“چرا ما مردم را استخدام کنیم؟” کارشناسان در مورد پنج روشی که هوش مصنوعی کار را تغییر می دهد | استخدام

مندر سال 1965، هربرت سایمون، دانشمند علوم سیاسی و برنده جایزه نوبل، اعلام کرد: «ماشین‌ها ظرف 20 سال قادر خواهند بود هر کاری را که انسان می‌تواند انجام دهد، انجام دهد.» امروزه، در آنچه که به طور فزاینده ای از آن به عنوان انقلاب صنعتی چهارم یاد می شود، ورود هوش مصنوعی (AI) به محیط کار نگرانی های مشابهی را برانگیخته است.

قانون آتی هوش مصنوعی پارلمان اروپا احتمالاً استفاده از هوش مصنوعی در آموزش، اجرای قانون و مدیریت کارگران را “پرخطر” می داند. جفری هینتون، معروف به «پدرخوانده هوش مصنوعی» اخیراً به دلیل نگرانی در مورد تأثیر این فناوری بر بازار کار، از سمت خود در گوگل استعفا داد. و در اوایل ماه می، اعضای اعتصابی انجمن نویسندگان آمریکا به مدیران قول دادند: “هوش مصنوعی قبل از اینکه جایگزین ما شود، جایگزین شما خواهد شد.”

با این حال، به گفته فیلیپ تور، استاد علوم مهندسی در دانشگاه آکسفورد، خطاپذیری ابزارهای هوش مصنوعی – که نه بر اساس احساسات، بلکه توسط داده ها و الگوریتم ها هدایت می شود – به این معنی است که حضور انسان در محل کار ضروری باقی خواهد ماند.

تور می‌گوید: «انقلاب‌های صنعتی در گذشته معمولاً منجر به اشتغال بیشتر شده است، نه کمتر. “من فکر می کنم که ما شاهد تغییر انواع مشاغل خواهیم بود، اما این فقط یک پیشرفت طبیعی است.”

Torr، محقق برنده جایزه در موسسه آلن تورینگ در لندن، تأثیر مدل‌های زبان بزرگ (LLM) مانند ChatGPT را با ظهور واژه‌پرداز مقایسه می‌کند: ابزاری بسیار مفید که اساساً روش کار ما را تغییر می‌دهد.

او به طور کلی خوش بین است که انسان ها می توانند در کنار چنین فناوری هایی همزیستی سازنده داشته باشند – و او در این دیدگاه تنها نیست. بسیاری از کارشناسان این حوزه بر این باورند که با آموزش و قانون گذاری صحیح، اتوماسیون می تواند تأثیر مثبتی بر محیط کار داشته باشد.

البته کسانی هستند که آینده تاریک تری را پیش بینی می کنند که در آن کارگران توسط الگوریتم ها ارزیابی می شوند و با اتوماسیون جایگزین می شوند. اما یک حوزه وسیع از اجماع وجود دارد: خوب یا بد، تعداد فزاینده ای از صنایع احتمالاً به طور دائمی و ساختاری با راهپیمایی هوش مصنوعی تغییر خواهند کرد.

مراقبت های بهداشتی

Torr می‌گوید: تا کنون، استفاده از هوش مصنوعی در پزشکی بر روی اسکن‌های MRI، اشعه ایکس و شناسایی تومورها متمرکز بوده است. تحقیقات همچنین در مورد تشخیص زوال عقل از طریق گوشی هوشمند در حال انجام است. اپلیکیشن‌ها می‌توانند مدت زمانی را که کاربر برای انجام یک کار معمولی مانند یافتن یک مخاطب طول می‌کشد، ردیابی کند و افزایش این زمان را به‌عنوان نشانه‌ای احتمالی از سندرم علامت‌گذاری کند.

هر یک از این برنامه ها می تواند در وقت ارزشمند پزشکان و سایر کادر پزشکی صرفه جویی کند. با این حال، Torr می‌گوید در آینده LLM بیشترین تأثیر را برای بیماران و پزشکان خواهد داشت.

او مثال می‌آورد که به یک بیمارستان رسیده‌ایم، به مجموعه‌ای از سؤال‌ها پاسخ می‌دهیم و سپس به اتاق دیگری منتقل می‌شویم تا از او سؤالات مشابهی پرسیده شود. او توضیح می دهد که در عوض، پاسخ ها را می توان از طریق یک برنامه مبتنی بر هوش مصنوعی ثبت کرد، که سپس اطلاعات هر بیمار را به کارکنان مربوطه منتقل می کند.

با این حال، تور اذعان می‌کند که علی‌رغم کارآمدی آن، تشخیص با الگوریتم – یا در واقع جراحی خودکار، که او همچنین تصور می‌کند یک پیشرفت محتمل است – ممکن است در بین بیماران محبوب نباشد. او می‌گوید: «می‌توانید تصور کنید که یک فروشنده رباتیک بسازید. “اما مردم هنوز هم دوست دارند چیز واقعی را ببینند.”

