Sinjalizim spoiler: Nuk do të flas për mënyrën se si reagon ChatGPT kur kërkohet për strategjitë e zhvillimit ekonomik. Në thelb ai rregjistron ide të arsyeshme, por mediokre që ka parë në grupin e tij të trajnimit. Por dizajni i ChatGPT, i cili i ka dhënë atij aftësi shumë më të mëdha sesa parashikonin krijuesit e tij, ofron një mësim të vlefshëm për trajtimin e kompleksitetit të zhvillimit ekonomik.
Për më shumë se një dekadë, rrjetet nervore të thella (DNN) kanë tejkaluar të gjitha teknologjitë e tjera të inteligjencës artificiale, duke sjellë përparime të rëndësishme në vizionin kompjuterik, njohjen e të folurit dhe përkthimin. Shfaqja e chatbot-eve gjeneruese të AI si ChatGPT vazhdon këtë prirje.
Për të mësuar, algoritmet e AI kërkojnë trajnim, i cili mund të arrihet përmes dy qasjeve kryesore: të mësuarit të mbikëqyrur dhe të pambikëqyrur. Në mësimin e mbikëqyrur, njerëzit i japin kompjuterit një grup fotografish të etiketuara si “qen”, “mace”, “hamburger”, “makinë” etj. Më pas, algoritmi testohet për të parë se sa mirë i parashikon etiketat që lidhen me imazhet që nuk i ka parë ende.
Problemi me qasjen e mbikëqyrur është se ajo kërkon që njerëzit të kalojnë nëpër procesin e lodhshëm të etiketimit manual të çdo fotografie. Në të kundërt, mësimi i pambikëqyrur nuk mbështetet në të dhëna të etiketuara. Por mungesa e etiketave ngre pyetjen se çfarë supozohet të mësojë algoritmi. Për të adresuar këtë, ChatGPT trajnon algoritmin thjesht për të parashikuar fjalën tjetër të tekstit që përdoret për ta trajnuar atë.
Parashikimi i fjalës tjetër mund të duket si një detyrë e parëndësishme, e ngjashme me funksionin e plotësimit automatik në Google Search. Por modeli i ChatGPT e lejon atë të kryejë detyra shumë të ndërlikuara, të tilla si kalimi i provimit të jurisprudencës me një rezultat më të mirë se shumica e studentëve të drejtësisë me performancë të lartë.
Çelësi i arritjeve të tilla qëndron në fuqinë mbresëlënëse të këtij procesi të thjeshtë mësimor. Për të parashikuar fjalën tjetër, algoritmi është i detyruar të zhvillojë një kuptim të nuancuar të kontekstit, gramatikës, sintaksës, stilit dhe shumë më tepër. Niveli i sofistikimit që arriti i befasoi të gjithë, përfshirë projektuesit e tij. DNN-të rezultuan të aftë të funksiononin shumë më mirë pa u përpjekur të përfshinin në modelet e gjuhës së të mësuarit teoritë që gjuhëtarët kishin zhvilluar për dekada.
Mësimi për zhvillimin ekonomik është se politikëbërësit duhet të përqendrohen në një detyrë që mund të duket e zakonshme, me kusht që për të shkëlqyer në të, ata indirekt do të detyrohen të mësojnë sfida shumë më të ndërlikuara të zhvillimit.
Në të kundërt, qasja mbizotëruese në fushën e ekonomisë së zhvillimit ka qenë dallimi midis shkaqeve të përafërta dhe përcaktuesve më të thellë të rritjes dhe fokusimi në këto të fundit. Kjo qasje është analoge me të thënë: “Në vend që të përpiqeni të parashikoni fjalën tjetër, kuptoni kontekstin dhe kuptimin e të gjithë librit”.
Në librin e tyre të vitit 2012 Pse kombet dështojnë, për shembull, Daron Acemoglu dhe James A. Robinson argumentojnë se institucionet, duke ndikuar në strukturën e stimujve në shoqëri, janë përcaktuesi përfundimtar i rezultateve ekonomike. Ekonomisti i Universitetit Brown, Oded Galor, ka marrë një qasje të ndryshme, duke theksuar transformimet komplekse demografike dhe teknologjike që e nxorën njerëzimin nga ekuilibri Malthusian dhe çuan në jetëgjatësi më të gjatë, norma më të ulëta të lindshmërisë dhe investime më të larta në arsim. Së bashku, këto prirje nxitën pjesëmarrjen e grave në fuqinë punëtore dhe rritën disponueshmërinë e aftësive të nevojshme për të mbështetur adoptimin e teknologjisë dhe rritjen ekonomike.
