Intelixencia artificial e mundo do traballo
O debate actual ao redor da Intelixencia Artificial (IA) e o futuro do traballo é o último acontecemento nunha historia máis longa de empregadores que buscan socavar o poder dos traballadores afirmando que o traballo humano está a perder o seu valor e que o progreso tecnolóxico, e non os axentes humanos, son os responsábeis
Os cambios materiais introducidos baixo a éxida da intelixencia artificial (IA) non están a levar á abolición do traballo humano senón máis ben á súa degradación. Isto é típico da historia da mecanización desde os albores da revolución industrial. En lugar de liberar a xente do traballo, os empregadores utilizaron a tecnoloxía –mesmo a simple idea da tecnoloxía– para converter empregos relativamente bos en malos empregos, transformando o traballo artesanal en traballo semicualificado e ocultando o traballo dos seres humanos detrás dun aparello tecnolóxico para que poida obterse máis barato. Os empregadores invocan o termo IA para contar unha historia na que o progreso tecnolóxico, a represión sindical e a degradación laboral son sinónimos. Con todo, esta degradación non é unha calidade da tecnoloxía en si, senón máis ben da relación entre o capital e o traballo. O debate actual ao redor da IA e o futuro do traballo é o último acontecemento nunha historia máis longa de empregadores que buscan socavar o poder dos traballadores afirmando que o traballo humano está a perder o seu valor e que o progreso tecnolóxico, e non os axentes humanos, son os responsábeis.
A IA non é unha tecnoloxía específica
Cando os empresarios tecnolóxicos falan de que a IA fai isto ou aquilo (como cando Elon Musk prometeu ao primeiro ministro británico unha era futura de abundancia na que ninguén necesitará traballar porque “a IA poderá facelo todo”), están a usar o termo IA dunha maneira que oculta máis que aclara[1]. Os investigadores académicos no campo da IA, por exemplo, non adoitan usar o termo IA para describir unha tecnoloxía específica. É, simplemente, a práctica de facer que “as computadoras fagan o tipo de cousas que fan as mentes”, como o define Margaret A. Boden, unha autoridade no campo[2]. Noutras palabras, a IA é menos unha tecnoloxía e máis un desexo de construír unha máquina que actúe coma se fose intelixente. Non hai unha soa tecnoloxía que faga que a IA sexa distinta da ciencia informática.
Gran parte do debate actual ao redor da IA céntrase na aplicación do que se coñece como redes neuronais artificiais á aprendizaxe automática. A aprendizaxe automática refírese ao uso de algoritmos para atopar patróns en grandes conxuntos de datos co fin de realizar predicións estatísticas. Os chatbots como ChatGPT son un bo exemplo. (Un chatbot é un programa informático que imita a conversa humana para que as persoas poidan interactuar cun dispositivo dixital coma se se estivesen comunicando cun ser humano). Os chatbots funcionan utilizando unha inmensa cantidade de potencia computacional e grandes cantidades de datos para sopesar a probabilidade estatística de que unha palabra apareza xunto a outra.
A aprendizaxe automática xeralmente depende dos deseñadores para axudar ao sistema a interpretar os datos. Aquí é onde entran en xogo as redes neuronais artificiais. (A aprendizaxe automática e as redes neuronais artificiais son só dúas ferramentas baixo o paraugas xeral da IA). As redes neuronais artificiais son programas de software vinculados (cada programa individual chámase nodo) que poden calcular unha cousa. No caso de algo como ChatGPT (que pertence á categoría de modelos de linguaxe grandes), cada nodo é un programa que executa un modelo matemático (chamado modelo de regresión lineal) ao que se lle fornecen datos, predí unha probabilidade estatística e logo emite un resultado[3]. Estes nodos están vinculados entre si e cada vínculo ten un peso variábel, é dicir, unha cualificación numérica que indica que tan importante é, de xeito que cada nodo influirá no resultado final nun grao diferente. Basicamente, as redes neuronais son unha forma complexa de tomar moitos factores simultaneamente mentres se fai unha predición para producir un resultado, como unha cadea de palabras como a resposta axeitada a unha pregunta feita nun chatbot[4].
