Ай: кінцевий творець роботи?

Протягом останніх декількох десятиліть (принаймні) ми чули про загрозливу загрозу технологічного безробіття - автоматичне поглинання людських робочих місць. Але в наші дні це здається особливо неминучим. Справа в суті: Коли на початку цього року міністр фінансів Стів Мнучін відхилив поняття роботів, які позбавляють людей без роботи, науково-технічне співтовариство відповіло статистикою та діаграмами, забиваючи цю оцінку.

Штучний інтелект знаходить свій шлях у все більшій кількості доменів, віщуючи безпрецедентне порушення ландшафту зайнятості. А нейронні мережі та алгоритми машинного навчання, найвизначніші складові сучасного ШІ, або перспективні, або дають кращі показники, ніж люди-професіонали. Революція ШІ йде швидкими темпами, і це такий самий час, як будь-який час, щоб почати готувати нашу освітню та економічну інфраструктуру до майбутнього, в якому люди будуть все менше брати участь у виконанні певних видів завдань.

"Очевидно, що тепер, коли комп'ютери почнуть бачити, чути та читати, автоматизація матиме невідомі прискорення", - каже Алекс Лінден, віце-президент відділу машинного навчання Gartner. "Це все-таки має принести свої плоди. Багато останніх подій пройде за кілька років до того, як почне відбуватися автоматизація матеріалів. Але багато доменів, що не виробляють … коректори, фахівці з машинного перекладу, і, безперечно, повинні побоюватися за роботу. . "

Але це не вся картина. Кожна промислова революція пов'язана стільки з переміщенням і налагодженням робочої сили, скільки з її заміною, і цей новий цикл не є винятком. Але поширення штучного інтелекту також надасть нові можливості для ефективного використання людської творчості та інновацій.

Збільшений попит на Tech Talent

"Що ми знаємо, це те, що штучний інтелект буде найбільш ефективним у короткому терміні для роботи, яка може бути розбита на ряд процедур, будь то ручна праця чи когнітивні завдання", - говорить Джо Лобо, ботмайстер фірми Inbenta з штучного інтелекту . "Це означає, що люди зможуть зосередитись на більш творчих та, відповідно, приємніших завданнях".

"Технологія ніколи не була руйнівником робочих місць", - каже Стюарт Франкель, генеральний директор Narrative Science. "Подивіться майже на кожну технологічну роботу, яка існує на будь-якому підприємстві сьогодні. Жодна з цих робочих місць не існувала двадцять років тому, і більшість з них, мабуть, навіть не існувала десять років тому".

Насправді, наразі, замість того, щоб роботами було повне поглинання людських робочих місць, проблема полягає в тому, що існує багато вакантних посад і недостатньо кваліфікованих людей, щоб їх заповнити. З підйомом бізнесу, керованого даними, попит на технічні таланти зростає з усього світу.

Наприклад, у 2016 році дослідник з питань кібер-економіки Cybersecurity Ventures повідомив, що рівень безробіття в кібербезпеці був нульовим - а насправді в усьому світі бракує понад мільйона експертів. Подібні сфери технологічної зайнятості, такі як розробка програмного забезпечення та наука даних, не йдуть нічим кращим і мають справу з власним розривом у талантах. Потреба в більшій кількості фахівців у галузі технічних завдань буде продовжувати зростати, оскільки штучний інтелект знаходить свій шлях у ще більше сферах.

"Я вважаю, що уряди повинні гарантувати, що кодування оцінюється так само високо, як англійська, математика та наука, якщо ми хочемо забезпечити максимізацію цього буму у можливостях, які нам надасть штучний інтелект", - говорить Лобо.

Останніми роками спостерігається цілий ряд проектів, очолюваних урядом, а також ініціативи приватного сектору, які допомагають задовольнити потребу в технічних талантах. Приклад TechHire колишнього президента Барака Обами є прикладом: він включає в себе грант на 100 мільйонів доларів, який повинен прокласти шлях для більшої кількості людей на технічну роботу, включаючи тих, хто не має сертифікатів про вищу освіту.

