Ai: lopullinen työnantaja?

Viimeisten vuosikymmenien aikana (ainakin) olemme kuulleet teknisen työttömyyden uhkaavasta uhasta - ihmisten työpaikkojen haltuunotosta automaatiolla. Mutta nykyään se näyttää erityisen välittömältä. Esimerkki: Kun aiemmin tänä vuonna valtiovarainministeri Steve Mnuchin hylkäsi ajatuksen robotteista, jotka asettavat ihmiset poistumaan työpaikoista, tiede- ja teknologiayhteisö vastasi tilastoilla ja kaavioilla tukahduttaen kyseisen arvioinnin.

Keinotekoinen äly on löytämässä tiensä yhä kasvavaan määrään aloja, jotka johtavat ennennäkemättömään häiriöön työllisyysmaastossa. Ja hermoverkot ja koneoppimisalgoritmit, jotka ovat nykyaikaisen AI: n näkyvimpiä osatekijöitä, ovat joko lupaavia tai tarjoavat paremman suorituskyvyn kuin ihmisen ammattilaiset. AI-vallankumous on tulossa nopeaan tahtiin, ja on yhtä hyvä aika aloittaa valmistelemaan koulutus- ja taloudellista infrastruktuuriamme tulevaisuudelle, jossa ihmiset osallistuvat yhä vähemmän tietyntyyppisten tehtävien suorittamiseen.

"Selvästi nyt, kun tietokoneet alkavat nähdä, kuulla ja lukea, automaatio kokee tuntemattomia lisäyksiä", sanoo Alex Linden, Gartnerin koneoppimistutkimuksen johtaja. "Tämän on vielä tuotettava hedelmää. Suuri osa viimeaikaisesta kehityksestä vie muutama vuosi, ennen kuin materiaalien automatisointi alkaa tapahtua. Mutta monet muut kuin valmistusalueet… oikolukijat, konekäännösasiantuntijat ja heidän on varmasti pelättävä työpaikoista."

Tämä ei kuitenkaan ole koko kuva. Jokainen teollisuusvallankumous koskee yhtä paljon työvoiman siirtymistä ja säätämistä kuin sen korvaamista, ja tämä uusin sykli ei ole poikkeus. Mutta tekoälyn leviäminen tarjoaa myös uusia mahdollisuuksia ihmisten luovuuden ja innovaatioiden tehokkaaseen käyttöön.

Lisääntynyt teknisen kykyjen kysyntä

"Tiedämme, että tekoäly on lyhyellä aikavälillä tehokkain työpaikkoja, jotka voidaan jakaa rutiineihin, olivatpa ne sitten käsityötä tai kognitiivisia tehtäviä", sanoo tekoälyyhtiön Inbenta botmaster Joe Lobo.. "Tämä tarkoittaa sitä, että ihmiset voivat keskittyä luovempiin ja siten nautinnollisempiin tehtäviin."

"Teknologia ei ole koskaan ollut työpaikkojen nettotuhoaja", kertoo Narrative Sciencen toimitusjohtaja Stuart Frankel. "Katsokaa melkein kaikkia teknologiatyöitä, joita nykyään on missä tahansa yrityksessä. Mikään näistä työpaikoista ei ollut olemassa kaksikymmentä vuotta sitten, ja suurin osa niistä ei luultavasti edes ollut kymmenen vuotta sitten."

Itse asiassa tällä hetkellä ongelmana on sen sijaan, että robotit ottaisivat kokonaan inhimilliset työpaikat, sillä työpaikoilla on paljon vapaita työpaikkoja, eikä heillä ole tarpeeksi ammattitaitoisia henkilöitä niiden täyttämiseen. Tietopohjaisen liiketoiminnan kasvaessa tekniikan kykyjen kysyntä kasvaa kaikkialla.