Esta imitación está moi lonxe da conciencia humana, mais os investigadores non comprenden a mente o suficiente como para codificar as regras da linguaxe nunha máquina. No seu lugar, elixiron o que Kate Crawford, investigadora de Microsoft Research, chama "enfoques probabilísticos ou de forza bruta"[5]. Ningún ser humano pensa desta maneira. Os nenos, por exemplo, non aprenden a linguaxe lendo toda a Wikipedia e contando cantas veces aparece unha palabra ou frase xunto a outra[6]. Ademais, estes sistemas consomen moita enerxía e son especialmente caros. O custo de adestramento de ChatGPT-4 foi duns 78 millóns de dólares; para Gemini Ultra, a resposta de Google a ChatGPT, o prezo foi de 191 millóns de dólares[7]. Cómpre sinalar que os seres humanos adquiren e utilizan a linguaxe a un custo moito máis baixo.
Na aprendizaxe automática estándar, os seres humanos etiquetan diferentes entradas para ensinar á máquina a organizar os datos e sopesar a súa importancia á hora de determinar o resultado final. Por exemplo, moitas persoas (ás que se lles paga moi mal) “preadestran” ou apréndenlles aos programas informáticos como son as cousas, etiquetando imaxes para que un programa poida diferenciar, por exemplo, entre un vaso e unha cunca. (Nun sistema que fai “aprendizaxe profunda”, os seres humanos desempeñan un papel de programación moito menor. Coa aprendizaxe profunda, as redes neuronais artificiais que se utilizan teñen máis capas que na aprendizaxe automática clásica, e os seres humanos etiquetan moito menos os elementos dun conxunto de datos. Noutras palabras, pódenselle fornecer datos moito máis crus, sen procesar, e aínda así organizalos). É importante sinalar que GPT en ChatGPT significa Transformador Xenerativo Preadestrado, un transformador que é unha especie de rede neuronal. No caso de ChatGPT, o programa foi adestrado previamente por seres humanos para ensinar e corrixir o programa a medida que se lle fornecían cantidades astronómicas de datos, principalmente texto escrito. De feito, segundo The Guardian, os traballadores contratados en Quenia por OpenAI para capacitar a ChatGPT gañaron entre 1,46 e 3,74 dólares por hora por etiquetar textos e imaxes que incluían “violencia, autolesións, asasinatos, violacións, necrofilia, abuso infantil, bestialidade e incesto”. Varios traballadores afirmaron que estas condicións de traballo eran explotadoras e solicitaron que o goberno queniano iniciase unha investigación sobre OpenAI[8].
Así, a IA, como explica Boden, “ofrece unha profusión de máquinas virtuais que realizan moitos tipos diferentes de procesamento de información. Non hai ningunha secreto clave aquí, ningunha técnica central que unifique o campo: os profesionais da IA traballan en áreas moi diversas, e comparten pouco en termos de obxectivos e métodos”[9]. Con todo, o uso contemporáneo do termo IA tende a encadrar os debates sobre cambios materiais, mistificando a tecnoloxía en cuestión e homoxeneizando á vez moitas tecnoloxías distintas nun único mecanismo revolucionario, un deus ex machina monolítico e escuro. Este efecto non é accidental. Serve aos intereses do capital e ten unha historia.
A IA e a degradación do traballo
A IA, noutras palabras, non é unha tecnoloxía revolucionaria, senón máis ben unha historia sobre tecnoloxía[10]. Ao longo do século pasado, os sindicatos loitaron para contrarrestar o uso por parte dos empregadores do poder ideolóxico do utopismo tecnolóxico, ou a idea de que a tecnoloxía por si soa producirá unha sociedade ideal e sen friccións. (Só un exemplo elocuente disto é o nome que General Motors lle deu ao seu pavillón na Feira Mundial de 1939: “Futurama”). A IA é outro capítulo máis nesta historia de utopismo tecnolóxico para degradar o traballo ocultándoo retoricamente[11]. Se os sindicatos comprenden os cambios nos medios de produción fóra dos termos do progreso tecnolóxico, será máis doado para os sindicatos negociar termos aquí e agora, en lugar de debater que efecto poderían ter nun futuro vago e demasiado especulativo.
