Ai: den ultimate jobbskaperen?

I løpet av de siste tiårene (minst) har vi hørt om den truende teknologiske arbeidsledigheten - overtakelsen av menneskelige jobber ved automatisering. Men i disse dager virker det spesielt overhengende. Eksempel: Når finansministeren, Steve Mnuchin, tidligere i år avfeide ideen om at roboter setter mennesker ut av jobb, svarte vitenskap og teknologisamfunnet med statistikk og diagrammer som smalt den vurderingen.

Kunstig intelligens finner veien til et stadig økende antall domener, og antyder en enestående forstyrrelse av sysselsettingslandskapet. Og nevrale nettverk og maskinlæringsalgoritmer, de mest fremtredende bestanddelene i moderne AI, er enten lovende eller gir bedre ytelse enn menneskelige fagpersoner. AI-revolusjonen kommer i raskt tempo, og det er like god tid som enhver å begynne å forberede vår utdannelsesmessige og økonomiske infrastruktur for en fremtid der mennesker vil bli mindre og mindre involvert i å utføre visse typer oppgaver.

"Åpenbart nå, med datamaskiner som begynner å se, høre og lese, vil automatisering oppleve ukjente løft, " sier Alex Linden, VP for Machine Learning Research i Gartner. "Dette må fremdeles bære frukter. Mye av den siste utviklingen vil ta noen år før materialautomasjon begynner å skje. Men mange domener som ikke produserer… korrekturlesere, maskinoversettelseseksperter, og må absolutt frykte for jobbene."

Dette er imidlertid ikke hele bildet. Hver industrielle revolusjon handler like mye om forskyvning og justering av arbeidsstyrken som om erstatning, og denne nyeste syklusen er intet unntak. Men forplantningen av kunstig intelligens vil også gi nye muligheter til å effektivisere menneskets kreativitet og innovasjon.

Økt etterspørsel etter teknologisk talent

"Det vi vet er at kunstig intelligens vil være mest effektiv på kort sikt for jobber som kan deles inn i en serie rutiner, enten det er arbeidskraft eller kognitive oppgaver, " sier Joe Lobo, botmaster ved kunstig intelligensfirma Inbenta. "Dette betyr at mennesker vil kunne konsentrere seg om de mer kreative og følgelig morsommere oppgavene."

"Teknologi har aldri vært en netto ødelegger for arbeidsplasser, " sier Stuart Frankel, administrerende direktør i Narrative Science. "Se på nesten hver eneste teknologijobb som finnes i en bedrift i dag. Ingen av disse jobbene eksisterte for tjue år siden, og de fleste av dem eksisterte sannsynligvis ikke engang for ti år siden."

Faktisk, for øyeblikket, i stedet for å være en total overtakelse av menneskelige jobber av roboter, er problemet at det er mange ledige stillinger og ikke nok dyktige folk til å fylle dem. Med økningen av datadrevet virksomhet øker etterspørselen etter teknologisk talent over hele linja.

I 2016 for eksempel rapporterte cyberøkonomiforskeren Cybersecurity Ventures at arbeidsledigheten på nettet var på null - og at det faktisk er mangel på mer enn en million eksperter over hele verden. Lignende teknisk sysselsettingsområder, for eksempel programvareutvikling og datavitenskap, klarer seg ikke bedre og takler sitt eget talentgap. Behovet for flere eksperter på tekniske jobber vil fortsette å vokse etter hvert som kunstig intelligens finner veien inn i enda flere domener.

"Jeg mener at myndighetene bør sørge for at koding verdsettes like høyt som engelsk, matte og vitenskap, hvis vi skal sikre at vi kan maksimere denne boom i mulighetene som kunstig intelligens vil gi oss, " sier Lobo.

De siste årene har en rekke regjeringsledede prosjekter så vel som initiativer fra privat sektor for å oppfylle behovet for teknologisk talent. Tidligere president Barack Obamas TechHire-prosjekt er et eksempel: Det inkluderer et tilskudd på $ 100 millioner som er ment å bane vei for flere mennesker i tekniske jobber, inkludert de som ikke har sertifiseringer for høyere utdanning.

