Waarom is het tijd voor te bereiden op een wereld waar machines uw werk kan doen

Al decennia lang films hebben gewaarschuwd voor intelligente machines die ons leven terwijl het negeren van een plausibele nabije toekomst gevaar: dat ze onze banen zullen nemen.

Plukt de bounty

MKB; Video: 3 tips voor het huren Millennials, Enterprise Software; Het grootste geheim in de sociale: Brand communities zijn overal; Big Data Analytics; De smerigste kleine geheim over big data: Jobs, Robotics; Het bouwen van een slimmere robot met diepe leren en nieuwe algoritmen

Een groeiend aantal economen en kunstmatige intelligentie onderzoekers bevelen dat een samenleving voor te bereiden op een wereld waar grote aantallen banen worden geautomatiseerd.

Als ze gelijk hebben, zou de verstoring van de arbeidsmarkt aanzienlijk zijn: de geïdentificeerde als kwetsbare banen worden gehouden door lagen van de bevolking, waaronder caissières in de supermarkt en winkelpersoneel, obers, vrachtwagenchauffeurs en kantoor admins. Al deze taken hebben een grote kans te worden uitgevoerd door software binnen “een decennium of twee” uitgevoerd, volgens een studie van de Oxford Martin School & Faculteit Wijsbegeerte in het Verenigd Koninkrijk.

Niet iedereen is het eens, maar deze voorspellingen hebben een akkoord met die van een aantal van de bekendste namen in de AI-onderzoek trof.

Andrew Ng, is de chief scientist voor de Chinese zoekgigant Baidu en is gespecialiseerd op het gebied van diep leren, die eerder hebben gewerkt aan het project “Google Brain”. Onlangs, Baidu blijk gegeven van een diep leren systeem dat in staat is om te beschrijven wat er in beeld en krijgt het recht bijna 95 procent van de tijd.

Ik denk dat er een aanzienlijk risico voor technologische werkloosheid in de komende decennia, “zei Ng.” Veel mensen doen routine, repetitieve banen. Helaas, de technologie is vooral goed bij het automatiseren van routine, repetitief werk.

Jobs kan nu al worden vernietigd in een sneller tempo dan ze worden gecreëerd. MIT (Massachusetts Institute of Technology) economen Erik Brynjolfsson en Andrew McAfee vestigde de aandacht op hoe technologie de eeuwen zou hebben verbroken oude band tussen werkgelegenheid en productiviteit in hun recente boek The Second Machine Age.

Het boek schetst hoe het grootste deel van de tweede helft van de twintigste eeuw de economische waarde gegenereerd in de VS – de productiviteit van het land – groeide de hand-in-hand met het aantal werknemers. Maar in 2000 de twee maatregelen begon te wijken. Vanaf het begin van de eeuw een kloof opengesteld tussen productiviteit en de totale werkgelegenheid. Tegen 2011, was dat delta aanzienlijk toegenomen, als gevolg van aanhoudende economische groei met weinig bijbehorende toename van de werkgelegenheid.

Erik Brynjolfsson / Andrew McAfee – De Tweede Machine Age. Jared Bernstein / Centrum over de begroting en de beleidsprioriteiten

“In de VS is het vrij duidelijk dat de arbeidsparticipatie verhouding daalt al voor ongeveer een decennium is het aandeel van de bevolking dat werkt is lager en middeninkomen heeft ook gestagneerd,” zei Brynjolfsson.

“Er is duidelijk iets aan de hand daar dat moet beter worden begrepen en onze mening is dat de technologie is een groot deel van het verhaal.”

Brynjolfsson is geen neo-luddite proberen om nieuwe ontwikkelingen tegen te houden. Hij wijst erop dat we een technologisch gedreven verschuiving van arbeid van het soort getuige in de geschiedenis ondergaan – een verschuiving die de samenleving moet zich voorbereiden op.

“Technologie is altijd geweest het creëren van banen en altijd te vernietigen banen. Er is deze stroming, maar de banen die worden gecreëerd en de banen die worden vernietigd hebben de neiging om verschillende soorten banen,” zei hij, erop wijzend dat de ontheemden niet worden aangepast aan het uitvoeren van de banen gecreëerd door de AI en automatisering.

Brynjolfsson geeft het voorbeeld van de vrachtwagen rijden – een baan die hij ziet als rijp voor de automatisering en waarin hij zei is de “nummer een bezigheid voor de Amerikaanse mannen”, met meer dan drie miljoen mensen.

“Die specifieke rol die ik kan gemakkelijk zien steeds veel minder belangrijk in de komende tien jaar of twee,” zei hij, verwijzen naar de recente vooruitgang in de ontwikkeling van zelf-rijden auto’s.

