Machine learning vil redesigne, ikke erstatte, arbejde

Samtalen omkring kunstig intelligens og automatisering synes domineret af enten dommesigere, der frygter, at robotter vil fortrænge alle mennesker i arbejdsstyrken, eller optimister, der tror, ​​at der ikke er noget nyt under solen. Men MIT Sloan-professor Erik Brynjolfsson og hans kolleger siger, at debatten skal have en anden tone.

Ny forskning viser, at specifikke opgaver inden for job, snarere end hele erhverv selv, vil blive erstattet af automatisering i den nærmeste fremtid, med nogle jobs hårdere ramt end andre.

"Vores resultater tyder på, at der er behov for et skift i debatten om virkningerne af kunstig intelligens:væk fra det fælles fokus på fuld automatisering af hele job og omsiggribende erhvervsmæssig udskiftning mod redesign af job og omstrukturering af forretningspraksis, " skriver forskerne i en artikel offentliggjort i maj i American Economic Association Papers and Proceedings. Værket er af Brynjolfsson, professor Tom Mitchell fra Carnegie Mellon Universitys maskinlæringsafdeling, og Daniel Rock, en ph.d.-kandidat og forsker ved MIT Initiative on the Digital Economy.

"På trods af hvad Hollywood siger, vi er meget langt fra kunstig generel intelligens. Det er AI, der bare kan alt, hvad et menneske kan, " sagde Brynjolfsson. "Vi har ikke noget i nærheden af ​​det. Vi vil ikke i årtier, medmindre der er et fantastisk gennembrud."

Det, vi har, er kraftfulde smalle AI-systemer, Brynjolfsson sagde:som er i stand til at løse visse, specifikke problemer på menneskelige eller overmenneskelige niveauer af nøjagtighed, typisk ved hjælp af dybe neurale netværk. Disse teknologier er dygtige til opgaver, der involverer forudsigende analyser, tale- og billedgenkendelse, og naturlig sprogbehandling, blandt andre.

"Men det er ikke alt - det er nogle ting, " sagde han. "Det rejser det åbenlyse spørgsmål:hvad er de opgaver, som denne fantastiske AI kan udføre godt, og hvilke opgaver kan de ikke klare?"

For at besvare disse spørgsmål, forskerne udviklede en rubrik med 23 spørgsmål for at afgøre, om en opgave er egnet til maskinlæring. Hvor høj eller lav en opgaves score er på rubrikken angiver, hvor modtagelig den kan være over for automatisering og maskinlæring, sagde Brynjolfsson. Han og Tom Mitchell offentliggjorde den originale rubrik i tidsskriftet Videnskab i december, 2017.

"Enhver leder kunne tage denne rubrik, og hvis de overvejer at anvende maskinlæring [på en opgave], bør denne rubrik give dem en vis vejledning, sagde han. Der er mange, mange opgaver, der egner sig til maskinlæring, og de fleste virksomheder har egentlig bare ridset overfladen."

Forskerne ville tage ideen videre. Da et job kun er et bundt af forskellige opgaver, det er også muligt at bruge rubrikken til at måle egnetheden af ​​hele erhverv til maskinlæring. Ved at bruge data fra det føderale Bureau of Labor Statistics, det var præcis, hvad de gjorde - for hver af de mere end 900 forskellige erhverv i den amerikanske økonomi, fra økonomer og administrerende direktører til lastbilchauffører og skolelærere.

"Automationsteknologier har historisk set været den vigtigste drivkraft for øget industriel produktivitet. De har også forstyrret beskæftigelsen og lønstrukturen systematisk, " skriver forskerne. "Men, vores analyse tyder på, at maskinlæring vil påvirke meget forskellige dele af arbejdsstyrken end tidligere bølger af automatisering … Maskinlæringsteknologi kan transformere mange jobs i økonomien, men fuld automatisering vil være mindre betydningsfuld end omstrukturering af processer og omorganisering af opgaver."

Radiologer, for eksempel, har 26 forskellige opgaver forbundet med deres job, sagde Brynjolfsson. At læse medicinske billeder er en opgave velegnet til maskinlæring, med computere, der begynder at blive bedre til billedgenkendelse end mennesker. Men interpersonelle færdigheder som at formidle sundhedsoplysninger til en patient udføres ikke så let eller effektivt af maskiner, han sagde.

"I næsten alle erhverv, der er i det mindste nogle opgaver, der kan blive påvirket, men der er også mange opgaver i alle erhverv, der ikke vil. Det sagt, nogle erhverv har relativt flere opgaver, der sandsynligvis vil blive påvirket af maskinlæring," sagde Brynjolfsson, bemærker, at et job som en concierge kunne være, og bliver, for det meste erstattet af tjenester baseret på maskinlæring fra virksomheder som Google. Jobs som massage terapeuter, som ikke har meget potentiale for maskinlæring, sandsynligvis være mindst berørt, ifølge undersøgelsen.

Forskerne anbefalede at se på de opgaver inden for hvert erhverv, der har et stort potentiale for at blive automatiseret ved maskinlæring, adskille dem fra de opgaver, der ikke gør det, og omorganisering af jobbet for at matche denne udvikling. Machine learning kunne udføre de opgaver, den er ideel til, de skriver, mens menneskelig arbejdskraft kunne frigøres til at udføre flere af de aktiviteter, maskinlæring ikke er velegnet til, med en nettoeffekt af øget lønsomhed.

Det er ikke for at sige, at nye udviklinger inden for maskinlæring ikke kunne have en bredere indvirkning på job og økonomi i fremtiden, skriver forskerne. "At matche den udviklende state of the art i ML i fremtiden vil kræve opdatering af rubrikken i overensstemmelse hermed, " de skriver.