Vi ser også utviklingen av massive åpne online kurs (MOOC) fra institusjoner som Coursera og Big Data University - gratis online utdanning for tekniske ferdigheter som er etterspurt. Koding av boot camps, institusjoner som lærer søkere dataprogrammering på kort tid, har også økt i popularitet. Samtidig hjelper selskaper som AT&T sine ansatte med å tilpasse seg fremtiden for sysselsettingen.

Når tempoet i utviklingen av kunstig intelligens tar seg opp, vil kravene til ferdigheter og kompetanse endres like raskt. Ikke engang programvareutvikling vil forbli den samme i fremtiden og vil skifte fra koding til trening av AI-algoritmer.

En revolusjon i samspill mellom mennesker og datamaskiner

Mange av menneskene som mister jobben sin til AI har ikke ferdigheter og kunnskap til å gå inn i tekniske jobber, og det å trene dem krever betydelig tid. Heldigvis kan kunstig intelligens i denne forbindelse bidra til å løse et problem som i stor grad kan være dets egen produksjon. AI lover allerede å revolusjonere utdanning på mange måter, inkludert personalisering og optimalisering av læringsopplevelsen. Dette betyr at det vil ta mindre tid å lære nye ferdigheter.

"Mennesker vil kunne omskolere seg i andre næringer raskere enn noen gang før, og gi dem en maksimal fleksibilitet til å reagere på endringene i arbeidsmarkedet, " sier Lobo. "Hvorfor kan ikke en lastebilsjåfør være i stand til å gå over i en karriere innen koding i løpet av måneder?"

Der AI ikke kan myke læringskurven, vil den kunne bryte ned kompleksiteten i oppgavene og gjøre dem enklere, slik at flere kan gå inn i jobber som en gang krevde år med utdanning og opplæring.

En bemerkelsesverdig utvikling er Natural Language Processing and Generation (NLP / NLG), grenen av kunstig intelligens som har å gjøre med å forstå og produsere menneskespråkskript. NLP og NLG definerer hvordan vi samhandler med datamaskiner, fjerner hindringer og hindringer for å utføre oppgaver og gjør oss mye mer effektive på jobbene våre.

"NLG er en aktiverings- og forstørrelsesteknologi, " sier Frank Narrative Science. "Når kombinert med menneskelige ferdigheter, kan NLG gi resultater som langt overstiger hva begge grupper kunne oppnå alene. Jeg synes Excel er en flott analogi til NLG. Da Lotus 123 og Excel først kom ut, var det mange dystre spådommer om fremtiden til regnskapsførere og finansanalytikere, men vi fikk raskt vite at disse verktøyene ikke kom til å erstatte analytikere. Faktisk ble analytikerne til superanalytikere og bedrifter begynte å ansette dem i hopetall. Det samme skjer med NLG."

Narrative Science integrerer NLG i plattformer for forretningsintelligens (BI) for å gi brukerne intelligente fortellinger, innsiktsfull, samtalekommunikasjon fullpakket med publikumsrelevant informasjon som gir full åpenhet i hvordan analytiske beslutninger tas. Teknologien, forklarer Frankel, er med på å gjøre det mulig for en bredere gruppe mennesker å gjøre jobben sin uten å kreve et spesialisert sett med ferdigheter som datavitenskap.

"Dette betyr at mindre tekniske mennesker eller personer på et hvilket som helst analytisk ferdighetssett kan bruke disse BI-verktøyene, få øyeblikkelig den innsikten de trenger, og til syvende og sist gjøre jobbene sine bedre, " sier han.

NLP derimot gjør det mye enklere for folk å grensesnitt med analyseverktøy og datakilder. Du kan allerede se dette i plattformer som IBM Watson Analytics, der kommandoer med naturlige språk gjør det enklere å spørre datakilder. Dette kan bane for folk med matematiske ferdigheter å gå inn i datavitenskapsjobber uten å måtte gå gjennom lange programmeringskurs.

NLP er også med på å gi mening om store korpuser av ustrukturert kunnskap, inkludert artikler, bøker og whitepapers, ved å organisere dem til data som kan spørres og brukes av maskiner. Dette kan gjøre programvare og tjenester mye mer effektive til å hjelpe menneskereksperter.

Alex Linden, forskeren ved Gartner, mener dette kan bidra til å lage mer effektive kunnskapsgrafer - løst strukturerte databaser som driver AI-motorer. "AI / NLP kan bidra til å skape en ekte kunnskapsindustri, " sier han. Men han legger til, "Vi er fremdeles i sin absolutte spedbarn."