Hij vraagt ​​hoeveel ontheemden vrachtwagenchauffeurs goed geplaatste nieuw gecreëerde rollen, of die banen resistent tegen automatisering op te nemen, omdat ze vertrouwen op emotionele begrip of complexe fysieke taken zou zijn.

“Dan is de vraag, die beroepen belangrijker geworden? Misschien data wetenschapper of pre-school leraar of massage therapeut. Hoeveel van die vrachtwagenchauffeurs gaan comfortabel worden reskilled zijn en bewegen in de andere rollen, en in staat zijn om die te doen andere banen effectief? Je kunt zien kan er een mismatch te zijn. ”

Maar hoe zit het met de positieve punten van technologisch gedreven verandering? Sommige commentatoren geloven dat de negatieve effecten van grootschalige automatisering kunnen worden gecompenseerd door lagere kosten van goederen en diensten en door de bredere delen van de bevolking in grotere winsten uit het verlagen van de kosten van de productie.

Robert D. Atkinson, voorzitter van de ITIF (Information Technology & Innovation Foundation), is van mening dat het verhogen van het gebruik van technologie op de werkplek “bespaart kosten, en deze kostenbesparingen worden doorgegeven in de vorm van lagere prijzen en / of hogere lonen”.

“Als we een of andere manier in staat om de productiviteit te verdrievoudigen in een decennium (iets dat nooit ooit in een natie ooit in de geschiedenis is gebeurd), de consument zou absoluut niet over een gebrek aan dingen om dat geld te besteden aan (meer vakanties, grotere TV, meer eten out, een motorboot, etc.) en dat alles zou banen te creëren. ”

Brynjolfsson en McAfee praten over de rol van technologie in het verlagen van de kosten en het rijden van de lonen in de De Tweede Machine Age – verwijzend naar de voordelen die het genereert als “de premie”. Dit effect kan worden gezien in de vele manieren waarop de moderne informatie-technologie heeft de kosten verlaagd, met de baan waardoor het betaalbaar voor iedereen met een met internet verbonden computer naar hun hand proberen te worden op een schrijver of omroep, verhuren kamers in woningen op de goedkope of de toegang crowdfunding. MIT-econoom Erik Brynjolfsson; MIT

Echter, sommige waarnemingen suggereren dat-technologie aangewakkerd rendementen zijn vaak slecht verdeeld en onvoldoende om andere stijgende kosten te compenseren. Bijvoorbeeld, een theorie stelt dat het internet kan iedereen toegang krijgen tot de beste die er is – de beste schrijven is de beste software, de goedkoopste retailers. Dit creëert een “winner takes all” economie, waar de top performers hebben toegang tot een groot publiek die niet geneigd zijn om iemand anders te gebruiken. In dit model wordt het merendeel van de ‘bounty’ wordt niet gedeeld, maar wordt gevangen genomen door de vergadering op de top van de paal. Een ander punt in de Tweede Machine Age is dat de moderne software bedrijven vaak veel minder mensen dan de bedrijven die ze in dienst te verstoren, een voorbeeld hiervan is Facebook en de foto-sharing service Instagram, die ongeveer 10.000 mensen in dienst – een fractie van het aantal werken bij de fotografie firma Kodak in zijn hoogtijdagen.

En terwijl de kosten van het uitzenden van jezelf kan zijn gedaald, hetzelfde kan niet gezegd worden van veel van de essentie mensen nodig hebben om te overleven, zoals voedsel, drank en brandstof. De Tweede Machine Age citeert onderzoek van Jared Bernstein, die verhoging van de mediane gezinsinkomen in de VS tussen 1990 en 2008 met de veranderingen in de kosten van huisvesting, gezondheidszorg, en college vergeleken. Hij vond dat terwijl het gezinsinkomen in die periode groeide met ongeveer 20 procent, de prijzen voor huisvesting en college groeide met ongeveer 50 procent, en de gezondheidszorg met meer dan 150 procent.

De recente verspreiding van de informatietechnologie heeft ook niet viel samen met een groei van de lonen. Voor het eerst sinds de Grote Depressie, meer dan de helft van het totale inkomen in de Verenigde Staten ging naar de top 10 procent van de Amerikanen in 2012. Op de top van dat, tussen 1973 en 2011 de gemiddelde uurloon in de VS nauwelijks veranderd, groeit door slechts 0,1 procent per jaar.

In het algemeen zijn de mogelijkheden van AI hebben de neiging om smal te zijn: ze kunnen herkennen wat er in een afbeelding of leren hoe je een top op een fles schroef, maar in tegenstelling tot mensen, kan niet overschakelen van deze specifieke taken aan iets geheel los van elkaar, zoals te doen zo maak een sandwich.

