Спойлер: я не собираюсь говорить о том, как ChatGPT отвечает на вопросы о стратегиях экономического развития. В основном он излагает разумные, но посредственные идеи, которые он подсмотрел в своем учебном наборе. Но структура ChatGPT, которая дала ему гораздо больше возможностей, чем предполагали его создатели, предлагает ценный урок для решения сложных задач экономического развития.

Уже более десяти лет глубокие нейронные сети (ГНС) превосходят все другие технологии искусственного интеллекта, обеспечивая значительный прогресс в компьютерном зрении, распознавании речи и переводе. Появление генеративных чат-ботов с искусственным интеллектом, таких как ChatGPT, продолжает эту тенденцию.

Алгоритмы ИИ нуждаются в обучении, которое может быть достигнуто с помощью двух основных подходов: контролируемого и неконтролируемого обучения. При контролируемом обучении люди предоставляют компьютеру набор помеченных изображений, таких как "собака", "кошка", "гамбургер", "автомобиль" и так далее. Затем алгоритм тестируется на то, насколько хорошо он предсказывает метки, связанные с изображениями, которые он еще не видел.

Проблема контролируемого подхода заключается в том, что он требует от человека утомительного процесса ручной маркировки каждой фотографии. В отличие от этого, неконтролируемое обучение не зависит от маркированных данных. Однако отсутствие меток ставит вопрос о том, чему должен научиться алгоритм. Чтобы решить эту проблему, ChatGPT обучает алгоритм просто предсказывать следующее слово из текста, который используется для обучения.

Предсказание следующего слова может показаться тривиальной задачей, сродни функции автозаполнения в Google Search. Но модель ChatGPT позволяет ему выполнять очень сложные задачи, такие как сдача экзамена на адвоката с лучшим результатом, чем у большинства студентов-юристов с высокой успеваемостью.

Ключ к таким успехам кроется во впечатляющей силе этого простого процесса обучения. Для того, чтобы предсказать следующее слово, алгоритм вынужден развивать тонкое понимание контекста, грамматики, синтаксиса, стиля и многого другого. Уровень сложности, которого он достиг, удивил всех, включая его разработчиков. Оказалось, что ГНС способны функционировать гораздо лучше, не пытаясь внедрить в обучающие языковые модели теории, которые лингвисты разрабатывали десятилетиями.

Из этого можно извлечь урок для экономического развития: политические деятели должны сосредоточиться на задаче, которая может показаться обыденной, при условии, что, преуспев в ее выполнении, они косвенно будут вынуждены изучать гораздо более сложные задачи развития.

В отличие от этого, преобладающий подход в области экономики развития заключается в проведении различия между непосредственными причинами и более глубокими детерминантами роста и сосредоточении внимания на последних. Этот подход можно сравнить со словами: "Вместо того чтобы пытаться предсказать следующее слово, поймите контекст и смысл всей книги".

Например, в своей книге 2012 года "Почему нации терпят неудачу" (Why Nations Fail) Дарон Асемоглу (Daron Acemoglu) и Джеймс А. Робинсон (James A. Robinson) утверждают, что институты, влияя на структуру стимулов в обществе, в конечном итоге определяют экономические результаты. Экономист Университета Брауна Одед Галор (Oded Galor) придерживается другого подхода, делая акцент на сложных демографических и технологических преобразованиях, которые вывели человечество из мальтузианского равновесия и привели к увеличению продолжительности жизни, снижению коэффициента рождаемости и увеличению инвестиций в образование. В совокупности эти тенденции повысили представленность женщин в трудовых ресурсах и увеличили доступность навыков, необходимых для поддержания внедрения технологий и экономического роста.

Но соответствуют ли эти теории фактам? За последние четыре десятилетия развивающийся мир действительно претерпел многие из тех радикальных преобразований, которые описал Галор. Как заметил покойный врач Ханс Рослинг (Hans Rosling), резко сократился разрыв между развивающимися и развитыми странами в продолжительности жизни, младенческой смертности, рождаемости, образовании, поступлении в университеты, участии женщин в трудовой деятельности и урбанизации. Рассуждая в духе Асемоглу и Робинсона, институты развивающихся стран не так уж плохи, если они смогли обеспечить прогресс по столь многим направлениям. В рамках концепции Галора прогресс на всех этих направлениях должен объяснить, почему развивающиеся страны так сильно догнали развитые страны по уровню доходов.

Вот только это не так: среднестатистическая страна не стала ближе к уровню доходов в США, чем была четыре десятилетия назад. Как возможно, что сокращение разрыва в образовании, здравоохранении, урбанизации и расширении прав и возможностей женщин не привело к сокращению разрыва в доходах? Почему прогресс в предполагаемых более глубоких детерминантах не принес результатов?

Чтобы объяснить этот загадочный результат, экономисты ссылаются на увеличивающийся технологический разрыв. Это больше, чем объяснение, это математическая необходимость: если большее количество исходных ресурсов не приводит к большему количеству результатов, что-то должно делать их менее эффективными.

Чтобы объяснить этот неожиданный результат, полезно отметить, что те немногие страны, которым удалось наверстать упущенное, имеют две отличительные особенности: их экспорт рос гораздо быстрее, чем ВВП, и они диверсифицировали свой экспорт, переключившись на более сложные товары.

Чтобы достичь такого успеха, эти успешные страны должны были внедрить и адаптировать лучшие технологии, скорректировать предоставление общественных благ и свои институты для поддержки развивающихся отраслей, а также снизить неэффективность и затраты за счет повышения производительности труда и обучения работников. В ходе этого процесса они, возможно, устранили множество других проблем.

Стратегия развития, вдохновленная ChatGPT, будет направлена на достижение простой цели: повышение конкурентоспособности, разнообразия и сложности экспорта. Выяснение того, как этого добиться, заставило бы политических деятелей научиться делать важные вещи, подобно тому, как предсказание следующего слова позволило ChatGPT изучить контекст, грамматику, синтаксис и стиль.

Как и первые программисты искусственного интеллекта, которые были заняты лингвистами и их запутанными теориями, политические деятели отвлекаются на слишком большое количество целей, таких как 17 целей устойчивого развития ООН. Но применение подхода ChatGPT к экономическому развитию может упростить ситуацию: подобно тому, как языковая модель пытается предсказать только следующее слово, политические деятели могут попытаться сосредоточиться на содействии последующему экспорту, как, судя по всему, это сделали успешные страны. Хотя это может показаться небольшим шагом, он может привести к удивительно значительным результатам.

Рикардо Хаусманн