ÖNGÖRÜ: Yapay zekâ küresel ekonomiye 4,4 trilyon dolar katkı sağlayabilir

Küresel danışmanlık şirketi McKinsey tarafından yapılan çalışmalarda, üretken yapay zekânın verimliliğe yönelik etkisi aracılığıyla, küresel ekonomiye 2,6 trilyon ile 4,4 trilyon dolar arasında katkıda bulunacağı düşünülüyor.

McKinsey, ayrıca yapay zekânın toplam ekonomik etkisinde ila %50 oranında bir artış görülebileceğini tahmin ediyor.

Polaris şirketi ise, küresel üretken yapay zekâ pazarının 2022'de 10,6 milyar dolar düzeyinden 2032'ye kadar 200,7 milyar dolara ulaşacak şekilde yıllık bileşik %34,2 oranında büyüyeceğini öngörüyor.

Üretken yapay zeka endüstrilerde ve toplumlarda devrim yaratabilir ve yılda 4,4 trilyon dolar kadar gelir elde edebilir, ancak aynı zamanda önemli riskler de taşır. Politika yapıcıların yüzleşmesi gereken kritik toplumsal ve politik zorluklar ortaya çıkarmaktadır: işgücü piyasalarındaki potansiyel değişimler, telif hakkı belirsizlikleri ve toplumsal önyargıların sürdürülmesiyle ilişkili risk ve dezenformasyon ve manipüle edilmiş içerik yaratılmasında kötüye kullanım potansiyeli. Bunun sonuçları yanlış bilginin ve dezenformasyonun yayılmasına, ayrımcılığın devam etmesine, kamusal söylemin ve piyasanın çarpıtılmasına ve şiddetin teşvik edilmesine kadar uzanabilir.

Yazarlar Philippe Lorenz, Karine Perset ve Jamie Berryhill, "Üretken Yapay Zeka için Başlangıç ​​Politika Hususları" konulu yeni bir OECD çalışma belgesinde, potansiyel faydaları ve riskleri tarttılar ve dünya genelindeki politika yapıcıların hâlâ bunun sonuçlarıyla boğuşmakta olduğundan yakındılar.

Önümüzdeki yol belirsiz ve farklı bakış açılarıyla dolu. Bir uç, GPT-4'ten daha gelişmiş üretken yapay zeka deneylerinin moratoryumunu savunurken, diğeri yapay zekanın sözde varoluşsal risklerinin abartıldığına inanıyor. Diğerleri (belki de çoğu) ikisinin arasında bir yerdedir.

Bu konulardaki ideolojik duruşa bakılmaksızın, farklı olası üretken yapay zeka gelecek senaryolarına hazırlanmak için daha fazla araştırmaya acil ihtiyaç vardır. Teknolojinin hem mikro hem de makro düzeyde sahip olabileceği büyük belirsizlik ve potansiyel olarak büyük etki göz önüne alındığında , politika yapıcıların ileriye dönük yapay zeka politikaları aracılığıyla uygun önlemleri almaya yönelik bilgili ve hazırlıklı olmaları gerekmektedir.

Metin, görüntü, video ve ses (örneğin müzik, konuşma) içeriği üreten üretken yapay zeka modelleri büyük bir hızla ilerlemektedir. Bu, giderek artan bir dizi alanda gösterilen sonsuz olasılıkları ortaya çıkarmaktadır. Bununla birlikte teknoloji aynı zamanda dünya çapında bireyler, şirketler, ekonomiler, toplumlar ve politika yapıcılar için kısa vadeli iş gücü piyasası kesintilerinden ve dezenformasyondan, makine eylemlerinin kontrol edilmesindeki potansiyel uzun vadeli zorluklara kadar çok sayıda zorluk ve risk oluşturmaktadır. Makale, üretken yapay zekanın gelecekteki yörüngesini tahmin etmenin zor olduğunu, ancak hükümetlerin bunları şekillendirmede pay sahibi olmak için bunları keşfetmesi gerektiğini vurguladı.

Yatırım bankalarının, danışmanlık firmalarının ve araştırmacıların, üretken yapay zekanın önümüzdeki yıllarda büyük ekonomik etkilere neden olacağını bildirdiklerine dikkat edilmelidir. Goldman Sachs, üretken yapay zekanın on yıl içinde küresel gayri safi yurt içi hasılada (GSYİH) yüzde 7'lik bir artışa yol açabileceğini tahmin ediyor. McKinsey & Company, üretken yapay zekanın 63 kullanım senaryosunda yılda 2,6-4,4 trilyon ABD doları katkı sağlayabileceğini, bunun da yapay zekanın toplam ekonomik etkilerinde yüzde 15-50'lik bir artış sağlayabileceğini tahmin ediyor. Polaris, küresel üretken yapay zeka pazarının 2022'de 10,6 milyar ABD dolarından 2032'ye kadar 200,7 milyar ABD dolarına ulaşacak şekilde yıllık bileşik yüzde 34,2 oranında büyüyeceğini tahmin ediyor.

Şu anda, üretken yapay zeka erken gelişim aşamasındadır ve onu bir sonraki olgunluk aşamasına taşımak için Ar-Ge'ye büyük yatırımlar ve vasıflı ancak kıt bir iş gücü gerektirir. Özellikle sağlık hizmetlerinde ses sentezi, veri ön işleme, görüntü sıkıştırma, görsel verilerden gürültü azaltma, tıbbi görüntüleme ve görüntü sınıflandırma konularında daha fazla büyüme sağlanması bekleniyor. Yakın gelecekte çip ve parça tasarımı, malzeme bilimi ve eğlenceyi de içerecek şekilde uygulama alanları genişliyor .