O uso que os empregadores fixeron da aprendizaxe automática e das redes neuronais artificiais axústase á longa historia da mecanización do traballo. A tese da degradación laboral do economista político marxista Harry Braverman, na que o desenvolvemento capitalista industrial tende á ruptura do traballo artesanal, a difusión máis ampla da división detallada do traballo e a aplicación do réxime fabril a cada vez máis tipos de traballo, aínda se mantén[12]. En todo caso, o uso xerencial das tecnoloxías dixitais non fixo máis que acelerar esta tendencia. Moritz Altenried, un estudoso da economía política, referiuse recentemente a isto como o auxe da “fábrica dixital”, que combina os elementos máis sobredeterminados, mesmo carcerarios, do traballo fabril tradicional con contratos laborais flexíbeis e precariedade laboral[13]. Os empregadores implementaron o uso de algoritmos para exercer un inmenso control sobre o proceso laboral, utilizando plataformas dixitais para dividir os traballos e vixiar a rapidez coa que os traballadores completan esas tarefas, como o uso de algoritmos por parte de Amazon para impulsar aos traballadores dos almacéns ou as aplicacións de transporte que aceleran os condutores. As plataformas dixitais permitíronlles aos empregadores estender a lóxica das fábricas practicamente a calquera lugar. Aquí podemos ver o aspecto máis “revolucionario” dos cambios tecnolóxicos aos que se fai referencia como IA: a difusión masiva da vixilancia dos traballadores. Aínda que as plataformas dixitais non son traballadores particularmente bos, son xefes moi eficaces que rastrexan, cuantifican e obrigan os traballadores a traballaren de acordo cos deseños dos seus empregadores.
Soster que a aprendizaxe automática non é categoricamente diferente das formas anteriores de mecanización non significa dicir que todo irá ben para os traballadores. A aprendizaxe automática seguirá axudando os empregadores no seu proxecto de degradar o traballo. E ao igual que as formas anteriores de mecanización (incluída a mecanización informática do traballo de oficina desde os anos 1950), os empregadores propuxéronse converter os empregos cualificados de oficina en empregos semicalificados máis baratos. Na segunda metade do século XX, os fabricantes de computadoras e os empregadores introduciron a computadora dixital electrónica co obxectivo de reducir os custos da nómina de empregados administrativos. Substituíron as secretarias ou empregados cualificados por un gran número de mulleres mal pagas que operaban máquinas perforadoras que producían cartóns perforados para ser introducidas en grandes computadoras de procesamento por lotes. O resultado foi máis traballadores administrativos, non menos, pero os novos empregos eran peores que os que existían antes. Os traballos eran máis monótonos e o traballo acelerábase. No último cuarto do século XX, os empregadores lograron persuadir os mandos intermedios para que fixesen eles mesmos o traballo administrativo (o que un consultor chamou a “aburguesamento” do traballo administrativo) ao darlles computadoras de escritorio para que mecanografasen, arquivasen e enviasen correspondencia, tarefas polas que antes a empresa pagaba aos traballadores administrativos. Este estilo de degradación laboral segue sendo típico no traballo de colo branco na actualidade[14].
Aínda que tecnoloxías como ChatGPT parecen estar preparadas para substituír traballadores aparentemente de colo branco como os guionistas, é moito máis probábel que os empregadores utilicen a aprendizaxe automática para fragmentar e descualificar postos de traballo da mesma maneira que implementaron formas máis antigas de mecanización. O ano pasado, Google presentou un chatbot de aprendizaxe automática chamado Genesis ao New York Times, ao Washington Post e a NewsCorp. Un portavoz de Google recoñeceu que o programa non podía substituír os xornalistas nin escribir artigos por si só. En cambio, compoñería titulares e, segundo o New York Times, proporcionaría "opcións" para "outros estilos de escritura"[15]. Este é precisamente o tipo de ferramenta que, comercializada como unha conveniencia, tamén sería útil para un empregador que quixese descualificar un traballo.
Do mesmo xeito que as formas máis antigas de mecanización, os modelos de linguaxe a grande escala si aumentan a produtividade dos traballadores, é dicir, que unha maior produción non depende unicamente da tecnoloxía. Microsoft recentemente reuniu unha selección de estudos e descubriu que Microsoft Copilot e Copilot de GitHub (modelos de linguaxe a grande escala similares a ChatGPT) aumentaron a produtividade dos traballadores entre un 26 e un 73 por cento. A Escola de Negocios de Harvard concluíu que os “consultores” que usaban GPT-4 aumentaron a súa produtividade nun 12,2 por cento, mentres que a Oficina Nacional de Investigación Económica descubriu que os traballadores dos centros de chamadas que usaban “IA” procesaban un 14,2 por cento máis de chamadas que os seus colegas que non o facían. Con todo, as máquinas non se limitan a retomar o traballo que antes facían as persoas, senón que obrigan os traballadores a traballar máis rápido ou a descualificar o traballo para que o poidan realizar persoas que non están incluídas no marco do estudo[16].
