureza. Em vez de desenvolver a IA para obter lucros, reduzir os empregos e os meios de subsistência dos seres humanos, a IA sob propriedade e planejamento comuns poderia reduzir as horas de trabalho humano para todos e libertar os seres humanos do trabalho árduo para se concentrarem no trabalho criativo que só a inteligência humana pode realizar.