Boris Debić, fizičar koji je 25 godina radio u Silicijskoj dolini, od toga 15 u Googleu, prije nekog vremena vratio se u Hrvatsku i sada predaje umjetnu inteligenciju na Zagrebačkoj školi ekonomije i managementa (ZŠEM). Jednako kao njegovo stručno iskustvo, ako ne i više, za predavača umjetne inteligencije preporučuje ga to što je preveo ključni udžbenik u tom području, knjižurinu koja je u svojem 4. izdanju dostigla oko 1300 velikih, gusto pisanih stranica, a kojoj su autori Stuart Russell i Peter Norvig. Izdavačka kuća Mate, koja je pridružena ZŠEM-u, to kapitalno djelo već nudi u pretprodaji za 120 eura, iako se pretpostavlja da će osjetljivi posao pripreme za tisak i tisak biti završeni tijekom ljeta pa predstavljanja i promocije možemo očekivati tek ujesen. Kad se to napokon dogodi, a znamo kako se poslovi s pripremom i izdavanjem knjiga znaju otegnuti, imamo obećanje da ćemo dobiti priliku predstaviti taj golemi pothvat.

Sadržajno izlaganje

No, sredinom veljače Debić je u Matici hrvatskoj u Zagrebu održao jednosatno predavanje o umjetnoj inteligenciji. Izlaganje je bilo sadržajno. Debić je predstavio svoj zanimljiv rad u Googleu, zatim je govorio o inteligenciji općenito, o povijesti umjetne inteligencije koja započinje sredinom pedesetih godina prethodnog stoljeća, no razvoj, objasnio je, nije išao željenim tempom, ponajprije zbog ograničenja u procesuiranju podataka, ali se posljednjih desetljeća izrazito ubrzao. Za ovaj članak, koji će se orijentirati prije svega na odnos umjetne inteligencije i ekonomije, iz predavanja izdvojit ćemo tek dva naglaska. Prvi je podjela umjetne inteligencije na usku, generalnu i superinteligenciju. Prema Debićevim riječima, trenutačno se ustvari još ponajprije radi o uskoj umjetnoj inteligenciji, u koju su uključeni i najnapredniji sustavi današnjice. Iako se često i u stručnoj javnosti za pojedine proizvode koristi termin generalna umjetna inteligencija, prema Debićevom mišljenju, taj bi se stupanj razvitka, kojim bi se stroj izjednačio s čovjekom, mogao dostići tek za sljedećih sedamdesetak godina. O superinteligenciji nije želio spekulirati. U publici u dvorani Matice hrvatske, kojom su dominirali znanstvenici poznije životne dobi, matematičari, prirodnjaci, tehničke struke, ali i humanisti, bilo je dosta skepse o mogućnosti dostizanja već i generalne umjetne inteligencije, a o superinteligenciji nitko nije ni govorio.

Druga je tema o utjecaju umjetne inteligencije na ekonomsku aktivnost. Gospodin Debić sasvim je vjerodostojno prenio studiju koju je konzultantska kuća McKinsey izradila 2018. godine za Međunarodnu telekomunikacijsku uniju (ITU), agenciju Ujedinjenih naroda, prema kojoj će utjecaj umjetne inteligencije daleko nadmašiti (ili možda već nadmašuje) utjecaj industrijske revolucije, a i utjecaj dosadašnje računalne tehnologije na ekonomiju. Slijedom modela u studiji, koji predviđa "prosječnu prihvaćenost" pet izabranih tehnologija koje se uvrštavaju pod zajednički nazivnik umjetna inteligencija, to bi do 2030. godine (od 2018.) "moglo" kreirati dodatnih 13 tisuća milijardi (trillion) dolara globalnog bruto proizvoda, odnosno pridonijelo bi rastu s dodatnih 1,2 posto godišnje. Svjetski je brutoproizvod, naime, 2023. godine, prema procjeni Međunarodnog monetarnog fonda, bio 105 tisuća milijardi dolara, otprilike pet tisuća milijardi veći nego godinu prije, dijelom i zbog postpandemijskog ponovnog zapošljavanja kapaciteta).

