ChatGPT, “yapay zeka”da (AI) bir devrim olarak müjdeleniyor ve 2022’nin sonlarında kullanıma sunulduğundan beri medya ve teknoloji dünyasını kasıp kavuruyor.
OpenAI’ye göre ChatGPT, “çeşitli görevlere yardımcı olmak için eğitilmiş bir yapay zekadır.” Daha spesifik olarak, insan benzeri metinler üretmek ve insanlarla sohbet etmek için tasarlanmış büyük bir dil modelidir (LLM), dolayısıyla ChatGPT’deki “Sohbet”.
GPT, Generative Pre-trained Transformer’ın kısaltmasıdır. GPT modelleri, insan geliştiriciler tarafından önceden eğitilir ve daha sonra kendileri için öğrenmeye ve giderek artan miktarda bilgi üretmeye bırakılır ve bu bilgiyi insanlara kabul edilebilir bir şekilde (sohbet) iletir.
Pratik olarak bu, modeli bir metin kutusuna girerek bir sorgu veya istekle sunduğunuz anlamına gelir. AI daha sonra bu talebi işler ve mevcut bilgilere göre yanıt verir. Bir sohbeti sürdürmekten bütün bir sınav kağıdını yazmaya kadar pek çok görevi yerine getirebilir; marka logosu yapmaktan müzik bestelemeye ve daha fazlasına kadar. Basit bir Google tipi arama motorundan veya Wikipedia’dan çok daha fazlası olduğu iddia ediliyor.
İnsan geliştiriciler, GPT’lerin ‘zekasını’ artırmak için çalışıyor. GPT’nin mevcut sürümü 3.5’tir ve 4.0 bu yılın sonunda çıkacaktır. Ve ChatGPT-5’in “yapay genel zeka” (AGI) sağlayabileceği söyleniyor. Bu , bir bilgisayarın insandan ayırt edilemeyecek bir şekilde iletişim kurup kuramayacağını belirleyen bir test olan Turing testini geçebileceği anlamına gelir .
LLM’ler bu on yılda kapitalizm için oyunun kurallarını değiştirecek mi? Bu kendi kendine öğrenen makineler, emeğin üretkenliğini benzeri görülmemiş bir oranda artırabilecek ve böylece büyük ekonomileri düşük reel GSYİH, yatırım ve gelir artışının mevcut ‘uzun süreli depresyonundan’ kurtarabilecek mi? ve sonra dünyanın yoksulluktan yeni adımlar atmasını sağlamak? Medyayı meşgul eden bazı ‘tekno-iyimserlerin’ iddiası bu.
Bu soruların cevaplarını düşünelim.
İlk olarak, ChatGPT’nin mevcut sürümleri ne kadar iyi ve doğru? Pek değil, henüz. Dünya hakkında insanların aynı fikirde olmadığı pek çok “gerçek” var. Düzenli arama, bu sürümleri karşılaştırmanıza ve kaynaklarını değerlendirmenize olanak tanır. Bunun yerine, bir dil modeli üzerinde eğitim aldığı her görüşün bir tür ortalamasını hesaplamaya çalışabilir – ki bu bazen sizin istediğinizdir, ancak çoğu zaman değildir. ChatGPT bazen akla yatkın görünen ancak yanlış veya anlamsız cevaplar yazar. Sana bazı örnekler vereyim.
ChatGPT 3.5’e sordum: Marksist ekonomist Michael Roberts kimdir? Cevap buydu.
Bu çoğunlukla doğru ama bazı yerlerde de yanlış (hangisini söylemeyeceğim).
Sonra kitabım The Long Buhran’ı gözden geçirmesini istedim. Bu ne dedi:
Bu, kitabımın çok ‘genel’ bir incelemesini veya özetini veriyor, ancak kitabın tezinin özünü dışarıda bırakıyor: kapitalizm altındaki krizlerde kârlılığın rolü. Neden bilmiyorum.
Bu yüzden, Marx’ın kârlılık yasası hakkında şu soruyu sordum:
Yine, bu genel olarak doğru – ama sadece genel olarak. Cevap, yasayı anlamada sizi gerçekten çok uzağa götürmez. Gerçekten de Wikipedia’dan daha iyi değil. Elbette, daha ayrıntılı yanıtlar almak için daha derine inebilir (sorabilirsiniz). Ancak, insan araştırması ve analizinin yerini almanın bir yolu var gibi görünüyor.
