Cuprins:
- Lucrul pentru o mașină
- Lucrul cu mașinile
- Mașini de reparații
- Crearea de noi sarcini de învățare a mașinilor
- Crearea de noi medii de învățare a mașinilor
Video: Resurse educaționale de IMPACT 2024
Puteți găsi mai mult de câteva articole care discută despre pierderea locurilor de muncă pe care le va cauza învățarea mașinilor și tehnologiile asociate. Roboții îndeplinesc deja o serie de sarcini care folosesc oamenii, iar această utilizare va crește în timp. De asemenea, trebuie să fi luat în considerare modul în care aceste noi utilizări ar putea costa pe tine sau pe un iubit un loc de muncă. Unii autori au mers atât de departe încât să spună că viitorul ar putea avea un scenariu în care învățarea de noi competențe ar putea să nu garanteze un loc de muncă.
Faptul este că decizia cu privire la modul în care învățarea mașinilor va afecta mediul de lucru este greu, așa cum a fost greu pentru oameni să vadă unde revoluția industrială ar duce oamenii în calea masei - producerea de bunuri pentru consumatorul general. Așa cum acești muncitori au trebuit să găsească noi locuri de muncă, oamenii care se confruntă cu pierderea ocupației de a învăța mașini de astăzi vor trebui să găsească noi locuri de muncă.
Lucrul pentru o mașină
Este foarte posibil ca în viitor să te găsești lucrătoare pentru o mașină. De fapt, este posibil să lucrați deja pentru o mașină și să nu o știți. Unele companii utilizează deja mașini de învățare pentru a analiza procesele de afaceri și a le face mai eficiente. De exemplu, Hitachi utilizează în prezent o astfel de configurare în managementul de mijloc.
În acest caz, AI emit, de fapt, comenzile de lucru pe baza analizei fluxului de lucru - la fel cum ar putea face un manager de nivel mediu. Diferența este că AI este cu 8% mai eficient decât oamenii pe care îi înlocuiește. Într-un alt caz, Amazon a condus un concurs între experții de învățare a mașinilor pentru a afla dacă societatea ar putea procesa mai bine procesele de autorizare a angajaților folosind automat învățarea mașinilor. Din nou, scopul a fost să ne dăm seama cum să înlocuim managementul de la mijloc și să reducem puțin birocrația.
Cu toate acestea, se prezintă și o oportunitate de angajare. Lucrătorii de la AI îndeplinesc sarcinile pe care AI le spune să le facă, dar își pot folosi propria experiență și creativitate pentru a determina cum să realizeze sarcina. AI analizează procesele pe care muncitorii umani le utilizează și măsoară rezultatele obținute. Orice proces de succes se adaugă în baza de date a tehnicilor pe care muncitorii le pot aplica pentru îndeplinirea sarcinilor. Cu alte cuvinte, oamenii învață tehnicile AI noi pentru a face din mediul de lucru și mai eficient.
Lucrul cu mașinile
Oamenii lucrează deja cu mașini în mod regulat - poate că nu-și dau seama. De exemplu, când vorbiți cu telefonul smartphone și recunoașteți ceea ce spuneți, lucrați cu o mașină pentru a atinge un obiectiv dorit.Majoritatea oamenilor recunosc faptul că interacțiunea vocală furnizată cu un smartphone se îmbunătățește în timp - cu cât o folosiți mai mult, cu atât este mai bine să recunoașteți vocea. Pe măsură ce algoritmul cursant devine mai bine reglat, devine mai eficient în recunoașterea vocii și obținerea rezultatului dorit. Această tendință va continua.
Cu toate acestea, învățarea în mașină este utilizată în tot felul de moduri care s-ar putea să nu ți se întâmple. Atunci când îndreptați o cameră spre un subiect și camera poate pune o cutie în jurul feței (pentru a ajuta la vizarea imaginii), vedeți rezultatul învățării în mașină. Aparatul foto vă ajută să efectuați sarcina de a face o fotografie cu o eficiență mult mai mare.
Utilizarea limbilor declarative, cum ar fi SQL (Structured Query Language), va deveni și mai pronunțată, deoarece învățarea mașinilor va face posibile progrese. În unele privințe, o limbă declarativă vă permite pur și simplu să descrieți ceea ce doriți și nu să îl obțineți. Cu toate acestea, SQL încă necesită un om de știință de calculator, om de știință, administrator de baze de date sau un alt profesionist de utilizat. Limbile viitoare nu vor avea această limitare.
