DUBAI—No seu artigo fundamental de 1956 “O número máxico sete, máis ou menos dous”, o psicólogo estadounidense George Miller fixo un argumento enganosamente sinxelo: a nosa memoria de traballo só pode conter sete pezas de información á vez. En efecto, Miller identificou unha limitación dura na capacidade de procesamento da mente humana, mostrando que a cognición a curto prazo opera dentro de límites sorprendentemente estreitos. Aproximadamente ao mesmo tempo, o economista premio Nobel Herbert A. Simon chegou a unha conclusión sorprendentemente semellante. A súa teoría da racionalidade limitada sostiña que os que toman decisións nunca optimizan no sentido que imaxina a economía clásica, porque a propia cognición é un recurso escaso. Ante máis variables das que poden procesar simultaneamente, o ser humano non busca a mellor resposta posible. Pola contra, confórmanse cunha resposta suficientemente boa dentro dos límites dos seus recursos cognitivos. Como dixo Simon, “Unha gran cantidade de información crea unha pobreza de atención”. Na década de 1980, o psicólogo educativo John Sweller impulsou máis esta lóxica coa súa teoría da carga cognitiva. A teoría de Sweller sostén que cando as demandas de información superan os límites da memoria de traballo, a mente queda desbordada e o rendemento deteriorouse. Capitalismo cognitivo A pesar de abordar o problema desde diferentes direccións, Miller, Simon e Sweller describiron a mesma condición subxacente: unha brecha cada vez maior entre a complexidade das sociedades modernas e as capacidades cognitivas das persoas. Foi nese pano de fondo cando os economistas heterodoxos a principios dos anos 2000 comezaron a argumentar que o capitalismo estaba entrando nunha nova fase. Nun influyente artigo de 2005, Carlo Vercellone, economista da Universidade de París 8 Vincennes-Saint Denis, recorreu ao concepto de “intelixencia xeral” de Karl Marx para afirmar que a intelixencia humana colectiva desprazou á fábrica como motor central da creación de valor, dando lugar ao que el chamou “capitalismo cognitivo”. Pero a tese de Vercellone estendeuse máis aló do auxe da economía do coñecemento. O capital, argumentou, nunca podería posuír nin controlar plenamente as dimensións máis produtivas da cognición: coñecemento tácito, xuízo relacional e experiencia vivida. A diferenza da maquinaria, o coñecemento non podía separarse totalmente dos traballadores que o posuían e, polo tanto, non podían codificarse en procedementos nin transferirse a vontade. A cognición, na súa opinión, seguía sendo o único input produtivo resistente á mercantilización completa precisamente porque era irredutiblemente humano. Vercellone, por suposto, non podía prever o auxe da intelixencia artificial (IA). Antes da aparición de grandes modelos lingüísticos, os límites da codificación da cognición humana manifestáronse como unha sobrecarga informativa: demasiadas variables para procesar, demasiados datos para interpretar e demasiada complexidade para que os traballadores e os tomadores de decisións poidan navegar. Hoxe, porén, o que antes parecía inseparable do intelecto humano pódese extraer, replicar e despregarse cada vez máis a escala. En certo sentido, a IA introduciu unha forma de compresión cognitiva, ou “zipping”, que converte a comprensión humana tácita, que antes estaba limitada a individuos e institucións, en algo que se pode vender por simbólica. Como resultado, xurdiu un novo mercado arredor do que Vercellone cría que nunca podería mercantilizarse: a propia cognición humana. Mercado para o pensamento humano Desde a tableta de barro e o libro impreso ata a enciclopedia e o buscador, os humanos buscaron exteriorizar a cognición. Pero aínda que un libro de texto contén coñecementos e unha base de datos almacena información, ambos seguen sendo repositorios pasivos. Os sistemas de IA, pola contra, poden realizar tarefas cognitivas cada vez máis complexas sen unha orientación humana continua. A ciencia cognitiva ofrece unha lente valiosa para comprender o que realmente envasan e venden as empresas de IA. O modelo de memoria de traballo do psicólogo británico Alan Baddeley é particularmente útil neste sentido, xa que mostra que a cognición humana consta de varias funcións distintas pero interconectadas. O modelo de Baddeley identifica tres capas cognitivas principais. O primeiro é a capacidade de reter e procesar información verbal, que nos permite ler unha frase, conservala e construíla. A segunda é a capacidade de sintetizar información de múltiples fontes, integrando entradas dispares nun todo coherente. E por enriba de ambas aséntase o que Baddeley chamou o “executivo central”: a parte da mente