Escrito por Charles Hugh Smith
En el mundo real, los costos son todo lo que sabemos con certeza y las ganancias siguen siendo esquivas y contingentes.
Nadie sabe cómo se desarrollará la avalancha de productos de IA, pero sí sabemos que ha desatado un frenesí corporativo para “poner en marcha nuestra propia IA”. Las modas corporativas son una de las dinámicas menos discutidas pero más obvias de la economía. Las corporaciones siguen las modas tan ávidamente como cualquier otro consumidor descuidado, apresurándose de cabeza en lo que sea que todos los demás estén haciendo.
La globalización es un ejemplo reciente. A principios de la década de 2000, me senté junto a empleados corporativos en vuelos a China y otros destinos asiáticos que describían las tribulaciones y los costosos desastres creados por la loca carrera de sus empleadores para trasladar la producción al extranjero: el control de calidad se derrumbó, las tecnologías patentadas fueron robadas y copiadas rápidamente, los costos se dispararon en lugar de disminuir, y así sucesivamente.
Así que hablemos de los costos de la IA en lugar de solo los beneficios. Al igual que muchas otras tecnologías muy publicitadas, la IA del Modelo de Lenguaje Grande (LLM) se presenta como independiente y “gratuita”. Pero en realidad no es independiente ni gratuito: requiere un ejército de humanos trabajando duro para que sea funcional: “Somos trabajadores gruñones”: los humanos humildes que ayudan a ejecutar ChatGPT ganan solo $ 15 por hora (cobertura cero).
“Somos trabajadores gruñones, pero no habría sistemas de lenguaje de IA sin él. Puedes diseñar todas las redes neuronales que quieras, puedes involucrar a todos los investigadores que quieras, pero sin etiquetadores, no tienes ChatGPT. No tienes nada”.
Las tareas realizadas por este ejército oculto de trabajadores humanos son eufemísticamente desinfectadas por el lenguaje corporativo como trabajo de enriquecimiento de datos.
Luego están los estupendos costos de toda la potencia informática adicional necesaria para entregar IA a las masas: Para los gigantes tecnológicos, la IA como Bing y Bard plantea un problema de busqueda un billón de dolares
Lo que hace que esta forma de IA sea más cara que la búsqueda convencional es la potencia informática involucrada. Tal IA depende de billones de dólares en chips, un costo que debe distribuirse a lo largo de su vida útil de varios años, dijeron los analistas. La electricidad también agrega costos y presión a las empresas con objetivos de huella de carbono.
Las corporaciones cuentan con la magia de la economía del desperdicio como crecimiento / de vertedero para generar márgenes más altos de lo que toque la IA — no preguntes, es magia — pero pocos preguntan cómo funcionará toda esta magia en una recesión global donde los consumidores tendrán menos ingresos y crédito para comprar, comprar, comprar.
LLM-AI está plagado de errores, y nadie puede decir qué es semi-preciso, qué es engañoso ni qué está totalmente mal. A pesar de las afirmaciones tremendamente optimistas, la localización de los errores y las semiprecisiones no se puede automatizar por completo. Los errores son inconsecuentes en un informe de libro generado por IA, pero cuando la salud de los pacientes está en juego, se vuelven muy importantes: Soy médico de emergencias: Esto es lo que encontré cuando le pedí a ChatGPT que diagnosticara a mis pacientes.
Esto plantea preguntas fundamentales sobre cuánto trabajo puede realizar LLM-AI sin supervisión humana, y las afirmaciones demasiado alegres de que se perderán decenas de millones de empleos a medida que esta iteración de AI automatice vastas franjas del trabajo humano.
La IA sobresale en el refuerzo de la cámara de eco de suposiciones y políticas arriesgadas o propensas a errores: Espirales de delirio: cómo la IA distorsiona la toma de decisiones y hace que los dictadores sean más peligrosos. ¿Cuál es el umbral de preocupación de que las conclusiones de IA sean más arriesgadas de lo que se presentan? ¿Cómo calculamos las posibilidades de que las conclusiones de la IA estén catastróficamente equivocadas?
¿En qué momento los responsables de la toma de decisiones se darán cuenta de que confiar en la IA no vale la pena el riesgo? Si la historia sirve de guía, esa comprensión solo surgirá de pérdidas financieras y malas decisiones. Para el resto de nosotros, podría ser que la novedad desaparece a medida que se acumulan las insuficiencias: Noam Chomsky: La falsa promesa de ChatGPT.
Dado que todo este LLM-AI es “gratuito”, ¿qué bienes y servicios creados por IA generarán cientos de billones de dólares en nuevos ingresos y decenas de billones en nuevas ganancias? La respuesta general es que las ganancias fluirán de despedir a millones de humanos costosos y reemplazarlos con software de IA “casi gratuito”.
Pero dado que todos sus competidores se apresuran por el mismo camino frenético hacia la IA, ¿qué ventaja competitiva se acumulará para lo que ya es un producto básico (LLM-AI)? Nadie hace tales preguntas porque la euforia de las revoluciones tecnológicas es muy divertida.
El entusiasmo desatado por las nuevas tecnologías es selectivamente eufórico: los beneficios resultarán inconmensurables y los costos pronto serán casi nulos. Pero en el mundo real, los costos son todo lo que sabemos con certeza y las ganancias siguen siendo difíciles de alcanzar y contingentes.
Aún no se sabe exactamente qué será aniquilado por el impacto del meteorito.
GatoPress 