MITi hiljutise tehisintellekti ja tuleviku töö kongressi mitme esineja sõnul ei vasta see, kuidas inimesed räägivad sellest, kuidas töökohad ja töö muutuvad tehisintellekti (AI) ja automatiseerimise tõttu, reaalsusega.
Tehisintellekti tehnoloogia müüte käsitlevas paneelis arutasid mitmed esinejad, kuidas tehisintellekt lihtsalt ei suuda kõiki asju, mida inimesed teevad, ning kuidas inimesed peavad olema uute arendatavate protsesside lahutamatu osa.
Jobcase'i tegevjuht Fred Goff ütles, et meil oli võimalus kasutada AI-d inimeste "tegelikuks võimestamiseks", selle asemel, et seda lihtsalt töötajate või tööülesannete asendamiseks kasutada.
Goff ütles, et tehnoloogia on viimased pool sajandit töökohti tõrjunud ning suureks probleemiks olid palgastagnatsioon ja alahõive. Peaksime mõistma, et tehisintellekt ja automaatika saavad teha ülesandeid, mitte töid, nii et nad ei saa asendada kõike, mida inimene suudab. Me peaksime mõtlema "masinatele JA inimestele, mitte masinatele VÕI inimestele", ütles Goff.
Teine küsimus, mille Goff tõi välja, on see, et eeldame, et inimesed on probleemi õigesti struktureerinud, kui kasutavad masinõpet (ML) või tehisintellekti õige vastuse saamiseks. Ta rääkis, kuidas inimestel võtab aega uue ülesande saavutamine. Ta rääkis ka sellest, kuidas masinad ei töötle tingimata kogu otsuse sisendit. Näiteks rääkis Goff sellest, kuidas tehisintellekti kasutatakse inimkapitali ja talentide hankimisel, kus ta oli mures, et sellised süsteemid kipuvad töö leidmiseks lahendama, mitte paremaid inimesi hoidma. TNeil süsteemidel võib olla kaudne eelarvamus ja nad kipuvad selle asemel, et välja selgitada, millise rühmaga töötaja kõige paremini töötaks, uurida, kas potentsiaalne palk on selles ettevõttes selle töö jaoks õige.
Ta "kartis, et lahendame valesid probleeme".
MITi aeronautika ja astronautika osakonna dotsent Julie Shah ütles, et üks eksiarvamus oli see, et me võime lihtsalt olemasolevate andmete põhjal seadistada automatiseerimise tegurites. Ta on veetnud palju aega tehasepõrandatel, vaadates kaaslasi, kes harjutavad uue mudeli ehitamist.
"Me ei tea, kuidas a [manufacturing] liin kõige optimaalsemal viisil, "ütles ta, mistõttu tehased" tuled põlevad "ei paranda. Selle asemel on edukamad olnud inimesed, kes kordavad pidevalt muutuvatel tingimustel põhinevat protsessi. GEdaspidi peavad süsteemid meid mõistma, samas kui peame mõistma, kuidas süsteemid käituvad.
Shah ütles, et inimesed toovad otsustesse nii palju teadmisi, nii palju tausta, et neid on väga raske kodeerida või isegi kirjeldada. Ta märkis, et paljude tänapäevaste mudelite puhul on otsustamise selgitamine sageli problemaatiline. Selle asemel soovitas Shah kasutada masina järeldusprotsessi juhtimiseks "domeenieksperte", aidates välja selgitada kaudseid ideid ja prioriteete.
Nii Goff kui ka Shah nõustusid, et tehisintellekt ei peaks tulemusi määrama, vaid selle asemel saab seda kõige paremini kasutada ühe paljudest inimeste otsuste tegemise vahenditest.
"Uuesti koolitamine ja ümberõpe ei tähenda, et inimestel oleks vaja istuda arvuti ees ja koodida," ütles Goff. Ta märkis, et inimesed räägivad sageli söekaevurite ümberõppimisest koodide ja sarnaste ideede saamiseks. Selle asemel on tema sõnul vaja inimestele laialdast keskharidusjärgset haridust, kuid peaksime mõistma, et "kõik ei pea ülikooli minema". Ametiisikute, näiteks keevitamise ja torulukkseppade järele on suur nõudlus, ütles ta ja mõtles, kas on olemas suurem võimalus "mikrosertifitseerimiseks".
Adobe Sensei inseneriteaduste asepresident Scott Prevost oli veendunud, et tehisintellekt tänapäeval "tegelikult annab töötajatele volitusi", võimendades loomeinimese kogemusi automatiseerides asju, mida inimesed peavad tegema, kuid ei taha teha. 74 protsenti Adobe klientidest väitis, et veetsid poole ajast korduvate, mitte loominguliste ülesannete täitmiseks.