Por exemplo, na súa recente folga, os membros do Gremio de Guionistas de Estados Unidos (WGA, polas súas siglas en inglés) exixiron que se prohibise aos estudos de cine e televisión impoñer a “IA” aos guionistas. Os chatbots non son capaces actualmente de substituír fisicamente os guionistas. En cambio, parece máis probábel que os estudos implementen sistemas de aprendizaxe automática para dividir os seus traballos nunha serie de tarefas discretas e, a través da división do traballo, converter o traballo de “guionista” en postos máis pequenos e con salarios máis baixos nos que os guionistas agora sexan enxeñeiros de programación que introducen escenarios na máquina, ou finalizadores, puíndo os guións feitos a máquina até convertelos nun produto final[17]. As recentes vitorias contractuais do WGA en relación coa IA limítanse á protección dos créditos e o salario, aínda que inicialmente se propuxeron rexeitar por completo o uso de modelos de linguaxe grandes[18]. Esa posición negociadora era en realidade algo única: desde mediados do século XX, os sindicatos en xeral non puideron (debido á debilidade ou a lentes ideolóxicas) tratar a tecnoloxía como algo aberto á negociación.
Tamén abundan os exemplos de empregadores que utilizan a “IA” non só para dividir postos de traballo, senón tamén para ocultar a presenza de traballadores humanos mal pagos, moitos deles radicados no Sur Global. En palabras da socióloga Janet Vertesi, “a IA é só a palabra de moda hoxe en día para 'subcontratación'”. Collamos, por exemplo, o sistema “Just Walk Out” de Amazon nas súas tendas físicas, onde os clientes compraban e saían sen ter que ir á caixa rexistradora porque o pagamento se procesaba dixitalmente. Amazon admitiu que a “IA xerativa” que utilizou para contar os recibos dos clientes en realidade consistía en traballadores na India que miraban as imaxes de vixilancia e redactaban manualmente as facturas detalladas[19]. Nun caso similar, varias grandes cadeas de supermercados francesas gabáronse de estar a utilizar “IA” para detectar as ladróns de tendas cando a vixilancia a realizaban traballadores en Madagascar que miraban as imaxes de seguridade e gañaban entre 90 e 100 euros ao mes[20]. O mesmo ocorre coa tecnoloxía denominada “Voz en Acción” (cuxo fabricante afirma que é un sistema “controlado por IA”) que se utilizou para recibir pedidos de comida para levar dos clientes en restaurantes de comida rápida dos Estados Unidos; máis do 70 por cento dos pedidos foron procesados, de feito, por traballadores en Filipinas[21]. A antropóloga Mary Gray e o investigador principal de Microsoft Siddarth Suri bautizaron a esta práctica de ocultar o traballo humano tras unha fachada dixital como “traballo pantasma”[22].
A IA e a ideoloxía: o discurso da automatización, unha nova era
Mais, como xa se dixo, sería un erro pensar na IA en termos principalmente tecnolóxicos, xa sexa como aprendizaxe automática ou mesmo como plataformas dixitais. Isto lévanos ao discurso da automatización, do que o recente balbordo ao redor da IA é a última versión. As ideas sobre o progreso tecnolóxico son certamente anteriores ao período de posguerra, pero recentemente nos anos posteriores á Segunda Guerra Mundial esas ideas consolidáronse nunha ideoloxía que, en xeral, funcionou para desempoderar os traballadores.
