Sinasabi ng mga Pinuno ng AI na Papalapit na nang Mabilis ang mga Sistemang Kasing-Talino ng Tao

Ang mabilis na pag-unlad ng artificial intelligence ay pinipilit ang mga gobyerno at institusyon na harapin ang mas maikling daan patungo sa mga sistemang kasing-talino ng tao kaysa inaasahan noon. Sinasabi na ngayon ng mga lider ng industriya na mabilis na lumiliit ang agwat sa pagitan ng kasalukuyang mga kasangkapan at artificial general intelligence. Habang bumibilis ang pag-unlad, ang mga alalahanin tungkol sa trabaho, pamamahala, at katatagan ng ekonomiya ay umuusbong bilang sentro ng debate.

Sabi ni Amodei, Maaaring Dumating ang Human-Level AI sa Loob ng Ilang Taon, Hindi Dekada

Sa World Economic Forum sa Davos, nagbabala si Anthropic CEO Dario Amodei na maaaring hindi handa ang mga policymaker sa bilis ng paglapit ng advanced AI. Kasama si DeepMind CEO Demis Hassabis, ipinaliwanag ni Amodei na malabong makasabay ang mga sistemang panlipunan at labor markets sa bilis ng teknikal na pag-unlad. Sa kanyang pananaw, lumiliit na ang oras ng paghahanda imbes na lumalawak.

Inulit ni Amodei ang kanyang paniniwala na malamang na ilang taon na lang ang layo ng human-level AI. Sinabi niyang nananatili pa rin ang kanyang mga naunang proyeksyon at patuloy ang mabilis na pag-unlad. Ayon sa kanyang estima, maaaring dumating ang superhuman capabilities sa 2026 o 2027. Sa kanyang mga salita, mahirap makita kung paano pa ito magtatagal lampas sa panahong iyon.

Malaki ang bilis na ito dahil sa mas aktibong partisipasyon ng AI systems sa sarili nilang pag-unlad. Sa Anthropic, ayon kay Amodei, ang mga software engineer ay lumilipat na mula sa pagsusulat ng code patungo sa pagsubaybay ng mga AI-generated output. Mas maraming oras na ngayon ang ginugugol ng mga engineer sa pagrerepaso at pagwawasto ng code kaysa sa paggawa nito mula sa simula. Sa loob ng anim hanggang labindalawang buwan, ipinahiwatig niyang maaaring kaya nang hawakan ng AI models ang karamihan ng coding tasks mula umpisa hanggang dulo.

Ilang mga puwersa ang nagtutulak sa siklong ito:

• Ang mga AI model ay nakagagawa na ngayon ng malalaking bahagi ng production-level code.
• Kumikilos ang mga engineer bilang reviewer kaysa pangunahing may-akda.
• Ang mga pagpapabuti sa training ay direktang nagpapabilis ng model upgrades.
• Mas pinapabagal ng hardware supply kaysa research capability ang bilis.
• Mas maiikling development cycle ang nagpapabilis ng adoption timelines.

Itinataya ni Hassabis ng DeepMind na 50% ang Tsansa ng AGI Pagsapit ng 2030

Habang kinikilala ang malakas na pag-unlad, iginiit ni Hassabis na hindi lahat ng larangan ay pantay-pantay para sa automation. Ang mga larangan gaya ng coding at math ay mas madaling target dahil mabilis na nabeberipika ang resulta. Ang ibang disiplina, lalo na ang natural sciences, ay umaasa sa mga eksperimento na nangangailangan ng oras at resources.

Ang siyentipikong pagkatuklas, aniya, ay nananatiling malaking balakid. Ang kasalukuyang mga sistema ay kayang lutasin ang mga well-defined na problema ngunit nahihirapang bumuo ng mga bagong tanong o teorya. Ang paggawa ng orihinal na hypotheses, ayon sa kanya, ay isa sa pinakamataas na antas ng pagkamalikhain ng tao. Hindi pa naipapakita ng AI ang maaasahang kakayahan sa bahaging ito, at hindi pa tiyak kung kailan—o kung kailan man—masasara ang agwat na iyon.

