Iaeofuturodotrabalhopost 180920083120 PDF

Inteligência Artificial
eo
Futuro do Trabalho
Flavio Abdenur
www.slq.com.br
{ AI: Software
Roteiro
• Hardware
• So+ware
• Machine learning
• IA e trabalho: introducão
• IA e trabalho: economia
• IA e trabalho: futuro
• IA e trabalho: tradução
• IA e trabalho: the big picture
• A maré da IA
2
{ AI: Hardware
Ábaco (Suméria, circa 2.500 A.C.)
3
{ AI: Hardware
Máquina Analítica de Scheutz / Babbage (Suécia, 1855 A.D.)
4
{ AI: Hardware
HP-12C (EUA, 1981 A.D.)
5
{ AI: Hardware
Apple iPhone 7 (EUA, 2016 A.D.)
6
{ AI: Hardware
7
{ AI: Hardware
4500 anos
8
{ AI: Hardware
4500 anos
125 anos
9
{ AI: Hardware
4500 anos
125 anos
35 anos
10
{ AI: Software
Google Translate (2006)
“There were many building blocks at the construction site”
“They established the building blocks of the government's economic policy”
11
{ AI: Software

↓
“Havia muitos blocos de construção no lugar de construção”
12
{ AI: Software

↓

↓
“Eles estabeleceram os blocos de construção econômicos da política governo”
13
{ AI: Software
Google Translate (2006) (2016)

↓

↓
14
{ AI: Software

↓↓
"Havia muitos blocos de construção no canteiro de obras"

↓
15
{ AI: Software

↓↓
"Havia muitos blocos de construção no canteiro de obras"

↓↓
“Eles estabeleceram os alicerces da política econômica do governo”
16
{ AI: Software
DeepMind joga Breakout (março 2015)
https://www.youtube.com/watch?v=Q70ulPJW3Gk
17
{ AI: Software
Campeonato VizDoom (setembro 2016)
https://www.youtube.com/watch?v=947bSUtuSQ0
18
{ AI: Software
Sonhos de um GAN (janeiro 2017)
https://www.youtube.com/watch?v=ePUlJMtclcY
19
{ AI: Software
AlphaGo (março 2016 – outubro 2017)
20
{ AI: Software
• AlphaGo 4 x Lee Sedol 1 (março 2016)
21
{ AI: Software
• AlphaGo ∞ x humanos 0 (começo 2017)
22
{ AI: Software

• AlphaGo Zero 100 x AlphaGo 0 (outubro 2017)
23
{ AI: Software

• AlphaGo Zero 100 x AlphaGo 0 (outubro 2017) – sem input humano!
24
{ AI: Software

• AlphaZero 60 x AlphaGo Zero 40 (dezembro 2017)
25
{ AI: Software

• AlphaZero 60 x AlphaGo Zero 40 (dezembro 2017) - todos os jogos!
26
{ AI: Machine Learning
Machine Learning:
27
Machine Learning:
• “Statistics on crack”: detecta relações sutis (incluindo não lineares)

examinando volumes grandes de dados
28
Machine Learning:
• “Statistics on crack”: detecta relações sutis (incluindo não lineares)

examinando volumes grandes de dados
• Diversos tipos: ”supervised” (SVM, random forest, OLS, etc),

”unsupervised” (k-means, PCA etc), ”reinforcement”
29
30
Redes Neurais
31
Redes Neurais e Neurônios
32
Redes Neurais
33
Redes Neurais
34
Redes Neurais
≈
como
35
Redes Neurais
≈
como
36
Redes Neurais
≈
como
≈
37
Metodologia
• ”In-sample”
• Contém a maioria (e.g., 75%) das observações
• Observações escolhidas aleatoriamente
TRAINING SET • Base para desenvolvimento dos modelos
• Conjunto de modelos otimizados (evitando
overfitting)
• ”Out-of-sample”
• Restante (e.g., 25%) das observações
TESTING SET • Observações escolhidas aleatoriamente
• Base para análise dos resultados
38
Metodologia
Underfitted Balanced Overﬁ&ed
Fonte: scikit-learn.org
• À esquerda, polinômio de grau 1 captura pouca informação