A versión orixinal desta ideoloxía foi o discurso da automatización que xurdiu nos Estados Unidos nos anos posteriores á Segunda Guerra Mundial, que sostiña que todo cambio tecnolóxico tendía á inevitábel abolición do traballo humano, en particular o traballo industrial de colo azul. Foi o produto inmediato de dous fenómenos interconectados. En primeiro lugar, a nova forza institucional do traballo organizado que xurdiu da militancia na década de 1930, que supuxo unha ameaza para o capital, e en segundo lugar, o notábel entusiasmo tecnolóxico da era de posguerra. Desde a década de 1930, as corporacións estadounidenses trataran de presentarse a si mesmas e aos seus produtos como produtores do tipo de futuro utópico que os radicais de esquerda asociaran durante moito tempo coa revolución política. (Por exemplo, a corporación DuPont prometeu cambios “revolucionarios” e “mellores cousas para unha vida mellor… a través da química”, en lugar de, digamos, a redistribución da propiedade.)[23]. A vitoria na Segunda Guerra Mundial, os avances tecnolóxicos financiados polo goberno e o auxe económico resultante pareceron ratificar este argumento. En palabras de Business Week en 1955, había “unha sensación de que algo novo e revolucionario estaba a nacer nos laboratorios e as fábricas”[24]. Por tanto, aos actores de todo o espectro político —desde líderes industriais até representantes sindicais, membros do movemento estudantil e mesmo algunhas feministas radicais— parecíalles razoábel pensar que talvez a tecnoloxía estadounidense podería superar eses trazos distintivos máis dolorosos da produción capitalista industrial: a loita de clases e a alienación no lugar de traballo[25].
Neste sentido xeral, un vicepresidente de produción da Ford Motor Company cuñou a palabra “automatización” para describir a política da empresa de loitar contra os sindicatos e degradar as condicións de traballo mentres se reestruturaba como un produto do desenvolvemento apolítico e inevitábel da propia sociedade industrial[26]. Ford, e axiña practicamente todo o mundo, describiu a “automatización” como unha tecnoloxía revolucionaria que cambiaría fundamental (e inexorabelmente) o lugar de traballo industrial. A definición de automatización era notoriamente vaga, pero aínda así moitos estadounidenses crían xenuinamente que, pola súa propia conta, traería abundancia, á vez que eliminaría o proletariado e, en palabras do sociólogo e coñecido intelectual público Daniel Bell, o substituiría por un “asalariado” de colo branco altamente cualificado[27].
Porén, en todas as industrias, o que os xerentes e os traballadores chamaban automatización coa mesma frecuencia resultou máis traballo degradado e acelerado que substitución do traballo humano pola acción das máquinas. E, con todo, na súa meirande parte, os traballadores sentíronse intimidados, tanto retoricamente como, en certa medida, intelectualmente, polo discurso da automatización. Nunha reunión de 1957 de dirixentes que representaban a dez dos sindicatos máis grandes dos Estados Unidos nese momento, Sylvia Gottlieb, directora de Educación e Investigación dos Traballadores das Comunicacións de Estados Unidos (CWA), resumiu o problema: non estaban seguros de se esa automatización era ou non a revolución tecnolóxica que o capital dicía que era, e debían ter coidado de que “o movemento obreiro non fose identificado como ‘choromicas’ neste tema”, é dicir, profetas do desastre opostos ao progreso tecnolóxico, ou peor aínda, ludistas. Gottlieb concluíu que tiña sentido “sinalar non só os problemas e dificultades da automatización, senón tamén recoñecer os enormes beneficios que proporciona”[28].
Parte do poder do discurso da automatización falaba dun tecnoprogresismo que, mesmo hoxe en día, atrae a certas tendencias de esquerda, como os chamados aceleracionistas marxistas que crían que o desenvolvemento da industrialización en si produciría as condicións para unha revolución proletaria[29]. Polo menos, nos anos inmediatamente posteriores á Segunda Guerra Mundial, a idea do progreso tecnolóxico autónomo ofreceu á administración Reuther e ao sindicato United Auto Workers (UAW) unha cobertura para a retirada do Tratado de Detroit sobre a cuestión dos “estándares de produción”, é dicir, voz e voto sobre que máquinas existirían no taller e como as usarían os traballadores[30]. Os respresentantes sindicais non sabían o que traería a “automatización”, e en gran medida non lograron desenredar as historias teleolóxicas do progreso tecnolóxico dos intentos da xerencia de controlar o proceso laboral. O sindicato internacional de estibadores e almacenistas (ILWU) dirixido por Harry Bridges foi único entre os sindicatos de posguerra no sentido de que logrou operar dentro dos confíns do optimismo tecnolóxico de posguerra e aínda así obter algo para os seus membros, permitindo que os transportistas de colectores comprasen os postos de traballo dos estibadores a cambio de xenerosos beneficios de xubilación. Aínda así, esta compra produciuse ao prezo dunha xeración de estibadores (os chamados B-men) que non tiñan dereito a eses beneficios, pero cuxo traballo seguía sendo particularmente explotado[31]. Aínda así, o ILWU foi a excepción. Máis normal foi o destino do sindicato United Packinghouse Workers of America (UPWA), que ao principio permitiu á empresa "automatizar" (é dicir, traer ferramentas eléctricas) a cambio de beneficios de xubilación algo mellorados e o dereito a transferir postos de traballo. Aos traballadores despedidos como resultado da aceleración laboral recomendóuselles que participasen en programas de capacitación laboral que o presidente do UPWA condenaría máis tarde. “O que facían”, dixo, “era capacitar a xente para que puidesen estar desempregados cun nivel de formación máis alto, porque non podían conseguir traballo”[32]. A medida que a industria se reformou na segunda metade do século XX, o sindicato esfarelouse. Hoxe, a industria de envasado de carne segue a ser unha industria con uso intensivo de man de obra, aínda que agora gran parte dela non está sindicada.