Gazete, hem kısa vadeli hem de uzun vadeli riskler ve endişelerin bulunduğunu söylüyor. Politika yapıcıların aciliyetleri ve etki potansiyelleri nedeniyle dikkate almaları gereken, genellikle kökleri günümüzün fırsatlarından ve zorluklarından kaynaklanan yakın vadeli sorunlar arasında, bunlarla sınırlı olmamak üzere aşağıdakiler yer alır: işten çıkarma, değişen beceri ihtiyaçları, işgücü-işgücü piyasası etkileri. pazarın kapsayıcılığı ve işyerinde yapay zekanın güvenilir kullanımının teşvik edilmesi; bilgi kirliliği (bir kısır döngü içinde diğer yapay zeka sistemleri tarafından eğitim verileri olarak alınan yapay zeka tarafından oluşturulan içerikteki hızlı büyüme nedeniyle üretken yapay zeka çıktılarının kalitesinin azalması da dahil) ve bunun sonucunda internetin bilgisel ilgisinin azalması.

Diğer konular arasında; Otomatik siber güvenlik saldırılarına olanak tanıyan yapay zeka kodlama asistanları; üretken yapay zekanın kitlesel gözetleme ve sansürdeki rolü; üretken yapay zeka sistemlerine aşırı güven ve bağımlılık; yeni eserlere ilişkin telif hakkı sorunları ve telif hakkıyla korunan eserlere ilişkin eğitimler; intihal gibi akademik ve yaratıcı sahtekârlık; yapay zeka kaynaklarının (veri, donanım, yetenek) birkaç çok uluslu teknoloji şirketi ve hükümet arasında yoğunlaşması; Toplumlar, ülkeler ve dünya genelinde üretken yapay zekaya farklı erişimbölgeler; çeşitli, yüksek kaliteli veri kümelerini iyileştirmek için daha güçlü çabalara duyulan ihtiyaç; giderek daha güçlü ve gerçekçi olan üretken yapay zeka çıktıları yoluyla yanlış bilgi ve dezenformasyon, nefret söylemi, önyargı ve ayrımcılık; ve üretken yapay zekanın ekolojik ayak izi ve derin öğrenme için gereken muazzam miktardaki bilgi işlem gücünden kaynaklanan doğal kaynak tüketimi.

Makalede, ortaya çıkan model davranışlardan kaynaklanan risklerin ele alınmasının da kritik olduğu belirtiliyor. Sistematik, gecikmiş zararları ve toplu yetkilendirmeyi işaretledi. Sistemik, gecikmiş zararlar, takviyeli öğrenmeye dayalı sosyal medya öneri sistemleri gibi "yıkıcı, uzun süreli ve düzeltilmesi zor" olabilen, ani olmayan zararlardır. Bu tür algoritmalar, "kullanıcının içsel durumlarını (örn. tercihler, inançlar, psikoloji) değiştirebilen veya manipüle edebilen" metrikler için optimize eder. Kolektif yetkisizlik, model yeteneklerinin toplumda giderek daha önemli işlevler yerine getirerek gücü insanlardan uzaklaştıracağı yönünde algılanan tehlikedir. Bu, karar alma sürecinin kademeli olarak üretken yapay zeka sistemlerine devredilmesi şeklinde olabilir. İkinci etkisi ise güç yoğunlaşmasının yoğunlaşması ve zaten bir endişe kaynağı olan yapay zekanın faydalarından yararlanma yeteneğidir.

Yapay zeka güvenlik araştırmacıları, yapay zeka hedefleri ile insan tercihleri ​​arasındaki uyumla ilgili olarak ortaya çıkan başka bir davranışı açık bir şekilde inceliyorlar: güç arayışını teşvik eden hedeflerin eğitim sırasında güçlendirildiği ve konuşlandırma sırasında daha doğrudan ve yeni stratejilerle takip edildiği, güç arayışı; topluma yönelik yeni ve potansiyel olarak ciddi tehditler.

Makine Öğrenimi (ML) sistemleri, artan üretken yapay zeka modeli yetenekleriyle katalize edilebilecek iki yeni davranışı göstermektedir. Ödül hacklemede bir model, ödül sinyalinden yararlanarak bir hedefe ulaşmanın öngörülemeyen ve potansiyel olarak zararlı yollarını bulur. Bir model, araçsal hedefleri takip ederken, geliştiricilerin niyetine ve öngörülen hedefe aykırı olabilecek, öngörülen bir hedefe ulaşmasına yardımcı olacak alt hedeflere ulaşmak için stratejiler arar. İlk kanıtlar bunun, model operatörlerinin veya tasarımcıların açık talimatları olmadan bile gerçekleşebileceğini gösteriyor.

Örneğin, ilk güvenlik testi sırasında bir CAPTCHA kodunu çözmek için ChatGPT, kendisini görme engelli bir insan olarak yanlış tanıttı ve bunun için CAPTCHA'yı çözmesi için bir esnek ekonomi çalışanı tuttu. Araştırmacılar, insan geri bildiriminden pekiştirmeli öğrenme (RLHF) ile eğitilen modellerin, geliştiricileri sistemi kapatmamaya ikna etme, insan gibi davranma ve zenginlik biriktirme gibi kaynak edinimi arama gibi davranışlar sergileme olasılığının daha yüksek olduğunu buluyor.

Makale, üretken yapay zekanın gelecekteki risklerinin daha büyük, daha sistemik ölçekte çözümler gerektirebileceğini söylüyor. Bunlar, diğerlerinin yanı sıra düzenleme, etik çerçeveler, teknik yapay zeka standardizasyonu, denetimler, model yayınlama ve erişim stratejilerini içerir. (IPA Hizmeti)

Kaynak: The North Lines