responsable de establecer obxectivos, asignar a atención, responder a novas situacións e decidir o que importa e por que. Estas capas non son intercambiables, e están sendo mercantilizadas de formas moi diferentes. A intelixencia artificial agora pode reproducir os dous primeiros, procesando e sintetizando grandes cantidades de información sen as limitacións da memoria humana e nunha fracción do que actualmente pagan as empresas aos analistas de investigación, aos asesores políticos e aos equipos de estratexia. O que aínda non pode facer é definir prioridades, exercer o criterio e navegar pola incerteza. A verdadeira interrupción está máis aló da automatización rutineira, na crecente mercantilización do traballo cognitivamente esixente e intensivo en coñecemento. Aínda que os traballadores cuxo valor económico reside principalmente no procesamento e síntese da información son cada vez máis vulnerables ao desprazamento impulsado pola IA, aqueles cuxo valor reside en dirixir e supervisar procesos complexos seguen sendo moito menos vulnerables, polo menos polo momento. Pero a obsolescencia pode representar unha ameaza maior para os modelos de negocio baseados na venda de traballo cognitivo por hora que o desprazamento, xa que os traballadores e as organizacións pasan do lado da demanda ao lado da oferta do mercado cognitivo. Un investigador independente que venda a súa capacidade analítica por horas podería atender a varios clientes á vez sen traballar máis horas ao empaquetar a súa experiencia nun produto con IA. Así mesmo, unha pequena consultoría que depende só da profundidade analítica podería aproveitar as ferramentas de IA para operar a unha escala que antes estaba dispoñible só para empresas moito máis grandes. Nova economía do coñecemento A economía do coñecemento foi concibida para un mundo no que a experiencia tiña un premio, non para aquel no que a propia cognición se converteu en infraestrutura. Este cambio marca a aparición dunha nova forma de participación económica, definida menos pola realización do traballo cognitivo que polo control dos sistemas que o empaquetan, escalan e distribúen. O mercado cognitivo, porén, non é un mercado único. Ten dúas capas distintas gobernadas por lóxicas en conflito. Na capa inferior, organizada en torno ás funcións cognitivas xerais identificadas por Baddeley, comeza a xurdir algo parecido ao que Vercellone e os seus coautores chamaron “común”, aínda que non por deseño político. Desenvolvido a través dunha serie de traballos colaborativos durante a década de 2010, o concepto común baséase na idea de que o valor cognitivo prodúcese colectivamente e se basea nunha herdanza intelectual compartida. Polo tanto, os sistemas que o xeran e distribúen deberían rexerse como ben común e non como propiedade privada. As forzas do mercado están producindo agora unha versión desta por si mesmas. Unha vez que se adestra un modelo de IA, engadir usuarios custa relativamente pouco, o que incentiva ás empresas a escalar o máis agresivamente posible. Como era de esperar, as capas cognitivas máis reproducibles son tamén as que se están democratizando rapidamente: un investigador de Nairobi pode realizar moitas das mesmas tarefas analíticas que un socio de McKinsey. Porén, a mesma tecnoloxía que democratiza o acceso á experiencia tamén está erosionando a escaseza na que moitos profesionais construíron as súas carreiras. O coñecemento tácito de millóns de analistas, investigadores, avogados e asesores -o mesmo que Vercellone argumentou que nunca podería realmente separarse do xuízo humano e da experiencia vivida- foi recollido para adestrar modelos de IA propiedade dun puñado de corporacións. O capital, neste sentido, non meramente mercantificou a cognición humana. Apropiouse del, ao igual que o recinto de terras comúns que outrora desposuíron daqueles cuxo traballo a fixera valiosa. Esta dinámica xa é visible na capa de especialistas do mercado cognitivo, onde os sistemas de IA están a ser adestrados para replicar formas moi específicas de pericia: a capacidade do oncólogo para recoñecer patróns raros, a intuición estratéxica do analista xeopolítico e a sensación do avogado de M&A ante o risco oculto. Tales capacidades conseguidas con tanto esforzo están sendo extraídas e codificadas de forma sistemática en produtos comerciais de intelixencia artificial como os modelos de análise financeira de Bloomberg e a plataforma de servizos legais Harvey. Estes son sistemas propietarios construídos capturando e concentrando formas de capital cognitivo que se distribuían de forma desigual en primeiro lugar. O mercado cognitivo estase, polo tanto, democratizándose na parte inferior mentres