En termos prácticos, a “IA” converteuse en sinónimo de automatización, xunto cun conxunto similar, senón idéntico, de afirmacións inxustificadas sobre o progreso tecnolóxico e o futuro do traballo[33]. Durante a meirande parte do século pasado, os traballadores, como a maioría dos membros do público en xeral, tiveron moitas dificultades para falar de cambios nos medios de produción fóra dos termos do progreso tecnolóxico, e iso beneficiou esmagadoramente os empregadores. A noción da tecnoloxía como, en última instancia, un beneficio para todos e inevitábel, mesmo como a civilización mesma, fixo que sexa difícil criticala. Se a historia serve de guía, os traballadores deben rexeitar as afirmacións teleolóxicas que o capital fai sobre a tecnoloxía; eles mesmos deben ver o cambio tecnolóxico, non como o desenvolvemento orgánico da civilización, senón como outro aspecto do lugar de traballo que, en principio, debería estar suxeito á gobernanza democrática.
A IA non é unha tecnoloxía específica. Adoitar ser unha historia sobre tecnoloxía, unha historia que serve para lles quitar poder aos traballadores. Os traballadores teñen razóns para temer a IA, pero non porque sexa revolucionaria en si mesma. Máis ben, os traballadores e os organizadores deberían preocuparse porque a idea da IA permite aos empregadores aplicar algúns dos métodos máis antigos de degradación industrial do traballo. No pasado, os sindicatos sufriron cando tomaron como feitos as afirmacións tecnolóxicas dos seus empregadores. Para os traballadores, literalmente podería ser rendíbel negarse a deixarse impresionar polo utopismo tecnolóxico. Correspóndelles aos traballadores diferenciar os cambios materiais específicos do proceso laboral das grandes narrativas do progreso tecnolóxico. Os traballadores deberían ter voz e voto sobre que tipo de máquinas usan no traballo; deberían ter certo control. O primeiro paso nesa dirección require que sexan capaces, como mínimo, de dicir “non” aos cambios materiais que os empregadores tentan facer nos seus lugares de traballo, e dicilo sen pensar que eles mesmos son impedimentos para o progreso.
_____________________________________________________________________________
Notas:
(1) Chloe Taylor, “Elon Musk Says AI Will Create a Future Where ‘No Job Is Needed’: ‘The AI Will Be Able to Do Everything,’” Fortune, 3 de novembro de 2023, dispoñíbel en https://fortune.com/2023/11/03/elon-musk-ai-nojob-needed-work/.
(2) Margaret A. Boden, Artificial Intelligence: A Very Short Introduction (Oxford: Oxford University Press, 2018), 1. Para unha definición similar: Michael Wooldridge, A Brief history of Artificial Intelligence: What It Is, Where We Are, and Where We Are Going (New York: Flatiron Books, 2020).
(3) Para unha discusión do debate dentro do campo da Intelixencia Artificial con respecto á súa definición: Stuart Russell and Peter Norvig, Artificial Intelligence: A Modern Approach, Second Edition (Upper Saddle River, NJ: Pearson Education Inc., 2003), 2. Curiosamente, Russell and Norvig exclúen esta disución particular de definicións nas edicións posteriores do seu libro de texto, amplamente considerado como o libro de texto no campo. 3. Os Modelos de linguaxe grande (LLMs) son programas que xeran linguaxe realizando unha análise estatística de grandes cantidades de texto.