Zanimljivo je (ali i sumnjivo), to što McKinsey uspoređuje doprinos umjetne inteligencije od 1,2 posto godišnje s doprinosom parnog stroja, koji je, tvrdi se u materijalu, rastu produktivnosti rada u devetnaestom stoljeću pridonio 0,3 posto godišnje, dok je "utjecaj robota tijekom devedesetih bio 0,4 posto, a širenje IT-ja tijekom dvijetisućitih 0,6 posto". Tako to stoji doslovno već u prvom paragrafu odjeljka "Executive Summary", u kojem su sintetizirani rezultati studije.

U nastavku članka prvo ćemo se kratko pozabaviti vrlo tricky pitanjem što je uopće umjetna inteligencija, o kojoj, što se više u Hrvatskoj raspravlja, sve se manje zna što govornik/promotor pod time podrazumijeva. Ovdje ćemo to pitanje postaviti tek radi formuliranja nužnog okvira za raspravu o utjecaju umjetne inteligencije na ekonomsku aktivnost, čemu ćemo posvetiti više pozornosti. Studije, analize i istraživanja o toj temi stižu jedna drugu, nemoguće ih je u kratkom vremenu sve poloviti, kamoli provjeriti ili uvjerljivo sintetizirati. K tome, pate od svih mogućih iskrivljenja. Znaju biti posvećene vrlo uskim pitanjima, no rezultati se generaliziraju već u materijalima, a osobito u kasnijim interpretacijama koje nitko ne demantira. Često su metodološki nepouzdane, ali to vrlo vješto skrivaju, ili jednostavno navlače na tezu za koju su se unaprijed opredijelile. Obratite, primjerice, pozornost na prethodno citirane podatke iz McKinseyjeve studije. Implicite se uspoređuje doprinos AI-tehnologije ukupnom svjetskom gospodarskom rastu s rastom produktivnosti rada. Iako povezane, to su dvije potpuno različite mjere. Također, iz usporedbe su (lukavo?!) ispušteni električna struja i motori s unutarnjim izgaranjem, dvije tehnologije opće namjene (general purpose technology – GPT) koje su, prema općem uvjerenju, ali i istraživanjima, najviše pridonijele rastu bruto proizvoda i produktivnosti u industrijskom dobu. No, o tome malo više poslije.

Obitelj tehnologija

Umjetna inteligencija nije jedna, nego "obitelj tehnologija", ističe McKinsey. Studija se usredotočila na "pet širokih kategorija tehnologija umjetne inteligencije: računalno gledanje, prirodni jezik, virtualnog asistenta, robotizacijsku automatizaciju procesa, i napredno strojno učenje". Tvrtke mogu usvojiti jednu ili više, ili, pak, sve te tehnologije, što McKinsey smatra potpunim usvajanjem umjetne inteligencije. U protivnom je usvajanje parcijalno. Do 2030. McKinsey je očekivao da će barem 70 posto tvrtki implementirati najmanje jednu od tih tehnologija, pri čemu je model iz kojeg su izveli prethodno citirani rezultat podrazumijevao "prosječno usvajanje umjetne inteligencije". Kako god da se taj "prosjek" konstruira, uvijek je to arbitrarno. Ali, neka im bude.

Potkraj 2023. godine Julius Tan Gonzales (Yokohama National University) objavio je u Springerovom časopisu Journal of Economic Structures istraživanje o implikacijama inovacija u području umjetne inteligencije na ekonomski rast. Jedan odjeljak tog recentnog rada posvećen je pitanju što je umjetna inteligencija. Jedinstvene, široko prihvaćene definicije – nema, ističe Tan Gonzales. Prema istraživačkoj službi Europskog parlamenta, piše autor, termin umjetna inteligencija odnosi se na strojeve koji obavljaju kognitivne procese nalik na ljudske, kao što su "učenje, razumijevanje, zaključivanje i interakcija", nasuprot tradicionalnim tehnologijama koje automatiziraju rutinizirane procese. U nekim klasifikacijama UI se dijeli na: analitičku, funkcionalnu, interaktivnu, tekstualnu i vizualnu. Umjetna inteligencija može se definirati s obzirom na agenta (stroj, tj. algoritam koji je virtualni stroj, ili autonomno vozilo), zatim s obzirom na pristup (primjerice, neuralna mreža), s obzirom na svrhu (prepoznavanje slika, lica), s obzirom na funkciju (sposobnost da razumije jezik, prepozna sliku, rješava probleme i uči). Da, dobro ste uočili, u podjeli ima preklapanja, ali ona upravo potvrđuju teškoće definicije.

