Wird KI Ihren Job übernehmen? Vielleicht noch nicht sofort, sagt eine Studie

(SeaPRwire) –   Werden künstliche Intelligenz unsere Jobs nehmen? Wenn man Silicon-Valley-Führungskräften zuhört, die über die Fähigkeiten heutiger fortschrittlicher KI-Systeme sprechen, könnte man meinen, die Antwort sei “ja, und bald.”

Aber eine neue Studie von MIT-Forschern legt nahe, dass die Automatisierung am Arbeitsplatz langsamer voranschreiten könnte als gedacht.

Die Forscher am Computer Science and Artificial Intelligence Laboratory des MIT untersuchten nicht nur, ob KI eine Aufgabe ausführen kann, sondern auch, ob es aus wirtschaftlicher Sicht für Unternehmen Sinn macht, menschliche Arbeitskräfte, die diese Aufgaben ausführen, im weiteren Kontext des Arbeitsmarktes zu ersetzen.

Sie stellten fest, dass Computer-Vision-KI heute zwar Aufgaben automatisieren kann, die 1,6% der US-Arbeitnehmereinkommen (ohne Landwirtschaft) ausmachen, aber nur 23% dieser Einkommen (0,4% der Gesamtwirtschaft) nach heutigen Kosten günstiger für Unternehmen wären, statt menschliche Arbeitskräfte einzusetzen. “Insgesamt legen unsere Ergebnisse nahe, dass die KI-Arbeitsplatzverdrängung erheblich, aber auch allmählich sein wird – und es daher Spielraum für Politik und Umschulung gibt, um die Auswirkungen auf die Arbeitslosigkeit abzumildern”, schreiben die Autoren.

Aufgaben wie die Analyse von Bildern aus Diagnosegeräten in einem Krankenhaus oder die Prüfung von Tabletts, um sicherzustellen, dass sie die richtigen Artikel enthalten, werden in dem Papier als Beispiele für die Art von “Bilderkennungsaufgaben” genannt, die heutige KI theoretisch bewältigen könnte. Aber Aufgaben dieser Art seien oft so fragmentiert, argumentieren die Autoren, dass ihre Automatisierung unwirtschaftlich sei.

“Auch wenn einige Veränderungen bevorstehen, gibt es auch noch etwas Zeit, sich darauf einzustellen”, sagt Neil Thompson, der leitende Autor der Studie, gegenüber TIME. “Es wird nicht so schnell geschehen, dass alles ins Chaos gestürzt wird.”

Es sei jedoch auch möglich, dass dies der Fall ist. Die Studie konzentrierte sich nur auf Computer-Vision-KI – Systeme, die in der Lage sind, Objekte in Bildern und Videos zu erkennen und zu kategorisieren – und nicht auf flexiblere Systeme wie große multimodale Sprachmodelle, von denen GPT-4 von OpenAI ein Beispiel ist. Eine kürzliche Studie von OpenAI schätzte, dass 19% der US-Arbeitskräfte bis zu 50% ihrer Arbeitsplatzaufgaben durch Systeme auf GPT-4-Niveau “beeinflusst” sehen könnten – eine weitaus höhere Schätzung als die Studie der MIT-Forscher, die sich ausschließlich auf Computer Vision konzentriert.

Die MIT-Forscher stellten fest, dass es für Unternehmen kostspielig sein kann, Computer-Vision-Systeme so feinzustimmen, dass sie für eine spezifische, spezialisierte Aufgabe geeignet sind. Während sich eine solche Investition für die größten Unternehmen lohnen mag, ist es oft nicht kostengünstiger für ein kleines Unternehmen, das einfach einen ausgebildeten Mitarbeiter behalten könnte, der die Aufgabe bereits gut ausführt. Dieser Dynamik zufolge ist ein Grund, warum nach der MIT-Studie nicht alle Aufgaben, zu denen KI heute in der Lage ist, auch wirtschaftlich sinnvoll ersetzt werden können. (Das Papier, das in der Fachzeitschrift Management Science eingereicht wurde, wurde noch nicht von Fachleuten begutachtet.)

Es ist jedoch unklar, ob sich diese Dynamik auf Sprachaufgaben übertragen lässt. Das “Feintuning” eines Computer-Vision-Modells, um beispielsweise spezifische Arten von Medikamentenflaschen voneinander zu unterscheiden mit einer Genauigkeit von 99,9%, erfordert den Sammlung großer Mengen markierter Bilder verschiedener Medikamente – ein kostspieliger und umständlicher Prozess (auch wenn Arbeitskräfte in armen Ländern zu niedrigen Löhnen herangezogen würden, um dies billig zu erledigen). Man müsste dann auch die erheblichen Computing-Kosten für das Feintuning eines KI-Modells an dieser großen Datenmenge tragen.

Andererseits kann das Feintuning fortschrittlicher Sprachmodelle für eine bestimmte Aufgabe einfach darin bestehen, ihnen eine detaillierte Liste von Regeln zu geben. Eine Studie von OpenAI aus August letzten Jahres ergab, dass GPT-4 nach dem Feintuning mit einem detaillierten Richtliniendokument und nur wenigen markierten Beispielen effektiv die Aufgabe der Inhaltsmoderation auf digitalen Plattformen ausführen konnte. Diese Erkenntnisse deuten darauf hin, dass große Sprachmodelle eine viel größere Bandbreite wirtschaftlicher Aufgaben viel schneller und kostengünstiger übernehmen können als Computer-Vision-Modelle.

Das Feintuning für GPT-4 befindet sich derzeit noch in einer eingeschränkten Beta-Phase, da OpenAI daran arbeitet, die erheblichen Risiken zu mindern, die diese Art der Anpassungsfähigkeit mit sich bringen kann. Aber wenn OpenAI und seine Wettbewerber beginnen, Kunden das Feintuning ihrer leistungsfähigsten Modelle zu erlauben, könnte die Wirtschaft möglicherweise Automatisierungsgrade oder -raten sehen, die schneller voranschreiten als die Studie des MIT vorhersagt.

“Es ist sicher denkbar, dass das Anpassen großer Sprachmodelle einfacher sein könnte als das Anpassen von Computersystemen und dass dies zu einer schnelleren Übernahme in der Wirtschaft führen könnte”, sagt Thompson gegenüber TIME. “Solange jedoch ein kleines Entwicklungsteam für die Integration des Systems in den Arbeitsablauf des Unternehmens erforderlich ist, begrenzen die Kosten nach wie vor.”