Stigningen av den intelligente automatiserte arbeidsstyrken

Stigningen av den intelligente automatiserte arbeidsstyrken

Å miste jobber til teknologi er ikke noe nytt. Siden den industrielle revolusjonen har roller som en gang utelukkende ble utført av mennesker, blitt sakte, men stadig erstattet av en eller annen form for automatisert maskineri. Selv i tilfeller hvor den menneskelige arbeideren ikke er helt erstattet av en maskin, har mennesker lært å stole på et batteri av maskiner for å være mer effektiv og nøyaktig.

A rapporterer fra Oxford Martin-skolens program for virkningen av fremtidig teknologi sa at 47% av alle jobbene i USA sannsynligvis vil bli erstattet av automatiserte systemer. Blant jobbene som snart skal byttes ut av maskiner, er eiendomsmeglere, dyreavlere, skatterådgivere, dataregistere, resepsjonister og ulike personlige assistenter.

Men du trenger ikke å pakke opp skrivebordet ditt og overlevere til en datamaskin enda, og faktisk vil jobber som krever et visst nivå av sosial intelligens og kreativitet som i utdanning, helsetjenester, kunst og media, trolig forbli i etterspørsel fra mennesker, fordi slike oppgaver forblir vanskelige å bli datastyrt.

Liker det eller ikke, lever vi nå i en epoke dominert av kunstig intelligens (AI). AI kan ses som en samling av teknologier som kan brukes til å etterligne eller til og med å utføre oppgaver utført av mennesker som bruker maskiner.

Vi ser kanskje ikke først det, men vi kan ikke unngå å kjøre inn i ett eller flere systemer som bruker noen form for en Al-algoritme i våre daglige aktiviteter - for eksempel å søke etter informasjon ved hjelp av Google, kjøpe et anbefalt produkt på Amazon, eller gjenkjenner ansikter i et bilde lastet opp til Facebook.

Dyp læring

Nylig gjennombrudd i AI skyldes i stor grad en teknikk som kalles dyp læring. Ofte kjent som maskinlæring eller nevrale nettverk, innebærer dyp læring "trening" en datamodell slik at den kan gjenkjenne gjenstander fra bilder. Kraften til dyp læringsbaserte AI-systemer ligger i deres evne til automatisk oppdage merkbare funksjoner og bruk dem til å løse vanskelige gjenkjennelsesproblemer.

Selv om mennesker lett kan utføre slike anerkjennelsesoppgaver nesten ubevisst, er det ofte vanskelig for et menneske å forklare den nøyaktige prosedyren på et tilstrekkelig detaljert nivå slik at det kan programmeres til en datamaskin.


Få det siste fra InnerSelf


Med dyp læring har alt dette endret seg. Nå kan dype læringsbaserte AI-systemer finne ut viktige funksjoner for løse vanskelige problemer som en gang var antatt å være løsbar utelukkende av mennesker.

Og som et resultat vil mennesker må forberede seg på det faktum at Noen av våre jobber vil gå tapt for AI-systemer. Vi kan til og med måtte ringe AI-systemer til våre kolleger eller sjefer i nær fremtid.

Men til tross for det dypere kunnskapsnivået som våre datamaskiner snart vil skaffe seg, må det ikke være dårlig å miste jobbene våre til maskiner. Leiemaskiner gjør hoveddelen av arbeidet at mennesker blir frigjort fra rutinemessige oppgaver at datamaskiner er bedre å utføre med høyere nøyaktighetskurser, for eksempel kjører biler.

Dette skal gjøre det mulig for mennesker å tenke som mennesker i stedet for maskiner. Det vil også frigjøre tid og energi for mennesker til å engasjere seg i mer kreative og intellektuelt stimulerende aktiviteter, eventuelt assistert av AI.

Emosjonell intelligens

AI-systemer er allerede blitt altfor kompliserte for den gjennomsnittlige personen til å forstå, enn si reparere, så det vil bli opprettet nye roller som vil kreve folk som kan fungere som mellommenn mellom datamaskiner og mennesker.

I likhet med yrker som medisin eller lov, der fagfolk med spesialiserte ferdigheter kreves for å tolke tekniske detaljer for hverdagslige folk, trenger vi fagfolk som snakker AIs språk. Disse fagpersonene kan variere i sine ferdigheter og vil trolig bestå av programvareutviklere, datavitenskapere og datavitenskapere.

Men etiske problemer som følge av menneskelige og AI samarbeidsmiljøer er en reell bekymring. Det er en ting å få et ansikt som er feilaktig gjenkjent i et bilde som er lastet opp til Facebook, men en helt annen sak om kreft er feildiagnostisert av en AI, noe som veldig lett kan skje. Tross alt, gjør datamaskiner feil, akkurat som folk gjør.

Selv om AI-baserte systemer blir smartere enn mennesker på mange felt, er disse systemene langt fra perfekt og er usannsynlig at det alltid vil være perfekt med tanke på de uforutsigbare læringsmekanismer de bruker.

Når det er sagt, er det sannsynlig at de sosiale og kulturelle forandringene vil være den virkelige utfordringen, snarere enn den tekniske utfordringen av AI selv. Så mens roboter som tar over jobbene våre, kan være en god ting, vil bare tiden fortelle om vi er klare til å akseptere dem som våre medarbeidere.

Om forfatteren

Den Conversationbollegala danushkaDanushka Bollegala, Universitetslektor ved Institutt for datalogi, Universitetet i Liverpool. hans forskningsinteresser er kunstig intelligens, beretningsspråklig og webmining. Jeg har jobbet med ulike emner relatert til ovennevnte felt som måling av semantisk og relasjonell likhet fra webdata, domenetilpasning, sentimentanalyse, sosiale medier, disambiguation av personnavn, navnaliasekstraksjon og informasjonsbestilling i multidokumenttekstresumé.

Denne artikkelen ble opprinnelig publisert på Den Conversation. Les opprinnelige artikkelen.

Relaterte bøker

{amazonWS: searchindex = Bøker; nøkkelord = robot arbeidsstyrke; maxresults = 3}

enafarzh-CNzh-TWnltlfifrdehiiditjakomsnofaptruessvtrvi

følg InnerSelf på

facebook-ikonettwitter-iconrss-ikonet

Få den siste via e-post

{Emailcloak = off}