L’IA pourrait menacer certains emplois, mais elle est plus susceptible de devenir notre assistante personnelle

BT a récemment annoncé qu’il réduirait ses effectifs de 55 000, dont environ 11 000 liés à l’utilisation de l’intelligence artificielle (IA). Le reste des réductions était dû à des gains d’efficacité commerciale, tels que le remplacement des câbles en cuivre par des alternatives à fibre optique plus fiables.

Le point concernant l’IA soulève plusieurs questions quant à son effet sur l’économie au sens large : quels emplois seront les plus touchés par la technologie, comment ces changements se produiront-ils et comment ces changements seront-ils ressentis ?

Le développement de la technologie et son impact sur la sécurité de l’emploi est un thème récurrent depuis la révolution industrielle. Là où la mécanisation était autrefois la cause de l’anxiété face aux pertes d’emplois, ce sont aujourd’hui des algorithmes d’IA plus performants. Mais pour de nombreuses ou la plupart des catégories d’emplois, la rétention des humains restera vitale dans un avenir prévisible.

La technologie derrière cette révolution actuelle est principalement ce que l’on appelle un grand modèle de langage (LLM), qui est capable de produire des réponses relativement humaines aux questions. C’est la base de ChatGPT d’OpenAI, du système Bard de Google et de Bing AI de Microsoft.

Ce sont tous des réseaux de neurones : des systèmes informatiques mathématiques grossièrement modélisés sur la façon dont les cellules nerveuses (neurones) se déclenchent dans le cerveau humain. Ces réseaux de neurones complexes sont entraînés ou familiarisés avec du texte, souvent extrait d’Internet.

Le processus de formation permet à un utilisateur de poser une question dans un langage conversationnel et à l’algorithme de décomposer la question en composants. Ces composants sont ensuite traités pour générer une réponse appropriée à la question posée.

Le résultat est un système capable de fournir des réponses sensées à toutes les questions qui lui sont posées. Les implications sont plus vastes qu’il n’y paraît.

Les humains dans la boucle

De la même manière que la navigation GPS pour un conducteur peut remplacer la nécessité pour lui de connaître un itinéraire, l’IA offre aux travailleurs la possibilité d’avoir toutes les informations dont ils ont besoin à portée de main, sans “googler”.

En effet, cela supprime les humains de la boucle, ce qui signifie que toute situation dans laquelle le travail d’une personne consiste à rechercher un élément et à établir des liens entre eux pourrait être à risque. L’exemple le plus évident ici est celui des emplois dans les centres d’appels.

Cependant, il reste possible que les membres du public n’accepteraient pas une IA résolvant leurs problèmes, même si les temps d’attente des appels devenaient beaucoup plus courts.

Tout travail manuel a un risque très faible de remplacement. Alors que la robotique devient de plus en plus performante et adroite, elle opère dans des environnements très contraints. Il s’appuie sur des capteurs donnant des informations sur le monde et prenant ensuite des décisions sur ces données imparfaites.

L’IA n’est pas encore prête pour cet espace de travail, le monde est un endroit désordonné et incertain dans lequel les humains adaptables excellent. terme.

Cependant, le véritable impact de l’IA se fera probablement sentir en termes d’économies d’efficacité plutôt que de remplacement pur et simple d’emplois. La technologie est susceptible de trouver une traction rapide en tant qu’assistante des humains. Cela se produit déjà, en particulier dans des domaines tels que le développement de logiciels.

Plutôt que d’utiliser Google pour savoir comment écrire un morceau de code particulier, il est beaucoup plus efficace de demander à ChatGPT. La solution qui revient peut être adaptée strictement aux besoins d’une personne, livrée efficacement et sans détails inutiles.

Systèmes critiques pour la sécurité

Ce type d’application va se généraliser au fur et à mesure que les futurs outils d’IA deviendront de véritables assistants intelligents. Que les entreprises utilisent cela comme excuse pour chercher à réduire leurs effectifs dépend de leur charge de travail.

Comme le Royaume-Uni souffre d’une pénurie de diplômés Stem (sciences, technologie, ingénierie et mathématiques), en particulier dans des disciplines telles que l’ingénierie, il est peu probable qu’il y ait une perte d’emplois dans ce domaine, juste une manière plus efficace de s’attaquer au problème actuel. charge de travail.

Cela repose sur le fait que le personnel tire le meilleur parti des opportunités offertes par la technologie. Naturellement, il y aura toujours du scepticisme et l’adoption de l’IA dans le développement de systèmes critiques pour la sécurité, comme la médecine, prendra un temps considérable. En effet, la confiance dans le développeur est essentielle et la manière la plus simple de la développer est d’avoir un humain au cœur du processus.

Ceci est essentiel, car ces LLM sont formés à l’aide d’Internet, de sorte que des préjugés et des erreurs sont tissés. Ceux-ci peuvent survenir accidentellement, par exemple, à travers une personne à un événement particulier simplement parce qu’ils partagent le même nom que quelqu’un d’autre. Plus sérieusement, ils peuvent également se produire par intention malveillante, permettant délibérément la présentation de données de formation erronées ou même intentionnellement trompeuses.

La cybersécurité devient une préoccupation croissante à mesure que les systèmes deviennent plus en réseau, tout comme la source de données utilisée pour construire l’IA. Les LLM s’appuient sur l’information ouverte en tant que bloc de construction affiné par l’interaction. Cela soulève la possibilité de nouvelles méthodes pour attaquer les systèmes en créant délibérément des mensonges.

Par exemple, les pirates pourraient créer des sites malveillants et les placer dans des endroits où ils sont susceptibles d’être récupérés par un chatbot IA. En raison de la nécessité de former les systèmes sur de nombreuses données, il est difficile de vérifier que tout est correct.

Cela signifie qu’en tant que travailleurs, nous devons chercher à exploiter la capacité des systèmes d’IA et à les utiliser à leur plein potentiel. Cela signifie toujours remettre en question ce que nous recevons d’eux, plutôt que de se fier aveuglément à leur production. Cette période rappelle les débuts du GPS, lorsque les systèmes entraînaient souvent les utilisateurs sur des routes inadaptées à leurs véhicules.

Si nous appliquons un état d’esprit sceptique à la façon dont nous utilisons ce nouvel outil, nous maximiserons sa capacité tout en augmentant simultanément la main-d’œuvre, comme nous l’avons vu à travers toutes les révolutions industrielles précédentes.

Cet article est republié de The Conversation sous une licence Creative Commons. Lire l’article d’origine.