Daxdi now accepts payments with Bitcoin

Der Mythos und die Realität, wie KI die Arbeit verändert

Die Art und Weise, wie Menschen darüber sprechen, wie sich Jobs und Arbeit aufgrund künstlicher Intelligenz (KI) und Automatisierung verändern, stimmt oft nicht mit der Realität überein, so mehrere Redner auf der jüngsten KI des MIT und dem Kongress „Arbeit der Zukunft“.

In einem Panel zu den Mythen der KI-Technologie diskutierten mehrere Redner, wie KI einfach nicht alles kann, was Menschen tun, und wie Menschen ein wesentlicher Bestandteil der neuen Prozesse sein müssen, die entwickelt werden.

Fred Goff, CEO von Jobcase, sagte, wir hätten die Möglichkeit gehabt, KI "für die echte Befähigung von Menschen" zu nutzen, anstatt sie nur als Ersatz für Arbeiter oder Aufgaben zu verwenden.

Goff sagte, dass die Technologie seit einem halben Jahrhundert Arbeitsplätze verdrängt und dass das große Problem die Stagnation der Löhne und die Unterbeschäftigung sei. Wir sollten verstehen, dass KI und Automatisierung Aufgaben und keine Aufgaben erledigen können, sodass sie nicht alles ersetzen können, was ein Mensch tun kann. Wir sollten über "Maschinen UND Menschen, nicht Maschinen ODER Menschen" nachdenken, sagte Goff.

Ein weiteres Problem, auf das Goff hingewiesen hat, ist, dass wir davon ausgehen, dass Menschen das Problem richtig strukturiert haben, wenn sie maschinelles Lernen (ML) oder KI nutzen, um die richtige Antwort zu erhalten. Er sprach darüber, wie lange es dauert, bis sich die Leute mit einer neuen Aufgabe vertraut gemacht haben. Er sprach auch darüber, wie Maschinen nicht unbedingt alle Eingaben rund um eine Entscheidung verarbeiten. Zum Beispiel sprach Goff darüber, wie KI beim Erwerb von Humankapital und Talenten eingesetzt wird, wo er befürchtete, dass solche Systeme dazu neigen, den Job zu bekommen und nicht die besten Leute zu halten. T.Diese Systeme sind möglicherweise implizit voreingenommen und prüfen in der Regel, ob die potenzielle Einstellung für diesen Job in diesem Unternehmen geeignet ist, anstatt herauszufinden, mit welcher Gruppe der Mitarbeiter am besten zusammenarbeiten würde.

Er hatte "Angst, wir könnten die falschen Probleme lösen".

Julie Shah, außerordentliche Professorin in der Abteilung für Luft- und Raumfahrt des MIT, sagte, ein Missverständnis sei, dass wir die Automatisierung nur anhand von Faktoren einrichten können, die auf den uns vorliegenden Daten basieren. Sie hat viel Zeit in den Fabrikhallen verbracht und den Mitarbeitern beim Üben beim Bau eines neuen Modells zugesehen.

"Wir wissen nicht, wie wir eine einrichten sollen [manufacturing] Linie auf die optimalste Art und Weise ", sagte sie, weshalb" Lichter aus "Fabriken keine Verbesserungen zeigen. Stattdessen waren es Menschen, die den Prozess basierend auf sich ändernden Bedingungen, die erfolgreicher waren, kontinuierlich wiederholten. GIn Zukunft müssen Systeme uns verstehen, während wir verstehen müssen, wie sich Systeme verhalten.

Shah sagte, dass Menschen so viel Wissen und Hintergrundwissen in Entscheidungen einbringen, dass es sehr schwierig ist, sie zu kodifizieren oder sogar zu beschreiben. Sie bemerkte, dass es bei vielen heutigen Modellen oft problematisch ist, die Entscheidungsfindung zu erklären. Stattdessen empfahl Shah, "Domain-Experten" zu verwenden, um den Inferenzprozess einer Maschine zu steuern und implizite Ideen und Prioritäten zu ermitteln.

Sowohl Goff als auch Shah waren sich einig, dass KI keine Ergebnisse bestimmen sollte, sondern am besten als eines von mehreren Instrumenten für die menschliche Entscheidungsfindung verwendet werden kann.