Ми також спостерігаємо розвиток масових відкритих онлайн-курсів (MOOC) з таких установ, як Coursera та Big Data University - безкоштовна онлайн-освіта для технічних навичок, які користуються великим попитом. Кодування завантажувальних таборів, установи, які навчають заявників комп'ютерному програмуванню за короткий час, також зросла популярність. У той же час, такі компанії, як AT&T, допомагають своїм працівникам адаптуватися до майбутнього працевлаштування.

З наближенням темпів розвитку штучного інтелекту вимоги до вмінь та навичок змінюватимуться так само швидко. Навіть розробка програмного забезпечення не залишиться такою ж у майбутньому і перейде від кодування до тренувальних AI алгоритмів.

Революція у взаємодії людини та комп'ютера

Багато людей, які втрачають роботу в AI, не мають навичок і знань для вступу на технічні роботи, а їх підготовка вимагає значного часу. На щастя, у цьому відношенні штучний інтелект може допомогти вирішити проблему, яка може бути значною мірою власною. AI вже обіцяє зробити революцію освітою багатьма способами, включаючи персоналізацію та оптимізацію досвіду навчання. Це означає, що на вивчення нових навичок знадобиться менше часу.

"Люди зможуть перевчитись в інші галузі швидше, ніж будь-коли раніше, надаючи їм максимальну гнучкість реагувати на зміни на ринку праці", - говорить Лобо. "Чому водій вантажівки не може перейти на кар'єру кодування за кілька місяців?"

Там, де AI не може пом'якшити криву навчання, він зможе розбити складність завдань і зробити їх більш простими, що дасть змогу більшій кількості людей вступити на роботу, яка колись вимагала років навчання та навчання.

Одним з вагомих розробок є обробка та покоління природних мов (NLP / NLG), галузь штучного інтелекту, яка має відношення до розуміння та створення людських мов. NLP та NLG переосмислюють спосіб взаємодії з комп'ютерами, знімаючи перешкоди та бар'єри для виконання завдань і роблячи нас набагато ефективнішими на своїх робочих місцях.

"NLG - це сприятлива і нарощуюча технологія", - говорить Франкель Narrative Science. "У поєднанні з людськими навичками NLG може давати результати, що значно перевищують те, що могла б досягти будь-яка група поодинці. Я думаю, що Excel є чудовою аналогією NLG. Коли Lotus 123 та Excel вперше з'явилися, було багато важких прогнозів щодо майбутнього бухгалтерів та фінансових аналітиків, але ми швидко дізналися, що ці інструменти не збираються замінювати аналітиків. Насправді аналітики перетворилися на супер аналітиків, і бізнес почав наймати їх у сукупності. Те ж саме відбувається і з NLG ".

Narrative Science інтегрує NLG в платформи бізнес-аналітики (BI), щоб надати користувачам інтелектуальні розповіді, проникливі, розмовні комунікації, наповнені інформацією, що стосується аудиторії, що забезпечує повну прозорість у прийнятті аналітичних рішень. Технологія, пояснює Франкель, допомагає більш широкій групі людей робити свою роботу, не вимагаючи спеціалізованого набору навичок, таких як наука даних.

"Це означає, що менше технічних людей чи людей на будь-якому аналітичному наборі вмінь можуть використовувати ці інструменти для BI, миттєво отримувати необхідні відомості та, зрештою, робити свою роботу краще", - говорить він.

NLP, з іншого боку, значно полегшує взаємодію з інструментами аналітики та джерелами даних. Ви вже можете бачити це на платформах, таких як IBM Watson Analytics, де команди з натуральної мови полегшують запити джерел даних. Це може прокласти шлях людям з математичними навичками вступити на роботу з наукових даних без необхідності проходити тривалі курси програмування.

NLP також допомагає осмислити великі корпуси неструктурованих знань, включаючи статті, книги та газети, впорядковуючи їх у даних, які піддаються пошуку та користуванню машинами. Це може зробити програмне забезпечення та послуги набагато ефективнішими для надання допомоги людям.

Алекс Лінден, дослідник компанії Gartner, вважає, що це може допомогти створити ефективніші графіки знань - слабко структуровані сховища даних, що працюють на двигунах AI. "AI / NLP може допомогти створити реальну галузь знань", - говорить він. Але він додає: "Ми все ще в абсолютній зародковій стадії".

