Các cơ hội làm việc mới với việc học máy - những con số

Bạn có thể tìm thấy nhiều bài viết thảo luận về việc mất việc làm do học tập máy móc và các công nghệ liên quan sẽ gây ra. Robot đã thực hiện một số nhiệm vụ sử dụng con người, và việc sử dụng này sẽ tăng theo thời gian. Bạn phải có cũng đã được xem xét như thế nào những sử dụng mới có thể có khả năng chi phí bạn hoặc một người thân yêu một công việc. Một số tác giả đã đi xa như vậy để nói rằng tương lai có thể có một kịch bản trong đó học các kỹ năng mới có thể không đảm bảo một công việc.

Làm việc cho máy

Hoàn toàn có thể bạn sẽ thấy mình đang làm việc cho máy tính trong tương lai. Trong thực tế, bạn có thể đã làm việc cho một máy và không biết nó. Một số công ty đã sử dụng máy học để phân tích quá trình kinh doanh và làm cho chúng hiệu quả hơn. Chẳng hạn, Hitachi hiện đang sử dụng thiết lập như vậy trong quản lý cấp trung.

Trong trường hợp này, AI thực sự phát hành các lệnh làm việc dựa trên phân tích của nó về quy trình làm việc - giống như một người quản lý trung gian của con người có thể làm. Sự khác biệt là AI thực sự hiệu quả hơn tám phần trăm so với con người mà nó thay thế. Trong một trường hợp khác, Amazon đã điều hành một cuộc thi giữa các chuyên gia về máy học để tìm ra liệu công ty có thể tiến hành quá trình ủy quyền cho nhân viên một cách tự động hơn bằng cách sử dụng máy học hay không. Một lần nữa, vấn đề là tìm ra cách để thay thế quản lý cấp trung và cắt giảm một phần quy tắc.

Tuy nhiên, cơ hội việc làm cũng tự thể hiện. Những người làm việc trong AI sẽ thực hiện các nhiệm vụ mà AI yêu cầu họ làm, nhưng họ có thể sử dụng kinh nghiệm và sự sáng tạo của họ để xác định cách thực hiện nhiệm vụ. AI phân tích các quá trình mà nhân viên người lao động sử dụng và đo lường các kết quả đạt được. Bất kỳ quá trình thành công nào được thêm vào cơ sở dữ liệu của các kỹ thuật mà công nhân có thể áp dụng để hoàn thành nhiệm vụ. Nói cách khác, con người đang dạy kỹ thuật mới cho con người làm cho môi trường làm việc hiệu quả hơn.

Làm việc với máy

Mọi người đã làm việc với máy móc thường xuyên - họ chỉ không nhận ra nó. Ví dụ: khi bạn nói chuyện với điện thoại thông minh của mình và nhận ra những gì bạn nói, bạn đang làm việc với máy để đạt được mục tiêu mong muốn.Hầu hết mọi người nhận ra rằng sự tương tác bằng giọng nói được cung cấp với điện thoại thông minh cải thiện theo thời gian - bạn càng sử dụng nó, thì càng nhận ra giọng nói của bạn càng tốt. Khi thuật toán người học trở nên được điều chỉnh tốt hơn, nó sẽ trở nên hiệu quả hơn khi nhận ra tiếng nói của bạn và đạt được kết quả mong muốn. Xu hướng này sẽ tiếp tục.

Tuy nhiên, học máy được sử dụng trong tất cả các loại cách mà có thể không xảy ra với bạn. Khi bạn chỉ một máy ảnh vào một đối tượng và máy ảnh có thể đặt một hộp quanh mặt (để giúp nhắm mục tiêu hình ảnh), bạn đang nhìn thấy kết quả của máy học tập. Máy ảnh này đang giúp bạn thực hiện công việc chụp ảnh hiệu quả hơn rất nhiều.

Việc sử dụng các ngôn ngữ khai báo, chẳng hạn như SQL (Structured Query Language), sẽ trở nên rõ ràng hơn bởi vì việc học máy sẽ làm cho những tiến bộ có thể đạt được. Trong một số khía cạnh, một ngôn ngữ khai báo chỉ đơn giản cho phép bạn mô tả những gì bạn muốn và không làm thế nào để có được nó. Tuy nhiên, SQL vẫn đòi hỏi một nhà khoa học máy tính, nhà khoa học dữ liệu, quản trị cơ sở dữ liệu hoặc một số chuyên gia khác để sử dụng. Ngôn ngữ tương lai sẽ không có giới hạn này.

