{"id":76937,"date":"2023-06-06T16:53:19","date_gmt":"2023-06-06T16:53:19","guid":{"rendered":"https:\/\/litci.org\/pt\/?p=76937"},"modified":"2023-06-08T19:07:06","modified_gmt":"2023-06-08T19:07:06","slug":"chatgpt-valor-e-conhecimento","status":"publish","type":"post","link":"https:\/\/litci.org\/pt\/2023\/06\/06\/chatgpt-valor-e-conhecimento\/","title":{"rendered":"ChatGPT, valor e conhecimento"},"content":{"rendered":"\n



Convidei meu colega e coautor de nosso \u00faltimo livro, Guglielmo Carchedi, para escrever esta postagem (Michael Roberts).<\/em>

Guglielmo Carchedi<\/em>

Em um coment\u00e1rio sobre o artigo de Michael Roberts sobre intelig\u00eancia artificial (IA) e as novas m\u00e1quinas de aprendizagem de idiomas (LLMs)<\/a>, o autor e comentarista Jack Rasmus levantou algumas quest\u00f5es pertinentes, que me senti obrigado a responder.

Jack disse: \u201cA an\u00e1lise de Marx sobre maquin\u00e1rio e sua vis\u00e3o de que o maquin\u00e1rio \u00e9 um valor-trabalho congelado transferido para a mercadoria \u00e0 medida que se deprecia, aplica-se completamente \u00e0s m\u00e1quinas baseadas em software de IA com a capacidade cada vez maior de se automanter e atualizar seu pr\u00f3prio c\u00f3digo sem interven\u00e7\u00e3o humana – ou seja, n\u00e3o se depreciam?\u201d<\/em>

Minha resposta \u00e0 pergunta leg\u00edtima de Jack pressup\u00f5e o desenvolvimento de uma epistemologia marxista (uma teoria do conhecimento), uma \u00e1rea de pesquisa que permaneceu relativamente inexplorada e subdesenvolvida.

Em minha opini\u00e3o, uma das principais caracter\u00edsticas de uma abordagem marxista \u00e9 fazer uma distin\u00e7\u00e3o entre “produ\u00e7\u00e3o objetiva” (a produ\u00e7\u00e3o de coisas objetivas) e “produ\u00e7\u00e3o mental” (a produ\u00e7\u00e3o de conhecimento). Mais importante ainda, o conhecimento deve ser visto como material, n\u00e3o como imaterial<\/em>, nem como um reflexo da realidade material. Isso nos permite distinguir entre dois tipos de meios de produ\u00e7\u00e3o (MP) \u2013 os objetivos e os mentais; mas ambos s\u00e3o materiais. Marx concentrou-se principalmente, mas n\u00e3o exclusivamente, no primeiro. No entanto, h\u00e1 em suas obras muitas pistas de como devemos entender o conhecimento.

Uma m\u00e1quina \u00e9 um MP objetivo; o conhecimento incorporado a ela (ou desincorporado) \u00e9 um MP mental. Portanto, a IA (incluindo o ChatGPT) deve ser vista como MP mental. Em minha opini\u00e3o, considerando que o conhecimento \u00e9 material, os MP mentais s\u00e3o t\u00e3o materiais quanto os MP objetivos. Portanto, os MP mentais t\u00eam valor e produzem mais-valia se forem o resultado do trabalho mental humano realizados para o capital. Portanto, a IA envolve trabalho humano. S\u00f3 que se trata de trabalho mental.

Assim como os MP objetivos, os MP mentais aumentam a produtividade e eliminam trabalho humano. Seu valor pode ser medido em horas de trabalho. A produtividade de um MP mental pode ser medida, por exemplo, pelo n\u00famero de vezes que o ChatGPT \u00e9 vendido, baixado ou aplicado a processos de trabalho mental. Assim como um MP objetivo, seu valor aumenta \u00e0 medida que melhorias (mais conhecimento) s\u00e3o adicionadas a ele (pelo trabalho humano) e diminui devido ao desgaste. Portanto, os MP mentais (IA) n\u00e3o apenas se depreciam, mas tamb\u00e9m o fazem em um ritmo muito r\u00e1pido. Essa deprecia\u00e7\u00e3o se deve \u00e0 concorr\u00eancia tecnol\u00f3gica (obsolesc\u00eancia), e n\u00e3o \u00e0 deprecia\u00e7\u00e3o f\u00edsica. E, assim como os MP objetivos, sua produtividade afetar\u00e1 a redistribui\u00e7\u00e3o da mais-valia. \u00c0 medida que os modelos mais novos de ChatGPT substituem os mais antigos, devido aos diferenciais de produtividade e seus efeitos sobre a redistribui\u00e7\u00e3o da mais-valia (teoria de pre\u00e7os de Marx), os modelos mais antigos perdem valor para os mais novos e mais produtivos.

