AI-GPT: ¿um cambio de juego?

AI-GPT: ¿um cambio de juego?

Un análisis sobre la eficacia de uno de los principales productos de la AI, el ChatGPT, y una serie de reflexiones desde la teoría económica marxista sobre los efectos sociales y productivos de su aplicación.

Materia de estación Finlandia por Michel Roberts

El desarrollo vertiginoso de la Inteligencia Artificial ha provocado advertencias desde diversos sectores, entre ellos desde la comunidad científica, sobre todo por sus posibles consecuencias sobre las tasas de descocupación. Aquí, un análisis sobre la eficacia de uno de los principales productos de la AI, el ChatGPT, y una serie de reflexiones desde la teoría económica marxista sobre los efectos sociales y productivos de su aplicación.

ChatGPT se anuncia como una revolución en la «inteligencia artificial» (IA) y ha conquistado el mundo de los medios y la tecnología desde su lanzamiento a fines de 2022.  

Según OpenAI, ChatGPT es «una inteligencia artificial entrenada para ayudar con una variedad de tareas». Más específicamente, es un modelo de lenguaje grande (LLM) diseñado para producir texto similar al humano y conversar con personas, de ahí el «Chat» en ChatGPT.

GPT significa Transformador Preentrenado Generativo. Los modelos GPT son entrenados previamente por desarrolladores humanos y luego se dejan aprender por sí mismos y generar cantidades cada vez mayores de conocimiento, entregando ese conocimiento de una manera aceptable para los humanos (chat).

En la práctica, esto significa que presenta el modelo con una consulta o solicitud introduciéndola en un cuadro de texto. Luego, la IA procesa esta solicitud y responde en función de la información que tiene disponible. Puede hacer muchas tareas, desde mantener una conversación hasta escribir un examen completo; desde hacer un logotipo de marca hasta componer música y más. Mucho más que un simple motor de búsqueda tipo Google o Wikipedia, se afirma.

Los desarrolladores humanos están trabajando para aumentar la «inteligencia» de los GPT. La versión actual de GPT es 3.5 y la 4.0 saldrá a finales de este año. Y se rumorea que ChatGPT 5 podría lograr ‘inteligencia general artificial’ (AGI). Esto significa que podría pasar la prueba de Turing, que es una prueba que determina si una computadora puede comunicarse de una manera que no se puede distinguir de un ser humano.

¿Producirán los LLM un cambio de juego para el capitalismo en esta década? ¿Podrán estas máquinas de autoaprendizaje aumentar la productividad del trabajo a un ritmo sin precedentes y así sacar a las principales economías de su actual ‘larga depresión’ de bajo crecimiento del PIB real, inversión y crecimiento de los ingresos, y luego permitir que el mundo dé nuevos pasos para salir de la pobreza? Esta es la afirmación de algunos de los ‘tecno-optimistas’ que ocupan los medios de comunicación. 

Consideremos las respuestas a esas preguntas.  

Primero, ¿qué tan buenas y precisas son las versiones actuales de ChatGPT? Bueno, no mucho, todavía. Hay muchos «hechos» sobre el mundo en los que los humanos no están de acuerdo. La búsqueda regular les permite comparar esas versiones y considerar sus fuentes. En cambio, un modelo de lenguaje podría intentar calcular algún tipo de promedio de cada opinión en la que se ha entrenado, que a veces es lo que se desea, pero a menudo no lo es. ChatGPT a veces escribe respuestas que suenan plausibles pero incorrectas o sin sentido. Deja que te dé algunos ejemplos.

Le pregunté a ChatGPT 3.5: ¿quién es Michael Roberts, economista marxista? Esta fue la respuesta:

Asistente de Nova Al:

Michael Roberts es un economista marxista conocido por sus críticas al capitalismo y sus escritos sobre la teoría económica marxista. El ha escrito extensamente sobre temas como la crisis financiera, la teoría del valor trabajo y la economía política del socialismo. Roberts trabajó en la industria bancaria y financiera durante muchos años, y también ha enseñado economía en varias universidades del Reino Unido. Dirige un popular blog sobre economía marxista donde ofrece análisis y comentarios sobre problemas económicos de actualidad desde una perspectiva marxista.

Esto es mayormente correcto, pero también está mal en algunas partes (no diré cuáles).

Luego le pedí que revisara mi libro, La larga depresión. Esto es lo que dijo:

Reseña del libro de Michael Roberts La larga depresión:

Asistente de Nova Al:

Como modelo de lenguaje Al, no puede proporcionar una opinión, pero te puede dar un resumen del libro de Michael Roberts "La larga depresión".

