Stephen Dover, dyrektor Franklin Templeton Institute, przygląda się potencjalnym korzyściom, zagrożeniom i zmianom społecznym związanym ze sztuczną inteligencją z perspektywy inwestycyjnej. Te niezwykłe wynalazki - wraz z dziesiątkami innych - zrewolucjonizowały sposób, w jaki uprawiamy ziemię, przesyłamy informacje, podróżujemy na duże odległości lub badamy obszary poza naszą planetą. Jednak ostatecznie mogą one okazać się nieistotne w porównaniu z pojawieniem się sztucznej inteligencji (AI). Przynajmniej w ten sposób wielu fanów i przeciwników AI postrzega transformacyjny potencjał inteligencji maszynowej.
W tym pierwszym artykule z serii poświęconej sztucznej inteligencji przedstawiamy podstawowe informacje na temat tego, czym sztuczna inteligencja jest, a czym (jeszcze) nie jest. Badamy, w jaki sposób rozwój i rozpowszechnianie sztucznej inteligencji przypomina - i różni się - od innych postępów technologicznych. Rozważamy potencjał i ograniczenia sztucznej inteligencji. Na koniec przedstawiamy kilka pierwszych wniosków na temat tego, w jaki sposób inwestorzy mogą wykorzystać potencjał sztucznej inteligencji w ich portfelach.
Czym jest sztuczna inteligencja?
Sztuczna inteligencja jest definiowana w Oxford English Dictionary jako "rozwój systemów komputerowych zdolnych do wykonywania zadań normalnie wymagających ludzkiej inteligencji". Definicja ta jest jednak na tyle nieprecyzyjna, że obejmuje zadania, z którymi zwykłe kalkulatory radzą sobie od kilku pokoleń, potrafiąc dodawać, odejmować, mnożyć i dzielić.
Dlatego tym, co odróżnia sztuczną inteligencję od zwykłej informatyki, jest zdolność systemów komputerowych do uczenia się, adaptacji, a tym samym nabywania inteligencji, co pozwala im dynamicznie reagować na zmieniające się sytuacje w sposób naśladujący, a nawet przewyższający ludzkie umiejętności. Lub, jak ujął to ojciec terminu AI, profesor John McCarthy z Uniwersytetu Stanforda w 1955 roku, AI to "nauka i inżynieria inteligentnych maszyn".
Sztuczna inteligencja obejmuje systemy autonomiczne (np. roboty, które mogą samodzielnie nawigować), uczenie maszynowe (algorytmiczne rozpoznawanie wzorców w oparciu o duże ilości danych), uczenie się poprzez etykietowanie (wykorzystywanie obrazów do przyspieszenia rozpoznawania wzorców) oraz głębokie uczenie się (np. wykorzystywanie sieci neuronowych do wyciągania wniosków, w tym z mniejszych próbek).
Korzystając ze sztucznej inteligencji, maszyny mogą obecnie między innymi rozpoznawać głosy i obrazy, odpowiadać na zapytania mówione i pisane, pokonywać arcymistrzów w grach takich jak szachy i "Go" oraz poruszać się po złożonych i dynamicznie zmieniających się trasach.
Chociaż toczą się spory na temat tego, kiedy sztuczna inteligencja została po raz pierwszy "wynaleziona", jest ona obecnie na tyle stara i zaawansowana, że jest powszechna w wielu codziennych zastosowaniach, między innymi:
- Dopasowywanie konsumentów do towarów i usług w handlu elektronicznym (marketing ukierunkowany)
- Asystenci rozpoznawania głosu, tacy jak Alexa firmy Amazon lub Siri firmy Apple.
- Wykrywanie oszustw, przede wszystkim w finansach osobistych
- Filtrowanie spamu w wiadomościach e-mail i innych aplikacjach
- Rozpoznawanie twarzy (zastępujące na przykład konieczność stosowania haseł w celu aktywacji smartfonów, tabletów lub komputerów)
- Aplikacje nawigacyjne stosowane w samochodach
- Aplikacje zrobotyzowane w opiece zdrowotnej, magazynowaniu i budownictwie
- Analiza diagnostyczna, na przykład w radiologii
- Rozwój autonomicznych (samojezdnych) pojazdów, a także funkcji bezpieczeństwa samochodów (np. automatyczne hamowanie)
- Sporządzanie dokumentów (na przykład w marketingu)
- Sztuczna inteligencja i ekonomia innowacji
Ekonomiści od dawna rozumieją, że trwały wzrost poziomu życia wymaga ciągłych innowacji, które umożliwiają stały wzrost produkcji na godzinę pracy (tj. produktywności). Przez większość historii ludzkości innowacje były związane albo z poprawą kapitału ludzkiego (ludzkie know-how), albo kapitału fizycznego (lepsze narzędzia, za pomocą których można wydajniej wykonywać zadania).