(underfitting)
• À direita, polinômio de grau 6 tem erro zero, mas modela o ruído

(overfitting)
• Ao centro, polinômio de grau 2 captura somente a informação

essencial (balanced)
39
Metodologia
Cross-Validation
Training Resultado Final:

Validation Modelo
Otimizado
40
Metodologia
Excelente para previsão:
41
Metodologia
Excelente para previsão:
42
{ IA e o Trabalho: Introdução
O que as máquinas já fazem:
43
- Tradução
44
- Tradução
- Trabalhos jurídicos simples
45
46
- Tradução
- Trabalhos jurídicos simples
- Gestão financeira
47
48
49
50
Retornos acumulados 1988-2015
51
• CPI: 100%
52
• CPI: 100%
• S&P: 750%
53
• CPI: 100%
• S&P: 750%
• Medallion: 1.100.000%
54
{ IA e o Trabalho: Academia
Debate na academia:
David Autour (MIT)
“IA e humanos são complementares"
55
Debate na academia:
VS
David Autour (MIT) Daniel Susskind (Oxford)
“IA e humanos são complementares" “IA e humanos são substitutos”
56
Debate na academia:
VS

Task-Based
57
Debate na academia:
VS

Task-Based AI-Based
58
Autour et al: “Task-Based”
“We argue that (1) computer capital substitutes for workers in carrying out a
limited and well-defined set of cognitive and manual activities, those that can
be accomplished by following explicit rules (what we term “routine tasks”); and
(2) that computer capital complements workers in carrying out problem-solving
and complex communication activities (“nonroutine” tasks).”
- Autour, Levy, Murname (2003)
59
ESPAÇO DAS TAREFAS
60
ESPAÇO DAS TAREFAS
automatizáveis
61
ESPAÇO DAS TAREFAS
automatizáveis não-automatizáveis
62
63
• Essa dinâmica explica ≈ 60% do aumento de disparidade salarial entre

trabalhadores educados e não-educados (com ou sem formação universitária)
nos EUA entre as décadas de 60 e 2000
64
• Essa dinâmica explica ≈ 60% do aumento de disparidade salarial entre

trabalhadores educados e não-educados (com ou sem formação universitária)
nos EUA entre as décadas de 60 e 2000
• Modelo Autour / “Task-Based” é otimista no seguinte sentido: na medida em que

uma parcela maior da população for educada, essa parcela vai escapar da
automação
65
Susskind: “AI-Based”
“In the past 15 years a ‘task-based’ literature has emerged, exploring the consequences of
technological change on the labour market. This literature supports an optimistic view about
the threat of automation.
In this paper I build a task-based model based on different reasoning about how machines
operate. This leads to a far more pessimistic account of the prospects for labour. In a static
model, increasingly capable machines drive down relative wages and the labour share of
income and force labour to specialise in a shrinking set of tasks.”
- Daniel Susskind (2017)
66
ESPAÇO DAS TAREFAS
67
ESPAÇO DAS TAREFAS
68
ESPAÇO DAS TAREFAS
69
Susskind sobre as previsões do Autour:
“Though forecasting the future capabilities of machines is very difficult, the traditional
‘task-based’ literature has often underestimated them. For instance, Autor et al.
(2003) noted that the task of driving a car could not be readily automated, but a type
of driverless car appeared two years later; Autor et al. (2013) noted that order-taking
and table-waiting could not be readily automated, but later that year the US
restaurants Chili’s and Applebee’s announced they were installing 100,000 tablets to
allow customers to order and pay without a human waiter; Autor (2015) noted that the
task of identifying a species of bird based on a fleeting glimpse could not be readily
automated, but later that year an app was released to do that as well."
70
Mais duas áreas que Autour afirmou serem pouco automatizáveis:
71
• Tradução
72
• Tradução
• Direção de automóveis
73
Outras referências:
• Brynjolfsson, Rock, Syverson: ”AI and the Productivity Paradox” (2017)

Take-home: efeito de automação subestimado pelo TFP devido a lags e mismeasurement
• Mokyr: ”The Past and Future of Automation” (2017)