Por a përputhen këto teori me faktet? Gjatë katër dekadave të fundit, bota në zhvillim ka pësuar vërtet shumë nga transformimet radikale që përshkroi Galor. Siç vërejti mjeku i ndjerë Hans Rosling, hendeqet midis vendeve në zhvillim dhe atyre të zhvilluara në jetëgjatësinë, vdekshmërinë foshnjore, fertilitetin, arsimin, regjistrimin në universitet, pjesëmarrjen e femrave në fuqinë punëtore dhe urbanizimin janë ngushtuar ndjeshëm. Duke arsyetuar à la Acemoglu dhe Robinson, institucionet e vendeve në zhvillim nuk mund të ishin aq të këqija nëse do të ishin në gjendje të bënin përparim në kaq shumë fronte. Në kuadrin e Galor, përparimi në të gjitha këto fronte duhet të shpjegojë pse vendet në zhvillim arritën kaq shumë me botën e zhvilluar për sa i përket të ardhurave.
Përveç që nuk e bënë: vendi mesatar nuk është më afër niveleve të të ardhurave të SHBA-së sesa ishte katër dekada më parë. Si është e mundur që zvogëlimi i hendekut në arsim, shëndetësi, urbanizim dhe fuqizimin e femrave nuk arriti të ngushtonte gjithashtu hendekun e të ardhurave? Pse përparimi në përcaktuesit e supozuar më të thellë nuk i ka dhënë mallrat?
Për të kuptuar këtë rezultat të çuditshëm, ekonomistët thërrasin një hendek teknologjik në rritje. Më shumë se një shpjegim, kjo është një domosdoshmëri matematikore: nëse më shumë inpute nuk gjenerojnë më shumë rezultate, diçka duhet t’i bëjë inputet më pak efektive.
Për të shpjeguar këtë rezultat të papritur, është e dobishme të theksohet se ato pak vende që ia dolën të arrinin ndajnë dy tipare dalluese: eksportet e tyre u rritën shumë më shpejt se PBB-ja e tyre dhe ata i diversifikuan eksportet e tyre duke u zhvendosur drejt mallrave më komplekse.
Për të arritur këtë rezultat, këto vende të suksesshme duhet të kenë adoptuar dhe përshtatur teknologji më të mira, të rregullojnë ofrimin e të mirave publike dhe institucionet e tyre për të mbështetur industritë në zhvillim dhe të reduktojnë joefikasitetin dhe kostot duke rritur produktivitetin dhe duke trajnuar punëtorët. Në atë proces, ata mund të kenë rregulluar një mori problemesh të tjera.
Një strategji zhvillimi e frymëzuar nga ChatGPT do të përqendrohej në një qëllim të thjeshtë: të përmirësojë konkurrencën, diversitetin dhe kompleksitetin e eksporteve. Të kuptuarit se si ta bëni këtë do t’i detyronte politikëbërësit të mësonin se si të bënin gjëra të rëndësishme, ashtu si parashikimi i fjalës tjetër mundësoi ChatGPT të mësonte kontekstin, gramatikën, sintaksën dhe stilin.
Ashtu si programuesit e hershëm të AI që u anashkaluan nga gjuhëtarët dhe teoritë e tyre të ndërlikuara, politikëbërësit janë hutuar nga shumë objektiva, siç janë 17 Objektivat e Zhvillimit të Qëndrueshëm të Kombeve të Bashkuara.
Por aplikimi i qasjes ChatGPT ndaj zhvillimit ekonomik mund t’i thjeshtojë gjërat: ashtu si modeli gjuhësor përpiqet të parashikojë vetëm fjalën tjetër, politikëbërësit mund të përpiqen të fokusohen në lehtësimin e eksportit të ardhshëm, siç duket se kanë bërë vendet e suksesshme. Ndërsa ky mund të duket si një hap i vogël, ai mund të çojë në rezultate çuditërisht të rëndësishme.
Përkthyer dhe përshtatur për Konica.al nga “Project Syndicate“
VAZHDO TË LEXOSH MË TEPËR PËR TEMËN
“Lufta” e profesioneve në periudhën post COVID-19
Një Strategji për Kinën do të bashkonte SHBA-në me aleatët
Si mund ta ndihmojë Joe Biden Britaninë?