Sonra emeğin ve işlerin üretkenliği sorunu var. Goldman Sachs ekonomistleri, teknolojinin vaadini yerine getirmesi durumunda, işgücü piyasasına “önemli bir aksama” getireceğini ve büyük ekonomilerdeki 300 milyon tam zamanlı işçiye eşdeğer işlerin otomasyonuna maruz kalacağını düşünüyor. Avukatlar ve idari personel, işten çıkarma (ve muhtemelen ekonomistler) olma riski en yüksek olanlar arasında olacaktır. ABD ve Avrupa’daki işlerin kabaca üçte ikisinin, tipik olarak binlerce meslekte gerçekleştirilen görevlere ilişkin verilere dayanarak, bir dereceye kadar yapay zeka otomasyonuna maruz kaldığını hesaplıyorlar.
Çoğu insan, iş yüklerinin yarısından daha azının otomatikleştiğini görür ve muhtemelen zamanlarının bir kısmı daha verimli faaliyetler için serbest bırakılarak işlerine devam eder. ABD’de, bunun işgücünün %63’ü için geçerli olacağını hesapladılar. Çalışmaları diğer otomasyon biçimlerine duyarlı olsa da, fiziksel veya açık hava işlerinde çalışan diğer %30’luk bir kesim etkilenmeyecektir.
GS ekonomistleri şu sonuca vardı: “Bulgularımız, ABD işgücünün yaklaşık %80’inin iş görevlerinin en az %10’unun LLM’lerin getirilmesinden etkilenebileceğini, işçilerin yaklaşık %19’unun görevlerinin en az %50’sinin etkilendiğini görebileceğini ortaya koyuyor. ”
Bir LLM’ye erişimle, ABD’deki tüm çalışan görevlerinin yaklaşık %15’i aynı kalite seviyesinde önemli ölçüde daha hızlı tamamlanabilir. LLM’lerin üzerine inşa edilmiş yazılım ve araçlar dahil edildiğinde, bu pay tüm görevlerin %47-56’sına çıkar. ABD çalışanlarının yaklaşık %7’si, görevlerinin en az yarısının üretken yapay zeka tarafından yapılabileceği ve değiştirilmeye karşı savunmasız olduğu işlerde çalışıyor. Küresel düzeyde, gelişmekte olan ülkelerde manuel işler daha büyük bir istihdam payı olduğundan, GS, işin yaklaşık beşte birinin yapay zeka tarafından yapılabileceğini veya büyük ekonomilerde yaklaşık 300 milyon tam zamanlı işin yapılabileceğini tahmin ediyor.
Bu iş kaybı tahminleri yeni bir şey değil. Önceki gönderilerde , önümüzdeki on yıl veya daha uzun bir süre içinde robotlar ve yapay zeka tarafından kaybedilecek işlerin sayısına ilişkin çeşitli tahminlerin ana hatlarını çizdim. Çok büyük görünüyor; ve sadece fabrikalardaki kol işlerinde değil, sözde beyaz yakalı işlerde de.
Kapitalist birikimin özünde, işçilerin sürekli olarak makinelere yapılan kapitalist yatırım nedeniyle işlerini kaybetmekle karşı karşıya kalacaklarıdır. İnsan emeğinin yerini makinelerin alması, İngiliz Sanayi Devrimi’nin başında tekstil endüstrisinde başladı ve otomasyon, 19. yüzyılda Amerikan sanayileşmesinde önemli bir rol oynadı. 19. yüzyılın ortalarında başlayan tarımın hızlı makineleşmesi, otomasyonun bir başka örneğidir.
Engels’in açıkladığı gibi, makineleşme yalnızca işleri bırakmakla kalmaz, aynı zamanda yeni sektörlerde yeni işler de yaratır, Engels’in İngiltere’de işçi sınıfının durumu (1844) adlı kitabında belirttiği gibi – bkz. Engels’in ekonomisi hakkındaki kitabım s.54-57 . Ancak Marx’ın bunu 1850’lerde tanımladığı gibi: “İktisatçıların iyimserliğiyle gülünç duruma getirilen gerçekler şunlar: Makineler tarafından atölyeden dışarı atılan işçiler, işgücü piyasasına atılıyor. Emek piyasasındaki mevcudiyetleri, kapitalist sömürünün emrindeki emek güçlerinin sayısını artırıyor… işçi sınıfının tazminatı olarak sunulan makinelerin etkisi, tam tersine, çok korkunç bir bela. . …. Makine, belirli bir sanayi dalında istihdam edilen işçilerin bir bölümünü serbest bırakır bırakmaz, yedek işçiler de yeni istihdam kanallarına yönlendirilir ve diğer dallara çekilirler; bu arada asıl kurbanlar, geçiş döneminde, çoğunlukla açlıktan ölüyor ve yok oluyor.” Grundrisse. Buradaki ima, otomasyonun artan güvencesiz işler ve artan eşitsizlik anlamına geldiğidir.