(4) Para unha descrición xeral da aprendizaxe automática e as redes neuronais artificiais, en particular no que atinxe a ChatGPT, véxase University of Central Arkansas, “ChatGPT: What Is It?” dispoñíbel en https://uca.edu/cetal/chat-gpt/; ou Stephen Wolfram, “What Is ChatGPT Doing . . . and Why Does It Work?” dispoñíbel en https://writings.stephenwolfram.com/2023/02/what-is-chatgpt-doing-and-why-does-it-work/.
Para unha serie de manuais especialmente útiles, os lectores poden dispoñer da serie educativa publicada por IBM en YouTube, dispoñíbel en https://www.youtube.com/@IBMTechnology.
(5) Kate Crawford, Atlas of AI: Power, Politics, and the Planetary Costs of Artificial Intelligence (New Haven, CT: Yale University Press, 2021), 99. Para unha interpretación marxista provocadora cuxa da IA “conexionista” en contraposición á “simbólica” é bastante útil: Matteo Pasquinelli, The Eye of the Master: A Social History of Artificial Intelligence (London: Verso Books, 2023), 14-15.
(6) Noam Chomsky, Ian Roberts e Jeffrey Watumull, “Noam Chomsky: The False Promise of ChatGPT,” New York Times, March 8, 2023, dispoñíbel en https://www.nytimes.com/2023/03/08/opinion/noam-chomsky-chatgpt-ai.html.
(7). Nestor Maslei, Loredana Fattorini, Raymond Perrault, Vanessa Parli, Anka Reuel, Erik Brynjolfsson, John Etchemendy, Katrina Ligett, Terah Lyons, James Manyika, Juan Carlos Niebles, Yoav Shoham, Russell Wald e Jack Clark, “The AI Index 2024 Annual Report,” AI Index Steering Committee, Institute for Human-Centered AI, Stanford University,
Stanford, CA, abril de 2024, 5.
(8) Niamh Rowe, “‘It’s Destroyed Me Completely’: Kenyan Moderators Decry Toll of Training of AI Models,” The Guardian, 2 de agosto de 2023, dispoñíbel en https://www.theguardian.com/technology/2023/aug/02/ai-chatbot-training-human-toll-content-moderator-meta-open-ai.
(9) Boden, “Artificial Intelligence,” 18.
(10) Lucy Suchman, “The Uncontroversial ‘Thingness’ of AI,” Big Data & Society, xullo-decembro, 2023: 1-5.
(11) O argumento clásico para entender a tecnoloxía como un termo politicamente cargado específico do capitalismo industrial: Leo Marx, “‘Technology’: The Emergence of a Hazardous Concept,” Social Research 64, no. 3 (Fall 1997): 965-88.
(12) Harry Braverman, Labor and Monopoly Capital: The Degradation of Work in the Twentieth Century (New York: Monthly Review Press, 1974).
(13) Moritz Altenried, The Digital Factory: The Human Labor of Automation (Chicago: University of Chicago Press, 2022), 7. O seu uso do concepto de “taylorismo dixital” é bastante útil. Véxase tamén: Alexandra J. Ravenelle, Hustle and Gig: Struggling and Surviving in the Sharing Economy (Oakland: University of California Press, 2019).
(14) Para o uso da palabra “aburguesamento”, véxase: Connie Winkler, “Office of Future May Not Work, Poppel Warns,” Computerworld, 21 de maio de 1979, 12. Acerca da degradación do traballo administrativo e a computadora de escritorio: Jason Resnikoff, “The Paradox of Automation: QWERTY and the Neuter Keyboard,” Labor, vol. 18, no. 4 (2021), 9-39.
(15) Benjamin Mullin e Nico Grant, “Google Tests AI Tool That Is Able to Write News Articles,” New York Times, 19 de xullo de 2023, dispoñíbel en https://www.nytimes.com/2023/07/19/business/google-artificial-intelligence-newsarticles. html.
(16) “The AI Index 2024 Annual Report,” 272-3.
(17) “What Does the Writers’ Strike Tell Us About the Future of A.I. and Jobs?” New York Times Audio, 1 de xuño de 2023. https://www.nytimes.com/audio/app/2023/06/06/what-does-the-writers-strike-tell-us-about-the-future-of-ai-and-jobs.html?referringSource=sharing.