Ustvari, definicija možda i nije toliko važna. Njome se možda najviše kite "stručljaci". Umjesto raščlanjivanja nijansi što jest a što nije umjetna inteligencija, Tan Gonzales citira primjere kojima Europska komisija ilustrira svoje shvaćanje što je UI: chatboti, virtualni asistenti, sustavi prepoznavanja lica, softveri strojnog prevođenja, analiza podataka bazirana na strojnom učenju, autonomni roboti i autonomni dronovi. Naravno, svako nacionalno zakonodavstvo može imati, i uglavnom ima, svoju definiciju umjetne inteligencije. Možda je u ovom trenutku, u ovoj fazi razvitka, najjednostavnije pobrojati što više "tehnika" koje se primjenjuju u različitim primjenama, a mogu se uvrstiti u AI. Autor to i čini: Strojno učenje; Neuralne mreže i dubinsko učenje (uključujući generativni UI); Modeliranje i donošenje odluka na temelju pravila (rule-based); Pristup utemeljen na fuzzy logici; Zaključivanje u okolnostima neizvjesnosti, modeliranje ekspertnih sustava i oblikovanje znanja; Zaključivanje na temelju tipičnih slučajeva (case-based reasoning); Analiza teksta i procesiranje prirodnog jezika; Vizualna analitika, računalno gledanje i prepoznavanje obrazaca; Hibridni pristup, traganje i optimizacija.

Još je korisno navesti da su u primjeni umjetne inteligencije tri nužna koraka. Prvi je prikupljanje i "čišćenje" podataka, drugi je razvoj i testiranje različitih algoritama, a treći je primjena u realnom okruženju i testiranje efekata. Tan Gonzales detaljno objašnjava teškoće svakog od tih koraka, posebno najosjetljivijeg, trećeg, primjene u realnom okruženju i testiranja efekata, bez kojeg ustvari nema utjecaja na ekonomsku aktivnost, a to je ovdje tema.

Ekonomske projekcije

Administracija Europske unije vrlo je aktivna u odnosu prema umjetnoj inteligenciji, na svoj tipičan način: raspravlja, predlaže regulaciju, primjenjuje u administrativnim poslovima (vidi: Artificial Intelligence in the European Commission, 24. siječnja 2024. ), ali su joj analize ekonomskih efekata, hm, mutne. U jednoj svojoj razmjerno recentnoj analizi (recentnoj utoliko što se na nju oslanja u drugim materijalima) ustvari se poziva na analize nekolicine konzultantskih kuća, uz ostale, i na spomenutu McKinseyjevu studiju. No, također spominje da je PricewaterhouseCoopers (PWC) izračunao kako će AI u čak godinu dana kraćem razdoblju od onog koje je razmatrao McKinsey, ukupnoj svjetskoj ekonomskoj aktivnosti pridonijeti još i više, skoro 16 tisuća milijardi dolara (nasuprot McKinseyjevih 13 tisuća).

S obzirom na to da se očekuje rast svjetskog gospodarstva od, recimo, tri posto, razlika doprinosa umjetne inteligencije od 1,2 ili 1,5 posto nipošto nije beznačajna. To, naravno, ukazuje prije svega na neuvjerljivost takvih projekcija. U materijalu se Europska komisija poziva i na istraživanje konzultantske kuće Accenture, prema kojem bi u 12 izabranih razvijenih svjetskih ekonomija umjetna inteligencija mogla do 2035. godine podvostručiti stopu rasta. Premda, dakle, izračuni, zbog svojih visokih varijacija izazivaju sumnju, oni ukazuju da je očekivanje biznisa od umjetne inteligencije izrazito snažno. Osobito ovih dana, kad je cijena Nvidijine dionice skočila kao da joj je samo nebo granica. Čak je i Vitalik Buterin, guru kriptofinancija, izjavio kako bi AI tehnologija mogla biti iskorištena u razvoju Ethereum mreže. Što god da se danas događa u svijetu, tehnologiju se jednostavno ne može zaustaviti, bez obzira jesu li posljedice negativne ili pozitivne.

