Mit tehet az MI a családokért?

A vita azonban eddig jórészt figyelmen kívül hagyta a társadalom egy fontos pillérét: a családot. Ha olyan mesterségesintelligencia-rendszereket akarunk építeni, amelyek a sürgető társadalmi és gazdasági problémák megoldását segítik, nem pedig súlyosbítják a gondokat, emlékeznünk kell arra, hogy – egy releváns példánál maradva – az amerikai háztartások 89%-át családok teszik ki, és figyelembe kell vennünk a rájuk nehezedő összetett nyomást, amikor eldöntjük, hogyan is alkalmazzuk az új technológiát.

Vitathatatlan, hogy a családoknak égetően szükségük van támogatásra. A gondozási gazdaság fogalma a másokról való gondoskodás intézményes, fizetett és informális, önkéntes, nem fizetett formáinak az összességét takarja. A Világgazdasági Fórum szerint Amerika 6 billió dollárosra becsült gondozási gazdaságát az összeomlás veszélye fenyegeti: súlyos gondot jelent a munkaerőhiány, az adminisztratív terhek sokasága, a megbomlott piaci modell, ami miatt a legtöbb család nem tudja megfizetni az egyébként szükséges ellátás teljes költségét, a dolgozók pedig krónikusan alulfizetettek. Sőt, a szülői szerep is megváltozott: egyre több szülő dolgozik, miközben egyre nő az igény, hogy több időt fordítsanak a gyermekeik nevelésére, az idősödő szülők segítésére, az információs túlterheltség kezelésére, a háztartási feladatok koordinálására…

A mesterséges intelligencia a családok számára időt takaríthat meg, és segíthet megőrizni a mentális egészséget. Egy MI-asszisztens kezelheti az iskolai e-maileket és a programok ütemtervét, vagy például segíthet felkészülni egy közelgő családi kirándulásra, ha elkészíti a poggyászlistát és megerősíti az utazási terveket. Az MI-vel kiegészítve a Japánban és másutt kifejlesztett ápolórobotok támogathatják az ellátásban részesülők magánéletét és autonómiáját, egyben lehetővé tehetik a gondozók számára, hogy több időt fordítsanak az érzelmi kapcsolatok kialakítására, a szociális igények kielégítésére.

Ám ha a mesterséges intelligenciát olyan összetett emberi problémák megoldására szeretnénk bevetni, mint a gyermeknevelés vagy az idősgondozás, muszáj pontosan meghatároznunk a szerepét. Mai világunkban a gondozás bármilyen formája – a gyermeknevelés pedig különösen – túl sok hétköznapi rutinfeladatból áll, amelyek végső soron felemésztik az értelmesebb tevékenységekre fordítható időt. Az MI tehát akár egyfajta „antitech techként” is működhetne – pajzsként szolgálhatna a „mindig online kell lenni” kultúrájával, az e-mailekkel, a szöveges üzenetekkel és az apró teendők végeérhetetlen sokaságával szemben. Egy ideális MI-asszisztens elvégezné ennek a hangyamunkának a nagy részét, míg a családok több időt tölthetnének együtt.
De az összetett emberi feladatok olyanok, mint a jéghegyek: a csúcsot látjuk, a munka nagy része a felszín alatt rejtőzik. Egy MI-asszisztens, amely csak a látható munkát kezeli, nemigen könnyítene senki terhein, mivel a teendők elvégzése megköveteli a feladatok komplex megértését.

Például felépíthetjük a technológiát, amellyel e-mailekből naptárbejegyzéseket hozhatunk létre egy ifjúsági futballcsapat ütemterve alapján (majd törölhetjük és újra létrehozhatjuk őket, ha egy héttel később mondjuk változna a helyzet). Ám ahhoz, hogy a szülő megszabaduljon a gyerek sporttevékenysége menedzselésének láthatatlan terhétől, az MI-nek meg kell értenie a felszín alatt megbúvó egyéb feladatokat is: lokalizálnia kell a sportpályát, illetve az edzés helyszínét, kezelnie kell, milyen színű mezre, milyen felszerelésre lesz szükség, mikor kell az adott szülőnek gondoskodnia a frissítőről stb. Ha az egyik szülő az adott időpontban nem ér rá, az MI-asszisztensnek figyelmeztetnie kell a másik szülőt, ha pedig mindketten időzavarban vannak, az MI-nek létre kell hoznia egy emlékeztetőt, hogy a szülők beszéljék meg a helyzetet, azaz a mesterséges intelligenciának fel kell ismernie, milyen fontos lehet a gyereknek, hogy valamelyik szülő ott legyen az eseményen.

A kihívást nem a válasz megtalálása, inkább a helyes válasz megtalálása jelenti, tekintettel arra a bonyolult kontextusra, amelynek nagy részét a szülők agya rejti. Gondos feltárás és kezelés révén ez a tudás egy napon adatokká lesz konvertálható a speciális családi MI-modellek képzéséhez. Ezzel szemben az olyan nagy nyelvi modelleket, mint a ChatGPT-4, a Gemini és a Claude, általában az internetről gyűjtött, nyilvános adatok alapján fejlesztik.

A gondozó pozícióban lévő emberek számára kialakított MI-asszisztens kétségtelenül próbára tenné a technológia műszaki korlátait, egyben megmutatná, hogy a mesterséges intelligencia milyen mértékben képes figyelembe venni az erkölcsi megfontolásokat és a társadalmi értékeket. Brian Christian kísérleti pszichológus egy hamarosan megjelenő cikkében feltárja a legnagyobb kihívásokat, amelyek akkor merülnek fel, amikor a gondoskodást a gép tanulásához szükséges matematikai „jutalomfüggvényekre” próbáljuk lefordítani. Az egyik általa felhozott példa az, amikor a gondoskodó személy azon az alapon avatkozik be, hogy szerinte mi áll a gyerek érdekében, még akkor is, ha a gyerek ezzel nem ért egyet. Christian arra a következtetésre jut, hogy „az emberi tapasztalat alapvető aspektusainak formalizálása felfedi előttünk, mi is valójában a gondoskodás – és talán azt is, mennyi mindent kell még megértenünk ezzel kapcsolatban”.

Az irodai munkához hasonlóan a családi élet jelentős részben ismétlődő és rutinszerű feladatokból áll, amelyeket a mesterséges intelligencia is elvégezhet. Az irodai munkától eltérően azonban egy ilyen MI-modell létrehozásához az intim világunk speciális gyakorlatainak gondos összegzésére és betáplálására lenne szükség. De megérné az erőfeszítést: egy MI-asszisztens a gondozást végző személyek számára időt és energiát szabadítana fel, ami az empátia megélésére, a kreativitásra és a kapcsolatteremtésre lenne fordítható. Ennél is fontosabb azonban, hogy miközben meghatározzuk, a gondozás mely részeit végezheti el a mesterséges intelligencia, valószínűleg sokat tanulhatunk arról, hogy mely családi funkcióknak és tevékenységeknek kell teljes mértékben és kizárólagosan emberinek maradniuk.

Anne-Marie Slaughter – Avni Patel Thompson
©Project Syndicate