(18) Drew Richardson, “Hollywood’s AI Issues Are Far From Settled After Writers’ Labor Deal With Studios,” CNBC, 16 de outubro de 2023, dispoñíbel en https://www.cnbc.com/2023/10/16/hollywoods-ai-issues-are-far-from-settled-after-wga-deal.html.
(19) Janet Vertesi, “Don’t Be Fooled: Much ‘AI’ is Just Outsourcing, Redux,” Tech Policy Press, 4 de abril de 2024, dispoñíbel en https://www.techpolicy.press/dont-be-fooled-much-ai-is-just-outsourcing-redux/.
(20) Pierric Marissal, “Derrière l’intelligence artificelle «made in france››, des exploités à Madagascar,” l’Humanité, 9 de decembro de 2022, dispoñíbel en https://www.humanite.fr/social-et-economie/intelligence-artificielle/derriere-lintelligence-artificielle-made-in-francedes-exploites-a-madagascar.
(21) Mia Sato, “An ‘AI’ Fast Food Drive-Thru Is Mostly Just Human Workers in the Philippines,” The Verge, 8 de decembro de 2023, dispoñíbel en https://www.theverge.com/2023/12/8/23993427/artificial-intelligence-presto-automation-fast-food-drive-thru-philippines-workers. Para as afirmacións da empresa, Presto Automation, ver https://presto.com/.
(22) Mary L. Gray e Siddharth Suri, Ghost Work: How to Stop Silicon Valley from Building a New Global Underclass (New York: Houghton Mifflin Harcourt, 2019); véxase tamén Antonio A. Casilli, “Waiting for Robots: The Ever-Elusive Myth of Automation and the Global Exploitation of Digital Labor,” Sociologias, vol. 23, no. 57 (maio-agosto, 2021), 112-33.
(23) Sean Callahan, “DuPont Replaces 1935 Tagline to Reflect Corporate Change,” Ad Age, 1 de xuño de 1999. Para o uso da palabra “revolutionario” por DuPont: The Atlanta Constitution, 8 de agosto de 1936, 21C.
(24) “Special Report to Readers on: Automation,” Business Week, 1 de outubro de 1955. https://web-p-ebscohost-com.ezproxy.cul.columbia.edu/ehost/pdfviewer/pdfviewer?vid=2&sid=92a622be-ac9d-4dc5-a612-8c4ce01c9c90%40redis.
(25) Para unha descrición xeral do amplo atractivo político do discurso da automatización no período de posguerra, Jason Resnikoff, Labor’s End: How the Promise of Automation Degraded Work (Urbana: University of Illinois Press, 2021).
(26) Resnikoff, Labor’s End, 22.
(27) Daniel Bell, Work and Its Discontents: The Cult of Efficiency in America (Boston: Beacon, 1956), 49-53.
(28) Sylvia B. Gottlieb a J. A. Beirne, Subject: Automation Sub-Committee—AFL-CIO Economic Policy Committee, 16 de xaneiro de 1957, folder 8, box 100, Communications Workers of America Records, Wag. 124, Tamiment Library, New York University.
(29) Para un exemplo especialmente audaz disto hoxe: Aaron Bastani, Fully Automated Luxury Communism: A Manifesto (London: Verso, 2019).
(30) Robert Asher, “The 1949 Ford Speedup Strike and the Post War Social Compact, 1946-1961,” in Autowork, ed. Robert Asher e Ronald Edsforth coa axuda de Stephen Merlino (Albany: State University of New York Press, 1995), 127-54.
(31) Seonghee Lim, “Automation and San Francisco Class ‘B’ Longshoremen: Power, Race, and Workplace Democracy, 1958-1981” (PhD diss., University of California, Santa Barbara, 2015).
(32) Roger Horowitz, “Negro and White, Unite and Fight!” A Social History of Industrial Unionism in Meatpacking, 1930-90 (Urbana: University of Illinois Press, 1997), 256.
(33) Louis Hyman, “It’s Not the End of Work. It’s the End of Boring Work,” New York Times, 22 de abril de 2023, dispoñíbel en https://www.nytimes.com/2023/04/22/opinion/jobs-ai-chatgpt.html.
_____________________________________________________________________________
[Artigo tirado do sitio web New Labor Forum, do 10 de setembro de 2024]