Puno razumnijom od brojčanih projekcija, čini se rasprava o kvalitativnim promjenama. Ekonomist s MIT-a David Autor sredinom veljače objavio je članak kako umjetna inteligencija ustvari omogućuje ponovni rast srednje klase (Na članak AI Could Actually Help Rebuild The Middle Class upozorila me Iva Tomić, ekonomistica Svjetske banke u Hrvatskoj). Autor se suprotstavlja tvrdnjama Elona Muska, prema kojem će umjetna inteligencija, kao najdisruptivnija sila u povijesti, dosegnuti točku na kojoj rad (ljudi) neće više biti potreban, te savjetu kanadskog računalnog znanstvenika Geoffreyja Hintona, kojeg je predstavio kao kuma (godfather) umjetne inteligencije, da ljudi potraže posao kao vodoinstalateri.

Autor detaljno raspravlja povijesni utjecaj tehnologije na tržište rada, te iz njega i nekolicine recentnih istraživanja, manje širokih i utoliko pouzdanijih nego što su projekcije o kretanju gospodarstva cijelog Svijeta, konstruira sliku drukčije budućnosti od one koja je vrlo česta – da će roboti uzeti sve poslove. Podsjeća da je potražnja za radnom snagom u razvijenim zemljama na povijesnom maksimumu.

Autorova analiza orijentira se oko pojma ekspertiza, ekspert, stručnost, stručnjak. On označava znanje ili sposobnost da se izvede neki (poslovni) zadatak, kodira algoritam ili dostavi pizza. Ekspertiza je glavni uzrok razlika u primanjima u razvijenim ekonomijama. Tehnologija je zaista zamijenila ljude s nekim ekspertizama, primjerice, u manufakturi koja je zamijenjena industrijskom proizvodnjom. S druge strane, bez tehnologije neki eksperti ne bi postojali, primjerice onkolog, softverski inženjer, pravnik za patente. Nije bilo potražnje za električarima prije početka korištenja električne struje.

Glavna je Autorova teza da bi umjetna inteligencija mogla stvoriti potrebu za novim stručnim znanjima. Istodobno, mnogi bi, kao i inače u povijesti, mogli pasti u niže platne razrede. Njegova teza, naglašava, nije prognoza, nego ističe što bi se s umjetnom inteligencijom, kao oruđem koje se ispravno koristi, moglo (već to sugerira da je riječ o mudrom čovjeku, a ne samozvanom proroku). Tehnologiju se može upotrebljavati korisno ili pogrešno, riskantno i opasno. Pneumatskim čekićem u rukama sposobnog majstora krov se može popraviti vrlo brzo i kvalitetno, a u rukama neznalice predstavlja opasnost i za njega i za druge, čak i ako nije zlonamjeran.

Umjetna inteligencija i znanje

Umjesto nadugačkog prepričavanja vrlo lijepo napisanog i vrlo informativnog Autorova članka, koji preporučujemo svakome zainteresiranom za temu, skačemo ovdje na kraj, na njegove glavne argumente koje izvodi iz tri recentna istraživanja o utjecaju umjetne inteligencije na tržište rada. No, prije toga potrebno je još uvesti distinkciju između proceduralnog znanja, utemeljenog na strogim pravilima, i pozadinskog, tihog, neegzaktnog znanja. Možda je najilustrativnije pojasniti razliku na primjeru medicinske sestre. Ona zna stroga pravila svoje struke i službe, ali zna i kudikamo više od toga, iskustvom može prepoznati što se može očekivati kod nekog pacijenta.

