Autor: Michael Roberts – The next recession blog – 6/06/2024
Abordei já a questão do impacto da inteligência artificial (IA), assim como dos novos modelos inteligentes de aprendizagem, tais como o Copilot, o ChatGPT etc., nos empregos e na produtividade do trabalho.
A previsão padrão sobre os efeitos da IA veio dos economistas do Goldman Sachs, o principal banco de investimentos dos Estados Unidos. Eles avaliaram que, se a tecnologia cumprisse sua promessa, ela traria um “abalo significativo” no mercado de trabalho, pois afetaria o equivalente a 300 milhões de trabalhadores em tempo integral nas principais economias, já que exporia à automação os seus empregos.
Advogados e pessoal administrativo estariam entre os que correm maior risco de serem demitidos (assim como, provavelmente, os economistas!). Eles calcularam que cerca de dois terços dos empregos nos EUA e na Europa são passíveis em algum grau de serem automatizados por meio de IA. Chegaram a tal conclusão com base em dados sobre as tarefas normalmente executadas em milhares de ocupações.
A maioria das pessoas provavelmente continuaria em seus empregos. Contudo, como pelo menos da metade de sua carga de trabalho seria automatizada; eis que elas teriam parte significativa de seu tempo liberado para atividades mais produtivas. Nos EUA – calcularam –, isso se aplicaria a 63% da força de trabalho. Outros 30% que trabalham em empregos físicos ou ao ar livre não seriam afetados, embora aquilo que fazem possa ser suscetível a outras formas de automação.
Mas os economistas do Goldman Sachs estavam muito otimistas e eufóricos com os ganhos de produtividade que a IA poderia alcançar. Acreditavam que ela, possivelmente, tiraria as economias capitalistas da relativa estagnação dos últimos 15-20 anos – período que denominei de longa depressão. Tais economistas afirmaram que os sistemas de IA “generativos”, como o ChatGPT, poderiam desencadear um boom de aumento de produtividade, o qual acabaria aumentando o PIB global anual em 7% ao longo de uma década. Se o investimento corporativo em IA continuasse a crescer em um ritmo semelhante ao investimento em software na década de 1990, o investimento em IA dos EUA sozinho poderia se aproximar de 1% do PIB dos EUA até 2030.
Mas o economista norte-americano Daren Acemoglu, especialista nos efeitos da tecnologia, era cético na época. Ele argumentava que nem todas as tecnologias de automação realmente aumentavam a produtividade do trabalho. Isso porque as empresas introduziam principalmente a automação em áreas que havia potencial para aumentar a lucratividade, tais como marketing, contabilidade ou tecnologia de combustíveis fósseis; elas não visariam aumentar a produtividade da economia como um todo ou, menos ainda, atender às necessidades sociais.
Agora, em um novo artigo[1], Acemoglu despeja uma boa dose de água fria sobre o otimismo engendrado pelos economistas da Goldman Sachs. Em contraste com o que disseram esses últimos, Acemoglu avalia agora que os efeitos de produtividade dos avanços da IA nos próximos 10 anos “serão modestos”. O maior ganho previsto seria apenas um aumento total de 0,66% na produtividade total dos fatores (TFP). E essa, que é a principal medida do impacto da inovação, prevê um pequeno aumento de 0,064% no crescimento anual da TFP. E ele pode até ser menor, já que a IA não consegue lidar com algumas tarefas mais difíceis que os humanos fazem. Na verdade, a alta chegaria a apenas 0,53%. Mesmo que a introdução da IA aumentasse o investimento geral, o impulso para o crescimento do PIB dos EUA estaria entre apenas 0,93 e 1,56% no total, dependendo do tamanho do boom de investimentos.
Além disso, Acemoglu avalia que a IA aumentará a diferença entre a renda do capital e do trabalho, como ele diz: “as mulheres de baixa escolaridade podem experimentar pequenas quedas salariais, a desigualdade geral entre os grupos pode aumentar ligeiramente e a diferença entre a renda do capital e do trabalho provavelmente aumentará ainda mais“. De fato, a IA pode realmente prejudicar o bem-estar humano ao expandir as mídias sociais enganosas, os anúncios digitais e os gastos com ataques de defesa de tecnologia da informação (TI). Assim, o investimento em IA pode aumentar o PIB, mas ele pode também reduzir o bem-estar humano em até 0,72% do PIB.