با این حال، جایی که این فناوری می تواند بیشتر مورد استقبال قرار گیرد، در میان برنامه ریزان مرکزی خدمات سلامت است. با وجود سازمان‌های بزرگ و پیچیده برای اجرا و رسیدن به اهداف، می‌توان به کمک هوش مصنوعی برنامه‌ها و برنامه‌هایی را برای کاهش فشارهای فزاینده‌ای که خدمات پزشکی در سرتاسر جهان با آن مواجه است، کمک کرد.

تحصیلات

هوش مصنوعی در حال حاضر در مدارس، کالج ها و دانشگاه ها استفاده می شود، البته به روش های محدود. با این حال، همانطور که اتوماسیون راه خود را بیشتر به کلاس درس باز می کند، رز لاکین، استاد طراحی یادگیرنده محور در آزمایشگاه دانش دانشگاه کالج لندن، می گوید که انتخاب هایی که اکنون انجام می دهیم تأثیر آینده آن را تعیین می کند.

او می‌گوید: «نسخه‌ای دیستوپیایی وجود دارد که در آن شما خیلی چیزها را به هوش مصنوعی واگذار می‌کنید. و شما در نهایت با یک سیستم آموزشی بسیار ارزان تر مواجه می شوید که در آن بخش زیادی از تحویل توسط سیستم های هوش مصنوعی انجام می شود.

در این آینده، معلمانی که در رتبه‌بندی و برنامه‌ریزی درسی توسط LLM کمک می‌کنند، زمان بسیار مورد نیاز بیشتری برای تمرکز بر سایر عناصر کار خود خواهند داشت. با این حال، در تلاش برای کاهش هزینه‌ها، «تدریس» درس‌ها می‌تواند به ماشین‌ها نیز محول شود و تعامل انسانی را از معلمان و دانش‌آموزان سلب کند.

لاکین می‌گوید: «البته، این برای دانش‌آموزان کم‌تر خواهد بود. دانش‌آموزان ثروتمندتر، در کنار برخی هوش مصنوعی ادغام شده بسیار هوشمندانه، همچنان تعاملات انسانی دوست‌داشتنی زیادی خواهند داشت.

لاکین در عوض از آینده‌ای دفاع می‌کند که در آن فناوری بار کاری معلمان را کاهش می‌دهد، اما مراقبت‌های شبانی آنها را مختل نمی‌کند – یا به طور نامتناسبی بر دانش‌آموزان مناطق فقیرتر تأثیر نمی‌گذارد. او می‌گوید: «این تعامل انسانی چیزی است که باید گرامی داشته شود، نه اینکه دور انداخته شود.

مراکز تماس

مراکز تماس که به دلیل جابجایی بالای کارکنان خود شناخته می شوند، اغلب محیط های پر استرسی هستند که در آن کارکنان بیشتر روز خود را صرف آرام کردن مشتریان عصبانی می کنند. به همین دلیل، پیتر مانتلو، استاد رسانه و سیاست سایبری در دانشگاه Ritsumeikan آسیا پاسیفیک توضیح می‌دهد که این مراکز به طور فزاینده‌ای تبدیل به خانه محبوبی برای آنچه به عنوان هوش مصنوعی احساسی شناخته می‌شود، خواهند شد.

با استفاده از تشخیص صدا، چنین ابزارهایی به کارکنان و مدیران این امکان را می دهند تا وضعیت عاطفی مشتریان و کارکنان خود را بسنجند. این بدان معناست که کارکنان بهتر می توانند به تماس گیرندگان کمک کنند و مدیران می توانند بهتر از کارکنان مراقبت کنند. با این حال، Mantello هشدار می دهد که این فناوری نیز نوعی نظارت است.

او می گوید: «نظارت در مورد کنترل اجتماعی و شکل دادن به رفتار مردم است. و بنابراین در محل کار، این ایده مثبت، معتبر و شاد بودن بیشتر و بیشتر با بهره‌وری مرتبط می‌شود.»

نگرانی‌های Mantello از این احتمال ناشی می‌شود که داده‌هایی که هوش مصنوعی تولید می‌کند می‌تواند توسط صاحبان قدرت مورد سوء استفاده قرار گیرد، برای مثال توسط مدیری که از داده‌هایی استفاده می‌کند که بهره‌وری ضعیف را نشان می‌دهد تا کارگری را که دوست ندارند اخراج کند، یا قضاوتی کاملاً آماری در مورد ارزش یک فرد انجام دهد.

رشد چنین فناوری برای کسانی که در سایر بخش‌ها کار می‌کنند نیز پیامدهایی دارد. از روابط عمومی گرفته تا بارتنینگ، ارائه یک رفتار مثبت مدت‌هاست که بخشی از نقش‌های خاصی بوده است، اما منتل می‌گوید: «من فکر می‌کنم که ما شاهد نقش مهم‌تری در ایجاد یا سنجش ایده یک کارگر خوب خواهیم بود. ”

کشاورزی

به گفته رابرت اسپارو، استاد فلسفه در موسسه آینده داده های دانشگاه موناش در استرالیا، بسیاری از مناطق کشاورزی در برابر افزایش اتوماسیون مقاوم هستند. در حالی که کشاورزان در حال حاضر از کاربرد هوش مصنوعی در پیش‌بینی آب و هوا و مدل‌سازی آفات و بیماری‌ها سود می‌برند، او می‌گوید که برای اینکه این فناوری باعث اختلال واقعی شود، باید پیشرفت قابل توجهی در رباتیک وجود داشته باشد.