Jack pergunta: \u201cEssa capacidade \u00e9 baseada no trabalho humano ou n\u00e3o? Se n\u00e3o, o que um ‘n\u00e3o’ significa para o conceito-chave de Marx sobre a composi\u00e7\u00e3o org\u00e2nica do capital e, por sua vez, para o seu (MR e meu – GC) apoio frequentemente declarado \u00e0 hip\u00f3tese da queda tendencial da taxa de lucro?\u201d<\/em>

Minha resposta acima foi que essa “capacidade”, de fato, n\u00e3o se baseia apenas no trabalho humano (mental), mas \u00e9 trabalho humano<\/strong>. Sob essa perspectiva, n\u00e3o h\u00e1 problema algum com o conceito de Marx sobre a composi\u00e7\u00e3o org\u00e2nica do capital (C)1<\/a>. Como a IA e, portanto, o ChatGPT, s\u00e3o novas formas de conhecimento, de MP mentais, o numerador de C \u00e9 a soma do valor dos MP objetivos mais os MP mentais. O denominador \u00e9 a soma do capital vari\u00e1vel gasto em ambos os setores. Portanto, a taxa de lucro \u00e9 a mais-valia gerada em ambos os setores dividida por (a) a soma dos MP em ambos os setores mais (b) o capital vari\u00e1vel gasto tamb\u00e9m em ambos os setores. Assim, a lei da queda tendencial da taxa de lucro n\u00e3o \u00e9 alterada pelos MP mentais.

Para entender melhor os pontos acima, precisamos desvendar e desenvolver a teoria do conhecimento impl\u00edcita de Marx. \u00c9 isso que os par\u00e1grafos a seguir fazem, embora em uma vers\u00e3o extremamente sucinta.

Considere primeiro os computadores cl\u00e1ssicos. Eles transformam o conhecimento com base na l\u00f3gica formal, na l\u00f3gica booleana ou na \u00e1lgebra, o que exclui a possibilidade de a mesma afirma\u00e7\u00e3o ser verdadeira e falsa ao mesmo tempo. A l\u00f3gica formal e, portanto, os computadores excluem as contradi\u00e7\u00f5es. Se eles pudessem perceb\u00ea-las, elas seriam erros l\u00f3gicos. O mesmo se aplica aos computadores qu\u00e2nticos.

Em outras palavras, a l\u00f3gica formal explica processos de trabalho mental pr\u00e9-determinados (em que o resultado do processo \u00e9 conhecido de antem\u00e3o e, portanto, n\u00e3o contradit\u00f3rio com o conhecimento que entra nesse processo de trabalho), mas exclui processos de trabalho mental abertos (em que o resultado surge como algo novo, ainda n\u00e3o conhecido). Um processo aberto baseia-se em um estoque de conhecimento potencial e sem forma, que tem uma natureza contradit\u00f3ria devido \u00e0 natureza contradit\u00f3ria dos elementos sedimentados nele. Diferentemente da l\u00f3gica formal, a l\u00f3gica aberta [ou l\u00f3gica dial\u00e9tica, ndt] baseia-se em contradi\u00e7\u00f5es, incluindo a contradi\u00e7\u00e3o entre os aspectos potenciais e realizados do conhecimento. Essa \u00e9 a fonte das contradi\u00e7\u00f5es entre os aspectos da realidade, incluindo os elementos do conhecimento.

Voltando ao exemplo anterior, para processos de trabalho mental abertos, A=A e tamb\u00e9m A\u00b9A. N\u00e3o h\u00e1 contradi\u00e7\u00e3o aqui. A=A porque A, como entidade realizada, \u00e9 igual a si mesmo por defini\u00e7\u00e3o; mas tamb\u00e9m \u00e9 igual a A\u00b9A porque o A realizado pode ser contradit\u00f3rio com o A potencial.