Доповнення людських зусиль

Прикладом є нещодавно запущена на базі ІС платформа Watson for Cybersecurity. Уотсон використовує алгоритми машинного навчання для просіювання тонн структурованих і неструктурованих даних. Потім він «дізнається» про повторювані та виникаючі загрози та допомагає аналітикам безпеки виконувати свої завдання. Кейл Барлоу, віце-президент IBM Security, вважає роль Уотсона як роль фельдшера, який допомагає лікарю. Це може значно полегшити аналітикам, які мають менше навичок та досвіду, стати більш досвідченими у вирішенні випадків безпеки.

Технологія не є єдиним сектором, де AI може доповнити людські зусилля та покласти більше людей на роботу. Алгоритми штучного інтелекту також демонструють перспективність у галузі охорони здоров’я та медицини, де хронічно не вистачає лікарів та кваліфікованих працівників. Нейронні мережі та помічники ШІ значно полегшують виявлення, діагностику та лікування захворювань, скорочуючи час, необхідний для підготовки лікарів, та роблячи медичні послуги доступними для багатьох інших людей.

"У США є дефіцит лікарів, медсестер та фельдшерів, і ще більше гострої потреби є поза розвиненим світом", - говорить Франкель. "Ви думаєте про все, що може зробити AI - беруть величезну кількість даних, аналізують їх, передають найважливіші моменти - і це розширює доступність багатьох сервісів, які могли робити лише люди з широким (і зазвичай дорогим) навчанням . Вам все ще потрібні люди, щоб працювати з пацієнтами. ШІ дає можливість більшості людей робити це, тому що це робить знання більш доступними. Таким чином, я думаю, AI фактично створить більше робочих місць ".

Врешті-решт розвиток штучного інтелекту створить можливості для працевлаштування експертів поза традиційними сферами, пов'язаними з технологіями. Автор наукових даних та інструктор з навчання LinkedIn Дуг Роуз вважає, що галузь також має потребу в інших навичках.

"Останнє півстоліття стало благом для кількісних галузей. Комп'ютерні програмісти, інженери та науковці з інформацією домінували на ринку праці та створювали масові компанії", - каже Роуз. "Тим не менше, деякі ключові проблеми з AI значно відрізняються від програмного забезпечення. Тут найбільшою проблемою буде створення кращого людського досвіду".

Оскільки він виконує все складніші завдання, штучний інтелект стикається з соціальними, етичними та політичними викликами. Інженери мають справу з абсолютно новими проблемами, такими як створення об'єктивних алгоритмів AI.

"Зараз це сфера вчених, інженерів та розробників програмного забезпечення", - говорить Роуз. "Врешті-решт поле вимагатиме різного набору навичок. Це потребуватиме людей із сильним досвідом у галузі гуманітарних наук. Ключ до кращого людського досвіду буде виходити з філософії, культурології, риторики, мов та мистецтв. Ці фахівці будуть бути посібниками, які допомагають подолати розрив між програмним забезпеченням та нашими основними потребами людини ".

Роза розробила цю тему в нарисі "Хто навчить наших машин прямо не так?" в якому він пояснює, чому потрібно мати місце для наших антропологів, фахівців з комунікацій, філософів та культурних експертів.

Inbenta - компанія, яка залучає лінгвістів для розробки лексикону для своїх пошукових рішень, гарантуючи, що вони є надійними та можуть забезпечити високу ціну послуг для своїх клієнтів.

"Як правило, від лінгвістичних студентів слід перейти до кар'єри в рамках викладання чи перекладу, але ми побачили, що їх ринок починає змінюватися, завдяки AI", - говорить Лобо Інбента. "Наступні кілька років побачать подібні ролі, які ми зараз не можемо зрозуміти, що з'являться для людей, які можуть бути стурбовані тим, що здобуті ними навички можуть старіти".

До того дня, коли роботи займуться усіма роботами, людям ще багато чого зробити. Але нам потрібно прийняти зміни та підготуватися до неї.