E há outros perigos para o trabalho. Owen David[2] argumenta que a IA já está sendo usada para monitorar os trabalhadores no trabalho, recrutar e selecionar candidatos a emprego, definir níveis salariais, direcionar quais tarefas os trabalhadores devem fazer, avaliar seus resultados, agendar turnos etc. “À medida que a IA assume as funções de gestão e aumenta as habilidades gerenciais, ela pode transferir o poder para os empregadores.” Vê-se aqui como estão se realizado as projeções de Harry Braverman em seu famoso livro de 1974 sobre a degradação do trabalho e destruição de habilidades pela automação.
Acemoglu reconhece que há ganhos a serem obtidos com a IA generativa, “mas esses ganhos permanecerão indefinidos, a menos que haja uma reorientação fundamental da indústria, incluindo talvez uma grande mudança na arquitetura dos modelos de IA generativa mais comuns”. Em particular, Acemoglu diz que “permanece uma questão em aberto saber se são mesmo necessários esses modelos, já que eles produzem conversas desumanas, escrevam sonetos shakespearianos etc., mas o que realmente é necessário são informações confiáveis, ou seja, informação que pode ser útil para educadores, profissionais de saúde, eletricistas, encanadores e outros trabalhadores artesanais“.
Na verdade, porque são os gestores – e não os trabalhadores como um todo – estão introduzindo a IA com a finalidade de substituir o trabalho humano. Como se sabe, eles estão removendo já trabalhadores qualificados de empregos sem que haja, necessariamente, uma melhoria da eficiência e o bem-estar para todos. Eis que disse uma comentarista:
“Eu quero que a IA lave minha roupa e louça para que eu possa fazer arte e escrita; não quero que a IA faça minha arte e escrita para que eu possa lavar minha roupa e minha louça”. Os gerentes estão introduzindo a IA para “tornar os problemas de gerenciamento mais fáceis; contudo, isso tem sido feito ao custo de coisas para as quais muitas pessoas não acham que a IA deve ser usada, como o trabalho criativo… Se a IA vai funcionar, ela precisa ser criada e usa por meio de decisões que vem de baixo para cima; se isso não ocorre, IA será inútil para a grande maioria das pessoas no local de trabalho“.
A IA vai salvar as principais economias, dando um grande salto na produtividade? Tudo depende de onde e como a IA vai ser aplicada. Um estudo da consultoria PwC [3] descobriu que o crescimento da produtividade foi quase cinco vezes mais rápido em partes da economia onde a penetração da IA foi maior do que em setores menos expostos. Barret Kupelian, economista-chefe da PwC UK, disse:
“Nossas descobertas mostram que a IA tem o poder de criar indústrias, transformar o mercado de trabalho e aumentar potencialmente as taxas de crescimento da produtividade. Em termos de impacto econômico, estamos vendo apenas a ponta do iceberg – atualmente, nossas descobertas sugerem que a adoção de IA está concentrada em alguns setores da economia. Contudo, uma vez que a tecnologia melhore e se difunda para outros setores da economia, o potencial futuro pode ser transformador.”
Os economistas da OCDE não têm tanta certeza de que isso esteja certo. Em um artigo, eles colocam o problema[4]: “quanto tempo levará a aplicação da IA em setores da economia? A adoção de IA ainda é muito baixa, com menos de 5% das empresas relatando o uso dessa tecnologia nos EUA (Census Bureau 2024). Quando colocada em perspectiva com o caminho de adoção de tecnologias de uso geral anteriores (por exemplo, computadores e eletricidade) que levaram até 20 anos para serem totalmente difundidas, a IA tem um longo caminho a percorrer antes de atingir as altas taxas de adoção necessárias para detectar ganhos macroeconômicos.”
“As descobertas em nível micro ou industrial capturam principalmente os impactos sobre os primeiros adotantes e tarefas muito específicas, e provavelmente indicam efeitos de curto prazo. O impacto de longo prazo da IA no crescimento da produtividade em nível macro dependerá da extensão de seu uso e integração bem-sucedida nos processos de negócios.” Os economistas da OCDE apontam que foram necessários 20 anos para que tecnologias inovadoras anteriores, como energia elétrica ou PCs, se “difundissem” o suficiente para fazer a diferença. Isso mostraria que a década de 2040 será aquela em que IA prosperará de fato.