"Umschulung und Umschulung bedeuten nicht, dass die Leute vor Computern und Code sitzen müssen", sagte Goff. Er bemerkte, dass die Leute oft über die Umschulung von Bergleuten nach Code und ähnlichen Ideen sprechen. Stattdessen sagte er, wir brauchen eine breite postsekundäre Ausbildung für die Menschen, aber wir sollten uns darüber im Klaren sein, dass "nicht jeder aufs College gehen muss". Es gebe eine große Nachfrage nach Fachleuten wie Schweißen und Installateuren, sagte er und fragte sich, ob es eine größere Chance für eine "Mikrozertifizierung" gebe.

Scott Prevost, Vice President of Engineering bei Sensei bei Adobe, war fest davon überzeugt, dass AI heute "den Mitarbeiter tatsächlich befähigt" und die Erfahrung der kreativen Person durch die Automatisierung der Dinge, die Menschen tun müssen, aber nicht wollen, verstärkt. 74 Prozent der Kunden von Adobe gaben an, die Hälfte ihrer Zeit mit sich wiederholenden, nicht kreativen Aufgaben verbracht zu haben.

Prevost freute sich auf einen kreativen Assistenten und einen Marketingassistenten, die Ihnen dabei helfen, Ihren gesamten Workflow zu durchlaufen.

Er sagte, dass "Kreative" und Vermarkter nicht verschwinden werden, aber ihre Rollen könnten sich verschieben. Ein Kreativer wird eher zum Art Director als zur Feinkornproduktion.

Infolgedessen wird der Schwerpunkt auf kreative Problemlösung, Innovation und gute Zusammenarbeit verlagert.

Auf diese Weise können Designer mehr Ideen pro Kunde ausprobieren, die kreativsten Ideen ausprobieren und gleichzeitig die Messlatte für weniger qualifizierte Mitarbeiter senken.

James McGlennon, Chief Information Officer von Liberty Mutual Insurance, wurde von David Autor vom MIT gefragt, wie sich Jobs aufgrund von KI verändern. McGlennon sagte, er sehe viele Veränderungen, aber dies sei mehr auf "agile Transformation" und "geschäftliche Agilität" als auf KI zurückzuführen.

Er sagte, dass Liberty Mutual eine größere Nachfrage nach höher qualifizierten Arbeitsplätzen sehe und dass die Spezialisierung, bei der Technologie ein Schlüsselfaktor sei, "in Mode komme", selbst bei Funktionen, bei denen Technologie nicht die Schlüsselfunktion sei. Daher muss jeder die Technologie viel besser verstehen. Er behauptet, dass die Mitarbeiter von Liberty Mutual auf ganzer Linie wissen, dass sich viele Menschen neu qualifizieren müssen, um relevant zu bleiben.

Das Unternehmen bietet Schulungen und Ressourcen an.

Empfohlen von unseren Redakteuren

Er stimmte früheren Kommentaren zu, dass Fähigkeiten wichtiger werden als Zeugnisse und dass die Fähigkeiten der Menschen in mehr Berufen wichtiger werden. "Was Führungskräfte und Gewinner auszeichnet", sagte er, "wird ihre" Fähigkeit sein, Menschen auf allen Ebenen zu verstehen und mit ihnen in Beziehung zu treten ".

Im Gesundheitswesen ist das große Problem bei AI nicht das Vorhandensein von Daten, sondern eine Explosion von Daten und die Fähigkeit, Entscheidungen mit AI zu treffen, sagte Ittai Dayan, Executive Director für Strategie, Forschung und klinische Operationen am Massachusetts General Hospital. Er sagte, dass das Gesundheitswesen sowohl regulatorische als auch rechtliche Hindernisse habe, die der Nutzung von KI im Wege stünden. Die besten Lösungen sind jedoch oft nicht die fortschrittlichsten, sondern konzentrieren sich auf die Lösung eines bestimmten praktischen Problems in einem klinischen Umfeld. Die Idee ist, einen Dienst bereitzustellen, dann einen anderen, dann einen anderen. Eine weitere mögliche Verwendung ist die Verwendung von ML und AI, um das Ausfüllen von Formularen zu verbessern und diesen Prozess schneller und intelligenter zu gestalten.

Die große Einschränkung der KI im Gesundheitswesen sei das mangelnde Verständnis der biologischen Systeme. Lösungen müssen viele Datenquellen integrieren und Datentypen zusammenführen.