Isso tamb\u00e9m se aplica \u00e0 Intelig\u00eancia Artificial (IA). Assim como os computadores, a IA funciona com base na l\u00f3gica formal. Por exemplo, quando questionado se A=A e tamb\u00e9m se, ao mesmo tempo, pode ser igual a A\u00b9A, o ChatGPT responde negativamente. Como funciona com base na l\u00f3gica formal, a IA n\u00e3o tem o reservat\u00f3rio de conhecimento potencial para extrair mais conhecimento. Ela n\u00e3o consegue conceber contradi\u00e7\u00f5es porque n\u00e3o consegue conceber o potencial. Essas contradi\u00e7\u00f5es s\u00e3o o h\u00famus<\/em> do pensamento criativo, ou seja, da gera\u00e7\u00e3o de novos conhecimentos, ainda desconhecidos. A IA s\u00f3 pode recombinar, selecionar e duplicar formas de conhecimento j\u00e1 existentes. Em tarefas como vis\u00e3o, reconhecimento de imagens, racioc\u00ednio, compreens\u00e3o de leitura e jogos, elas podem ter um desempenho muito melhor que o dos humanos. Mas n\u00e3o podem gerar novos conhecimentos.

Considere o reconhecimento facial, uma t\u00e9cnica que compara a fotografia de um indiv\u00edduo com um banco de dados de rostos conhecidos para encontrar uma correspond\u00eancia. O banco de dados consiste em um n\u00famero de rostos conhecidos. Encontrar uma correspond\u00eancia seleciona um rosto j\u00e1 realizado, ou seja, j\u00e1 conhecido. N\u00e3o h\u00e1 gera\u00e7\u00e3o de novos conhecimentos (novos rostos). O reconhecimento facial pode encontrar uma correspond\u00eancia muito mais rapidamente do que um ser humano. Isso torna o trabalho humano mais produtivo. Mas sele\u00e7\u00e3o n\u00e3o \u00e9 cria\u00e7\u00e3o. A sele\u00e7\u00e3o \u00e9 um processo mental predeterminado; a cria\u00e7\u00e3o \u00e9 um processo mental aberto.

Veja outro exemplo. O ChatGPT parece emular a escrita criativa humana. Na verdade, isso n\u00e3o acontece. Ele obt\u00e9m seu conhecimento de abundantes dados de texto (os objetos de produ\u00e7\u00e3o mental). Os textos s\u00e3o divididos em partes menores, frases, palavras ou s\u00edlabas, os chamados tokens. Quando o ChatGPT escreve um trecho, ele n\u00e3o escolhe o pr\u00f3ximo token conforme a l\u00f3gica do argumento (como fazem os humanos). Em vez disso, ele escolhe o token mais prov\u00e1vel. O resultado escrito \u00e9 uma cadeia de tokens montada com base na combina\u00e7\u00e3o estatisticamente mais prov\u00e1vel. Isso \u00e9 uma sele\u00e7\u00e3o e recombina\u00e7\u00e3o de elementos de conhecimento j\u00e1 realizados, e n\u00e3o a cria\u00e7\u00e3o de novos conhecimentos. 

Como Chomsky et al. (2023) afirmam: \u201cA IA pega grandes quantidades de dados, procura padr\u00f5es neles e se torna cada vez mais proficiente na gera\u00e7\u00e3o de resultados estatisticamente prov\u00e1veis – como linguagem e pensamento aparentemente semelhantes aos humanos… [O ChatGPT] apenas resume os argumentos padr\u00e3o da literatura\u201d<\/em>.

Pode acontecer que o ChatGPT produza um texto que nunca tenha sido pensado por humanos. Mas, isso ainda seria um resumo e uma reformula\u00e7\u00e3o de dados j\u00e1 conhecidos. Nenhuma escrita criativa poderia emergir disso, porque o novo conhecimento realizado pode emergir somente das contradi\u00e7\u00f5es inerentes ao conhecimento potencial.

Morozov (2023) fornece um exemplo relevante: \u201cA obra de arte Fountain, de Marcel Duchamp, de 1917. Antes da obra de Duchamp, um mict\u00f3rio era apenas um mict\u00f3rio. Mas, com uma mudan\u00e7a de perspectiva, Duchamp transformou-o em uma obra de arte. Quando perguntado sobre o que o porta-garrafas, a p\u00e1 de neve e o mict\u00f3rio de Duchamp  tinham em comum, o ChatGPT respondeu corretamente que todos eram objetos do cotidiano que Duchamp transformou em arte. Mas, quando perguntado sobre quais objetos atuais Duchamp poderia transformar em arte, ele sugeriu smartphones, patinetes eletr\u00f4nicos e m\u00e1scaras faciais. N\u00e3o h\u00e1 ind\u00edcio de nenhuma “intelig\u00eancia” genu\u00edna aqui. Trata-se de uma m\u00e1quina estat\u00edstica bem administrada, mas previs\u00edvel\u201d<\/em>.

