Νικόλαος Βονόρτας / Τεχνητή Νοημοσύνη: Το Νέο Επίκεντρο του Παγκόσμιου Ανταγωνισμού

Του Νικόλαου Βονόρτα*

Υπάρχουν πολλοί ορισμοί για την Τεχνητή Νοημοσύνη (ΤΝ). Σύμφωνα με την IBM, «[η ΤΝ] είναι η τεχνολογία που επιτρέπει σε υπολογιστές και μηχανές να μιμούνται και να προσομοιώνουν  την ανθρώπινη μάθηση, την κατανόηση, την επίλυση προβλημάτων, τη λήψη αποφάσεων, τη δημιουργικότητα και την αυτονομία».  Εφαρμογές και συσκευές εξοπλισμένες με ΤΝ μπορούν: (α) Να βλέπουν και να αναγνωρίζουν αντικείμενα, (β) να κατανοούν και να ανταποκρίνονται στην ανθρώπινη γλώσσα, (γ) να μαθαίνουν από νέες πληροφορίες και εμπειρίες, (δ) να κάνουν λεπτομερείς συστάσεις στους χρήστες και (ε) να ενεργούν ανεξάρτητα, αντικαθιστώντας την ανάγκη για ανθρώπινη νοημοσύνη ή παρέμβαση» (IBM online, 2024)¹

Από το ευρύ φάσμα των τεχνολογιών ΤΝ, μεγάλη προσοχή εστιάζεται σήμερα στη Γενετική (generative) –ή, κατ’ άλλους, παραγωγική- ΤΝ (GenAI), η οποία περιλαμβάνει συστήματα όπως τα εξελιγμένα μεγάλα γλωσσικά μοντέλα (LLMs) που μπορούν να δημιουργούν νέο περιεχόμενο, όπως πρωτότυπο κείμενο, εικόνες, βίντεο, ήχο ή λογισμικό. Τα εργαλεία GenAI βασίζονται σε δύο τεχνολογίες: Τη μηχανική μάθηση και τη βαθιά μάθηση. Αντίθετα, άλλα μοντέλα ΤΝ είναι πιο εξειδικευμένα, εστιάζοντας σε διακριτές εργασίες, όπως η αναγνώριση προτύπων. Η αυτοματοποίηση χαρακτηρίζεται από την εστίαση στην βελτιστοποίηση επαναλαμβανόμενων εργασιών για την αύξηση της παραγωγικότητας.

Ο τομέας της ΤΝ βιώνει ραγδαία εξέλιξη, ειδικά με την έλευση της GenAI, η οποία έχει επεκτείνει τις πιθανές εφαρμογές. Η επίδρασή της αναμένεται να επεκταθεί και να αναδιαμορφώσει τις εργασιακές λειτουργίες και τον καταμερισμό της εργασίας. 

Οι σημαντικότερες οικονομικές επιπτώσεις της ΤΝ οφείλονται στο γεγονός ότι ενσωματώνει τα χαρακτηριστικά των τεχνολογιών γενικού σκοπού  (General Purpose Technologies/GPTs) (Brynjolfsson et al., 2019). Σύμφωνα με οικονομολόγους (Bresnahan και Trajtenberg, 1996), μια GPT πρέπει να είναι διαδεδομένη, να μπορεί να βελτιώνεται με την πάροδο του χρόνου και να γεννάει συμπληρωματικές καινοτομίες. Η ατμομηχανή, το ηλεκτρικό ρεύμα, ο κινητήρας εσωτερικής καύσης και οι υπολογιστές είναι παραδείγματα σημαντικών GPTs. Η ΤΝ σίγουρα έχει τη δυνατότητα να είναι διαδεδομένη, να βελτιώνεται με την πάροδο του χρόνου και να γεννάει συμπληρωματικές καινοτομίες, καθιστώντας την υποψήφια για μια σημαντική GPT.