În cele din urmă, cineva care este instruit să îndeplinească o anumită sarcină bine va spune pur și simplu asistentului robot ce să facă și asistentul robot va descoperi mijloacele de a face acest lucru. Oamenii vor folosi creativitatea pentru a descoperi ce trebuie să facă; detaliile (cum) vor deveni domeniul mașinilor.
Mașini de reparații
Înainte ca tehnologia să poată face orice altceva, trebuie să îndeplinească o sarcină practică care să atragă atenția și să beneficieze oamenii într-un mod care îi face pe oameni să dorească să aibă tehnologia proprie.
Nu contează ce este tehnologia. În cele din urmă, tehnologia se va rupe. Obținerea tehnologiei pentru a face ceva util este acum cea mai importantă atenție și culminarea oricărui vis despre ceea ce tehnologia se va întinde în ultimii ani în viitor, lucruri atât de banale precum repararea tehnologiei vor cădea totuși pe umeri umani. Chiar dacă omul nu este direct implicat în repararea fizică, inteligența umană va conduce operația de reparare.
Unele articole pe care le citiți online vă pot face să credeți că roboții auto-reparatori sunt deja o realitate. De exemplu, roboții stației spațiale internaționale, Dextre și Canadarm, au efectuat o reparație a unei camere defectuoase. Ceea ce poveștile nu spun este că un om a decis cum să îndeplinească sarcina și a îndreptat roboții să facă munca fizică. Reparația autonome nu este posibilă cu algoritmii disponibili astăzi.
Crearea de noi sarcini de învățare a mașinilor
Algoritmii de învățare a mașinilor nu sunt creativi, ceea ce înseamnă că oamenii trebuie să ofere creativitatea care îmbunătățește învățarea mașinilor. Chiar și algoritmii care construiesc alți algoritmi doar îmbunătățesc eficiența și precizia rezultatelor pe care algoritmul le realizează - nu pot crea algoritmi care să efectueze noi tipuri de sarcini. Oamenii trebuie să ofere informațiile necesare pentru a defini aceste sarcini și procesele necesare pentru a le rezolva.
S-ar putea crede că numai experții în învățarea mașinilor vor crea noi sarcini de învățare a mașinilor. Cu toate acestea, povestea despre managerul de mijloc de la Hitachi ar trebui să vă spună că lucrurile vor funcționa diferit decât asta. Da, experții vor contribui la crearea unei baze pentru definirea modului de rezolvare a sarcinii, dar crearea efectivă a sarcinilor va veni de la oameni care cunosc cel mai bine o anumită industrie. Povestea Hitachi servește drept bază pentru înțelegerea atât a faptului că viitorul va vedea că oamenii din toate categoriile de viață contribuie la scenarii de învățare mecanică și că o educație specifică ar putea să nu ajute la definirea unor noi sarcini.
Crearea de noi medii de învățare a mașinilor
În prezent, elaborarea de noi medii de învățare a mașinilor este domeniul firmelor de cercetare și dezvoltare. Un grup de specialiști bine pregătiți trebuie să creeze parametrii pentru un mediu nou. De exemplu, NASA are nevoie de roboți pentru a explora Marte. În acest caz, NASA se bazează pe abilitățile persoanelor de la MIT și Northeastern pentru a-și îndeplini sarcina. Având în vedere că robotul va trebui să îndeplinească sarcini în mod autonom, algoritmii de învățare a mașinilor vor deveni destul de complexi și vor include mai multe niveluri de rezolvare a problemelor.
În cele din urmă, cineva va putea descrie o problemă suficient de detaliat, încât un program specializat poate crea algoritmul necesar folosind un limbaj adecvat. Cu alte cuvinte, oamenii obișnuiți vor începe în cele din urmă să creeze noi medii de învățare a mașinilor pe baza ideilor pe care le au și vor să le încerce.
La fel ca în cazul creării de sarcini de învățare a mașinilor, oamenii care creează medii viitoare vor fi specialiști în meseria lor specială, mai degrabă decât oameni de știință sau cercetători în domeniul datelor.