آنتونی گلدبلوم:مشاغلی که ما به ماشین ها می بازیم
دانش ماشین تنها محدود به کارهای ساده نظیر ارزیابی ریسک اعتباری و مرتب سازی نامه ها نیست— امروزه ، توانایی انجام کارهای پیچیده تر، مانند نمره دهی به مقالات و تشخیص بیماریها را دارد. با پیشرفت های که در راه هست، یه سوال سخت؟ آیا ربات کار شما را در آینده انجام خواهند داد؟
در ادامه سخنرانی آنتونی گلدبلوم در مورد مشاغلی که ما به ماشین ها می بازیم — و اونهایی که ما برنده ایم ارائه شده است. این سخنرانی در موسسه TED انجام شده است.
این خواهرزاده من است. نام او یاهلی است. نُه ماهه است. مادر او دکتر، و پدرش وکیل است. تا زمان کالج رفتن یاهلی، شغل پدر و مادرش بطور چشمگیری متفاوت به نظرخواهد رسید.
در سال ۲۰۱۳، محققان دانشگاه آکسفورد مطالعه ای در مورد آینده کار انجام دادند. آنها نتیجه گرفتند که تقریبا از هر دو شغل یکی در معرض ریسک بالایی است که توسط ماشین آلات بصورت اتوماتیک انجام می شود.
دانش ماشین، فن آوری است که مسئول اغلب این اختلال است. این قوی ترین شاخه هوش مصنوعی است. به ماشین آلات اجازه می دهد که از داده ها یاد بگیرند و برخی چیزهایی که انسان می تواند انجام دهد را تقلید کنند.
شرکت من، کاگل، بر روی آخرین فن آوریهای دانش ماشین کار می کند. صدها هزار کارشناس را گرد هم آوردیم برای حل مشکلات مهم صنعت و دانشگاه.
این دیدگاه منحصر به فردی به ما می دهد از آنچه ماشین آلات می توانند انجام دهند، آنچه نمی توانند انجام دهند، و چه شغل هایی احتمالا بطور اتوماتیک انجام شده و یا در معرض خطرند.
دانش ماشین در اوایل دهه ۹۰ راه خود را به سوی صنعت بازکرد. با وظایف نسبتا ساده آغاز شد. چیزهایی مانند ارزیابی ریسک اعتباری درخواست وام، مرتب سازی نامه ها با خواندن کد پستی هایی که با دست نوشته شدند.
در طول چند سال گذشته، پیشرفت های چشمگیری را ایجاد کرده ایم. در حال حاضر دانش ماشین آلات در حد انجام امور خیلی پیچیده تری است. در سال ۲۰۱۲، کاگل ، گروهش را برای ساخت یک الگوریتم که بتواند مقالات دبیرستان را رتبه بندی کند به چالش کشید.
الگوریتم های برنده قادر به مطابقت با نمراتی بودند که توسط معلم های شخصی داده شده بود. سال گذشته، چالشی سخت تر منتشر کردیم. می تونید از چشم عکس هایی گرفته و بیماری چشمی بنام رتینوپاتی دیابتی را تشخیص دهید؟
باز هم، الگوریتم های برنده قادر به مطابقت با تشخیص ارایه شده توسط چشم پزشکان انسان بودند.
در حال حاضر، با ارایه داده های صحیح، ماشین ها در انجام وظایفی این چنین از انسانها بهتر عمل خواهند کرد.
یک معلم ممکن است ۱۰,۰۰۰ مقاله را در طول ۴۰ سال حرفه ای خود بخواند.
چشم پزشکی ممکن است ۵۰,۰۰۰ چشم ببیند. ماشین می تواند در یک دقیقه میلیون ها مقالات بخواند و یا میلیون ها چشم ببیند.
هیچ شانسی برای رقابت با ماشین در تکرار و وظایفی با حجم بالا نداریم.
اما چیزهایی هست که ما می توانیم انجام دهیم ولی ماشین ازانجام آن ناتوان است. جایی که ماشین ها پیشرفت چندانی نداشته اند، در مقابله با موقعیت های جدید است.
آنها نمی توانند از پس چیزهای که قبلا چندین بار مشاهده نکردند بربیایند. یکی از محدودیت های اساسی دانش ماشین نیاز به حجم بالای اطلاعات گذشته برای یادگیری است.
