Bolączki sztucznej inteligencji – dlaczego nie jest w stanie zastąpić programistów?
W tym artykule dowiesz się:
- Dlaczego uczenie maszynowe nie jest samowystarczalne i wymaga ingerencji człowieka
- Jakich umiejętności brakuje AI do tego, aby zastąpić programistów
- Dlaczego zastąpienie programistów modelami AI nie jest opłacalne
Sztuczna inteligencja weszła na rynek z drzwiami, ale okazuje się, że pomimo wielu możliwości technologia ta ma równie wiele ograniczeń i bolączek. Chociaż kolejne raporty instytucji badawczych głoszą, że AI odmieni rynek pracy, czy będzie w stanie zastąpić programistów?
Ograniczenia możliwości uczenia maszynowego
Uczenie maszynowe w 2023 roku zawojowało świat – stworzony przez OpenAI ChatGPT wprowadził sztuczną inteligencję na rynkowe salony, a branża osiągnęła wartość 241 miliardów dolarów. Sprawił też, że wszyscy zaczęli zadawać sobie pytanie – na jakim etapie rozwoju jest AI, a także czy, kiedy i jakie zawody zastąpi? Chociaż, jak wynika z badania Europejskiego Banku Centralnego, przesadzone są twierdzenia, że AI zastąpi ludzi w pracy, nie zmienia to faktu, że jednymi z pierwszych osób, które powinny się obawiać, są programiści.
Czy jest tak naprawdę? Chociaż na pierwszy rzut oka wydaje się, że developerzy sami sobie wykopali grób przez rozwój technologii bazujących na uczeniu maszynowym, bliższe przyjrzenie się sprawie pokazuje, że nie muszą (jeszcze) obawiać się utraty pracy. Uczenie maszynowe jest wspaniałą technologią, ale pomimo licznych zalet ma równie wiele ograniczeń, które sprawiają, że jego powszechne użycie może być ograniczone.
Przede wszystkim należy zauważyć, że modele AI są zależne od danych – mowa nie tylko o ogromnej ich ilości potrzebnej do działania, ale również o jakości. Każde narzędzie AI będzie tak dobre, jak dane użyte do jego wyszkolenia, więc jeśli będą one niedokładne lub pełne uprzedzeń, takie same będą wyniki, co pokazują np. badania IBM.
Modele uczenia maszynowego mogą być świetne np. w generowaniu tekstu, ale poza zadaniem, do którego zostały wytrenowane, mogą sobie w ogóle nie radzić. Trzeba też pamiętać, że mogą mieć trudności w wykonywaniu zadań, do których zostały zaprojektowane – wynika to m.in. z niemożliwości pełnego zrozumienia kontekstu, a także problemu przeuczenia, który ma miejsce, gdy modele za bardzo dostosują się do danych treningowych.
Niemożność rozumienia złożonych problemów
Pewna jest jedna sprawa – jeszcze wiele wody musi upłynąć, nim AI całkowicie zastąpi programistów. Powodów jest wiele, ale jeden dominuje nad pozostałymi – SI nie posiada zdolności do abstrakcyjnego myślenia, które jest niezbędne w codziennej pracy programisty. Sprawia to też, że narzędzia SI nie radzą sobie w obszarach wymagających kreatywności, a także nie są w stanie łączyć oddalonych od siebie wątków i tworzyć nowych zależności.
Programiści nie powinni się też obawiać zastąpienia przez AI dlatego, że modele wykorzystujące uczenie maszynowe nie rozumieją relacji przyczynowo-skutkowych, zwłaszcza w skomplikowanych problemach. Wymaga to zdolności do abstrahowania i ekstrapolowania, czego AI nie potrafi. Wynika to ze sposobu ich działania – modele AI często zapominają treść poleceń, skupiając się na najbardziej aktualnym, więc nie są w stanie powiązać ze sobą odpowiedzi.
Warto też zauważyć, że modele AI nie działają poza wprowadzonymi danymi, a te często stają się prawdziwie użyteczne, dopiero gdy zostaną umieszczone w odpowiednim kontekście. Najlepiej opisać to na przykładzie narzędzi wykorzystujących AI do prewencji kryminalnej – działając tylko na podstawie danych dotyczących aresztowań, modele mogą wskazywać, że mieszkańcy konkretnego miejsca wykazują większe tendencje do popełniania przestępstw, ale dane te mogą np. nie brać pod uwagę kontekstu społeczno-ekonomicznego, który może być prawdziwą przyczyną.