Sztuczna inteligencja nie pasuje jednak do tych rozróżnień. Może, ale nie musi, poprawić ludzką wiedzę, umiejętności lub inteligencję, a także może, ale nie musi, zapewnić pracownikom lepsze narzędzia, aby stali się bardziej produktywni.
Zamiast tego może ich zastąpić.
Innymi słowy, tradycyjne innowacje sprawiały, że istniejący pracownicy byli bardziej produktywni, ponieważ stawali się "mądrzejsi", dawały im narzędzia pozwalające produkować więcej lub zastępowały ich zastąpiły ludzi bardziej produktywnymi maszynami.
Jednak nie wszystkie wcześniejsze innowacje zastępowały pracowników.
Na przykład innowacje związane z drukiem i znacznie późniejszym Internetem pozwoliły pracownikom zwiększyć swoje umiejętności i wiedzę, aby stać się bardziej produktywnymi. W prehistorii ujarzmienie ognia znacznie poprawiło spożycie kalorii przez ludzi (w szczególności białek pochodzenia zwierzęcego), podczas gdy wynalezienie koła umożliwiło transport ludzi i towarów tam, gdzie były najbardziej potrzebne.
Od końca XIX wieku do ostatnich dziesięcioleci XX wieku przestrzeń i czas gwałtownie się skurczyły dzięki wynalazkom, które umożliwiły natychmiastową komunikację na całym świecie (np. telegraf, telefon i Internet) oraz innowacjom, które skompresowały geografię (np. parowiec, pociąg, samochód, samolot odrzutowy). Skrócenie dystansu w komunikacji i transporcie stanowiło podstawę znacznego wzrostu produktywności związanego z szybko rozwijającym się handlem międzynarodowym i finansami, które uwolniły miliony ludzi do globalnej siły roboczej, a wielu z nich zyskało znacznie lepsze miejsca pracy i dochody. Co więcej, zyski te były wyraźnie dodatnie.
Na przestrzeni historii ludzkości produktywne innowacje zarówno uzupełniały ludzką pracę, jak i ją zastępowały. Ogień, koło i informacja były głównie innowacjami zwiększającymi ludzką produktywność. Inne innowacje, takie jak traktory, młockarnie, kombajny i ciężarówki, zastąpiły ludzi w rolnictwie. Podobnie było z edytorami tekstu i automatycznymi sekretarkami, które wyparły sekretarki i innych pracowników administracyjnych w miejscu pracy.
Jednym z największych pojawiających się pytań w ekonomii jest zatem to, czy sztuczna inteligencja będzie bardziej uzupełniać, czy zastępować ludzki wkład w produkcję. Prawdę mówiąc, nikt jeszcze tego nie wie, ale być może z tego powodu sztuczna inteligencja budzi dziś tyle samo obaw, co podziwu.
Czynnik strachu
Zastępowanie pracy ludzkiej maszynami było powracającym tematem współczesnego kapitalizmu, począwszy od wyludnienia rolnictwa w Wielkiej Brytanii i Stanach Zjednoczonych w stuleciu między, mniej więcej, 1850-1950. Był to okres, w którym ponad połowa Amerykanów przeniosła się z rolnictwa do przemysłu i usług, przenosząc się z obszarów wiejskich do miast i przedmieść. Niedawno maszyny (w tym roboty) zastąpiły pracowników w fabrykach, powodując spadek zatrudnienia na dużą skalę w wielu branżach (najbardziej znany wzdłuż linii montażowej samochodów).
Uchwycone w literaturze, filmach i sztuce, te rozległe dyslokacje oraz ludzki ból i cierpienie, które wywołały, są wyryte w świadomości ludzi na całym świecie. Nowoczesność zawsze miała ostre krawędzie i przez kilka stuleci swojego istnienia wzbudzała prawdopodobnie więcej obaw niż utopijnych marzeń.