او می‌گوید: «می‌توانم از ChatGPT برای نوشتن مقالات بهتری نسبت به بسیاری از دانش‌آموزانم استفاده کنم. اما اگر از یک ربات بخواهید وارد این اتاق شود و سبد کاغذ باطله را خالی کند یا برای من یک فنجان قهوه درست کند، به سادگی نمی‌توانست این کار را انجام دهد.

او معتقد است که این فقدان مهارت و ناتوانی در کنار آمدن با فضاها یا وظایف غیرقابل پیش بینی، همراه با هزینه چنین فناوری، باعث می شود ربات ها در آینده نزدیک جایگزین کارگران کشاورزی نشوند.

با این حال، اسپارو کشاورزی را به عنوان یک صنعت پیشرو تکنولوژیکی توصیف می کند. غذا اغلب در سراسر جهان سفر می‌کند تا به مصرف‌کنندگان برسد، و اسپارو لجستیک را به عنوان عنصری از کشاورزی توصیف می‌کند که در آن هوش مصنوعی پتانسیل واقعی برای افزایش کارایی دارد – اگرچه این بدون خطر برای کارگران انسانی نخواهد بود.

همه افرادی که در حال حاضر برای تعیین اینکه کدام پالت ها باید با کدام کامیون سوار شوند، برای رسیدن به کدام کشتی و به موقع به بازار کار می کنند – اگر همه آنها شغل خود را به دلیل پیشرفت در هوش مصنوعی از دست بدهند، اصلاً واضح نیست که آنها این کار را انجام دهند. او می‌گوید: در جای دیگری شغل پیدا کنید.

نظامی

اسپارو می‌گوید سرمایه‌گذاری نظامی در هوش مصنوعی زیاد است و این باور که آینده جنگ را هدایت می‌کند، رایج است. با این حال، با وجود معرفی پهپادها، تانک ها و زیردریایی های نیمه خودمختار، این فناوری کمتر از آنچه تصور می شود مورد استفاده قرار می گیرد.

با این حال، این احتمالاً تغییر خواهد کرد – به ویژه برای کسانی که در دریا یا هوا خدمت می کنند. او می‌گوید: «من تنها نیستم که فکر می‌کنم در آینده، انسان‌ها نمی‌توانند از جنگ هوایی جان سالم به در ببرند. پرواز بدون خلبان می‌تواند سبک‌تر، سریع‌تر، مانورپذیرتر و همچنین هزینه‌برتر باشد.

اسپارو همچنین معتقد است که دستورات در نهایت می تواند توسط هوش مصنوعی به جای افسران ارشد ارائه شود. اگرچه انسان‌ها همچنان در تصمیم‌گیری درگیر می‌شوند، اما احتمال سوگیری اتوماسیون – تمایل انسان به سرسپردگی به ماشین‌ها – نگرانی‌هایی را ایجاد می‌کند.

او گردانی را مثال می‌زند که توسط یک ژنرال هوش مصنوعی به آتش سنگین دشمن فرستاده شده است – کاری که او اذعان می‌کند که ژنرال‌های انسانی نیز ممکن است به انجام آن نیاز داشته باشند. او می‌گوید: «می‌دانی که این افراد کشته می‌شوند، اما اگر ماشینی دستور بدهد، سخت‌تر می‌توان آن‌ها را گرفت.»

جنگ‌های خودمختار که از راه دور انجام می‌شود نیز می‌تواند به تغییراتی در فرهنگ نظامی و نحوه درک کار در این بخش منجر شود. در حالی که ویژگی هایی مانند شجاعت، رحمت و شفقت اغلب به سربازان نسبت داده می شود، اسپارو می گوید که نبرد مبتنی بر هوش مصنوعی حفظ این توهمات را بسیار دشوار می کند.

به غیر از تغییرات در افکار عمومی، نکات مثبت حذف پرسنل نظامی از خطرات جنگ مستقیم واضح است. با این حال، اسپارو هنوز نگران آینده‌ای است که در آن انسان‌ها نقش کمتری نسبت به فناوری در جنگ دارند و معتقد است که سیستم‌های تسلیحات خودکار روزی می‌توانند انسان‌ها را به جنگ بکشانند.

او به طور مشابه در مورد آینده هوش مصنوعی در تمام محیط های کاری تردید دارد. او می‌گوید: «این ایده که این ابزارها هسته اصلی کار را دست نخورده باقی می‌گذارند، اغلب یک طرح بازاریابی است. “اگر این فناوری واقعاً بهتر از یک فرد در این نقش است، چرا ما افراد را استخدام کنیم؟”