Esimerkiksi vuonna 2016 kybertalouden tutkija Cybersecurity Ventures kertoi, että kyberturvallisuuden työttömyysaste oli nolla - ja tosiasiassa pula on yli miljoona asiantuntijaa ympäri maailmaa. Samankaltaiset tekniikan työllisyyden alueet, kuten ohjelmistokehitys ja tietotekniikka, eivät ole menossa paremmin ja käsittelevät omia kykyjensä aukkoja. Tarve lisätä asiantuntijoita tekniikan parissa työskentelee edelleen, kun tekoäly löytää tiensä entistä useammille aloille.

"Uskon, että hallitusten tulisi varmistaa, että koodaus arvostetaan yhtä korkealle tasolle kuin englanti, matematiikka ja tiede, jos haluamme varmistaa, että voimme maksimoida tämän mahdollisuuden, joka keinoäly tarjoaa meille", Lobo sanoo.

Viime vuosina on tapahtunut useita hallituksen johtamia hankkeita sekä yksityisen sektorin aloitteita auttaakseen tyydyttämään teknisen kykyjen tarve. Entisen presidentin Barack Obaman TechHire-projekti on esimerkki: Se sisältää 100 miljoonan dollarin apurahan, jonka tarkoituksena on tasoittaa tietä useammille ihmisille teknologiatyöhön, mukaan lukien ne, joilla ei ole korkea-asteen koulutuksen sertifikaattia.

Näemme myös massiivisten avoimien verkkokurssien (MOOC) kehittämisen instituutioista, kuten Coursera ja Big Data University, ilmainen verkkokoulutus teknisiin taitoihin, jotka ovat erittäin kysyttyjä. Koodausleirien, instituutioiden, jotka opettavat hakijoille tietokoneohjelmointia lyhyessä ajassa, suosio on myös noussut. Samalla AT&T: n kaltaiset yritykset auttavat työntekijöitään sopeutumaan tulevaisuuden työllisyyteen.

Kun tekoälyn kehitysvauhti kiihtyy, taito- ja asiantuntemusvaatimukset muuttuvat yhtä nopeasti. Edes ohjelmistokehitys ei pysy ennallaan tulevaisuudessa ja siirtyy koodauksesta kohti AI-algoritmeja.

Vallankumous ihmisen ja tietokoneen vuorovaikutuksessa

Monilla ihmisistä, jotka menettävät työpaikkansa AI: llä, ei ole taitoja ja tietoja päästä tekniseen työhön, ja heidän kouluttaminen vaatii huomattavasti aikaa. Onneksi tässä suhteessa tekoäly voi auttaa ratkaisemaan ongelman, joka saattaa olla suurelta osin sen tekemä. AI lupaa jo mullistaa koulutuksen monin tavoin, mukaan lukien oppimiskokemuksen mukauttaminen ja optimointi. Tämä tarkoittaa, että uusien taitojen oppiminen vie vähemmän aikaa.

"Ihmiset voivat siirtyä muihin teollisuudenaloihin nopeammin kuin koskaan ennen, mikä antaa heille maksimaalisen joustavuuden reagoida työmarkkinoiden muutoksiin", Lobo sanoo. "Miksi kuorma-auton kuljettaja ei voi siirtyä koodausuraan kuukausien sisällä?"

Jos AI ei voi pehmentää oppimiskäyrää, se pystyy hajottamaan tehtävien monimutkaisuuden ja yksinkertaistamaan niitä, jolloin useammat ihmiset pääsevät töihin, jotka vaativat vuosien koulutusta.

Yksi huomionarvoinen kehitys on luonnollisen kielen käsittely ja luominen (NLP / NLG), keinotekoisen älyn haara, joka liittyy ihmisen kielen käsikirjoittamisen ymmärtämiseen ja tuottamiseen. NLP ja NLG määrittelevät uudelleen tapaamme, jolla olemme vuorovaikutuksessa tietokoneiden kanssa, poistamalla esteitä ja esteitä tehtävien suorittamiseen ja tehostamalla meitä paljon entistä tehokkaammin työpaikoillamme.

