„Didžiausias iššūkis, susijęs su dirbtiniu intelektu (AI), yra tai, kad mums jo dar nepakanka. Reguliavimu turėtų būti siekiama padėti išspręsti šią problemą.
AI galėtų paskatinti daugelį išsivysčiusių ekonomikų, kovojančių su lėtu našumo augimu.
Tačiau technologija vis dar vystosi, o griežtos Europos Sąjungos AI taisyklės trukdo pažangai.
Kadangi JAV diskutuoja dėl reglamento, turėtume vengti tų klaidų vadovaudamiesi šešiais principais:
Pirma, subalansuokite naudą ir riziką. Tai gali atrodyti akivaizdu, tačiau daugelis reguliavimo entuziastų ignoruoja technologijos pranašumus dėl pernelyg didelio atsargumo ir palaiko AI atidėjimą, kol bus įrodyta, kad jis visiškai saugus.
Sąnaudų ir naudos analizė reikalauja, kad reguliavimo institucijos galvotų ne tik apie AI riziką, bet ir apie lėtesnio AI vystymosi riziką, pvz., daugiau mirčių nuo vėžio dėl vėluojančio vaistų atradimo, prastesni mokymosi rezultatai, nes studentams trūksta personalizuotų skaitmeninių dėstytojų, daugiau autoavarijų dėl vėluojančių, savarankiškai važiuojančių, automobilių ir blogėjančios klimato kaitos, nes sulėtėja geresnių medžiagų, skirtų tinklo lygio akumuliatorių saugojimui, paieška.
Antra, palyginkite AI su žmonėmis, o ne su Visagaliu. Taip, autonominiai automobiliai suklysta, bet kaip jie lyginami su žmonėmis? AI gali rodyti šališkumą, bet kaip tai lyginama su žmonių išankstiniams nusistatymams? Kai kuriais atvejais netgi gali būti priimtina, kad dirbtinis intelektas veiktų šiek tiek blogiau, nei žmonės, jei jis suteikia daug patogumo ir turi daugiau galimybių, laikui bėgant, tobulėti, kaip matėme su autonominėmis transporto priemonėmis. Dirbtinis intelektas mokosi daug greičiau, nei žmonės, o būsima šio mokymosi nauda priklauso buhalterinei naudos pusei.
Trečia, spręsti, kaip esami reglamentai trukdo pažangai. Akivaizdžiausios yra leidimai ir kitos kliūtys plečiant duomenų centrus ir jiems reikalingus energijos šaltinius. Bėgant laikui, didesnę grėsmę kelia dešimtys jau priimtų valstijų įstatymų, reglamentuojančių dirbtinį intelektą, ir dar šimtai pasiūlytų.
Kiek įmanoma, federalinė pirmumo teisė su savo sistema padėtų užtikrinti, kad JAV išliktų bendra skaitmeninė rinka, skirtingai, nei suskilusi ES.
Ketvirta, kai naujas reguliavimas yra pagrįstas, AI turėtų prižiūrėti esamos konkrečios srities reguliavimo institucijos, o ne naujas superreguliatorius. Neturime atskirų reguliatorių kompiuteriams ar tiesinei regresijai; Vietoj to, mūsų reguliavimo institucijos specializuojasi srityse, kuriose jie naudojami, pavyzdžiui, automobilių sauga, prekyba akcijomis ir medicinos prietaisai. Esamos reguliavimo institucijos turėtų sutelkti dėmesį į rezultatus ir pasekmes savo srityse, o ne į indėlius ir metodus. Tam gali prireikti daugiau AI patirties ir agentūrų lankstumo. Maisto ir vaistų administracija sugalvojo procedūras, kaip patvirtinti dirbtinio intelekto įrenginius, kurie gali prieštarauti standartinėms taisyklėms.
Penkta, reguliavimas neturi tapti grioviu, apsaugančiu esamus operatorius. Istorija rodo, kad gerai apgalvotos taisyklės gali įtvirtinti esamas galias – nuo viduramžių gildijų iki ligoninių būtinumo pažymėjimų įstatymų. Dirbant su dirbtiniu intelektu, rizikuojame pakartoti šį modelį. Centralizuotos licencijas išduodančios institucijos gali lengvai tapti vartų sargais, slopinančiais konkurenciją.
Superreguliatorių galėtų užfiksuoti didelės įmonės. Kai technologijų milžinai entuziastingai propaguoja reguliavimą, mes turėtum iškelti raudonas vėliavas. Mūsų reguliavimo sistema turėtų puoselėti konkurencingą dirbtinio intelekto aplinką, o ne sustiprinti kelių pirmųjų kompanijų dominavimą.
Šešta, ne kiekvieną AI sukeltą problemą galima išspręsti, reguliuojant AI. Tikiuosi, kad ši technologija padidins darbo užmokestį, nepakenkiant užimtumui, ypač darbuotojams, turintiems, mažiau apmokamų, įgūdžių. Tyrimai parodė, kad, mažiau įgudę, rašytojai gauna daugiausia naudos iš AI pagrįstų rašymo pasiūlymų. Tačiau galimi niūrūs scenarijai, kai greiti technologiniai pokyčiai išstumia darbuotojus arba sukelia nelygybę. Atsakymas į šią neigiamą riziką yra ne tai, kad reguliavimo institucijos įvertintų, ar kiekviena technologinė pažanga pakeičia darbo vietas, ar didina nelygybę. Atvirkščiai, sprendimas slypi labiau tradicinėje ekonominėje politikoje, pvz., mokymo programose, kurios sujungia žmones su darbo vietomis, atlyginimų subsidijomis ir progresyvesne mokesčių bei pervedimų sistema, siekiant užtikrinti, kad dirbtinio intelekto nauda būtų plačiai pasidalijama.
Nors kai kurie AI reglamentai yra pateisinami, politikos formuotojai turėtų elgtis atsargiai. Gerų ketinimų pastangos gali netyčia sulėtinti pažangą ir nepasiekti savo tikslų. Šie šeši principai gali padėti suformuoti subalansuotą ir veiksmingą požiūrį į dirbtinio intelekto reguliavimą, išnaudojantį jo potencialą, sprendžiant pagrįstus rūpesčius.
---
P. Furmanas, Harvardo ekonominės politikos praktikos profesorius, 2013–2017 m. buvo Baltųjų rūmų ekonomikos patarėjų tarybos pirmininkas.“ [1]
1. How to Regulate AI Without Stifling Innovation. Furman, Jason. Wall Street Journal, Eastern edition; New York, N.Y.. 22 Nov 2024: A.15.
Komentarų nėra:
Rašyti komentarą