In der Fertigung stellte David Johnson, Vizepräsident für Produktionstechnik und Qualität neuer Modelle bei Nissan North America, fest, wie komplex die heutigen Fahrzeuge mit etwa 30.000 Komponenten sind.

und sagte, dass Big-Data-Analyse und maschinelles Lernen sowohl bei der aktuellen Leistung als auch bei der Vorhersage der zukünftigen Leistung helfen können. Er bemerkte, dass Nissan mit der virtuellen Realität Entscheidungen über neue Produktankündigungen treffen kann, bevor jemand das physische neue Produkt sehen kann, und dass Techniker in der Fertigungslinie hinzugezogen werden können, um den Prozess herauszufinden.

Er sprach darüber, wie die neuen Technologien mit den Fähigkeiten von Langzeitarbeitern kombiniert werden können, und verwendete als Beispiel eine Karosseriewerkstattstudie zu Passform und Verarbeitung sowie Oberflächenqualität. Damit dies funktioniert, hat er einen 20-jährigen Veteranen der Fertigungslinie und einen MIT-Studenten zusammengebracht.

Zeynep Ton, Professor an der MIT Sloan School of Management, stellte fest, dass Technologie immer einen tiefgreifenden Einfluss auf den Einzelhandel hatte, und stellte fest, dass die größte Veränderung in den letzten Jahren der E-Commerce war. Das Kundenerlebnis und das Mitarbeitererlebnis haben sich jedoch nicht wesentlich geändert. Sie merkte an, dass der Einzelhandel der größte Arbeitgeber des Landes ist, aber für schlechte Jobs, niedrige Löhne, unvorhersehbare Zeitpläne und "Menschen, die als Widgets verwendet werden" bekannt ist. Sie sagte, wir hätten die Möglichkeit, die Arbeit neu zu gestalten, aber bisher setzen wir Technologien nicht auf diese Weise ein.

Die Art und Weise, wie Menschen darüber sprechen, wie sich Jobs und Arbeit aufgrund künstlicher Intelligenz (KI) und Automatisierung verändern, stimmt oft nicht mit der Realität überein, so mehrere Redner auf der jüngsten KI des MIT und dem Kongress „Arbeit der Zukunft“.

In einem Panel zu den Mythen der KI-Technologie diskutierten mehrere Redner, wie KI einfach nicht alles kann, was Menschen tun, und wie Menschen ein wesentlicher Bestandteil der neuen Prozesse sein müssen, die entwickelt werden.

Fred Goff, CEO von Jobcase, sagte, wir hätten die Möglichkeit gehabt, KI "für die echte Befähigung von Menschen" zu nutzen, anstatt sie nur als Ersatz für Arbeiter oder Aufgaben zu verwenden.

Goff sagte, dass die Technologie seit einem halben Jahrhundert Arbeitsplätze verdrängt und dass das große Problem die Stagnation der Löhne und die Unterbeschäftigung sei. Wir sollten verstehen, dass KI und Automatisierung Aufgaben und keine Aufgaben erledigen können, sodass sie nicht alles ersetzen können, was ein Mensch tun kann. Wir sollten über "Maschinen UND Menschen, nicht Maschinen ODER Menschen" nachdenken, sagte Goff.

Ein weiteres Problem, auf das Goff hingewiesen hat, ist, dass wir davon ausgehen, dass Menschen das Problem richtig strukturiert haben, wenn sie maschinelles Lernen (ML) oder KI nutzen, um die richtige Antwort zu erhalten. Er sprach darüber, wie lange es dauert, bis sich die Leute mit einer neuen Aufgabe vertraut gemacht haben. Er sprach auch darüber, wie Maschinen nicht unbedingt alle Eingaben rund um eine Entscheidung verarbeiten. Zum Beispiel sprach Goff darüber, wie KI beim Erwerb von Humankapital und Talenten eingesetzt wird, wo er befürchtete, dass solche Systeme dazu neigen, den Job zu bekommen und nicht die besten Leute zu halten. T.Diese Systeme sind möglicherweise implizit voreingenommen und prüfen in der Regel, ob die potenzielle Einstellung für diesen Job in diesem Unternehmen geeignet ist, anstatt herauszufinden, mit welcher Gruppe der Mitarbeiter am besten zusammenarbeiten würde.

Er hatte "Angst, wir könnten die falschen Probleme lösen".

