Impactes de la Intel·ligència Artificial

Els ràpids avenços que està experimentant la Intel·ligència Artificial estan alimentant un optimisme significatiu i major inversió en la investigació d’aquesta tecnologia. La Intel·ligència Artificial ha superat, o probablement aviat superarà, als humans en dominis (estrets) com jugar a escacs o al go, controlar un jumbo durant el creuer, fer recomanacions de productes, taxar milions de productes en una plataforma de comerç electrònic, raonar sobre si és probable que un pacient torni a ser admès en un hospital o detectar senyals d’un volum massiu de notícies financeres.

iiaCAT

Tot això, al seu torn, permetrà un esforç continu en mètodes de raonament racional i econòmic, cap a l’objectiu més ampli de desenvolupar la “Machina economicus», un homo economicus sintètic, el mític agent perfectament racional de l’economia neoclàssica. Un agent racional capaç de percebre el món que l’envolta i prendre accions per avançar en objectius específics (i en dominis més ampli que els actuals).

La Intel·ligència Artificial està en creixement gràcies a dos factors principals: accés il·limitat a potència de computació i creixement exponencial de Big Data.

Teoria Econòmica

El principal èxit d’Adam Smith va ser posar al centre de l’economia l’anàlisi sistemàtica del comportament dels agents individuals que persegueixen el seu propi interès en condicions de competència. Des de llavors, aquest axioma s’ha convertit, com a qüestió de fet, en una part fonamental dels discursos econòmics.

El desenvolupament de l’Economia Digital ha comportat una disminució dels costos de recerca i de comunicació. De manera similar al desenvolupament de la intel·ligència artificial ens conduirà a un descens significatiu en el cost de les prediccions, el que al seu torn, conduirà a l’augment de valor d’altres béns i serveis. “La intel·ligència de la màquina substitueix (i millora) a la capacitat de predicció humana, esdevenint un complement al judici humà, de manera que el valor del judici humà augmenta” (professor Ajay Agrawal -veure bibliografia al final).

Com a conseqüència, els béns i serveis basats en prediccions veuran disminuir els seus costos. Les prediccions són un input d’un bon nombre d’activitats: transport, agricultura, salut, energia, comerç, gestió d’inventaris, previsió de demanda futura, … Però a més es farà servir la predicció per a altres problemes per als quals la predicció no ha estat històricament un input. Per exemple, per a la conducció de vehicles.

Prediccions

Totes les activitats humanes poden ser descrites per cinc components d’alt nivell:

  • Dades
  • Predicció
  • Judici
  • Acció
  • Resultats

Per exemple, una visita al metge en resposta al dolor condueix a: 1) proves diagnòstiques: radiografies, anàlisi de sang, monitorització (dades), 2) diagnòstic i pronòstic del problema (predicció), 3) elecció del tractament: d’acord a la seva edat, estil de vida i situació familiar, riscos i efectes secundaris (judici); 4) administració del tractament (acció) i 5) recuperació (completa) amb els menors efectes secundaris possibles (resultat).

Amb millors prediccions (amb l’ajuda de la Intel·ligència Artificial) podria augmentar la prevenció i la detecció de problemes de salut en estadis menys avançats i més fàcilment tractables (curables). Com a conseqüència serien més valorades les decisions (humanes) sobre l’elecció de tractaments …

Creixement

Des del punt de vista econòmic la tecnologia és un motor del creixement i un element per millorar la productivitat. Alguns investigadors (veure bibliografia al final) sostenen que la Intel·ligència Artificial és un nou factor de producció capaç d’augmentar la productivitat i al seu torn, crear noves forces de treball. La clau està en considerar la Intel·ligència Artificial com un híbrid de capital i de treball capaç de replicar activitats laborals en molta major escala i velocitat i fins i tot en determinades tasques que van més enllà de les capacitats humanes.

A més, i a diferència del capital convencional, les màquines intel·ligents poden millorar amb el temps, gràcies a les seves capacitats d’autoaprenentatge.

Així, el model tradicional de creixement tindria tres components: Capital, treball i productivitat total de factors (TFP = Total Factor Productivity), mentre que un nou model de creixement tindria un quart factor: La Intel·ligència Artificial.