Take-home: evidência + história indicam que estagnação secular tecnológica é improvável (but who
knows?)
• Acemoglu, Restrepo, ”Robots and Jobs: Evidence from US Labor Markets” (2017)
Take-home: evidência de experimentos naturais recentes indica que entrada de robôs reduz salários e
empregos de humanos (nos EUA)
• Acemoglu, Restrepo, ”Artificial Intelligence, Automation, and Work” (2018)

Take-home: AI moderna parece ser qualitativamente diferente de ondas de automação anteiriores;
velocidade da inovação pode dificultar o ajuste do mercado de trabalho
74
• “Task-Based” de Autour e cia funciona bem entre as décadas de

60 e 2000, para a era da computação pré-AI
75

• Susskind explica melhor o que tem acontecido nas economias

avançadas nos últimos anos, desde ≈ 2010
76


avançadas nos últimos anos, desde ≈ 2010 – e tende a acelerar
77


avançadas nos últimos anos, desde ≈ 2010 – e tende a acelerar
• Acemoglu e Restrepo (2017): evidência de que

robotização/automação podem reduzir renda média E número de
empregos
78
{ IA e o Trabalho: Futuro
A Curva de Kurtzweil
79
80
O que as máquinas vão fazer (em breve):
81
- Redação
82
- Redação
- Direção de veículos (coitado do Autor)
83
- Redação

(h%ps://www.youtube.com/watch?feature=share&v=Sm-NBdSzP6E&app=desktop)
84
- Redação
- Diagnósticos médicos
85
Ultrassom baseado em ML por

U$2k
Convencional por cerca de

US100k
86
Ultrassom baseado em ML por

U$2k
Convencional por cerca de

US100k
(O de ML faz diagnósticos, e se
adapta a diferentes partes do
corpo)
87
{ IA e o Trabalho: Tradução
Focando em tradução:
88
10 horas-trabalho de tradução em 2007
89
↓
3 horas-trabalho em 2017
90
↓
3 horas-trabalho em 2017
↓
1 hora trabalho (ou 0,5 hora-trabalho?) em 2022
91
• Oferta de tradução-horas aumenta muito mais do que a demanda
92
Preço
O
D
Quan,dade
93
• Curva de oferta se desloca muito pra direita:

Preço
D
Quan,dade
94

Preço
• “Consumo” de tradução ⬆, preço ⬇ O
D
Quantidade
95

Preço
• Menos empregos para tradutores
D
Quan,dade
96

Preço
• Menos empregos para tradutores
• (Como aconteceu com agricultores D

na Revolução Industrial) Quan,dade
97
98
• Para realizar um volume X de uma tarefa Y com nível de qualidade Q, será

preciso de um número cada vez menor de tradutores
99

• Maioria dos tradutores será expelida do setor
10
0

• Maioria dos tradutores* será expelida do setor
* Exceções: os 1% melhores e mais flexíveis e os literários
10
1

• Viram arquitetos? Executivos? Astronautas?
10
2

• Não. Vendedores em lojas, motoristas do Uber.
10
3

• Não. Vendedores em lojas, motoristas do Uber. Renda e status caem.
10
4
“tradução simultânea também está se tornando cada vez mais

precisa”
10
5
“tradução simultânea também está se tornando cada vez mais

precisa”
“simultaneous translation is also becoming increasingly accurate”
10
6
Em breve: data scientists também?
(autoML etc)
10
7
{ IA e o Trabalho: The Big Picture
The big picture:
10
8
The big picture:
10
9
The big picture:
11
0
The big picture:
https://thedailyblog.co.nz/2014/08/10/life-expectancy/
11
1
Novo ”Inverno de AI” improvável / aceleração deve continuar:
11
2
• Retorno econômico
11
3
• Massas críticas: de dados, poder computacional e know-how
11
4
• Capital humano:
11
5
• Capital humano:
- 700 alunos no MIT
11
6
• Capital humano:
- 700 alunos no MIT