Além disso, a IA, ao substituir a mão de obra em setores mais produtivos e intensivos em conhecimento, poderia causar “uma eventual queda nas participações de emprego desses setores (que) atuaria como um obstáculo ao crescimento agregado da produtividade”.
Ecoando alguns dos argumentos de Acemoglu, os economistas da OCDE sugerem que “a IA representa ameaças significativas à competição de mercado e à desigualdade que podem pesar sobre seus benefícios potenciais, direta ou indiretamente, ao levar a medidas políticas preventivas para limitar seu desenvolvimento e adoção”.
E depois há o custo do investimento. Apenas obter acesso à infraestrutura física necessária para a IA em larga escala pode ser um desafio. O tipo de sistemas de computador necessários para executar uma IA para pesquisa de medicamentos contra o câncer normalmente requer entre dois e três mil dos chips de computador mais recentes. O custo desse hardware de computador sozinho poderia facilmente chegar a mais de US$ 60 milhões, mesmo antes dos custos para outros itens essenciais, como armazenamento de dados e rede. Um grande banco, empresa farmacêutica ou fabricante pode ter os recursos para comprar a tecnologia de que precisa para aproveitar a IA mais recente, mas o que ocorre com uma empresa menor?
Assim, ao contrário da visão convencional e muito mais alinhada com a teoria marxista, a introdução do investimento em IA não levará a um barateamento dos ativos fixos (capital constante em termos marxistas) e, portanto, a uma queda na proporção dos custos dos ativos fixos em relação ao trabalho, mas o oposto (ou seja, uma composição orgânica crescente do capital). E isso significa mais pressão para baixo sobre a rentabilidade média nas principais economias.
E há o impacto no aquecimento global e no uso de energia. Grandes modelos de linguagem, como o ChatGPT, são algumas das tecnologias que consomem muita energia. Pesquisas sugerem, por exemplo, que cerca de 700 mil litros de água poderiam ter sido usados para resfriar as máquinas que treinaram o ChatGPT-3 nas instalações de dados da Microsoft. O treinamento de modelos de IA consome 6.000 vezes mais energia do que uma cidade europeia. Além disso, embora minerais como lítio e cobalto sejam mais comumente associados a baterias no setor de automóveis, eles também são cruciais para as baterias usadas em datacenters. O processo de extração geralmente envolve uso significativo de água e pode levar à poluição, prejudicando a segurança hídrica.
A consultoria Grid Strategies prevê um crescimento da demanda de eletricidade dos EUA de 4,7% nos próximos cinco anos, quase dobrando sua projeção em relação ao ano anterior. Um estudo do Electric Power Research Institute descobriu que os “data centers” representarão 9% da demanda de energia dos EUA até 2030, mais do que o dobro dos níveis atuais.
Essa perspectiva já está levando a uma desaceleração nos planos de aposentar usinas a carvão à medida que a demanda de energia por IA aumenta.
Talvez esses custos de investimento e energia possam ser reduzidos com novos desenvolvimentos de IA. A empresa de tecnologia suíça Final Spark lançou a Neuroplatform, a primeira plataforma de bioprocessamento do mundo onde organoides cerebrais humanos (versões miniaturizadas de órgãos cultivadas em laboratório) executam tarefas computacionais em vez de chips de silício.
A primeira instalação – uma proeza! – desse tipo hospeda uma capacidade de processamento de 16 organoides cerebrais; apesar disso, a empresa afirma usar um milhão de vezes menos energia do que seus homólogos de silício. Este é um desenvolvimento assustador em certo sentido: cérebros humanos! Mas, felizmente, está muito longe da implementação. Ao contrário dos chips de silício, que podem durar anos, senão décadas, os “organoides” duram apenas 100 dias antes de “morrer”.
Ao contrário dos economistas da Goldman Sachs, aqueles que estão na fronteira do desenvolvimento da IA são muito menos otimistas sobre seu impacto. Demis Hassabis, chefe da divisão de pesquisa de IA do Google, diz:
“A maior promessa da IA é exatamente isso – uma promessa. Dois problemas fundamentais continuam por resolver. Uma delas envolve fazer modelos de IA que são treinados em dados históricos, entender qualquer nova situação em que são colocados e responder adequadamente. A IA precisa ser capaz de “entender e responder ao nosso mundo complexo e dinâmico, assim como nós”.
