Trí tuệ nhân tạo tổng hợp - cuộc cách mạng lĩnh vực kinh tế?

Một công cụ đa năng

Các nhà kinh tế trước nay cũng đã sử dụng máy học - một nhánh của trí tuệ nhân tạo (AI) - để phân tích dữ liệu và phát triển các dự báo kinh tế. Nhưng genAI là một công nghệ riêng biệt. Nó đã được áp dụng để củng cố cho ChatGPT và các công cụ tương tự, và được phát triển với tốc độ chóng mặt trong thời gian gần đây.

“Đó là một công nghệ mạnh mẽ và nếu sử dụng nó, ta có thể giải quyết các vấn đề kinh tế mà xã hội chúng ta phải đối mặt, một cách hiệu quả hơn” - Giáo sư Korinek nói với CNN, tin rằng genAI đang “cách mạng hóa ngành nghiên cứu”.

Theo ông Korinek, các công cụ genAI đang được sử dụng phổ biến nhất là ChatGPT của OpenAI, New Bing của Microsoft, Bard của Google, Claude 2 của Anthropic và LlaMA 2 của Meta (Facebook). Bất kỳ chatbot nào trong số này đều có thể giúp các nhà kinh tế suy nghĩ về những gì cần nghiên cứu, bằng cách yêu cầu chatbot cung cấp danh sách các ý tưởng. Nó thậm chí có thể đánh giá các kế hoạch nghiên cứu bằng cách đưa ra những ưu và nhược điểm.

Ảnh minh họa.

GenAI rất giỏi trong việc chỉnh sửa bản sao và tinh chỉnh văn bản, bao gồm phát hiện lỗi chính tả, gợi ý tiêu đề và thậm chí tạo văn bản dành riêng cho mạng xã hội để quảng cáo. Và theo ông Korinek, công nghệ mới có thể giúp bài viết của nhà nghiên cứu rõ ràng, cụ thể hơn và trôi chảy hơn nhiều.

Các chatbot AI cũng rất xuất sắc trong việc tóm tắt văn bản. Cả hai phiên bản ChatGPT 3.5 và 4 đều có thể tóm tắt các đoạn văn bản lên tới khoảng 3.000 từ. Claude 2 thậm chí có thể tóm tắt tới khoảng 75.000 từ, bao gồm độ dài của hầu hết các tài liệu nghiên cứu học thuật.

Các nhà kinh tế có thể đặt câu hỏi cho chatbot trên một báo cáo cụ thể, chẳng hạn như “kết luận chính của tác giả là gì?” hoặc “bằng chứng cụ thể hỗ trợ những quan điểm này là gì?”

Nghiên cứu kinh tế thường liên quan đến các nhiệm vụ kỹ thuật như mã hóa và đưa ra các bằng chứng toán học. Các công cụ genAI, chẳng hạn như Phân tích dữ liệu nâng cao ChatGPT, rất hữu ích trong việc viết, giải thích, dịch và thậm chí gỡ lỗi mã, đặc biệt là trong các ngôn ngữ như python và R. Chatbot còn có thể thiết lập các mô hình kinh tế, suy ra phương trình và giải thích chúng, mặc dù Giáo sư Korinek lưu ý rằng vào thời điểm này, khả năng liên quan đến toán học của genAI vẫn còn hạn chế.

Đầu năm nay, các giáo sư kinh tế Tyler Cowen và Alex Tabarrok tại Đại học George Mason đã xuất bản bài báo nghiên cứu “Cách học và dạy kinh tế với các mô hình ngôn ngữ lớn, bao gồm GPT”, trong đó giải thích cách genAI có thể tóm tắt văn bản, cải thiện khả năng viết, đề xuất ý tưởng và giải quyết các vấn đề đơn giản.

Và báo cáo nhấn mạnh rằng genAI đặc biệt hữu ích trong lớp học. Theo các chuyên gia Cowen và Tabarrok: “ChatGPT và Bing Chat có khả năng tạo ra giáo trình rất đáng tin cậy cho nhiều khóa học khác nhau, bao gồm bài đọc, chính sách khóa học và quy trình chấm điểm. Trong trường hợp học viên gặp sự cố, Chat GPT chấp nhận nhiệm vụ nộp muộn với mức phạt 10% mỗi ngày”.

Các nhà kinh tế lưu ý rằng các công cụ genAI hiện có “chưa sẵn sàng để giải quyết các vấn đề của bậc tiến sĩ, nhưng chúng khá hiệu quả trong việc giải quyết các mô hình nghiên cứu bậc thạc sĩ và giảng dạy sinh viên”.