- 1040 em Stanford
11
7
• Capital humano:
- 700 alunos no MIT

- 1040 em Stanford (1 em 7)
11
8
Chefe de laboratório privado de IA no Brasil:
11
9
• "90% das vagas de empresas de crédito são de atendentes pouco

qualificados”
12
0
• "90% das vagas de empresas de crédito são de atendentes pouco

qualificados”
• ”Nossa missão é gerar desemprego em massa”
12
1
The big picture:
12
2
The big picture:
12
3
The big picture:
12
4
The big picture:
12
5
The big picture:
12
6
The big picture:
12
7
(Diferente e parecido com isso)
12
8
The big picture:
• Efeito sobre taxa natural de desemprego?
12
9
The big picture:
• Cuidado com o Lump of Labor Fallacy! Novos empregos serão criados
13
0
The big picture:
• Questão fundamental:
13
1
The big picture:
• Questão fundamental: quão bem e quão rapidamente pessoas conseguirão

migrar para novas áreas?
13
2
Daniel Kahneman (Nobel Economia 2002)
Viéses irracionais:
- Status quo bias
- Confidence bias
13
3
Daniel Kahneman (Nobel Economia 2002)
Viéses irracionais:
- Status quo bias INÉRCIA /
- Confidence bias FRICÇÃO
13
4
The big picture:

migrar para novas áreas?
13
5
The big picture:

migrar para novas áreas? Talvez não muito…
13
6
The big picture:
13
7
The big picture:
• Estimativa (Frey e Osborne, de Oxford): ≈ 50% dos empregos atuais dos EUA
são automatizáveis. (Escala de tempo em cada área: 10-20 anos a partir do início
do processo?)
13
8
The big picture:
do processo?)
• Muitos empregos afetados serão de classe média – portanto gente economica e

politicamente influente
13
9
The big picture:
do processo?)
• Muitos empregos afetados serão de classe média – portanto gente economica e

politicamente influente
Uma crise não de desemprego em massa, e sim de subemprego em massa

The Economist
14
0
The big picture:
14
1
The big picture:
… mas quem ganha mais de U$200k nos EUA trabalha cerca de 50hs
14
2
The big picture:
… mas quem ganha mais de U$200k nos EUA trabalha cerca de 50hs
• Resultado: (ainda) mais desigualdade?
14
3
The big picture:
• Não é preciso acreditar que “this time it’s different”
14
4
The big picture:
• Basta acreditar eu “this time it’s the same”
14
5
The big picture:
• Por exemplo: altura média, um proxy para saúde, caiu no Reino Unido durante as
primeiras décadas da Revolução Industrial (Szretzer e Mooney, 1998)
14
6
The big picture:
• Por exemplo: altura média, um proxy para saúde, caiu no Reino Unido durante as
primeiras décadas da Revolução Industrial (Szretzer e Mooney, 1998)
• Mudança social rápida é traumática: conturbação política, ascensão do marxismo

etc etc
14
7
Fonte: ”Leisure Luxuries and the Labor Supply of Young Men” (Aguiar, Bils, Charles, Hurst), NBER 2017
14
8
• Pergunta: o que esses caras estão fazendo?
14
9
Fonte: ”Leisure Luxuries and the Labor Supply of Young Men” (Aguiar, Bils,
Charles, Hurst), NBER 2017
15
0
15
1
• Resposta: jogando videogames
15
2

(vide Yuval Harari, ”The Meaning of Life in a World without Work”, The Guardian 08/05/2017)
15
3

• Possível solução / paliativo: Universal Basic Income
15
4

• Na prática, UBI pode ser extensão natural do welfare state
15
5

• Na prática, UBI pode ser extensão natural do welfare state (e o Bolsa

Família talvez seja um primeiro passinho na direção do UBI)
15
6
{ A Maré da IA (après Robin Hanson)
15
7
15
8
15
9
16
0
16
1
16
2
16
3
16
4
16
5
16
6
O AUTOUR ACHA QUE PARA POR AQUI
16
7
O SUSSKIND DIZ QUE A MARÉ CONTINUA SUBINDO
16
8
16
9
17
0
17
1
{ A Maré da IA
Em termos práticos:
17
2
{ A Maré da IA
1 - Vá para o cume do Monte Abstração:
17
3
{ A Maré da IA

i. filosofia
17
4
{ A Maré da IA

i. filosofia
ii. matemática pura
17
5
{ A Maré da IA

i. filosofia
iii. enfermaria
17
6
{ A Maré da IA

i. filosofia
iii. enfermaria
iv. terapia
17
7
{ A Maré da IA

i. filosofia
iii. enfermaria
iv. terapia
v. ensino
17
8
{ A Maré da IA

i. filosofia
iii. enfermaria
iv. terapia
v. ensino (?) – MOOCS, EAD etc etc
17
9
{ A Maré da IA
2 - Aprenda a programar computadores
18
0
{ A Maré da IA
2 - Aprenda a programar computadores*
* “Automatizar pra não ser automatizado”