se concentra na parte superior. Os máis vulnerables son os traballadores do coñecemento de nivel medio (analistas, investigadores, profesionais junior) cuxo valor de mercado deriva das funcións cognitivas que a IA pode realizar de forma máis barata. Os principais beneficiarios son aqueles que xa están na parte superior da xerarquía cognitiva, que agora poden monetizar a súa experiencia a unha escala que nunca conseguirían por si mesmos. A mercadoría máis escasa Acepte ou non a súa premisa política máis ampla, Vercellone e os seus coautores suscitan unha pregunta fundamental: se o coñecemento utilizado para adestrar sistemas de IA se produce colectivamente, quen ten dereito aos retornos? Esa pregunta faise aínda máis apremiante a medida que a compresión cognitiva mellora co paso do tempo. Nun documento de traballo recente, o economista do premio Nobel Daron Acemoglu e os seus coautores argumentan que cando os sistemas de IA superan constantemente aos humanos medios, os incentivos para desenvolver e manter a experiencia comezan a erosionarse. Despois de todo, por que pasar anos desenvolvendo a capacidade analítica interna cando podes alugala? O resultado é o que os autores chaman “colapso do coñecemento”. Canto máis eficaz se fai o zipping cognitivo, menos incentivos teñen as institucións e os individuos para preservar a materia prima da que depende. No seu relato, a capacidade analítica corre o risco de atrofiarse non porque a IA fracasara, senón porque o tivo ata tal punto que a sociedade xa non sente a necesidade de cultivala. Nada disto é inevitable, sempre que as institucións sigan tres principios fundamentais. O primeiro é adoptar gradualmente a IA ao mesmo tempo que se desenvolve a capacidade interna para desafiar, supervisar e avaliar sistemas cada vez máis axentes antes de confiarlles tarefas consecuentes. O segundo principio é reforzar a toma de decisións institucionais. Aínda que a IA pode xestionar tarefas como a lectura, a síntese e o recoñecemento de patróns de forma moito máis eficiente que os humanos e con relativamente pouco risco, o xuízo estratéxico e o razoamento interpretativo son diferentes. Esas capacidades deben ser mantidas e reforzadas deliberadamente, non entregadas silenciosamente ás máquinas. Por último, as institucións deben investir na supervisión. A capacidade de cuestionar, verificar e interpretar os resultados da IA é en si mesma unha habilidade cognitiva, e unha organización que non pode distinguir a boa análise da mala perde efectivamente a capacidade de gobernarse. O que Marx acertou Nos seus cadernos inacabados da década de 1850, coñecidos como Grundrisse, Marx predixo que o coñecemento humano colectivo converteríase na forza produtiva central das economías capitalistas. O que non previu era que este coñecemento sería comprimido, tarifado por subscrición e vendido de novo a institucións afogadas en máis información da que podían procesar. O excedente cognitivo que as organizacións xa non poden absorber converteuse, en efecto, na mercadoría que se compra e se vende. Esta realidade económica emerxente non só remodela o funcionamento das institucións, senón que tamén determina que formas de traballo cognitivo conservan o valor, que tipos de coñecementos seguen sendo escasos e quen chega a participar no mercado como vendedores. Unha vez que as funcións cognitivas necesarias para o traballo de coñecemento rutineiro fanse universalmente dispoñibles a un custo insignificante, o que segue a ser realmente escaso é aquelo que non se pode reproducir: a capacidade de facer a pregunta que ninguén pensaba facer, ver o que outros pasaron por alto e saber que facer cando non hai precedentes. O risco real, como sinalan Acemoglu e os seus coautores, é que as institucións non recoñezan o que están perdendo ata que sexa demasiado tarde. A medida que a IA asume máis da carga analítica, as capacidades claramente humanas na parte superior do modelo da mente de Baddeley poderían atrofiarse. Co paso do tempo, podemos perder a capacidade de entender a complexidade por nós mesmos. Pero esas capacidades tamén se están facendo máis valiosas que nunca. Nunha economía global na que a IA pode empaquetar, replicar e distribuír o coñecemento a un custo marxinal case cero, a capacidade de pensar de forma independente pode converterse pronto no ben máis escaso de todos. Sami Mahroum, fundador de Spark X, ocupou anteriormente cargos no INSEAD, a OCDE e Nesta. Este artigo foi distribuído por Project Syndicate. Post navigation কেন একটি রাশিয়ান যুদ্ধজাহাজ ইংলিশ চ্যানেলের একটি ব্রিটিশ পতাকাবাহী ইয়ট লক্ষ্য করে গুলি চালাল বিশ্বকাপের রেকর্ড ভেঙ্গে মেসি, ইতিহাস নতুন করে লিখলেন আর্জেন্টিনার এক বিশেষ রাতে