Şimdiye kadar, makineleşme, onu başlatmak ve sürdürmek için hala insan emeğine ihtiyaç duyuyordu. Ancak şimdi tüm görevlerin ve özellikle LLM’lerle karmaşıklık ve fikir gerektiren görevlerin devralınmasına doğru ilerliyor muyuz? Ve bu, kapitalizmin yeni bir yaşam süresine sahip olması için emeğin üretkenliğinde çarpıcı bir artış anlamına mı gelecek?
LLM’ler insan emeğinin yerini alabilir ve böylece artı değer oranını önemli ölçüde artırabilir, ancak fiziksel makinelerin yatırım maliyetlerinde keskin bir artış olmadan (Marx’ın yükselen organik sermaye bileşimi dediği şey), o zaman belki de sermayenin ortalama karlılığı mevcut düşükleri.
Goldman Sachs, ChatGPT gibi bu “üretken” yapay zeka sistemlerinin, sonunda on yıl içinde yıllık küresel GSYİH’yı %7 artıracak bir üretkenlik patlamasını ateşleyebileceğini iddia ediyor. Yapay zekaya yapılan kurumsal yatırım, 1990’lardaki yazılım yatırımına benzer bir hızda büyümeye devam ederse, ABD’deki yapay zeka yatırımı tek başına 2030’a kadar ABD GSYİH’sının %1’ine yaklaşabilir.
GS’nin bu sonuçları nasıl hesapladığına girmeyeceğim, çünkü sonuçlar varsayımdır. Ama sonuçları kabul etsek bile, bu kadar üstel bir sıçrama mı? Dünya Bankası’nın son tahminlerine göre, küresel büyüme bu yüzyılın ilk on yılında geçerli olan oranın kabaca üçte bir oranında düşerek yılda yalnızca %2,2’ye düşecek. Ve IMF, bu on yılın geri kalanı için ortalama büyüme oranını yıllık %3 olarak veriyor.
LLM’lerin etkisine ilişkin GS tahminini eklersek, küresel reel GSYİH büyümesi için yılda yaklaşık %3,0-3,5 elde ederiz ve bu, nüfus artışını hesaba katmaz. Başka bir deyişle, olası etki 1990’lardan bu yana görülen ortalamadan daha iyi olmayacaktır. Bu bize, Ekonomist Robert Solow’un 1987’de söylediği şu ünlü sözü hatırlatıyor: “Bilgisayar çağı, üretkenlik istatistikleri dışında her yerdeydi.”
ABD’li ekonomist Daren Acemoğlu, tüm otomasyon teknolojilerinin aslında emek üretkenliğini artırmadığını ekliyor. Bunun nedeni, şirketlerin otomasyonu esas olarak pazarlama, muhasebe veya fosil yakıt teknolojisi gibi kârlılığı artırabilecek, ancak ekonominin tamamı için üretkenliği artırmayan veya sosyal ihtiyaçları karşılamayan alanlarda devreye almasıdır. Big Tech, insanları değiştirmek için algoritmaların kullanımına odaklanan iş ve teknolojiye özel bir yaklaşıma sahiptir. Google gibi şirketlerin, geçmişte General Motors gibi büyük şirketlerin çalıştırdığı işçi sayısının onda birinden daha azını istihdam etmesi tesadüf değil. Bu, Big Tech’in iş yaratmaya değil onları otomatikleştirmeye dayalı iş modelinin bir sonucudur.
Kapitalizm altında AI için iş modeli budur. Ancak ortaklaşa ortaklaşa sahip olunan otomatik üretim araçları altında, bunun yerine insan yeteneklerini artırabilecek ve eğitimde, sağlık hizmetlerinde ve hatta üretimde yeni görevler yaratabilecek birçok yapay zeka uygulaması vardır. Acemoğlu, “Yapay zekayı otomatik not verme, ev ödevi yardımı ve öğretmenlerin yerini giderek artan bir şekilde algoritmaların alması için kullanmak yerine, yapay zekayı, belirli güçlü ve zayıf yönlere göre ayarlanmış daha bireyselleştirilmiş, öğrenci merkezli öğretim yöntemleri geliştirmek için kullanmaya yatırım yapabiliriz” dedi . farklı öğrenci grupları. Bu tür teknolojiler, daha fazla öğretmenin istihdamına ve yeni öğretmen becerilerine olan talebin artmasına yol açacak ve böylece tam olarak yeni görevlere odaklanan yeni işler yaratma yönünde ilerleyecektir.” Yapay zeka, insanların işlerini ve geçim kaynaklarını azaltmak yerine, ortak mülkiyet ve planlama altında herkes için insan emeğinin saatlerini azaltabilir.