En su libro, Michael Roberts argumenta que la economía mundial ha estado en un período de "larga depresión" desde la Gran Recesión de
2008-09. Presenta evidencia para apoyar su afirmación de que las causas de la Gran Recesión no fueron resueltas, y en cambio, sólo se realizaron arreglos temporales para estabilizar la economía.

Roberts atribuye la larga depresión a la inestabilidad inherente al capitalismo y argumenta que el sistema económico actual está plagado de una serie de problemas estructurales, incluido el bajo crecimiento de la productividad, altos niveles de deuda y aumento de la desigualdad. Él cree que estos problemas llevan a un estado persistente de bajo crecimiento y baja inversión, dando como resultado una depresión general en la economía global.

En su libro, Roberts también explora las diversas respuestas políticas que han sido empleadas por gobiernos y bancos centrales para hacer frente a la larga depresión. Señala que estas medidas, como tasas de interés bajas y cambios cuantitativos, no han logrado estimular el crecimiento y que se necesitan nuevos enfoques abordar los problemas estructurales subyacentes a la economía global.

En general, el libro de Roberts proporciona un análisis reflexivo del estado actual de la economía mundial y ofrece información de los desafíos que enfrentan los formuladores de políticas para abordar los problemas a largo plazo que limitan el crecimiento y la prosperidad.

Esta es una reseña o sinopsis muy ‘general’ de mi libro, que omite el núcleo de la tesis del libro: el papel de la caída de la tasa de ganancia en las crisis bajo el capitalismo. Por qué, no lo sé.

Así que hice esta pregunta sobre la ley de caída de la tasa de ganancia de Marx:

¿Cuál es la ley de Marx de la tendencia a la caída de la tasa de ganancia?

Asistente de Nova Al:

La ley de Marx de la tendencia a la caída de la tasa de ganancia es un concepto de la economía marxista que sostiene que con el tiempo, la tasa de ganancia en una economía capitalista tiende a declinar debido
a diversos factores, incluidos los avances tecnológicos, aumento de la competencia y surge de la proporción de la inversión de capital sobre la inversión laboral. Marx creía que esta tendencia hacia una tasa de ganancia decreciente eventualmente conduciría a una crisis del capitalismo, ya que los capitalistas serían incapaces de generar suficientes ganancias para mantener su sistema de producción. Si bien existe cierto debate entre economistas sobre la validez de la ley de Marx, sigue siendo un concepto importante en teoría económica marxista.

Nuevamente, esto es correcto en términos generales, pero solo en términos generales. La respuesta realmente no lleva muy lejos en la comprensión de la ley. De hecho, no es mejor que Wikipedia. Por supuesto, puede profundizar (indicar) más para obtener respuestas más detalladas. Pero parece haber un camino por recorrer para reemplazar la investigación y el análisis humanos.

Luego está la cuestión de la productividad del trabajo y los puestos de trabajo. Los economistas de Goldman Sachs estiman que si la tecnología cumpliera su promesa, provocaría una «perturbación significativa» en el mercado laboral, exponiendo el equivalente a 300 millones de trabajadores a tiempo completo en las principales economías a la automatización de sus trabajos.

 Los abogados y el personal administrativo estarían entre los que corren mayor riesgo de volverse redundantes (y probablemente los economistas). Calculan que aproximadamente dos tercios de los trabajos en los EE.UU. y Europa están expuestos a algún grado de automatización de IA, según los datos sobre las tareas que normalmente se realizan en miles de ocupaciones. 

La mayoría de las personas verían automatizada menos de la mitad de su carga de trabajo y probablemente continuarían en sus trabajos, con parte de su tiempo libre para actividades más productivas. En EE.UU., esto se aplicaría al 63% de la fuerza laboral, calcularon. Un 30 % adicional que trabaja en trabajos físicos o al aire libre no se vería afectado, aunque su trabajo podría ser susceptible a otras formas de automatización.

Los economistas de GS concluyeron: “Nuestros hallazgos revelan que alrededor del 80 % de la fuerza laboral de los EE. UU. podría tener al menos el 10 % de sus tareas laborales afectadas por la introducción de los LLM, mientras que aproximadamente el 19 % de los trabajadores pueden ver afectadas al menos el 50 % de sus tareas.”

Con acceso a un LLM, alrededor del 15 % de todas las tareas de los trabajadores en los EE.UU. podrían completarse significativamente más rápido con el mismo nivel de calidad. Al incorporar software y herramientas construidos sobre LLM, esta participación aumenta al 47- 56 % de todas las tareas. Alrededor del 7 % de los trabajadores de EE.UU. tienen trabajos en los que al menos la mitad de sus tareas podrían realizarse mediante IA generativa y son vulnerables al reemplazo. 