Julie Shah, außerordentliche Professorin in der Abteilung für Luft- und Raumfahrt des MIT, sagte, ein Missverständnis sei, dass wir die Automatisierung nur anhand von Faktoren einrichten können, die auf den uns vorliegenden Daten basieren. Sie hat viel Zeit in den Fabrikhallen verbracht und den Mitarbeitern beim Üben beim Bau eines neuen Modells zugesehen.

"Wir wissen nicht, wie wir eine einrichten sollen [manufacturing] Linie auf die optimalste Art und Weise ", sagte sie, weshalb" Lichter aus "Fabriken keine Verbesserungen zeigen. Stattdessen waren es Menschen, die den Prozess basierend auf sich ändernden Bedingungen, die erfolgreicher waren, kontinuierlich wiederholten. GIn Zukunft müssen Systeme uns verstehen, während wir verstehen müssen, wie sich Systeme verhalten.

Shah sagte, dass Menschen so viel Wissen und Hintergrundwissen in Entscheidungen einbringen, dass es sehr schwierig ist, sie zu kodifizieren oder sogar zu beschreiben. Sie bemerkte, dass es bei vielen heutigen Modellen oft problematisch ist, die Entscheidungsfindung zu erklären. Stattdessen empfahl Shah, "Domain-Experten" zu verwenden, um den Inferenzprozess einer Maschine zu steuern und implizite Ideen und Prioritäten zu ermitteln.

Sowohl Goff als auch Shah waren sich einig, dass KI keine Ergebnisse bestimmen sollte, sondern am besten als eines von mehreren Instrumenten für die menschliche Entscheidungsfindung verwendet werden kann.

"Umschulung und Umschulung bedeuten nicht, dass die Leute vor Computern und Code sitzen müssen", sagte Goff. Er bemerkte, dass die Leute oft über die Umschulung von Bergleuten nach Code und ähnlichen Ideen sprechen. Stattdessen sagte er, wir brauchen eine breite postsekundäre Ausbildung für die Menschen, aber wir sollten uns darüber im Klaren sein, dass "nicht jeder aufs College gehen muss". Es gebe eine große Nachfrage nach Fachleuten wie Schweißen und Installateuren, sagte er und fragte sich, ob es eine größere Chance für eine "Mikrozertifizierung" gebe.

Scott Prevost, Vice President of Engineering bei Sensei bei Adobe, war fest davon überzeugt, dass AI heute "den Mitarbeiter tatsächlich befähigt" und die Erfahrung der kreativen Person durch die Automatisierung der Dinge, die Menschen tun müssen, aber nicht wollen, verstärkt. 74 Prozent der Kunden von Adobe gaben an, die Hälfte ihrer Zeit mit sich wiederholenden, nicht kreativen Aufgaben verbracht zu haben.

Prevost freute sich auf einen kreativen Assistenten und einen Marketingassistenten, die Ihnen dabei helfen, Ihren gesamten Workflow zu durchlaufen.

Er sagte, dass "Kreative" und Vermarkter nicht verschwinden werden, aber ihre Rollen könnten sich verschieben. Ein Kreativer wird eher zum Art Director als zur Feinkornproduktion.

Infolgedessen wird der Schwerpunkt auf kreative Problemlösung, Innovation und gute Zusammenarbeit verlagert.

Auf diese Weise können Designer mehr Ideen pro Kunde ausprobieren, die kreativsten Ideen ausprobieren und gleichzeitig die Messlatte für weniger qualifizierte Mitarbeiter senken.

James McGlennon, Chief Information Officer von Liberty Mutual Insurance, wurde von David Autor vom MIT gefragt, wie sich Jobs aufgrund von KI verändern. McGlennon sagte, er sehe viele Veränderungen, aber dies sei mehr auf "agile Transformation" und "geschäftliche Agilität" als auf KI zurückzuführen.

Er sagte, dass Liberty Mutual eine größere Nachfrage nach höher qualifizierten Arbeitsplätzen sehe und dass die Spezialisierung, bei der Technologie ein Schlüsselfaktor sei, "in Mode komme", selbst bei Funktionen, bei denen Technologie nicht die Schlüsselfunktion sei. Daher muss jeder die Technologie viel besser verstehen. Er behauptet, dass die Mitarbeiter von Liberty Mutual auf ganzer Linie wissen, dass sich viele Menschen neu qualifizieren müssen, um relevant zu bleiben.