Μια σημαντική τρέχουσα συζήτηση σχετίζεται με μια φαινομενική αντίφαση μεταξύ εκπληκτικών παραδειγμάτων δυνητικά μετασχηματιστικών τεχνολογιών όπως η ΤΝ, που θα μπορούσαν να αυξήσουν σημαντικά την παραγωγικότητα και την οικονομική ευημερία, και της πολύ σημαντικής επιβράδυνσης της αύξησης της παραγωγικότητας στις ανεπτυγμένες χώρες, καθώς και στις αναπτυσσόμενες οικονομίες. 

Αξίζει να σημειωθεί ότι μια GPT μπορεί να υπάρχει και ωστόσο να μην επηρεάζει την τρέχουσα αύξηση της παραγωγικότητας, εάν υπάρχει ανάγκη να δημιουργηθεί ένα αρκετά μεγάλο απόθεμα νέου κεφαλαίου, ή εάν χρειάζεται να εντοπιστούν, να παραχθούν και να τεθούν σε λειτουργία συμπληρωματικοί τύποι υλικού και άυλου κεφαλαίου για να αξιοποιηθούν πλήρως τα οφέλη παραγωγικότητας της GPT.

Για παράδειγμα, ίσως χρειαστούν νέα επιχειρηματικά μοντέλα, τα οποία χρειάζονται πολύ χρόνο για να εισαχθούν και να λειτουργήσουν με επιτυχία σε μεγάλη κλίμακα τόσο από νέες εταιρείες όσο και από τις υπάρχουσες. Οι επιχειρήσεις είναι σύνθετα συστήματα που απαιτούν ένα εκτεταμένο δίκτυο συμπληρωματικών περιουσιακών στοιχείων για να επιτρέψουν στην GPT να μεταμορφώσει πλήρως το σύστημα. Οι επιχειρήσεις που προσπαθούν συχνά να μετασχηματιστούν πρέπει να επανεκτιμήσουν και να αναδιαμορφώσουν όχι μόνο τις εσωτερικές επιχειρησιακές διαδικασίες, αλλά και τις αλυσίδες εφοδιασμού και διανομής.

Η ΤΝ εξακολουθεί να παραμένει μια αναδυόμενη τεχνολογία, η οποία όμως έχει τη δυνατότητα να διαταράξει βιομηχανικούς κλάδους, οικονομίες και κοινωνίες σε όλο τον κόσμο (Manyika και Spence, 2023).

Η επίδρασή της γίνεται αισθητή σε τομείς που κυμαίνονται από την υγειονομική περίθαλψη έως την κατασκευή και τις ψηφιακές υπηρεσίες, με επιπτώσεις σε άνευ προηγουμένου κέρδη παραγωγικότητας και καινοτομίας. Στο παγκόσμιο οικοσύστημα ΤΝ σημειώθηκε εκρηκτική αύξηση των επενδύσεων, που ανήλθαν στα 25,2 δισ. δολ. μόνο στο 2023, μια σημαντική άνοδος σε σχέση με το 2022. Αυτή η έξαρση υπογραμμίζει τον κεντρικό ρόλο που διαδραματίζει η ΤΝ στη διαμόρφωση της επόμενης βιομηχανικής επανάστασης.

Ωστόσο, ο παγκόσμιος ανταγωνισμός για την  ΤΝ δεν είναι ισότιμος. Ο έντονος ανταγωνισμός σε αυτόν τον χώρο διεξάγεται σε μεγάλο βαθμό μεταξύ των ΗΠΑ και της Κίνας με άλλες  χώρες όπως η Ιαπωνία και η Νότια Κορέα, αλλά και η Ευρωπαϊκή ‘Ένωση να επιχειρούν να δημιουργήσουν ερείσματα σε αυτό το ραγδαία μεταβαλλόμενο περιβάλλον.

Ηνωμένες Πολιτείες: Κέντρο Καινοτομίας

Οι Ηνωμένες Πολιτείες ηγούνται παγκοσμίως στην ανάπτυξη και την εξάπλωση της ΤΝ, συμπεριλαμβανομένων της θεμελιώδους/ βασικής έρευνας, των ιδιωτικών επενδύσεων και της υιοθέτησης της γενετικής/ παραγωγικής ΤΝ (GenAI). Σύμφωνα με την τελευταία έκθεση AI Index Report (Maslej et al., 2024), οι αμερικανικοί οργανισμοί ήταν υπεύθυνοι για 61 από τα 82 σημαντικά μοντέλα ΤΝ το 2023, πολύ περισσότερα από την Κίνα (15 μοντέλα) και την ΕΕ (21 μοντέλα).