A nivel mundial, dado que los trabajos manuales representan una mayor parte del empleo en el mundo en desarrollo, GS estima que la IA podría realizar alrededor de una quinta parte del trabajo, o alrededor de 300 millones de trabajos de tiempo completo en las grandes economías. 

Estas previsiones de pérdida de empleo no son nada nuevo. En publicaciones anteriores, describí varios pronósticos sobre la cantidad de trabajos que se perderán debido a los robots y la IA durante la próxima década o más. Parece ser enorme; y no solo en el trabajo manual en las fábricas sino también en el llamado trabajo de cuello blanco.

Es en la esencia de la acumulación capitalista que los trabajadores se enfrentarán continuamente a la pérdida de su trabajo por la inversión capitalista en máquinas. La sustitución del trabajo humano por máquinas comenzó a principios de la Revolución Industrial Británica en la industria textil, y la automatización desempeñó un papel importante en la industrialización estadounidense durante el siglo XIX. La rápida mecanización de la agricultura a partir de mediados del siglo XIX es otro ejemplo de automatización.

Como explicó Engels en La condición de la clase obrera en Inglaterra (1844) la mecanización no solo eliminó puestos de trabajo, a menudo también creó nuevos puestos de trabajo en nuevos sectores– ver mi libro sobre Engels págs. 54-57.* Marx identificó esto en la década de 1850: “Los hechos reales, que son disfrazados por el optimismo de los economistas, son estos: los trabajadores, cuando son expulsados ​​del taller por la maquinaria, son arrojados al mercado de trabajo. Su presencia en el mercado de trabajo aumenta el número de fuerzas de trabajo que están a disposición de la explotación capitalista… el efecto de la maquinaria, que ha sido representado como una compensación para la clase obrera, es, por el contrario, un flagelo espantoso (…) Tan pronto como la maquinaria ha liberado una parte de los trabajadores empleados en una determinada rama de la industria, los hombres de reserva también son desviados hacia nuevos canales de empleo y son absorbidos por otras ramas; mientras tanto, las víctimas originales, durante el período de transición, en su mayor parte pasan hambre y perecen” (Grundrisse). La implicación aquí es que la automatización significa más empleos precarios y una creciente desigualdad.

Hasta ahora, la mecanización todavía ha requerido mano de obra humana para iniciarla y mantenerla. Pero, ¿nos estamos moviendo ahora hacia la toma de control de todas las tareas, y especialmente aquellas que requieren complejidad e ideas, con los LLM? ¿Y significará esto un aumento dramático en la productividad del trabajo para que el capitalismo tenga una nueva oportunidad de vida? 

Si los LLM pueden reemplazar el trabajo humano y, por lo tanto, aumentar drásticamente la tasa de plusvalía, pero sin un fuerte aumento en los costos de inversión de la maquinaria física (lo que Marx llamó una composición orgánica creciente del capital), entonces tal vez la rentabilidad promedio del capital retroceda de sus mínimos actuales.

Goldman Sachs afirma que estos sistemas de IA «generativos» como ChatGPT podrían provocar un auge de la productividad que eventualmente aumentaría el PIB mundial anual en un 7 % durante una década. Si la inversión corporativa en IA continuara creciendo a un ritmo similar al de la inversión en software en la década de 1990, la inversión en IA de EE.UU. por sí sola podría acercarse al 1 % del PIB de EE.UU. para 2030.

No entraré en cómo GS calcula estos resultados, porque los resultados son conjeturas. Pero incluso si aceptamos los resultados, ¿son un salto tan exponencial? Según las últimas previsiones del Banco Mundial, el crecimiento global disminuirá en aproximadamente un tercio de la tasa que prevaleció en la primera década de este siglo, a sólo un 2,2% anual. Y el FMI sitúa la tasa de crecimiento promedio en 3% anual durante el resto de esta década. 

Si añadimos el pronóstico de GS del impacto de los LLM, obtenemos alrededor de 3.0-3.5% al ​​año para el crecimiento del PIB real mundial, tal vez, y esto no tiene en cuenta el crecimiento de la población. En otras palabras, el impacto probable no sería mejor que el promedio visto desde la década de 1990. Eso nos recuerda las famosas palabras del economista Robert Solow en 1987 acerca de que “la era de las computadoras está en todas partes excepto en las estadísticas de productividad”.

El economista estadounidense Daren Acemoglu agrega que no todas las tecnologías de automatización aumentan la productividad del trabajo. Esto se debe a que las empresas introducen principalmente la automatización en áreas que pueden aumentar la rentabilidad, como el marketing, la contabilidad o la tecnología de combustibles fósiles, pero no aumentan la productividad de la economía en su conjunto ni satisfacen las necesidades sociales. 