Một bài nghiên cứu gần đây còn cho thấy genAI rất giỏi trong việc dự báo lạm phát - thậm chí còn giỏi hơn các nhà kinh tế đang làm công việc đó ngày nay. Bài báo, được viết bởi hai cố vấn chính sách tại St. Louis Fed - một trong 12 ngân hàng khu vực của Cục Dự trữ Liên bang Mỹ, đã so sánh dự báo lạm phát từ PaLM của Google, một chatbot mô hình ngôn ngữ lớn tương tự như ChatGPT, với một trong những nguồn dự đoán kinh tế vĩ mô hàng đầu là Khảo sát các nhà dự báo chuyên nghiệp (SPF).

Các nhà nghiên cứu nhận thấy rằng, dự đoán lạm phát của PaLM tạo ra ít sai sót hơn so với SPF - vốn tổng hợp các dự báo được đưa ra bởi các chuyên gia có bằng cấp cao về kinh tế, tài chính và nhiều lĩnh vực liên quan. Bài báo nhận định: “Những phát hiện này cho thấy các mô hình PaLM có thể cung cấp một cách tiếp cận thay thế chính xác và ít tốn kém để đưa ra các dự báo về lạm phát”.

Tác động tới việc làm

Phát biểu tại hội nghị công ty SoftBank World hồi tháng 10 vừa qua, giám đốc điều hành SoftBank Masayoshi Son cho biết ông tin rằng trí tuệ nhân tạo tổng hợp và trí tuệ nhân tạo nói chung sẽ vượt qua trí thông minh của con người trong hầu hết các lĩnh vực trong vòng 10 năm tới.

“Thật sai lầm khi cho rằng AI không thể thông minh hơn con người vì nó được tạo ra bởi con người. AI hiện có khả năng tự học, tự đào tạo và tự suy luận, giống như con người” - ông Son nêu quan điểm.

Vậy tác động từ sự tiến bộ của genAI đối với việc làm của con người trong lĩnh vực kinh tế có đáng lo ngại? Trang web việc làm Indeed đã thực hiện một nghiên cứu gần đây đánh giá mức độ tiếp xúc của một số công việc nhất định với genAI dựa trên các kỹ năng cần thiết để thực hiện chúng. Kết quả cho thấy, các công việc phát triển phần mềm, chẳng hạn như kỹ sư phần mềm, sẽ phải đối mặt với mức độ chịu ảnh hưởng cao nhất.

Svenja Gudell, nhà kinh tế trưởng của Indeed, nói với CNN: “Tôi nghĩ genAI sẽ tạo ra việc làm tốt hơn trong tương lai vì chúng tôi có thể loại bỏ những nhiệm vụ mà chúng tôi không thích làm. Tuy nhiên, để đạt được trạng thái ổn định đó sẽ cần một giai đoạn thay đổi - có thể hỗn loạn và đau xót với người lao động”.

Ông Gudell dự báo, nhiều công ty có thể quyết định cắt giảm chi phí lao động bằng cách sa thải nhân viên nếu genAI giúp duy trì mức sản lượng thông thường; hoặc nhiều công ty khác có thể giữ lại tất cả nhân viên của mình và chỉ đơn giản là tận hưởng sản lượng cao hơn nhờ genAI. Dù thế nào đi nữa, công nghệ này được cho cũng sẽ ít nhiều gây ra rủi ro cho việc làm.

Các nhà kinh tế sử dụng rất nhiều công nghệ để thực hiện công việc của họ, và đó là những nhiệm vụ mà genAI được cho cũng có thể thực hiện, đặc biệt khi nó ngày càng trở nên hoàn thiện hơn. Tuy nhiên, theo chuyên gia Gudell, để trở thành một nhà kinh tế học luôn cần có “sự tiếp xúc của con người”. Điều này bao gồm việc dạy học sinh và thuyết trình trực tiếp trước khán giả, cũng như khi làm việc với chính genAI.

“Trong kinh tế học, chúng ta thường nói về khả năng diễn giải của một mô hình. Nhận được câu trả lời là một chuyện, nhưng việc hiểu cách bạn đi đến câu trả lời đó đôi khi cũng quan trọng không kém” - ông Gudell giải thích - “Do đó, con người phải bước vào các vòng lặp khi đến lúc thực sự lấy được kết quả cuối cùng, và sau đó lắp nó vào bối cảnh cụ thể”.

Ngoài ra, genAI không phải luôn luôn dễ hiểu. Nó đôi khi vẫn đưa ra những thông tin không chính xác. Vì vậy, nhìn chung các chuyên gia tin rằng genAI có nhiều khả năng hỗ trợ cho các nhà kinh tế hơn là cướp đi công việc của họ - ít nhất là ở thời điểm hiện tại.

Hương Thảo