La Intel·ligència artificial pot ser un conductor (driver) del creixement gràcies a tres característiques:

  • Podeu crear una nova força de treball virtual ( “automatització intel·ligent”).
  • Pot complementar i millorar les habilitats i la capacitat de la mà d’obra existent i el capital físic.
  • Pot impulsar innovacions en l’economia.

Amb el temps, aquestes tres capacitats converteixen la Intel·ligència Artificial en un catalitzador per a una transformació estructural àmplia, no només per fer les coses de manera diferent, sinó també per fer coses diferents.

Treball

Mentre que la informatització s’ha limitat històricament a les tasques de rutina que impliquen activitats explícites basades en regles, els algoritmes per Big Data permeten tasques més complexes que inclouen reconeixement de patrons i poden substituir fàcilment a la mà d’obra en tasques cognitives no rutinàries. A més, els robots avançats estan millorant els seus sentits i la seva destresa, permetent un major abast de tasques manuals.

Diversos estudis pronostiquen l’automatització (computarització) d’un percentatge elevat d’ocupacions en la propera dècada o en les pròximes dues. Per exemple Frey i Osborne (2013) preveuen que un 47% dels llocs de treball actuals als EUA estaran en situació de risc (veure bibliografia al final).

No obstant això, encara hi ha tasques de difícil automatització i les competències necessàries per a realitzar-les passaran a ser les més sol·licitades:

  • Capacitats socials: empatia, interacció, col·laboració, tenir cura dels altres
  • Resolució creativa i col·laborativa de problemes, especialment els no estructurats
  • Creativitat, innovació i storytelling
  • Adquisició, filtre i processament de nova informació (rellevant): tasques d’exploració, investigadores, de descobriment
  • Treballs físics no rutinaris (requereixen una combinació de les habilitats anteriors)

Al seu torn, l’educació i la formació professional i acadèmica han de ser prou flexibles com per poder ensenyar noves habilitats de manera ràpida, eficient i personalitzada.

Malgrat els riscos per a l’ocupació de l’automatització que planteja la Intel·ligència Artificial, els economistes, en general, compartim l’opinió que la tecnologia, en última instància, crearà més llocs de treball que els que destruirà.

 

Si en voleu saber una mica més …

 

Frey, C.B. y Osborne, M.A. (2013) The future of employment: how susceptible are jobs to computerisation? Universidad de Oxford. September 17, 2013.

http://www.oxfordmartin.ox.ac.uk/downloads/academic/The_Future_of_Employment.pdf

Chui, M. et al. (2016) Where machines could replace humans -and where they can’t (yet). McKinsey Quarterly, 07/2016.

http://www.mckinsey.com/business-functions/business-technology/our-insights/where-machines-could-replace-humans-and-where-they-cant-yet

Colvin, G. (2015) Just what can’t computers do? Computerworld, August 6th, 2015.

http://www.computerworld.com/article/2959534/personal-technology/just-what-can-t-computers-do.html

Kamenetz, A. (2013) The four things people can still do better than computers. Fastcompany. July 19th, 2013.

https://www.fastcompany.com/3014448/the-four-things-people-can-still-do-better-than-computers

The Economist. March of the Machines. A Special report on Artificial Intelligence. June, 25th 2016.

http://www.economist.com/printedition/2016-06-25

Vriend, N. J. (1994) Artificial Intelligence and Economic Theory. In Many-Agent Simulation and Artificial Life by Hillebrand, E. & Stender, J. Eds. IOS Press, 1994.

http://webspace.qmul.ac.uk/nvriend/pub/ios.pdf

Purdy, M. & Daugherty, P. (2016) Why Artificial Intelligence is the future of growth. Accenture, 2016.

https://www.accenture.com/ro-en/_acnmedia/PDF-33/Accenture-Why-AI-is-the-Future-of-Growth.pdf

Parkes, D. C., and M. P. Wellman (2015) Economic Reasoning and Artificial Intelligence. Science 349 (6245) (July 16): 267–272.

https://dash.harvard.edu/handle/1/25622971