18
1
{ A Maré da IA
2 - Aprenda a programar computadores*
Sugestões de sites: Coursera, DataCamp, Code Academy
* “Automatizar pra não ser automatizado”

18
2
CONTATO { contato@slq.com.br
+55 11 4780-9885

Iaeofuturodotrabalhopost 180920083120 PDF

Загружено:

Сведения о документе

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Iaeofuturodotrabalhopost 180920083120 PDF

Загружено:

Авторское право:

Доступные форматы

Inteligência Artificial

Ábaco (Suméria, circa 2.500 A.C.)

Máquina Analítica de Scheutz / Babbage (Suécia, 1855 A.D.)

HP-12C (EUA, 1981 A.D.)

Apple iPhone 7 (EUA, 2016 A.D.)

Google Translate (2006)

“There were many building blocks at the construction site”

“They established the building blocks of the government's economic policy”

Google Translate (2006)

“There were many building blocks at the construction site”

“They established the building blocks of the government's economic policy”

Google Translate (2006)

“There were many building blocks at the construction site”

“They established the building blocks of the government's economic policy”

Google Translate (2006) (2016)

“There were many building blocks at the construction site”

“They established the building blocks of the government's economic policy”

Google Translate (2006) (2016)

“There were many building blocks at the construction site”

“They established the building blocks of the government's economic policy”

Google Translate (2006) (2016)

“There were many building blocks at the construction site”

“They established the building blocks of the government's economic policy”

DeepMind joga Breakout (março 2015)

Campeonato VizDoom (setembro 2016)

Sonhos de um GAN (janeiro 2017)

AlphaGo (março 2016 – outubro 2017)

AlphaGo (março 2016 – outubro 2017)

• AlphaGo 4 x Lee Sedol 1 (março 2016)

AlphaGo (março 2016 – outubro 2017)

• AlphaGo 4 x Lee Sedol 1 (março 2016)

• AlphaGo ∞ x humanos 0 (começo 2017)

AlphaGo (março 2016 – outubro 2017)

• AlphaGo 4 x Lee Sedol 1 (março 2016)

• AlphaGo ∞ x humanos 0 (começo 2017)

AlphaGo (março 2016 – outubro 2017)

• AlphaGo 4 x Lee Sedol 1 (março 2016)

• AlphaGo ∞ x humanos 0 (começo 2017)

AlphaGo (março 2016 – outubro 2017)

• AlphaGo 4 x Lee Sedol 1 (março 2016)

• AlphaGo ∞ x humanos 0 (começo 2017)

AlphaGo (março 2016 – outubro 2017)

• AlphaGo 4 x Lee Sedol 1 (março 2016)

• AlphaGo ∞ x humanos 0 (começo 2017)

• “Statistics on crack”: detecta relações sutis (incluindo não lineares)

• “Statistics on crack”: detecta relações sutis (incluindo não lineares)

• Diversos tipos: ”supervised” (SVM, random forest, OLS, etc),

Redes Neurais e Neurônios

• À esquerda, polinômio de grau 1 captura pouca informação

• À direita, polinômio de grau 6 tem erro zero, mas modela o ruído

• Ao centro, polinômio de grau 2 captura somente a informação

Training Resultado Final:

O que as máquinas já fazem:

O que as máquinas já fazem:

O que as máquinas já fazem:

- Trabalhos jurídicos simples

O que as máquinas já fazem:

O que as máquinas já fazem:

- Trabalhos jurídicos simples

O que as máquinas já fazem:

O que as máquinas já fazem:

O que as máquinas já fazem:

Retornos acumulados 1988-2015