Das Unternehmen bietet Schulungen und Ressourcen an.

Empfohlen von unseren Redakteuren

Er stimmte früheren Kommentaren zu, dass Fähigkeiten wichtiger werden als Zeugnisse und dass die Fähigkeiten der Menschen in mehr Berufen wichtiger werden. "Was Führungskräfte und Gewinner auszeichnet", sagte er, "wird ihre" Fähigkeit sein, Menschen auf allen Ebenen zu verstehen und mit ihnen in Beziehung zu treten ".

Im Gesundheitswesen ist das große Problem bei AI nicht das Vorhandensein von Daten, sondern eine Explosion von Daten und die Fähigkeit, Entscheidungen mit AI zu treffen, sagte Ittai Dayan, Executive Director für Strategie, Forschung und klinische Operationen am Massachusetts General Hospital. Er sagte, dass das Gesundheitswesen sowohl regulatorische als auch rechtliche Hindernisse habe, die der Nutzung von KI im Wege stünden. Die besten Lösungen sind jedoch oft nicht die fortschrittlichsten, sondern konzentrieren sich auf die Lösung eines bestimmten praktischen Problems in einem klinischen Umfeld. Die Idee ist, einen Dienst bereitzustellen, dann einen anderen, dann einen anderen. Eine weitere mögliche Verwendung ist die Verwendung von ML und AI, um das Ausfüllen von Formularen zu verbessern und diesen Prozess schneller und intelligenter zu gestalten.

Die große Einschränkung der KI im Gesundheitswesen sei das mangelnde Verständnis der biologischen Systeme. Lösungen müssen viele Datenquellen integrieren und Datentypen zusammenführen.

In der Fertigung stellte David Johnson, Vizepräsident für Produktionstechnik und Qualität neuer Modelle bei Nissan North America, fest, wie komplex die heutigen Fahrzeuge mit etwa 30.000 Komponenten sind.

und sagte, dass Big-Data-Analyse und maschinelles Lernen sowohl bei der aktuellen Leistung als auch bei der Vorhersage der zukünftigen Leistung helfen können. Er bemerkte, dass Nissan mit der virtuellen Realität Entscheidungen über neue Produktankündigungen treffen kann, bevor jemand das physische neue Produkt sehen kann, und dass Techniker in der Fertigungslinie hinzugezogen werden können, um den Prozess herauszufinden.

Er sprach darüber, wie die neuen Technologien mit den Fähigkeiten von Langzeitarbeitern kombiniert werden können, und verwendete als Beispiel eine Karosseriewerkstattstudie zu Passform und Verarbeitung sowie Oberflächenqualität. Damit dies funktioniert, hat er einen 20-jährigen Veteranen der Fertigungslinie und einen MIT-Studenten zusammengebracht.

Zeynep Ton, Professor an der MIT Sloan School of Management, stellte fest, dass Technologie immer einen tiefgreifenden Einfluss auf den Einzelhandel hatte, und stellte fest, dass die größte Veränderung in den letzten Jahren der E-Commerce war. Das Kundenerlebnis und das Mitarbeitererlebnis haben sich jedoch nicht wesentlich geändert. Sie merkte an, dass der Einzelhandel der größte Arbeitgeber des Landes ist, aber für schlechte Jobs, niedrige Löhne, unvorhersehbare Zeitpläne und "Menschen, die als Widgets verwendet werden" bekannt ist. Sie sagte, wir hätten die Möglichkeit, die Arbeit neu zu gestalten, aber bisher setzen wir Technologien nicht auf diese Weise ein.

Daxdi

pakapuka.com Cookies

Auf pakapuka.com verwenden wir Cookies (technische und Profil-Cookies, sowohl eigene als auch Cookies von Drittanbietern), um Ihnen ein besseres Online-Erlebnis zu bieten und um Ihnen personalisierte Online-Werbung entsprechend Ihren Präferenzen zu senden. Wenn Sie Weiter wählen oder auf Inhalte auf unserer Website zugreifen, ohne Ihre Auswahl zu personalisieren, stimmen Sie der Verwendung von Cookies zu.

Für weitere Informationen über unsere Cookie-Richtlinie und wie Sie Cookies ablehnen können

Zugang hier.

Voreinstellungen

Weiter