در حال حاضر، انسان نیازی ندارد. در حال حاضر ما توانایی اتصال موضوعات ظاهرا گسسته برای حل مشکلاتی که قبلا با آنها روبرو نبودیم را داریم.
پرسی اسپنسر فیزیکدانی که در طول جنگ جهانی دوم بر روی رادار کار می کرد، متوجه ذوب شدن شکلاتش توسط مگنترون شد. او قادر به ارتباط درک خود ازتابش الکترومغناطیسی با دانش خود از آشپزی به منظور اختراع – حدس بزنید؟ – اجاق مایکروویو شد.
در حال حاضر، نمونه ای بخصوص از خلاقیت منحصربفرد است. اما این نوع از اتفاقات برای هر یک از ما در مقیاس های کوچکتر هزاران بار در روز رخ می دهد.
ماشین ها در مقابله با شرایط جدید نمی توانند با ما رقابت کنند، و این موضوع محدودیت اساسی برای انجام اتوماتیک کارهای انسانی توسط ماشین آلات بوجود می آورد.
خوب برای آینده کار این به چه معنا است؟
آینده هر شغل مستقلی در پاسخ به این سوال می باشد: تا چه حد این کار قابل تقلیل از نظر تکرار و وظایف با حجم بالا می باشد، و تا چه حد آن می تواند با وضعیت های نو مقابله کند؟
در وضعیت های تکرار و وظایف با حجم بالا، ماشین ها هوشمندانه تر می شوند. امروزه آنها مقالات را امتیاز می دهند.
بیماری های خاص را تشخیص می دهد. و در سالهای پیش رو، به سمت ممیزیها هدایت می شوند، و تکیه کلامهای قراردادهای قانونی را خواهند خواند.
حسابداران و وکلا هنوز هم مورد نیاز هستند. آنها برای ساختارهای پیچیده مالی مورد نیاز خواهند بود، برای اصلاح مسیر دادخواهی. اما ماشین رتبه بندی آنها را تقلیل خواهد کرد و این کارها مشکل تر خواهند شد.
در حال حاضر ، همان طور که اشاره شد، ماشین آلات در مواجهه با شرایط جدید، پیشرفت خاصی نمی کنند.
عکس پشت یک کمپین بازاریابی، نیاز به جلب توجه مصرف کنندگان دارد. نیاز به خاص بودن دارد. استراتژی بازار یعنی پیدا کردن شکاف ها در بازار، چیزهایی که کسی دیگر انجام نداده است.
آن انسانهایی خواهند بود که عکس پشت کمپین بازاریابی ما را خلق می کنند، و افرادی خواهند بود که در حال توسعه استراتژی کسب و کار ما هستند.
پس یاهلی، هر تصمیمی که می خواهی انجام دهی، اجازه بده تورو به سمت چالشی جدید سوق دهد. اگر اینچنین باشد، اونوقت تو همیشه از ماشین جلوتر خواهی بود.
این مطلب چه میزان برای شما مفید بود؟
میانگین امتیاز 0 / 5. تعداد نظرات: 0
مطالب زیر را حتما مطالعه کنید
پادشکنندگی: کلید موفقیت پایدار در کسبوکارها
مدیریت مالی در شرایط بحرانی
بهره وری چیست و چطور بهره وری را افزایش دهیم؟
چطور در دام کلاهبرداری های جدید نیفتیم
در شرایط خاص فعلی، شرایط برای کلاهبرداری بسیار مهیا است!
در این مطلب و وبینار، روشهای کلاهبرداری و راههای تشخیص آن را با هم مرور میکنیم.
کاربردها و ابزارهای هوش مصنوعی
هوش مصنوعی این روزها جنبه های مختلف زندگی شخصی و حرفه ای همه ما را تحت تاثیر قرار داده است در این صفحه به مطالب و منابع مفیدی برای استفاده از هوش مصنوعی پرداخته ایم .
تحلیل هزینه – فایده چیست ؟
تحلیل هزینه – فایده روشی نظام مند برای تخمین زدن نقاط قوت و ضعف گزینه های مختلف و انتخاب و تصمیم گیری بین آنها باشد .
This site uses Akismet to reduce spam. Learn how your comment data is processed.
دیدگاهتان را بنویسید