Dahil sa mga limitasyong ito, tinaya ni Hassabis na mga limampung porsyento ang tsansa ng pagkamit ng AGI pagsapit ng 2030. Itinuro niya ang pagkakaiba ng mabilis na computation at tunay na inobasyon bilang pangunahing kawalang-katiyakan. Gayunpaman, nagkasundo ang parehong executive na hindi na malayong usapin ang economic disruption.

Lalo nang nalalantad ang mga white-collar roles. Dati nang tinatayang ni Amodei na hanggang kalahati ng entry-level professional jobs ay maaaring mawala sa loob ng limang taon, at sa Davos, pinaninindigan pa rin niya ang bilang na iyon. Ang mga trabahong office-based, na dati’y inakalang protektado, ay nahaharap na ngayon sa automation pressures gaya ng nagbago sa manufacturing ilang dekada na ang nakalipas.

Binalaan ni Hassabis na maaaring minamaliit pa ng mga maingat na economic forecast ang bilis ng pagbabago. Lima hanggang sampung taon, ayon sa kanya, ay hindi sapat na oras para makapag-adjust ang mga lipunan. Ang mga institusyong ginawa para sa mas mabagal na transisyon ay maaaring mahirapang tumugon kung sabay-sabay magbago ang mga estruktura ng trabaho.

Pinapababa ng AI ang Awtonomiya ng Trabaho Bago pa Magsimula ang Malawakang Layoffs

Para kay Amodei, lumawak na ang hamon lampas sa engineering patungo sa krisis ng koordinasyon. Iginiit niyang dapat ilaan ng mga gobyerno ang karamihan ng kanilang atensyon sa pamamahala ng transisyon. Bagaman ang mga panganib na kaugnay ng maling paggamit at tensyong geopolitical ay nananatiling mapangasiwaan, lumiliit ang margin para sa pagkakamali.

Mga pangunahing policy pressure na umuusbong mula sa debate ay kinabibilangan ng:

• Mas mabilis na labor shifts kaysa kayang hawakan ng kasalukuyang retraining systems.
• Kakulangan ng regulasyon sa makapangyarihang general-purpose models.
• Papataas na hindi pagkakapantay-pantay dulot ng automation ng mga skilled work.
• Pagkaipon ng AI capabilities sa maliit na bilang ng malalaking kumpanya.
• Limitadong pandaigdigang koordinasyon sa safety standards.

Naniniwala ang ilang labor analyst na maaaring dumating ang disruption sa pamamagitan ng restructuring ng trabaho kaysa sa ganap na pagpapalit. Sinabi ni Bob Hutchins, CEO ng Human Voice Media, na ang mga professional role ay hinahati-hati sa mas maliliit at mas mahigpit na mino-monitor na gawain. Ang mga algorithm ang namamahala sa mga workflow na dating hawak ng mismong manggagawa.

Ayon kay Hutchins, binabago ng pagbabagong ito ang nararamdaman at nagiging daloy ng trabaho. Ang mga creative at technical role ay lumilipat mula sa posisyon ng gumagawa ng desisyon patungo sa papel ng nagbeberipika. Tinitingnan na lang ng mga manggagawa ang output kaysa humubog ng proyekto. Sa paglipas ng panahon, maaaring alisin ng prosesong ito ang awtonomiya at magpababa ng sahod, kahit hindi nagbabago ang titulo ng trabaho.

Sa halip na tanungin kung papalitan ng makina ang tao, iginiit ni Hutchins na dapat ituon ang pansin sa kung paano nababago ang kalidad ng trabaho. Habang nahahati-hati ang gawain at dumadami ang pagsubaybay, maaaring mawasak ang mismong propesyonal na pagkakakilanlan. Ang mga gobyerno at employer ay humaharap na ngayon sa hamon na lampas sa pagpapanatili ng trabaho, kundi pati sa pagpapanatili ng makabuluhang trabaho habang patuloy na lumalawak ang kakayahan ng AI.