Brak kreatywności i innowacyjności
Programiści nie muszą obawiać się utraty pracy, ponieważ wyróżniają się kreatywnością. Oczywiście, jej poziom będzie różnił się w zależności od osoby, ale jest to niewątpliwa przewaga nad modelami AI, które są w stanie tylko przetwarzać już istniejące wzorce. Co prawda, sprawia to wrażenie prawdziwej kreatywności, ale wynika to głównie z ogromu baz danych.
Kreatywność uwidacznia się też w sytuacji, gdy problemy do rozwiązania są nieokreślone i rozmyte. Chociaż branża IT operuje na jasno zdefiniowanych regułach i celach, wielu sytuacji nie da się jasno opisać. Przykładem może być organizacja pracy – da się ją opomiarować i sporządzić pewne reguły zachowań, ale zawsze trzeba brać pod uwagę fakt, że ludzie, w przeciwieństwie do maszyn, bywają nieprzewidywalni. W takiej sytuacji kreatywność staje się niezbędna, żeby rozwiązać problem.
Ludzie często polegają na intuicji i, choć może ona wydawać się kiepskim narzędziem biznesowym, czasami jest niezbędna, ponieważ pozwala myśleć poza utartymi (lub ograniczonymi bazą danych) schematami. Jednocześnie dzięki niej powstają nowe paradygmaty – ludzie są w stanie wyobrażać sobie całkowicie nowe rzeczy i sposoby myślenia o zjawiskach. Nie wolno zapominać, że w tym procesie uwzględniają kontekst społeczny i moralny, czego modele AI nie są w stanie wykonać.
Wysokie koszty rozwoju i utrzymania
Zastosowanie sztucznej inteligencji w programowaniu może być ograniczone nie tylko z powodów filozoficznych, ale również bardzo prozaicznych – modele często są drogie w utrzymaniu i to na każdym etapie. Przede wszystkim do działania potrzebują ogromnych zbiorów danych, których pozyskanie zgodnie z prawem (co przyznał nawet Sam Altman, szef OpenAI) może być po pierwsze kosztowne, a po drugie czasochłonne.
Innym powodem jest konieczność posiadania potężnej mocy obliczeniowej – modele AI często wykorzystują do działania GPU, a także procesory tensorowe. Ich produkcja jest droga i może być ograniczona, ponieważ zapotrzebowanie jest większe niż podaż surowców niezbędnych do wytworzenia, a do tego dochodzi aspekt utrzymania. Stosowane obecnie (stan na luty 2024) modele AI mają zapotrzebowanie energetyczne na poziomie Królestwa Niderlandów, a przewiduje się, że będzie ono tylko rosnąć.
Kosztowne może być też samo działanie modelu – nie dość, że wymaga on specjalistycznego sprzętu, to jeszcze potrzebuje wysoko wykwalifikowanych specjalistów ds. sztucznej inteligencji, którzy są w stanie projektować, implementować i utrzymywać takie systemy. Tych na rynku jest ograniczona liczba, więc mogą oni sporo liczyć sobie za swoje usługi.
Można jednak założyć, że firma wdrażająca model AI w swoim środowisku pracy pokonała wszystkie wcześniejsze problemy – wtedy na horyzoncie pojawiają się możliwe trudności z zapewnieniem odpowiedniego poziomu bezpieczeństwa, a także kosztowne szkolenia dla pracowników. Oznacza to, że pomimo niewątpliwych korzyści z zastosowania AI – żaden programista nie jest w stanie pisać kodu tak szybko jak wytrenowany do tego model – długoterminowo programiści są lepszym wyborem.
Porozmawiajmy!
a my pomożemy Ci wdrożyć najnowsze rozwiązania!
Podobne wpisy:
Jakie stanowiska w IT są na wymarciu?
B2B a klauzula NDA – czego nie możesz robić?
Jak wyliczyć godziny robocze przy nietypowych zadaniach?
Jak ocenić workload pracownika?