"NLG on mahdollistava ja lisäävä tekniikka", kertoo Narrative Sciencein Frankel. "Yhdistettynä inhimillisiin taitoihin NLG voi tuottaa tuloksia, jotka ylittävät huomattavasti sen, mitä kumpikin ryhmä voisi yksin saavuttaa. Luulen, että Excel on loistava analogia NLG: lle. Kun Lotus 123 ja Excel julkaistiin ensimmäisen kerran, oli paljon hirveitä ennusteita kirjanpitäjät ja finanssianalyytikot, mutta oppimme nopeasti, että nämä työkalut eivät aio korvata analyytikoita. Itse asiassa analyytikot muuttuivat superanalyytikoiksi ja yritykset alkoivat palkata heitä drovesissa. Sama asia tapahtuu NLG: n kanssa."

Narrative Science integroi NLG: n liiketoiminnan älykkyysalustoihin (BI) tarjoamaan käyttäjille älykkäitä kertomuksia, oivaltavaa, keskustelevaa viestintää, joka on täynnä yleisölle tärkeitä tietoja, jotka tarjoavat täydellisen läpinäkyvyyden analyyttisten päätösten tekemiseen. Frankel selittää, että tämä tekniikka auttaa laajempaa ihmisryhmää tekemään työtä ilman, että vaaditaan erikoistuneita taitoja, kuten tietotekniikkaa.

"Tämä tarkoittaa sitä, että vähemmän teknisiä ihmisiä tai minkä tahansa analyyttisen osaamisen joukossa olevat ihmiset voivat käyttää näitä BI-työkaluja, saada heti tarvittavat käsitykset ja viime kädessä tehdä työnsä paremmin", hän sanoo.

NLP puolestaan ​​helpottaa ihmisten liittymistä analytiikkatyökaluihin ja tietolähteisiin. Voit nähdä tämän jo IBM Watson Analytics -ympäristössä, jossa luonnolliset kielikomennot helpottavat tietolähteiden kyselyä. Tämä voi tasoittaa tietä matemaattisilla taitoilla oleville ihmisille siirtyäkseen tietojenkäsittelytehtäviin ilman, että heidän tarvitse käydä pitkiä ohjelmointikursseja.

NLP auttaa myös suurten jäsentämättömien tietojen, kuten artikkeleita, kirjoja ja taustakuvia, järjestämisessä järjestämällä ne tiedoiksi, jotka ovat kyselykelpoisia ja koneiden käyttökelpoisia. Tämä voi tehdä ohjelmistoista ja palveluista paljon tehokkaampia auttamaan ihmisten asiantuntijoita.

Gartnerin tutkija Alex Linden uskoo, että tämä voi auttaa luomaan tehokkaampia tietotaulukoita - löysästi rakennettuja tietovarastoja, jotka käyttävät AI-moottoreita. "AI / NLP voi auttaa luomaan todellisen osaamisteollisuuden", hän sanoo. Mutta hän lisää: "Olemme vielä täydellisessä lapsenkengissään."

Täydentävät ihmisten ponnisteluja

Esimerkki on IBM: n äskettäin lanseerattu AI-pohjainen Watson for Cybersecurity -alusta. Watson käyttää koneoppimisalgoritmeja selatakseen tonnia jäsenneltyä ja jäsentämätöntä tietoa. Sitten "oppii" toistuvista ja nousevista uhista ja auttaa turvallisuusanalyytikoita suorittamaan työnsä. Caleb Barlow, IBM Securityn varapuheenjohtaja, ajattelee Watsonin roolia kuten lääkärin apuna olevan ensihoitajan rooli. Tämän ansiosta analyytikoilla, joilla on vähemmän taitoja ja kokemusta, on paljon helpompaa tulla pätevämmäksi turvallisuushäiriöiden käsittelyssä.

Tekniikka ei ole ainoa ala, jolla AI voi täydentää ihmisten ponnisteluja ja saada enemmän ihmisiä työelämään. Keinotekoisen älykkyyden algoritmit ovat lupaavia myös terveydenhuollon ja lääketieteen aloilla, joista kroonisesti puuttuu lääkäreitä ja ammattitaitoisia työntekijöitä. Neuraaliverkot ja AI-avustajat tekevät sairauksien havaitsemisen, diagnosoinnin ja hoidon huomattavasti helpommaksi, vähentävät lääkärien kouluttamiseen kuluvaa aikaa ja tekevät terveydenhuollon palveluista monien muiden ihmisten saataville.