Informacijska tehnologija prije umjetne inteligencije usavršavala se u proceduralnom znanju utemeljenom na pravilima, nazovimo ga robotskim, u onom smislu riječi u kojem roboti ne znaju ništa izvan kruga svoje automatizacije. Podizanje produktivnosti rada u razdoblju primjene te tehnologije bilo je vrlo upitno. Među ekonomistima to je razdoblje poznato kao doba usporavanja rasta, s finalom u tzv. sekularnoj stagnaciji, čiji je jedan od uzroka tzv. paradoks produktivnosti (Solowljev paradoks) prema kojem računala, odnosno informacijska tehnologija, ne podižu produktivnost rada. Umjetna inteligencija predstavlja zaokret u pogledu tipa znanja koje potencira. Ona je, tvrdi Autor, vrlo loša sa strogim pravilima, griješi, no istodobno je vrlo dobra s tim pozadinskim, neeksplicitnim (tacit) znanjem. Jedna od najvažnijih njezinih prednosti je to što može biti izvanredna ispomoć medicinskoj sestri da i ona donosi odluke u slučajevima u kojima je konačnu ekspertizu slijedom pravila bila obavezna prepustiti liječniku. Donošenje odluka najviši je zadatak eksperta, a zahvaljujući umjetnoj inteligenciji, koja također uči i "stječe iskustvo", krug eksperata itekako se može proširiti.

Prvo istraživanje na koje se Autor poziva, a koje su proveli Emily Dohrman i Bruce Fallick, odnosi se upravo na medicinske sestre, čiji se broj u Sjedinjenim Državama u drugom desetljeću 21. stoljeća gotovo utrostručio, a plaća im je porasla na razinu plaće srednje klase. Što je omogućilo te promjene?

Omogućavanje promjena

Jedna je primjena tehnologije, u ovom slučaju još uvijek informacijsko-komunikacijske tehnologije, koja je unaprijedila medicinske registre i komunikaciju među različitim sastavnicama medicinskog sustava. Drugo je trening medicinskih sestara da korištenjem te tehnologije preuzmu od liječnika dijagnostiku, tretman i izdavanje recepata u određenim slučajevima, a treća je promjena institucionalna, da se medicinskim sestrama koje se koriste tim tehnologijama i prošle su adekvatnu obuku, dopusti u propisanim slučajevima donošenje odluka koje su prije imali pravo donositi samo liječnici. Umjetna inteligencija može unaprijediti opseg njihova rada, tvrdi Autor. Naravno, samo ako se uključe druge dvije komponente – trening i institucionalno dopuštenje, što će neke sredine učiniti, a druge neće, neke će biti uspješne u primjeni, a druge neće. Zato Autor o efektima umjetne inteligencije govori u kondicionalu.

Shakked Noy i Whitney Zhang (MIT) analizirali su koliko ChatGPT može pomoći u pisanju, od sastavljanja rutinskih izvještaja, do formulaičnih dopisa. Ustanovili su značajno poboljšanje kvalitete i brzine obavljanja zadatka, koje je skraćeno čak četrdeset posto. Pritom, naglašava Autor, ChatGPT nije eliminirao ulogu ekspertize, samo ju je olakšao. Erik Brynjolfsson (Stanford) i Danielle Li (MIT) u svojoj su studiji ustanovili povećanje produktivnosti u odnosu s kupcima, ali još i više ubrzanje obuke (s deset na tri mjeseca) zahvaljujući korištenju tehnologije umjetne inteligencije.

Dakako, ima i izuzetaka. Korištenje umjetne inteligencije nije unaprijedilo kvalitetu odluka radiologa, prema istraživanju koje je za NBER proveo Nikhil Agarwal (MIT) s koautorima. Zanimljivo je da umjetna inteligencija u tom istraživanju nije bila slabija u dijagnostici nego radiolozi. No, kad je ponudila dijagnozu u koju je bila sigurna, liječnici su svejedno izabrali svoju, a dijagnozu umjetne inteligencije prihvatili su kad je navela da je nesigurna, prema svemu sudeći, zato što su nesigurni bili i oni. Radi se, dakle, o unapređenju treninga i problemu preuzimanja odgovornosti, odnosno skrivanju iza tehnologije. To nisu beznačajni problemi u mnogim područjima u kojima se očekuje primjena.

Ukratko, nasuprot pretpostavci da će tehnologija ekspertizu učiniti nepotrebnom, kao što predviđaju Elon Musk i Geoffrey Hinton, povijest pokazuje da će se ukazati potreba za novim ekspertizama i ekspertima, barem u doglednom razdoblju, a što potvrđuju i podaci o ogromnoj potražnji za radnom snagom s vještinama u razvijenim gospodarstvima.