Zonder het vermogen van een mens om te reageren op de menigte van onvoorziene omstandigheden de echte wereld kan gooien, software en robots moeten nog vele uitdagingen te overwinnen als ze op banen buiten de strak gecontroleerde omgevingen, zoals in de fabriek productielijnen te nemen.

Google’s zelfrijdende auto’s kunnen meer dan een miljoen mijl gereisd, bijvoorbeeld, maar ze nog steeds worstelen met scenario’s die de menselijke bestuurders zou kunnen nemen in hun stride.

“Het is vrij duidelijk dat AI op dit moment, met behulp van driverless auto’s als een voorbeeld, is niet op een niveau waar het volledig kan worden vertrouwd over te nemen”, zegt Sean Holden, universitair hoofddocent in Machine Learning in het Computer Laboratory van de Universiteit van Cambridge .

“Het maakt niet uit wat je leest door PR-afdelingen met diepe zakken, een AI kan niet op dit moment, als iemand staat aan de kant van een weg zwaaien met hun armen over, uit te werken of het nu iemand zegt hallo tegen hun vriend, en dus niets te met hen te doen, of iemand gebarend op om te stoppen. ”

Er is ook nog steeds een kloof tussen de mogelijkheden van robots en mensen als het gaat om bepaalde complexe fysieke taken die we voor lief nemen. Deze tekortkomingen waren zeer duidelijk op dit jaar DARPA Robotics Challenge waar veel bots niet om overeind te blijven. Robots ook worstelen met handmatige taken die we vinden eenvoudige, zoals plukken items uit magazijn rekken.

Google’s zelfrijdende auto. Google, maar Baidu’s Ng wijst erop dat de automatisering niet vereist dat de software in staat zijn om volledig te vervangen de mens, en merkt op dat het kan en waarschijnlijk zal worden gebruikt om het aandeel van het werk mens te verminderen. Hij geeft het voorbeeld van het ziekenhuis radiologen, een geschoolde baan, maar een die aanzienlijke hoeveelheden routine, repetitief werk gaat.

“Het is ook niet alleen over de volledige automatisering. Bijvoorbeeld, als 50 procent van het werk van een radioloog kan worden geautomatiseerd, dit zal prijsdruk op hun salarissen te zetten.”

In het geval van een vrachtwagen rijden, misschien geautomatiseerde voertuigen het grootste deel van de reis langs snelwegen, met de mens over te nemen van de laatste etappe van de tocht door de bebouwde kom te controleren. En taxichauffeurs kan zelfrijdende chauffeurs beperkt city routes die zijn goed in kaart gebracht en begrepen, zoals in Milton Keynes in Engeland zijn.

Andere machine intelligentie onderzoekers zijn meer bullish over de vooruitzichten voor AI-gestuurde automatisering, stellende dat de software zal snel meer gedaan worden als het duurt op nieuwe taken.

‘Het komt allemaal neer op machine learning. Het merendeel van de automatisering zal worden gedreven door software die leert uit eigen ervaring “, zegt Hod Lipson, hoogleraar Werktuigbouwkunde, Columbia University in New York.

“Zoals het leert, het beter wordt. Niet alleen dat specifieke exemplaar van de software wordt beter, maar alle instanties te leren van elkaars ervaringen. Dit compounding effect betekent dat er een enorme hefboomwerking.”

Lipson geeft het voorbeeld van een zelf-rijdende auto dat de “wijsheid” met andere exemplaren van dezelfde software in andere autonome voertuigen deelt.

“In een relatief korte tijd, zal de driverless auto AI opgebouwd hebben een miljard uur aan rijervaring – meer dan duizend menselijke levens Dat is moeilijk te verslaan En het is dezelfde situatie voor medische diagnostiek, strategische investeringen, landbouw, apotheek… de AI arts dat patiënten ziet, zal het al snel gezien hebben miljoenen patiënten en ondervinden bijna alle mogelijke soorten problemen – meer dan zelfs de meest ervaren arts zal zien in haar leven “.

Er is een andere, meer optimistische uitkomst van al deze automatisering. Dat bedrijven het zal gebruiken om te vergroten wat mensen kunnen doen, in plaats van vervangen of hun rol te beperken. In dit scenario mensen zijn bevrijd van de meer saai, rote aspecten van hun baan en in plaats daarvan richten op taken die creativiteit en andere kwaliteiten die worstelt met software.

Brynjolfsson praat over deze mogelijkheid, beschrijft het als “racen met machines”, in plaats van tegen hen.