"Yhdysvalloissa on pulaa lääkäreistä, sairaanhoitajista ja lääkärin avustajista, ja kehittyneen maailman ulkopuolella on vieläkin tarkempi tarve", Frankel sanoo. "Mieti kaikkia asioita, joita AI voi tehdä - ota valtavia määriä dataa, analysoi niitä, viesti tärkeimmät kohdat - ja se laajentaa monien palvelujen saatavuutta, joita vain ihmiset voivat suorittaa laajalla (ja yleensä kalliilla) koulutuksella. Tarvitset silti ihmisiä työskentelemään käytännössä potilaiden kanssa. AI antaa entistä useammille ihmisille mahdollisuuden tehdä niin, koska se tekee tiedosta entistä helpommin saatavissa. Tällä tavalla luulen, että AI luo todella enemmän työpaikkoja."

Lopulta tekoälyn kehittäminen luo asiantuntijatyömahdollisuuksia perinteisten tekniikkaan liittyvien alojen ulkopuolella. Tietotekniikan kirjoittaja ja LinkedIn-oppimisohjaaja Doug Rose uskoo, että teollisuuden on otettava huomioon myös muut taidot.

"Viimeinen puoli vuosisataa on ollut siunaus kvantitatiivisille aloille. Tietokoneohjelmoijat, insinöörit ja tietojen tutkijat ovat hallinneet työmarkkinoita ja perustaneet massiivisia yrityksiä", Rose sanoo. "Jotkut AI: n keskeisistä haasteista eroavat kuitenkin paljon ohjelmistoista. Tässäkin suurin haaste on paremman inhimillisen kokemuksen luominen."

Kun tekoäly vie yhä monimutkaisempia tehtäviä, se kohtaa sosiaaliset, eettiset ja poliittiset haasteet. Insinöörit käsittelevät täysin uusia ongelmia, kuten puolueettomien AI-algoritmien luomista.

"Tällä hetkellä yliopistojen, insinöörien ja ohjelmistokehittäjien toimialue", Rose sanoo. "Lopulta ala vaatii erilaisia ​​taitoja. Se vaatii ihmisiä, joilla on vahva humanistinen tausta. Avain parempaan inhimilliseen kokemukseen tulee filosofiasta, kulttuuritutkimuksista, retoriikasta, kielistä ja taiteesta. Nämä asiantuntijat olla oppaita, jotka auttavat täyttämään kuilun ohjelmiston ja ihmisten välttämättömien tarpeidemme välillä ".

Rose on käsitellyt aihetta esseessä "Kuka opettaa koneemme väärin?" jossa hän selittää, miksi antropologeille, viestinnän asiantuntijoille, filosofille ja kulttuuriasiantuntijoille on löydettävä paikka.

Inbenta on yritys, joka työllistää kielitieteilijöitä kehittämään sanastoa hakuratkaisuilleen varmistaen, että ne ovat kestäviä ja pystyvät tarjoamaan asiakkailleen korkeita palvelutasoja.

"Kielellisten opiskelijoiden odotetaan yleensä siirtyvän uralle opettamisen tai kääntämisen yhteydessä, mutta olemme nähneet heidän markkinoiden alkavan muuttua AI: n ansiosta", Inbenta's Lobo sanoo. "Muutaman seuraavan vuoden aikana nähdään samanlaisia ​​rooleja, joita emme voi ymmärtää tällä hetkellä ihmisille, jotka saattavat olla huolissaan siitä, että heidän hankkimiaan taitoja voidaan vanhentaa."

Siihen saakka, kunnes robotit tekevät kaikki työt, ihmisille on vielä paljon tehtävää. Mutta meidän on omaksuttava muutos ja varauduttava siihen.