Cuối cùng, một người được đào tạo để thực hiện một nhiệm vụ cụ thể tốt sẽ đơn giản chỉ cho các trợ lý robot làm gì và trợ lý robot sẽ khám phá ra phương tiện để làm điều đó. Con người sẽ sử dụng sự sáng tạo để khám phá ra

điều gì phải làm; các chi tiết (như thế nào) sẽ trở thành tên miền của máy móc. Sửa chữa máy

Trước khi công nghệ có thể làm bất cứ điều gì khác, nó phải thực hiện một nhiệm vụ thực tế mà sẽ thu hút sự chú ý và lợi ích của con người theo cách mà làm cho mọi người muốn có công nghệ cho riêng mình.

Không có vấn đề gì về công nghệ. Cuối cùng, công nghệ sẽ phá vỡ. Bắt công nghệ để làm điều gì đó hữu ích là điều quan trọng nhất hiện nay, và đỉnh điểm của bất kỳ ước mơ nào về công nghệ cuối cùng sẽ kéo dài nhiều năm trong tương lai, những điều trần tục như sửa chữa công nghệ vẫn sẽ rơi trên vai người. Ngay cả khi con người không trực tiếp tham gia vào việc sửa chữa vật chất, trí thông minh của con người sẽ chỉ đạo hoạt động sửa chữa.

Một số bài báo bạn đọc trực tuyến có thể làm cho bạn tin rằng robot tự sửa chữa đã là hiện thực. Ví dụ: các robot không gian quốc tế, Dextre và Canadarm, đã thực hiện sửa chữa một máy ảnh bị lỗi. Điều mà những câu chuyện không nói là con người đã quyết định làm thế nào để thực hiện nhiệm vụ và chỉ đạo các robot làm những việc lao động thể chất. Tự động sửa chữa là không thể với các thuật toán hiện có ngày hôm nay.

Tạo các công việc học máy mới

Các thuật toán học máy không sáng tạo, có nghĩa là con người phải cung cấp sự sáng tạo để cải thiện việc học máy. Ngay cả các thuật toán xây dựng các thuật toán khác chỉ nâng cao tính hiệu quả và chính xác của các kết quả mà thuật toán đạt được - chúng không thể tạo các thuật toán thực hiện các kiểu công việc mới. Con người phải cung cấp đầu vào cần thiết để xác định những nhiệm vụ này và các quá trình cần thiết để bắt đầu giải quyết chúng.

Bạn có thể nghĩ rằng chỉ có những chuyên gia về máy học mới tạo được các bài học học máy. Tuy nhiên, câu chuyện về quản lý trung gian của Hitachi nên cho bạn biết rằng mọi thứ sẽ hoạt động khác biệt. Vâng, các chuyên gia sẽ giúp tạo thành cơ sở cho việc xác định cách giải quyết công việc, nhưng việc tạo ra thực tế các nhiệm vụ sẽ đến từ những người biết một ngành công nghiệp nhất. Câu chuyện của Hitachi làm cơ sở cho sự hiểu biết rằng tương lai sẽ thấy mọi người từ mọi tầng lớp xã hội đóng góp cho các kịch bản học máy và một nền giáo dục cụ thể thậm chí không thể giúp xác định các nhiệm vụ mới.

Phát triển môi trường học tập máy mới

Hiện tại, việc tạo ra môi trường học máy mới là lĩnh vực của các công ty nghiên cứu và phát triển. Một nhóm các chuyên gia được đào tạo phải tạo ra các thông số cho một môi trường mới. Ví dụ: NASA cần robot để khám phá sao Hỏa. Trong trường hợp này, NASA dựa vào kỹ năng của nhân viên MIT và Northeastern để thực hiện nhiệm vụ. Cho rằng robot sẽ cần phải thực hiện nhiệm vụ tự trị, các thuật toán học máy sẽ trở nên khá phức tạp và bao gồm nhiều cấp giải quyết vấn đề.

Cuối cùng, ai đó sẽ có thể mô tả một vấn đề chi tiết một cách chi tiết rằng một chương trình chuyên biệt có thể tạo ra các thuật toán cần thiết bằng cách sử dụng một ngôn ngữ thích hợp. Nói cách khác, những người trung bình cuối cùng sẽ bắt đầu tạo môi trường học tập máy mới dựa trên những ý tưởng họ có và muốn thử.

Cũng như việc tạo ra các bài học học máy, những người tạo ra môi trường trong tương lai sẽ là các chuyên gia về nghề thủ công của họ chứ không phải là các nhà khoa học máy tính hoặc các nhà khoa học dữ liệu.