Οι ΗΠΑ κυριαρχούν επίσης στη χρηματοδότηση GenAI, με εταιρείες όπως η OpenAI και η Google να ηγούνται της προόδου σε LLMs όπως τα GPT-4 και Gemini Ultra. Αυτά τα μοντέλα πέτυχαν κορυφαία απόδοση σε “πολυτροπικές” ΤΝ και αναγνώριση προτύπων παρόμοιων με αυτή του ανθρώπου.

Στην κυριαρχία τους έγκειται και η πρόκληση –του εκδημοκρατισμού της πρόσβασης στα εργαλεία ΤΝ από ικανά συστήματα, έως την υιοθέτηση σε  τομείς που υστερούσαν, όπως η υγειονομική περίθαλψη και οι κατασκευές. Η ομοσπονδιακή κυβέρνηση ακολουθεί μια διττή  προσέγγιση σε αυτές τις προκλήσεις, συμπεριλαμβανομένου του Εκτελεστικού Διατάγματος του Προέδρου Μπάιντεν για την ΤΝ «Καινοτομία με υπευθυνότητα, διασφαλίζοντας παράλληλα ηθικές προστασίες».

Κίνα: Στρατηγική Επέκταση

Η Κίνα έχει αναδειχθεί σε υπερδύναμη της ΤΝ, χάρη στις μεγάλες κρατικές επενδύσεις και στην αδιάκοπη (με  «τυμπανοκρουσίες») εξέλιξη της  εγχώριας ζήτησης. Η χώρα κατέχει το 61% του συνόλου των παγκόσμιων διπλωμάτων ευρεσιτεχνίας που αναφέρονται στην ΤΝ, σε σύγκριση με το 21% των Ηνωμένων Πολιτειών.

Πράγματι, η πρόοδος, με μεγάλο δρασκελισμό, της Κίνας στην αναγνώριση προσώπου, στην βιομηχανική ρομποτική και στα αυτόνομα συστήματα υπογραμμίζει την αφοσίωσή της στην ενσωμάτωση της ΤΝ στον ιστό της κοινωνίας.

Ωστόσο, οι γεωπολιτικές τριβές, ιδιαίτερα οι εξαγωγικοί περιορισμοί στην τεχνολογία ημιαγωγών, αποτελούν σημαντικές προκλήσεις για τις εγχώριες φιλοδοξίες της Κίνας στην ΤΝ. Αυτά τα εμπόδια αποκαλύπτουν το στοιχείο της αλληλεξάρτησης στις παγκόσμιες αλυσίδες εφοδιασμού και της  ευπάθειας των εθνικών οικοσυστημάτων ΤΝ.

Ευρώπη: Αγώνας για την Ανταγωνιστικότητα στην Τεχνητή Νοημοσύνη

Η Ευρωπαϊκή Ένωση υστερεί των ΗΠΑ και της Κίνας στην ανάπτυξη ΤΝ, λόγω των κατακερματισμένων αγορών κεφαλαίου, της χαμηλής  χρηματοδότησης της έρευνας και της ανεπαρκούς υποδομής των υψηλής απόδοσης υπολογιστών.

Αν και ο κανονισμός ΤΝ της ΕΕ αποτελεί απόδειξη ρυθμιστικής ηγεσίας, εντούτοις δεν έχει καταφέρει να μετατρέψει την πολιτική σε ανταγωνιστική τεχνολογική δυνατότητα.  Νέες προσπάθειες ζητούν μεγαλύτερες επενδύσεις και συνεργασία για να γεφυρωθούν αυτά τα κενά.

Η εστίαση της ΕΕ στην ηθική ΤΝ και στην βιωσιμότητα μπορεί να προσφέρει έναν διαφοροποιητικό θετικό παράγοντα στις διεθνείς αγορές.

Ιαπωνία και Ν. Κορέα: Εξειδικευμένα ισχυρά σημεία στην ανάπτυξη της ΤΝ

Η Ιαπωνία και η Νότια Κορέα, ως μικρότεροι παίκτες, ευδοκιμούν σε εξειδικευμένους υποτομείς της ΤΝ.