De kracht van de mens-machine samenwerking werd keurig geïllustreerd in de Playchess.com toernooi in 2005. Twee amateur-spelers samen met aangepaste schaken software draait op een laptop om de wedstrijd te winnen, het verslaan van de menselijke grootmeesters en een supercomputer individueel werken.

Diezelfde complementaire relatie is de kern van het succes van de immens populaire ride-sharing en taxibedrijf Uber, zegt Teppo Felin, hoogleraar strategie op Oxford Said Business School. Uber maakt gebruik van een systeem dat bestuurders naar de dichtstbijzijnde passagiers, die hun rit met behulp van een smartphone app te roepen regisseert. Het systeem is gebaseerd op de mens aan de passagiers rijden, terwijl de bestuurders vertrouwen op het systeem om hen te begeleiden. Het is een goed voorbeeld van hoe mensen en machines samen meer dan individueel kunnen bereiken, zegt Felin. Uber: Een voorbeeld van mens en machine werken in samenwerking; Uber.

In weerwil van de verstoring heeft Uber toegebracht aan bestaande taxichauffeurs en het werk van de onderneming om zelf rijden auto’s te ontwikkelen, die de mens uit de vergelijking zou kunnen nemen op de lange termijn, Brynjolfsson zei het is een voorbeeld van de IT-creëren, in plaats van te vernietigen, werkgelegenheid.

Voor nu is het creëren van een hoop werk mogelijkheden. Dat is niet omdat de mensen nieuwe vaardigheden hebben geleerd, het was eerder omdat een groep van ondernemers bedacht een nieuw business model dat nieuwe manieren om het gebruik van bestaande vaardigheden gevonden.

“Op sommige plaatsen, zoals in San Francisco, zijn er veel meer Uber chauffeurs dan er ooit waren taxi en limo chauffeurs in elkaar gezet. Er is dus een netto toename in die categorie.”

Dat automatisering kan leiden tot positieve resultaten van deze soort is geenszins in strijd met het standpunt Brynjolfsson’s. Hij is niet het argument dat wijdverbreide werkloosheid en sociale onrust onvermijdelijk is, of dat de automatisering zal ‘s nachts gebeuren, in plaats van dat deze technologisch gedreven is aan het veranderen en de samenleving moeten worden voorbereid.

“Het is niet dat de totale vraag naar arbeid daalt, zo veel dat de vraag naar bepaalde soorten vaardigheden vallen en de vraag naar andere vaardigheden te vergroten en als we niet een goede wedstrijd in de economie, en als we niet nadenken over het en het ontwikkelen van onze instellingen correct, maar dan zul je verliezers en winnaars. ”

Een groot deel van die voorbereiding, zo betoogt hij, behelst de hervorming van het onderwijs – verder te kijken dan de Victoriaanse obsessies met lezen, schrijven en rekenen op het bevorderen van vaardigheden die lastig voor computers zijn, zoals als gedachten (het creëren van nieuwe ideeën), grote-kader patroonherkenning, en complexe communicatie – evenals waardoor het makkelijker voor mensen om te blijven leren hun hele leven.

Is de technologie klaar?

Niet allemaal kommer en kwel

Baidu’s Ng, stemt ermee in, en is van mening meer inspanningen moeten in het maken van het onderwijs te vinden op ‘s werelds beste universiteiten online beschikbaar worden gesteld – iets wat hij heeft verricht als de mede-oprichter van de open online cursus dienst Coursera.

“Ons onderwijssysteem is gewoon niet ingesteld op dit moment voor het krijgen van grote aantallen mensen aan niet-routinematige, creatief werk te doen. De top universiteiten in de wereld dit goed te doen, maar voor het grootste deel hebben we niet in staat om te geven geweest mensen dit type onderwijs op schaal, “zei hij.

Maar de hervorming van het onderwijs en door middel van Ivy League-onderwijs voor alle zijn niet ‘s nachts banen, en de Columbia University’s Lipson benadrukt het belang van aan de slag met deze vraagstukken van vandaag.

“Vaak vragen mensen me over de gevaren van AI, denken dat AI robots op een dag ‘te nemen over de hele wereld’. De waarheid is subtieler. Er zullen geen titanium robots marcheren in de straat en schieten mensen. Er zullen AI dat geleidelijk leert alles wat we doen. En als een machine bijna alles beter dan bijna iedereen kan doen, zullen onze sociale structuur begint te ontrafelen. En dat is iets wat we moeten voor te bereiden. ”

Video: 3 tips voor het huren van Millennials

Het grootste geheim in de sociale: Brand communities zijn overal

De smerigste kleine geheim over big data: Jobs

Het bouwen van een slimmere robot met diepe leren en nieuwe algoritmen