Mas a IA pode fazer isso? Já argumentei junto com outros que a IA não pode realmente substituir a inteligência humana. E Yann LeCun, cientista-chefe de IA da Meta, gigante das redes sociais dona do Facebook e do Instagram, concorda. Ele disse que as “maquinas de inteligência artificial” tinham uma “compreensão muito limitada da lógica (…) não entendem o mundo físico, não têm memória persistente, não podem raciocinar em qualquer definição razoável do termo e não podem planejar… hierarquicamente“.
As máquinas de inteligência artificial são modelos que aprendem apenas quando engenheiros humanos intervêm para treiná-las com informações adequadas. Só assim, as máquinas de IA chegam a resultados consistentes com aquilo que as pessoas pensam. ” Para a maioria das pessoas parece, no entanto, que elas raciocinam, mas elas estão erradas; o que fazem principalmente é explorar o conhecimento acumulado a partir de muito treinamento.” Aron Culotta, professor associado de ciência da computação na Universidade de Tulane, disse de outra forma. “O bom senso há muito era uma pedra no sapato da IA”; eis que era desafiador ensinar causalidade aos modelos, sem deixá-los “suscetíveis a falhas inesperadas“.
Noam Chomsky resumiu as limitações da IA em relação à inteligência humana.
“A mente humana não é como o ChatGPT e seus semelhantes, um mecanismo estatístico para correspondência de padrões, consumindo centenas de terabytes de dados e extrapolando a resposta conversacional mais provável de uma pergunta científica. Pelo contrário, a mente humana é um sistema surpreendentemente eficiente e até elegante que opera com pequenas quantidades de informação. Procura não inferir correlações brutas entre pontos de dados, mas criar explicações. Vamos parar de chamá-la de inteligência artificial e chamá-la pelo que é ‘programa de plágio’, porque ela não cria nada além de copiar obras existentes, de artistas, modificando-as o suficiente para escapar das leis de direitos autorais.”
Isso me leva ao que eu poderia chamar de síndrome de Altman. A IA sob o capitalismo não vem a ser uma inovação com o objetivo de ampliar o conhecimento humano e aliviar a humanidade da labuta. Para inovadores capitalistas como Sam Altman, esse tipo de inovação deve existir para obter lucros.
Sam Altman, o fundador da OpenAI, foi removido do controle de sua empresa no ano passado porque os outros membros do conselho avaliaram que ele queria transformar a OpenAI em uma enorme operação de geração de dinheiro apoiada por grandes empresas (a Microsoft é o atual financiador). Pois, o resto do conselho continuou a ver a OpenAI como uma operação sem fins lucrativos com o objetivo de espalhar os benefícios da IA para todos com as devidas salvaguardas sobre privacidade, supervisão e controle.
A empresa de Altman tinha desenvolvido um braço empresarial “com fins lucrativos”, que permitia à empresa atrair investimento externo e comercializar os seus serviços. Contudo, Altman logo voltou ao controle quando a Microsoft e outros investidores empunharam o bastão no resto do conselho. Agora, o OpenAI não está mais aberto.
As máquinas não são capazes de pensar em mudanças potenciais e qualitativas. O conhecimento novo vem de tais transformações (humanas), não da extensão do conhecimento existente (máquinas). Somente a inteligência humana é social; somente ela é capaz de ver o potencial de mudança, em particular a mudança social, que leva a uma vida melhor para a humanidade e a natureza. Em vez de desenvolver IA para obter lucros, reduzir empregos e meios de subsistência de humanos, a IA sob propriedade e planejamento comuns poderia reduzir as horas de trabalho humano para todos e libertar os humanos da labuta para se concentrar no trabalho criativo que só a inteligência humana pode entregar.
[1] Acemoglu, Daron – The Simple Macroeconomics of AI. https://www.nber.org/papers/w32487
[2] Davis, Owen F. – Artificial Intelligence and Worker Power. https://ofdavis.com/ai.pdf
Economia e Complexidade 
Você precisa fazer login para comentar.