До мельчайших деталей: экономика намерений и другие вопросы, возникающие в связи с бумом ИИ

Насколько мы расисты? Выходят ли элитные баскетболисты из бедных семей? Бывают ли образованные люди более склонны к депрессии? Какой процент населения составляют гомосексуалисты? Могут ли шутки о кандидатах помочь предсказать результаты выборов?» Чуть более десяти лет назад выпускник Гарварда Сет Стивен Давидовиц, эксперт по данным, бывший сотрудник Google и обозреватель New York Times, начал отвечать на эти вопросы совершенно новым способом, основываясь на информации из интернета. Давидовиц, с которым неоднократно беседовал Альтер Эко, затем опубликовал эти анализы в таких бестселлерах, как «Все лгут»: «Предпосылка была проста: массивные данные из браузеров позволяли обнаружить, насколько неверными были цифры, полученные в ходе опросов, какими бы сложными они ни были, на протяжении десятилетий. Знаменитой стала поправка на процент геев, который исторически в США оценивался в 8-9 % и который ученый по данным переоценил в 13 %, основываясь на поиске порнографии этой категории в домашней обстановке, где «всем лгать» сложнее. «С внедрением генеративного искусственного интеллекта (GAI) этот уровень детализации или „зернистости“ данных повышается в несколько раз. Все (даже наши нераскрытые намерения) теперь переходит от плазмы к 4D-определению, если использовать образ творческого Карлоса Переса. И это дает огромный потенциал для анализа и новые ответы для экономики и бизнеса. Давайте рассмотрим некоторые из них: «1 Экономический индекс разговорной речи: за чуть более чем два года массового внедрения IAG (ChatGPT вышел в конце 2022 года) большинство исследований экономического воздействия основывались на опросах, в которых людей спрашивали, насколько часто они используют IAG в своих повседневных задачах. Такая методология давала очень большой разброс между работами. 4D» прибыл сюда несколько недель назад с „Антропическим экономическим индексом“, запущенным одноименной компанией, одной из самых ярких звезд на небосклоне МАГ. Его база данных? Здесь никто не отвечает на вопросы «от 1 до 10, насколько сильно вы используете ИИ», а напрямую анализируются разговоры, в которых видно, используется ли новая технология только как новый, несколько более сложный поисковик или выходит за эти рамки. Среди наиболее интересных выводов исследования Anthropic - то, как ИИ интегрируется на уровне задач, а не заменяет целые рабочие места. Например, только около 4 % профессий используют ИИ в большинстве своих задач, в то время как около 36 % включают его по крайней мере в 25 % из них. Кроме того, 57 % случаев использования ориентированы на расширение возможностей (ИИ работает в сотрудничестве с людьми), в то время как 43 % - на автоматизацию (ИИ выполняет задачи автономно). Такая картина, наряду с более активным внедрением на средне- и высокооплачиваемых должностях (например, в разработке программного обеспечения и написании технических текстов), «свидетельствует о постепенной трансформации, при которой ИИ повышает производительность, не вытесняя сразу человеческий труд», - отмечается в первоначальном отчете. «2 Экономика намерений: компании, знающие о намерениях потребителей до того, как они будут выражены, не новы: известны истории о том, как в 1980-х годах женщины узнавали о своей беременности, когда супермаркет предлагал им купон на скидку на подгузники, основываясь на изменении их моделей потребления. Компании, занимающиеся массовым потреблением, обнаруживали это состояние раньше других. С появлением больших данных этот процесс расширился, и теперь с миллиардами разговоров на ChatGPT, Claude, Perplexity, DeepSeek или любой другой платформе так называемая «экономика намерений» летит по воздуху. «Гарвардский журнал Data Science Review недавно опубликовал исследование кембриджских ученых, показывающее последствия доступа к огромному количеству разговоров, раскрывающих самые интимные детали поведения и намерений, как это происходит сейчас. Согласно исследованию, «инструменты ИИ, особенно с помощью больших языковых моделей, должны извлечь и превратить интимные сигналы о намерениях (то есть данные о наших мотивах и планах) в коммерческую валюту». Риски высоки, поскольку «эти технологии могут предвидеть и в конечном итоге влиять на решения или манипулировать ими до их принятия, от покупки билетов в кино до политических выборов». Если традиционно основой была «экономика внимания» (продажа внимания пользователей), то новый этап превратит личные мотивы и планы в ресурс, за который можно торговаться в режиме реального времени. «3 Океан негласных знаний: Еще один фронт „розничной торговли“, привнесенный IAG, - это целая область „негласных знаний“, всего того, что „мы не знаем, что мы знаем“. Эта концепция была разработана почти 60 лет назад венгерско-американским эрудитом Майклом Поланьи в его книге «Неявное измерение», опубликованной в 1966 году. Поланьи подчеркивал сложность кодификации или автоматизации задач, которые человеческие существа выполняют интуитивно или неявно, без необходимости сознательного или явного понимания того, как они их выполняют. Это выражается в его знаменитой фразе: «Мы знаем больше, чем можем выразить». Цифровая революция последних двух десятилетий мало что сделала для преодоления этой стены, потому что эти неструктурированные и необъяснимые знания очень сложно организовать. Но теперь LLM могут учиться на решениях и даже жестах и выражениях, например, лучших продавцов компании, а затем передавать эти знания менее продуктивным сотрудникам. Или даже, как в «экономике намерений», создать «рынок негласных знаний», на котором, например, одно туристическое агентство или что-то еще продает этот актив другому. «Некоторые читатели, возможно, были шокированы (и даже напуганы) в последние недели, заметив, как сайт theyseeyourtphotos.com с помощью ИИ может описать загруженную фотографию с огромным уровнем детализации. От плазмы до 4D - наступает новая эра, когда детализация информации открывает огромный спектр новых предприятий и возможностей».