Η Ιαπωνία συγκεντρώνει τις προσπάθειές της στην ρομποτική και την υγειονομική περίθαλψη λόγω του γηράσκοντος πληθυσμού και της ικανότητάς της στη μεταποίηση.

Η Ν. Κορέα ηγείται στην κατασκευή ημιαγωγών και στην κατανάλωση ηλεκτρονικών  και ενσωματώνει την ΤΝ σε συστήματα και συσκευές τεχνητής νοημοσύνης υψηλότερου επιπέδου.

Μελλοντικές  Κατευθύνσεις

Η μετασχηματιστική δύναμη της ΤΝ εξαρτάται όχι μόνο από τις τεχνολογικές εξελίξεις, αλλά και από τη διακυβέρνηση και την ισότιμη πρόσβαση σε αυτές τις τεχνολογίες. 

Ενώ οι ΗΠΑ και η Κίνα διαμορφώνουν το μέλλον του παγκόσμιου συστήματος ΤΝ, άλλες περιοχές του κόσμου μπορούν να καινοτομήσουν στο περιθώριο ή να συμμετέχουν σε διατομεακά ζητήματα ΤΝ – πώς να παρέχουν υπολογιστική ισχύ σε φτωχότερες χώρες ή πώς να αναπτύξουν την ΤΝ με ηθικό τρόπο και να προστατεύσουν την ιδιωτικότητα των δεδομένων.

Με συνεχείς επενδύσεις και έξυπνη χάραξη πολιτικής, η ΤΝ θα μπορούσε να γίνει ο βασικός πυλώνας της παγκόσμιας οικονομικής ανάπτυξης, καλύπτοντας κενά δεξιοτήτων και προωθώντας την επιστημονική πρόοδο.

(*) Ο Νικόλαος Βονόρτας είναι Καθηγητής Οικονομικών και Διεθνών Υποθέσεων στο George Washington University (GWU),  Αναπληρωτής Κοσμήτορας για την Έρευνα  στο Elliott School του GWU και  Διευθυντής του  ερευνητικού Ινστιτούτου για τη Διεθνή   Ερευνητική και Τεχνολογική Πολιτική. Είναι, επίσης, κάτοχος   της Έδρας   «Sao Paolo Excellence Chair” στο   University of Campinas στο Sao Paulo στη Βραζιλία. Από το 2010 έως σήμερα είναι και ο εκδότης του έγκυρου επιστημονικού περιοδικού “Science and Public Policy“ που εκδίδεται από το Oxford University Press. Η διδακτική  και η ερευνητική του δραστηριότητα επικεντρώνεται   στα Οικονομικά της Τεχνολογικής Αλλαγής και στην Πολιτική και τη Στρατηγική για την Τεχνολογία και την Καινοτομία.

Βιβλιογραφία

-Bresnahan και Trajtenberg (1996) “General Purpose Technologies ‘Engines of Growth’?”, Journal of Econometrics, 65(1): 83-108.

-Brynjolfsson, Erik, Daniel Rock, και Chad Syverson (2019) “Artificial Intelligence and the Modern Productivity Paradox: A Clash of Expectations and Statistics” in Agrawal, Ajay, Joshua Gans, και Avi Goldfarb (eds) The Economics of Artificial Intelligence, NBER και The University of Chicago Press.

-Manyika, James, και Michael Spence (2023) “The Coming AI Economic Revolution: Can Artificial Intelligence Reverse the Productivity Slowdown?”, Foreign Affairs, 102(6): 70-86.

-Maslej, Nestor, Loredana Fattorini, Raymond Perrault, Vanessa Parli, Anka Reuel, Erik Brynjolfsson, John Etchemendy, Katrina Liggett, Terah Lyons, James Manyika, Juan Carlos Niebles, Yoav Shoham, Russell Wald, και Jack Clark, “The AI Index 2024 Annual Report,” AI Index Steering Committee, Institute for Human-Centered AI, Stanford University, Stanford, CA, April 2024.

Πηγή: KREPORT