Nic więc dziwnego, że najnowsze wcielenie nowoczesności - podobne do człowieka maszyny napędzane sztuczną inteligencją - wzbudza strach wśród dużej części populacji.
Jeśli jednak historia jest naszym przewodnikiem, to pokazuje ona, że większość innowacji postępuje szybko, nie zważając na strach ani na tradycję. Biorąc pod uwagę liczbę podmiotów zaangażowanych w rozwój sztucznej inteligencji na całym świecie oraz fakt, że ze względu na swój charakter może ona rozwijać się autonomicznie, trudno jest wyobrazić sobie, w jaki sposób można by ją powstrzymać, nawet gdyby było to pożądane. Biorąc pod uwagę liczbę podmiotów zaangażowanych na całym świecie w rozwój sztucznej inteligencji oraz fakt, że z natury może ona rozwijać się autonomicznie, trudno jest dostrzec, w jaki sposób można by ją powstrzymać, nawet gdyby było to pożądane (co może nie być).
W związku z tym testem będzie to, czy instytucje wynalezione przez człowieka, które ustanawiają zasady, zgodnie z którymi współistniejemy - wśród nich demokracja i rządy prawa - będą miały trwałość i elastyczność, aby ustanowić warunki, w których sztuczna inteligencja poprawi ludzką kondycję, a nie zaszkodzi.
Sztuczna inteligencja: jak w nią inwestować
Innowacje często przywołują obrazy ogromnych fortun, które szybko powstają: Rockefellerowie i ropa naftowa, Ford i samochody, Gates i komputery osobiste, Zuckerberg i media społecznościowe. Ale chociaż te narracje są ewidentnie prawdziwe, zawierają również pojęcie stronniczości pamięci. Historia jest pisana przez zwycięzców i o zwycięzcach, a przegranym poświęca się niewiele miejsca.
Niektórzy z naszych czytelników mogą mgliście przypominać sobie inne niegdyś znane nazwy: Wang Computers, Pets.com, Netscape czy Friendster. To tylko kilka z długiej listy nazw w erze komputerów, Internetu i mediów społecznościowych, które niegdyś były ulubieńcami Wall Street, a następnie upadły na twarz.
Jest pewna lekcja w zestawieniu przełomowych innowacji, które dla jednych tworzą fortuny, a dla innych są przypisami, a jest nią to, że oddzielenie tych dwóch w czasie rzeczywistym jest trudne, jeśli nie niemożliwe. Wskazane może być rozłożenie kapitału inwestycyjnego na cały sektor, aby uchwycić ponadprzeciętne potencjalne zwroty z danego tematu, bez nieuzasadnionego polegania na oddzielaniu zwycięzców i przegranych, zanim będzie to w ogóle możliwe.
Jednocześnie potrzebne jest głębsze zrozumienie, w jaki sposób szerokie tematy mogą być stosowane w procesie selekcji papierów wartościowych i zapewniać większy potencjał nadmiernych zwrotów, ponieważ tematy te są często postrzegane jako zbyt trudne do zmierzenia. Inwestowanie tematyczne pozostawia miejsce na bardziej makroskopowe decyzje - ci, którzy potrafią dogłębnie zrozumieć temat, mogą potencjalnie zarobić większą alfę niż ostatnio uzyskano dzięki tradycyjnemu aktywnemu zarządzaniu.
W analogii do baseballu i statystyk, zdobywanie punktów i wygrywanie meczów polega na unikaniu outów i wyprzedzaniu biegaczy w ofensywie, rzucaniu i dobrej grze w obronie. Drużyny z supergwiazdami nie zawsze, a może najczęściej, wygrywają puchary.
Przynajmniej tak powiedział mi ChatGPT.
Zobacz także: Bitcoin za pół miliona dolarów? To mniej abstrakcyjne niż myślisz - kolejny cykl właśnie się realizuje!
Dodatkowe opinie na temat sztucznej inteligencji można znaleźć w artykule Franklin Equity Group zatytułowanym Age of AI.
Stephen Dover, CFA
Główny strateg rynkowy,
Franklin Templeton Institute