Komplementere menneskelig innsats

Et eksempel er IBMs nylig lanserte AI-baserte Watson for Cybersecurity-plattform. Watson bruker maskinlæringsalgoritmer for å sile gjennom mange strukturerte og ustrukturerte data. Den "lærer" deretter om tilbakevendende og nye trusler og hjelper sikkerhetsanalytikere til å utføre jobbene sine. Caleb Barlow, administrerende direktør i IBM Security, tenker på Watsons rolle som en paramediker som hjelper en lege. Dette kan gjøre det mye enklere for analytikere med mindre dyktighet og erfaring å bli dyktigere til å håndtere sikkerhetshendelser.

Teknologi er ikke den eneste sektoren der AI kan utfylle menneskelig innsats og sette flere mennesker i jobb. Kunstige intelligensalgoritmer viser også løfte innen helsevesenet og medisinene, som kronisk mangler leger og fagarbeidere. Nevrale nettverk og AI-assistenter gjør det mye enklere å oppdage, diagnostisere og behandle sykdommer, kutte ned tiden som trengs for å trene leger og gjøre helsetjenester tilgjengelige for mange flere mennesker.

"Det er mangel på leger, sykepleiere og legeassistenter i USA, og det er et enda mer akutt behov utenfor den utviklede verden, " sier Frankel. "Du tenker på alle tingene som AI kan gjøre - ta enorme datamengder, analysere det, kommunisere de viktigste punktene - og det utvider tilgjengeligheten til mange tjenester som bare kan gjøres av personer med omfattende (og vanligvis dyrt) opplæring.. Du trenger fortsatt at folk skal jobbe praktisk med pasienter. AI gjør det mulig for flere å gjøre det fordi det gjør kunnskapen mer tilgjengelig. På denne måten tror jeg AI faktisk vil skape flere arbeidsplasser."

Etter hvert vil utviklingen av kunstig intelligens skape arbeidsmuligheter for eksperter utover de tradisjonelle teknologirelaterte domenene. Datavitenskapelig forfatter og LinkedIn Læringsinstruktør Doug Rose mener at bransjen må ombord andre ferdigheter.

"Det siste halve århundret har vært en velsignelse for kvantitative felt. Dataprogrammerere, ingeniører og dataforskere har dominert arbeidsmarkedet og skapt massive selskaper, " sier Rose. "Likevel er noen av de viktigste utfordringene med AI mye forskjellig fra programvare. Her vil den største utfordringen være å skape en bedre menneskelig opplevelse."

Når det tar på seg stadig mer kompliserte oppgaver, står kunstig intelligens overfor sosiale, etiske og politiske utfordringer. Ingeniører har å gjøre med helt nye problemer, for eksempel å lage objektive AI-algoritmer.

"Akkurat nå er domenet til akademikere, ingeniører og programvareutviklere, " sier Rose. "Til slutt vil feltet kreve et annet sett med ferdigheter. Det vil kreve mennesker med en sterk bakgrunn innen humaniora. Nøkkelen til en bedre menneskelig opplevelse kommer fra filosofi, kulturstudier, retorikk, språk og kunst. Disse spesialistene vil være guider som hjelper til å bygge bro mellom programvaren og våre essensielle menneskelige behov."

Rose har utdypet emnet i et essay, "Hvem vil lære maskinene våre rett fra galt?" hvor han forklarer hvorfor det må være plass til antropologer, kommunikasjonsspesialister, filosofer og kultureksperter.

Inbenta er et selskap som sysselsetter språklister for å utvikle leksikonet for søkeløsningene sine, slik at de er robuste og kan gi høye servicepriser til kundene.

"Språklige studenter forventes generelt å gå inn i karrierer innen undervisning eller oversettelse, men vi har sett deres marked begynne å endre seg, takket være AI, " sier Inbentas Lobo. "De neste årene vil lignende roller som vi for øyeblikket ikke kan forstå, dukke opp for folk som kan være opptatt av at ferdighetene de har tilegnet seg, kan bli foreldet."

Inntil den dag roboter tar alle jobbene, er det fortsatt mye for mennesker å gjøre. Men vi må omfavne endring og forberede oss på det.