Ve sonra, AI teknolojisinin sağladığı karlılık artışı sorunu var. LLM yatırımı daha az fiziksel üretim aracı gerektirse ve bu tür sermayenin maliyetlerini düşürse bile, insan işgücü kaybı daha da fazla olabilir. Dolayısıyla, Marx’ın kârlılık yasası hala geçerli olacaktır. Daha fazla makine (AI) aracılığıyla emeğin üretkenliğini artırmanın sermayenin karlılığını düşürmesi , kapitalizmin büyük çelişkisidir . Bu, yoğunluğu ve süresi artan düzenli ve yinelenen üretim, yatırım ve istihdam krizlerine yol açar.
Son olarak zeka sorunu var. Microsoft, zekanın “diğer şeylerin yanı sıra akıl yürütme, planlama, problem çözme, soyut düşünme, karmaşık fikirleri kavrama, hızlı öğrenme ve deneyimlerden öğrenme yeteneğini içeren çok genel bir zihinsel yetenek” olduğunu savunuyor . Microsoft, LLM’lerin yakında bu ‘genelleştirilmiş zekayı’ elde edebileceğini ve tüm insan düşünme yeteneğini aşabileceğini ima ediyor.
Ama burada bile şüphecilik var. “ChatGPT modeli çok büyük, ancak eğitim setinde karşılaştığı her kesin gerçeği tutacak kadar büyük değil. Her şeye ikna edici bir cevap üretebilir, ancak bu, cevaplarında gerçekleri yansıttığı anlamına gelmez. Her zaman şüpheci kalmalı ve size ne söylediğini kontrol etmelisiniz. Dil modelleri aynı zamanda “halüsinasyon görme” – temeldeki verilerde hiçbir temeli olmamasına rağmen cümle yapısına uyan yeni gerçekler icat etmeleriyle – ünlüdür. Bu pek cesaret verici değil.
Ancak Guglielmo Carchedi’nin yapay zekanın insan “zekâsının” yerini alabileceğini reddetmek için daha temel bir nedeni var. Carchedi ve Roberts: “makineler yalnızca biçimsel mantık kurallarına göre davranır. İnsanların aksine, makineler yapısal olarak diyalektik düşünme kurallarına göre davranamazlar. Bunu sadece insanlar yapar.” ( 21. yüzyılda Kapitalizm , s.167). İşte diyalektik sorunun ChatGPT yanıtı: “A, A’ya eşit ve aynı zamanda A’dan farklı olabilir mi?” “Hayır, A’nın A’ya eşit olması ve aynı zamanda A’dan farklı olması mümkün değildir. Bu terimce bir çelişki olur, çünkü “A eşittir A’dır” ifadesi bir totolojidir ve her zaman doğrudur. “A, A’dan farklıdır” ifadesi bir çelişkidir ve her zaman yanlıştır. Dolayısıyla bu iki ifade aynı anda doğru olamaz.”
Makineler potansiyel ve niteliksel değişiklikleri düşünemezler. Yeni bilgi, mevcut bilginin (makinelerin) genişletilmesinden değil, bu tür dönüşümlerden (insan) gelir. Yalnızca insan zekası sosyaldir ve değişim potansiyelini, özellikle de insanlık ve doğa için daha iyi bir yaşama götüren sosyal değişimi görebilir.
(*) Michael Roberts, City of London’da 40 yılı aşkın bir süre ekonomist olarak çalıştı. Küresel kapitalizmin entrikalarını ejderhanın ininden yakından gözlemledi. Aynı zamanda, onlarca yıldır işçi hareketinde siyasi bir aktivistti. Emekli olduğundan beri birkaç kitap yazmıştır. Büyük Durgunluk – Marksist bir görüş (2009); Uzun Buhran (2016); Marx 200: A Review of Marx’s Economy (2018): ve World in Crisis’in (2018) editörleri olarak Guglielmo Carchedi ile birlikte. Çeşitli akademik ekonomi dergilerinde çok sayıda makalesi ve solcu yayınlarda makaleleri yayınlandı.
susmagazetesi.com 