Του Γιάννη Γιαλαμά, μεταπτυχιακού φοιτητή στο πρόγραμμα “Έξυπνες πόλεις”, του Παν. Πειραιώς.
Όπως γνωρίζουμε, η Τεχνητή Νοημοσύνη, απαιτεί υπολογιστικούς πόρους, όπως κέντρα δεδομένων και εξειδικευμένο υλικό (π.χ. GPU), που έχουν σημαντικό περιβαλλοντικό αποτύπωμα. Ενώ η αποδοτικότητα της ΤΝ μπορεί να αυξάνεται, η ευρύτερη χρήση της μπορεί να οδηγήσει σε μεγαλύτερη ζήτηση για ενέργεια, νερό και άλλους πόρους, αυξάνοντας το συνολικό περιβαλλοντικό αποτύπωμα.
Είχε αναφερθεί σε προηγούμενο άρθρο μας, το Παράδοξο του Jevons, το οποίο επισημαίνει ότι η αύξηση της αποδοτικότητας μπορεί να οδηγήσει σε αυξημένη χρήση μιας τεχνολογίας ή ενός πόρου, τελικά αυξάνοντας την κατανάλωση. Έτσι, ενώ η χρήση της A.i. μπορεί να έχει ως στόχο τη μείωση της κατανάλωσης πόρων, η ίδια αποδοτικότητα μπορεί να οδηγήσει σε αντίθετα αποτελέσματα λόγω της ευρύτερης χρήσης.
Όταν η τεχνητή νοημοσύνη κάνει ορισμένες εργασίες πιο αποδοτικές, η ανάγκη για ανθρώπους να εκτελούν αυτές τις εργασίες μπορεί να μειωθεί. Ωστόσο, αυτό μπορεί να οδηγήσει σε αύξηση της ζήτησης για εργαζόμενους με εξειδικευμένες δεξιότητες, που είναι ικανοί να αναπτύσσουν, να διαχειρίζονται και να συντηρούν συστήματα τεχνητής νοημοσύνης. Η αυξημένη χρήση της A.i. μπορεί να δημιουργήσει νέα πεδία απασχόλησης, οδηγώντας σε συνολική αύξηση της ζήτησης για εργασία σε διαφορετικούς τομείς από αυτούς που ίσως αρχικά αναμένονταν.
Μήπως το έχουμε “ξαναδεί το έργο”?
Σε μικρότερο βαθμό, η τωρινή κατάσταση θυμίζει την έξαρση του digital marketing (και τα παρακλάδια του) 10 χρόνια πριν. Οι marketing managers, δεν έχασαν τις δουλειές τους. Αντιθέτως, τις βελτίωσαν. Αλλά κυρίως, οποιοσδήποτε, απέκτησε τη δυνατότητα να ακολουθήσει αυτό το επάγγελμα, μαθαίνοντας νέες μεθόδους και γνωρίζοντας διαφορετικά εργαλεία, επιταχύνοντας τις καθημερινές διαδικασίες που κάποτε ήταν χρονοβόρες για έναν μαρκετίστα… Και όλα αυτά, από το σπίτι του, χωρίς να ανήκει σε κάποιο marketing agency. Είδατε εσείς κανένα marketing agency να κλείνει πρόσφατα? Μάλλον το αντίθετο, σωστά?
Η τεχνητή νοημοσύνη μπορεί να μειώσει το κόστος παραγωγής και να αυξήσει την παραγωγικότητα, οδηγώντας σε χαμηλότερες τιμές για τα καταναλωτικά προϊόντα και τις υπηρεσίες. Αυτό μπορεί να ενθαρρύνει τους καταναλωτές να αγοράζουν περισσότερα προϊόντα και υπηρεσίες, αυξάνοντας τη ζήτηση για εργαζόμενους σε σχετικούς τομείς, όπως η εφοδιαστική αλυσίδα, το λιανικό εμπόριο και η εξυπηρέτηση πελατών.
Για να αντιμετωπίσουμε το Παράδοξο του Jevons, χρειαζόμαστε ισορροπία μεταξύ αποδοτικότητας και βιωσιμότητας. Η τεχνητή νοημοσύνη πρέπει να αναπτυχθεί με γνώμονα όχι μόνο την παραγωγικότητα, αλλά και το περιβαλλοντικό και κοινωνικό της αντίκτυπο, διασφαλίζοντας ότι η πρόοδος είναι πραγματικά βιώσιμη για το μέλλον.
“Ο καλός ο μάστορας, από την εργαλειοθήκη του φαίνεται”
Η τεχνητή νοημοσύνη δεν θα μας κλέψει τις δουλειές. Αντιθέτως, άνθρωποι που ξέρουν να χειρίζονται αποτελεσματικά, εργαλεία ai, θα μας τις κλέψουν. Και έπειτα, θα τις κάνουν πιο γρήγορα. Και πιο αποδοτικά.
Ακολουθήστε το 
στο Google News και μάθετε πρώτοι όλες τις ειδήσεις.