Prevost ootas loovalt assistenti ja turundusassistenti, kes aitaksid teil kogu oma töövoo läbi liikuda.
Ta ütles, et "loovad" ja turundajad ei kao kuhugi, kuid nende rollid võivad nihkuda. Loomingust saab pigem kunstijuht kui peeneteraline tootmine.
Selle tulemusena suunatakse rõhk loomingulisele probleemide lahendamisele, uuendusmeelsusele ja heale koostööle.
See võimaldab disaineritel proovida rohkem ideid kliendi kohta, lastes neil proovida kõige loomingulisemaid ideid, langetades samal ajal ka vähem kvalifitseeritud inimeste lati.
MITi David Autor küsis Vabaduse vastastikuse kindlustuse juhtivtöötajalt James McGlennonilt, kuidas tehisintellekti tõttu töökohad muutuvad. McGlennon ütles, et ta nägi palju muutusi, kuid seda ajendasid pigem "vilgas ümberkujundamine" ja "äriline agility" kui tehisintellekt.
Ta ütles, et Liberty Mutual näeb suuremat nõudlust kõrgema kvalifikatsiooniga töökohtade järele ja spetsialiseerumine, kus tehnoloogia on võtmetegur, on "moes", isegi funktsioonides, kus tehnoloogia pole põhifunktsioon. Seetõttu peavad kõik tehnoloogiat palju paremini mõistma. Ta väidab, et Liberty Mutuali kaastöötajad teavad, et asjakohasuse säilitamiseks peavad paljud inimesed end uuesti koolitama, pakkudes ettevõttele koolitust ja ressursse.
Soovitasid meie toimetajad
Ta nõustus varasemate kommentaaridega, et oskused muutuvad olulisemaks kui volitused ja et inimeste oskused on olulisemad mitmel töökohal. "Mis eristab liidreid ja võitjaid," ütles ta, et see on nende "võime mõista ja suhelda inimestega igal tasandil."
Tervishoius pole tehisintellektiga seotud probleem mitte andmete olemasolu, vaid pigem andmete plahvatus ja võime teha tehisintellektiga otsuseid, ütles Massachusettsi üldhaigla strateegia-, teadus- ja kliiniliste operatsioonide tegevdirektor Ittai Dayan. Ta ütles, et tervishoiul on tehisintellekti kasutamisel nii regulatiivseid kui ka õiguslikke takistusi. Kuid parimad lahendused ei ole sageli kõige arenenumad, vaid keskenduvad konkreetse praktilise probleemi lahendamisele kliinilises keskkonnas. Idee on pakkuda üht teenust, siis teist, siis teist. Teine potentsiaalne kasutusala on ML ja AI kasutamine vormide täitmise parandamiseks ning selle protsessi kiiremaks ja nutikamaks muutmiseks.
Tehisintellekti suureks piiranguks tervishoius oli tema sõnul bioloogiliste süsteemide mõistmatus. Lahendused peavad integreerima palju andmeallikaid ja sulatama andmetüübid kokku.
Tootmises märkis Nissan North America tootmistehnika ja uue mudeli kvaliteedi asepresident David Johnson, kui keerukad on tänapäeva sõidukid, umbes 30 000 komponendiga; ja ütles, et suurandmete analüüs ja masinõpe võivad aidata nii praeguse tulemuslikkuse kui ka tulevase jõudluse prognoosimisel. Ta märkis, et virtuaalse reaalsuse korral saab Nissan uute toodete väljakuulutamise osas otsuseid teha enne, kui keegi füüsilist uut toodet näeb, ning protsessi väljamõtlemiseks võib kaasata tootmisliini tehnikud.
Ta rääkis, kuidas kombineerida uusi tehnoloogiaid kauaaegsete töötajate oskustega ning kasutas näiteks kehaehituse uuringut sobivuse ja viimistluse ning pinna kvaliteedi kohta. Selle töö saavutamiseks sidus ta 20-aastase tootmisliini veterani ja MIT-i õpilase.
MIT Sloani juhtimiskooli professor Zeynep Ton märkis, et tehnoloogia on jaemüügisektorile alati sügavat mõju avaldanud, märkides, et viimaste aastate suurim muutus on olnud e-kaubandus. Sellegipoolest pole kliendikogemus ja töötajate kogemused palju muutunud. Ta märkis, et jaemüük on riigi suurim tööandja, kuid on tuntud halbade töökohtade, madalate palkade, ettearvamatute graafikute ja "vidinatena kasutatavate inimeste" poolest. Ta ütles, et meil on võimalus tööd ümber kujundada, kuid siiani ei kasuta me tehnoloogiaid nii.