Marx fornece a estrutura te\u00f3rica adequada para a compreens\u00e3o do conhecimento. Os seres humanos, al\u00e9m de serem indiv\u00edduos concretos \u00fanicos, tamb\u00e9m s\u00e3o portadores de rela\u00e7\u00f5es sociais, como indiv\u00edduos abstratos. Como indiv\u00edduos abstratos, “humanos” \u00e9 uma designa\u00e7\u00e3o geral que oblitera as diferen\u00e7as entre os indiv\u00edduos, todos eles com interesses e vis\u00f5es de mundo diferentes. Mesmo que as m\u00e1quinas (computadores) pudessem pensar, elas n\u00e3o poderiam pensar como seres humanos determinados por classe, com concep\u00e7\u00f5es diferentes e determinadas por classe sobre o que \u00e9 verdadeiro e falso, certo ou errado. Acreditar que os computadores sejam capazes de pensar como seres humanos, n\u00e3o \u00e9 apenas errado, \u00e9 tamb\u00e9m uma ideologia pr\u00f3-capital, porque isso \u00e9 estar cego para o conte\u00fado de classe do conhecimento armazenado na for\u00e7a de trabalho e, portanto, para as contradi\u00e7\u00f5es inerentes \u00e0 gera\u00e7\u00e3o de conhecimento.<\/p>\n\n\n\n

Fonte: Michael Roberts, ChatGPT, Value and Knowledge<\/a><\/p>\n\n\n\n

\n\n\n\n

1<\/a>\u00a0\u00a0\u00a0\u00a0 A composi\u00e7\u00e3o org\u00e2nica do capital (C) \u00e9 o resultado da divis\u00e3o do capital constante (m\u00e1quinas e outros meios de produ\u00e7\u00e3o) pelo capital vari\u00e1vel (sal\u00e1rios). C = c\/v.<\/p>\n\n\n\n

Tradu\u00e7\u00e3o: Marcos Margarido<\/p>\n","protected":false},"excerpt":{"rendered":"

Convidei meu colega e coautor de nosso \u00faltimo livro, Guglielmo Carchedi, para escrever esta postagem (Michael Roberts). Guglielmo Carchedi Em um coment\u00e1rio sobre o artigo de Michael Roberts sobre intelig\u00eancia artificial (IA) e as novas m\u00e1quinas de aprendizagem de idiomas (LLMs), o autor e comentarista Jack Rasmus levantou algumas quest\u00f5es pertinentes, que me senti obrigado […]<\/p>\n","protected":false},"author":7,"featured_media":76938,"menu_order":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"litci_post_political_author":"","footnotes":""},"categories":[3523],"tags":[8589,8649,8588,1727],"class_list":["post-76937","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-opiniao","tag-chatgpt","tag-guglielmo-carchedi","tag-ia","tag-michel-roberts"],"fimg_url":"https:\/\/litci.org\/pt\/wp-content\/uploads\/2023\/06\/16777941415552.jpg","categories_names":["Opini\u00e3o"],"author_info":{"name":"lena","pic":"https:\/\/secure.gravatar.com\/avatar\/b9eb35b4c023b96c29c4a145a82c6c381b68f2c889c5427106ad5aab6df45b9d?s=96&d=mm&r=g"},"political_author":null,"tagline":"","_links":{"self":[{"href":"https:\/\/litci.org\/pt\/wp-json\/wp\/v2\/posts\/76937","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/litci.org\/pt\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/litci.org\/pt\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/litci.org\/pt\/wp-json\/wp\/v2\/users\/7"}],"replies":[{"embeddable":true,"href":"https:\/\/litci.org\/pt\/wp-json\/wp\/v2\/comments?post=76937"}],"version-history":[{"count":2,"href":"https:\/\/litci.org\/pt\/wp-json\/wp\/v2\/posts\/76937\/revisions"}],"predecessor-version":[{"id":76967,"href":"https:\/\/litci.org\/pt\/wp-json\/wp\/v2\/posts\/76937\/revisions\/76967"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/litci.org\/pt\/wp-json\/wp\/v2\/media\/76938"}],"wp:attachment":[{"href":"https:\/\/litci.org\/pt\/wp-json\/wp\/v2\/media?parent=76937"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/litci.org\/pt\/wp-json\/wp\/v2\/categories?post=76937"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/litci.org\/pt\/wp-json\/wp\/v2\/tags?post=76937"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}