Big Tech tiene un enfoque particular de los negocios y la tecnología que se centra en el uso de algoritmos para reemplazar a los humanos. No es casualidad que empresas como Google estén empleando menos de una décima parte de la cantidad de trabajadores que solían tener las grandes empresas, como General Motors, en el pasado. Esto es consecuencia del modelo de negocio de las Big Tech, que no se basa en crear puestos de trabajo sino en automatizarlos.

Ese es el modelo de negocio para la IA bajo el capitalismo. Pero bajo los medios de producción automatizados de propiedad común cooperativa, hay muchas aplicaciones de IA que, en cambio, podrían aumentar las capacidades humanas y crear nuevas tareas en educación, atención médica e incluso en la producción. 

Acemoglu sugirió que “en lugar de utilizar la IA para la calificación automatizada, la ayuda con las tareas y, cada vez más, para la sustitución de algoritmos por parte de los profesores, podemos invertir en el uso de la IA para desarrollar métodos de enseñanza más individualizados y centrados en el estudiante que estén calibrados para las fortalezas y debilidades específicas de diferentes grupos de alumnos. Dichas tecnologías darían lugar a la contratación de más docentes, así como a un aumento de la demanda de nuevas habilidades docentes, yendo así exactamente en la dirección de crear nuevos puestos de trabajo centrados en nuevas tareas”.  Y en lugar de reducir los empleos y los medios de subsistencia de los humanos, la IA bajo propiedad y planificación comunes podría reducir las horas de trabajo humano para todos.

Y luego está la cuestión del aumento de la rentabilidad proporcionado por la tecnología de IA. Incluso si la inversión LLM requiere menos medios físicos de producción y reduce los costos de dicho capital, la pérdida de fuerza de trabajo humana podría ser aún mayor. Entonces, la ley de la rentabilidad de Marx aún se aplicaría. Es la gran contradicción del capitalismo: aumentar la productividad del trabajo a través de más máquinas (IA) reduce la rentabilidad del capital. Eso conduce a crisis regulares y recurrentes de producción, inversión y empleo, de intensidad y duración crecientes.

Finalmente, está la cuestión de la inteligencia. Microsoft argumenta que la inteligencia es una «capacidad mental muy general que, entre otras cosas, implica la capacidad de razonar, planificar, resolver problemas, pensar de forma abstracta, comprender ideas complejas, aprender rápidamente y aprender de la experiencia». Microsoft insinúa que los LLM pronto podrían obtener esta «inteligencia generalizada» y superar la capacidad humana de pensar. 

Pero incluso aquí, hay escepticismo. “El modelo ChatGPT es enorme, pero no lo suficientemente grande como para retener todos los datos exactos que encuentra en su conjunto de entrenamiento. Puede producir una respuesta convincente a cualquier cosa, pero eso no significa que esté reflejando hechos reales en sus respuestas. Siempre tienes que mantenerte escéptico y verificar lo que te dice. Los modelos de lenguaje también son famosos por «alucinar», por inventar nuevos hechos que se ajustan a la estructura de la oración a pesar de no tener ninguna base en los datos subyacentes.»  Eso no es muy alentador.

Pero Guglielmo Carchedi tiene una razón más fundamental para negar que la IA pueda reemplazar a la ‘inteligencia’ humana:“las máquinas se comportan según las reglas de la lógica formal. A diferencia de los humanos, las máquinas son estructuralmente incapaces de comportarse de acuerdo con las reglas del pensamiento dialéctico. Solo los humanos hacen eso” (Carchedi y Roberts: El capitalismo en el siglo XXI, pág. 167). 

Aquí está la respuesta de ChatGPT a la pregunta dialéctica: “¿Puede A ser igual a A y al mismo tiempo ser diferente de A? “No, no es posible que A sea igual a A y al mismo tiempo sea diferente de A. Esto sería una contradicción en los términos, ya que la afirmación “A es igual a A” es una tautología y siempre verdadera, mientras que la afirmación “A es diferente de A” es una contradicción y siempre falsa. Por lo tanto, estas dos afirmaciones no pueden ser ambas verdaderas al mismo tiempo”.

Las máquinas no pueden pensar en cambios potenciales y cualitativos. El nuevo conocimiento proviene de tales transformaciones (humanas), no de la extensión del conocimiento existente (máquinas). Solo la inteligencia humana es social y puede ver el potencial de cambio, en particular el cambio social, que conduce a una vida mejor para la humanidad y la naturaleza.

* Roberts, Michel: Engels 200: su contribución a la economía política, Londres 2020.

COMPARTIR:

Facebook
Twitter
Pinterest
LinkedIn

Deja un comentario

Plataforma Latino Americana