Neseniai dirbtinis intelektas gyvavo tik akademinėse laboratorijose ir mokslinės fantastikos kūriniuose, tačiau sparčiai vystantis technologijoms dirbtinis intelektas tapo realybe. Dirbtinio intelekto pritaikomumas versle įgauna pagreitį, pagrindinis dirbtinio intelekto tikslas didinti darbo našumą ir generuoti organizacijoms pelną, tuo tarpu žmones paliekant pasyviais nesustabdomo proceso stebėtojais. Astronominės pinigų sumos vis labiau telksis keleto rankose, o bedarbių gretos gausės.
Kai-Fu Lee savo knygoje „Dirbtinio intelekto supervalstybės. Kinija, Silicio slėnis ir naujoji pasaulio tvarka“ dalinasi įžvalgomis apie dirbtinį intelektą ir galimą jo poveikį ateityje keičiant dabartinę pasaulio tvarką.
Pasak autoriaus, nelygybei negalios valstybės sienos. Šiuo metu dirbtinio intelekto kūrimo ir vystymo varžybose pirmauja dvi valstybės – Kinija ir Jungtinės Amerikos Valstijos, kurios teikia naujos dvipolės pasaulio tvarkos prielaidą. Kinija remia investicijas į dirbtinį intelektą, tyrimus ir atradimus neregėtu mastu. Centrinė Kinijos valdžia paskelbė ambicingą planą, kuriame iškeltas tikslas 2030 metais tapti pasaulio inovacijų ir dirbtinio intelekto centru, pirmauti – teorijos, technologijų ir praktinio taikymo srityse. Kinija ir Jungtinės Amerikos Valstijos šiuo metu brandina dirbtinio intelekto gigantus, ir būtent jie vyraus pasaulio rinkose ir trauks turtus iš vartotojų visame pasaulyje.
Dirbtinio intelekto veikimas remiasi neuroninių tinklų metodu, kurio tikslas atkartoti esminę smegenų architektūrą, sukurti dirbtinių neuroninius tinklus, kurie rastų sąsajas tarp duomenų. Neuroniniams tinklams būtini du dalykai:
- Milžiniška kompiuterių galia.
- Duomenų mastas.
Kompiuterių galia leidžia programinei įrangai apdoroti duomenis, kurių pagrindu mokomasi atpažinti šablonus iš daugybės pavyzdžių. Dirbtinio intelekto giliojo mokymosi principas algoritmo pagalba parinkti geriausią sprendimą norimam rezultatui gauti panaudojus milžiniškus tam tikros srities duomenų kiekius. Giliajam mokymuisi būtini keturi dėmenys:
- Didelis kiekis susijusių duomenų.
- Aiškus algoritmas.
- Nusistatyta siaura veikimo sritis.
- Konkretus tikslas.
Mokslininkai tobulina sudėtingus matematinius algoritmus, operuoja milžiniškais duomenų kiekiais, pritaiko neuroninius tinklus įvairiems atvejams. Vyksta palaipsninis tobulinimas ir optimizavimas, kuris daro reikšmingą įtaką giliojo mokymosi pažangai. Gilusis mokymasis turi milžinišką potencialą – atpažinti vaizdus, šifruoti žmonių kalbą, versti dokumentus, nuspėti pirkėjų elgseną, atskleisti apgavystes, pasirinkti geriausius sprendimus ir t. t.
Oksfordo universiteto mokslininkai Carlas Benediktas Frey‘us ir Michaelis A. Osbone‘as 2013 metais išpublikavo straipsnį, kuriame paskelbė savo atlikto tyrimo prognozę, jog 47 procentai Jungtinių Amerikos Valstijų darbo vietų per artimiausią dešimtmetį ar kelis bus automatizuotos. Ekonominio bendradarbiavimo ir plėtros organizacija (EBPO) 2016 metais atlikusi alternatyvų tyrimą paskelbė, jog tik 9 procentai Jungtinių Amerikos Valstijų darbų patenka į didelės grėsmės netekti darbo vietos kategoriją. 2017 metais „PwC“ mokslininkai pasinaudojo EBPO vertinimo metodu tyrimui atlikti ir nustatė, kad 38 procentams darbų Jungtinėse Amerikos Valstijose iki 2030 metų iškils didelė grėsmė. 2018 metais konsultavimo organizacija „Brain and Company“ atliko tyrimą, kurio metu įvertino tris sąveikaujančias pasaulio ekonomiką veikiančias jėgas – demografiją, automatizavimą ir nelygybę. Išvadose nurodė, kad iki 2030 metų Jungtinėse Amerikos Valstijose darbo neteks 20-25 procentai darbuotojų.
Dirbtiniam intelektui įsigalėjus darbuotojų laukia sąstingio amžius, matysime vis daugiau bedarbių, besivaržančių dėl sparčiai mažėjančių darbo vietų. Darbo apmokėjimas kris, daugeliui darbuotojų teks dirbti tik dalį laiko arba imtis prastai apmokamų darbų. Atotrūkis tarp pasaulio galingųjų valstybių ir trečiojo pasaulio valstybių vis didės. Precedento neturinti turto koncentracija bus Kinijos ir Jungtinių Amerikos Valstijų rankose.
