Het verliezen van banen aan technologie is niets nieuws. Sinds de industriële revolutie zijn rollen die ooit exclusief door mensen werden uitgevoerd langzaam maar zeker vervangen door een of andere vorm van geautomatiseerde machines. Zelfs in gevallen waarin de menselijke werker niet volledig wordt vervangen door een machine, hebben mensen geleerd om op een batterij machines te vertrouwen om meer te zijn efficiënt en accuraat.

A verslag van het programma van de Oxford Martin School over de gevolgen van de toekomstige technologie zei dat 47% van alle banen in de VS waarschijnlijk zal worden vervangen door geautomatiseerde systemen. Tot de banen die binnenkort door machines worden vervangen, behoren makelaars in onroerend goed, dierenveredelaars, belastingadviseurs, medewerkers voor gegevensinvoer, receptionisten en verschillende persoonlijke assistenten.

Maar u hoeft uw bureau nog niet in te pakken en over te dragen aan een computer, en in feite zullen banen die een bepaald niveau van sociale intelligentie en creativiteit vereisen zoals in het onderwijs, de gezondheidszorg, de kunst en de media waarschijnlijk blijven vraag van mensen, omdat dergelijke taken moeilijk te automatiseren blijven.

Leuk vinden of niet, we leven nu in een tijdperk waarin gedomineerd wordt kunstmatige intelligentie (AI). AI kan worden gezien als een verzameling technologieën die kunnen worden gebruikt om taken na te bootsen of zelfs te overtreffen die worden uitgevoerd door mensen die machines gebruiken.

We zullen het misschien niet eerst zien, maar we kunnen niet voorkomen dat we tegenkomen in een of meer systemen die een vorm van een AI-algoritme gebruiken in onze dagelijkse activiteiten - zoals zoeken naar wat informatie met behulp van Google, het kopen van een aanbevolen product op Amazon, of gezichten herkennen in een afbeelding die is geüpload naar Facebook.

Diepe leer

Recent doorbraken bij AI zijn grotendeels toe te schrijven aan een techniek die deep learning wordt genoemd. Machine learning is vaak bekend als machine learning of neuraal netwerken. Bij deep learning wordt een computermodel 'opgeleid' zodat objecten uit afbeeldingen kunnen worden herkend. De kracht van diepgaande op leer gebaseerde AI-systemen ligt in hun vermogen om automatisch te werken merkbare functies detecteren en gebruik ze om harde herkenningsproblemen op te lossen.

Hoewel mensen dergelijke herkenningstaken gemakkelijk bijna onbewust kunnen uitvoeren, is het vaak moeilijk voor een mens om de exacte procedure op een voldoende gedetailleerd niveau uit te leggen zodat het in een computer kan worden geprogrammeerd.

Bij diepgaand leren is dit allemaal veranderd. Nu kunnen op diepgaande leren gebaseerde AI-systemen de belangrijkste functies vinden het oplossen van moeilijke problemen waarvan men dacht dat ze alleen door mensen oplosbaar waren.

En als gevolg daarvan zullen mensen zich mentaal moeten voorbereiden op het feit dat sommige van onze banen zullen verloren gaan aan AI-systemen. Misschien moeten we in de nabije toekomst zelfs AI-systemen onze collega's of bazen noemen.

Maar ondanks het dieper liggende niveau van kennis dat onze computers snel zullen krijgen, hoeft het verlies van onze taken voor machines niet slecht te zijn. Verhuurmachines die het grootste deel van het werk doen, betekent dat mensen worden bevrijd van routinetaken, dat computers beter presteren met hogere nauwkeurigheidsniveaus, zoals rijdende auto's.

Dit moet mensen in staat stellen om te denken als mensen in plaats van machines. Het zal ook tijd en energie vrijmaken voor mensen om deel te nemen aan meer creatieve en intellectueel stimulerende activiteiten, mogelijk bijgestaan ​​door AI.

Emotionele intelligentie

AI-systemen zijn al veel te ingewikkeld geworden voor de gemiddelde persoon om het te begrijpen, laat staan ​​te repareren, dus er zullen nieuwe rollen worden gecreëerd die mensen nodig hebben die als tussenpersoon tussen computers en mensen kunnen fungeren.

Vergelijkbaar met beroepen zoals geneeskunde of wetgeving, waar professionals met gespecialiseerde vaardigheden technische details voor alledaagse mensen moeten interpreteren, hebben we professionals nodig die de taal van AI spreken. Deze professionals kunnen variëren in hun vaardigheden en zullen waarschijnlijk bestaan ​​uit softwareontwikkelaars, computerwetenschappers en data scientists.

Maar ethische kwesties die voortkomen uit menselijke en AI-co-werkomgevingen zijn een echte zorg. Het is één ding om een ​​gezicht verkeerd herkend te krijgen in een afbeelding geüpload naar Facebook, maar een heel andere zaak als kanker verkeerd gediagnosticeerd wordt door een AI, wat heel gemakkelijk zou kunnen gebeuren. Tenslotte maken computers fouten, net zoals mensen dat doen.

Hoewel AI-gebaseerde systemen op veel gebieden slimmer worden dan mensen, zijn deze systemen dat wel verre van perfect en het is onwaarschijnlijk dat ze ooit perfect zullen zijn gezien de onvoorspelbare leermechanismen die ze gebruiken.

Dat gezegd hebbende, het zijn waarschijnlijk de sociale en culturele veranderingen die de echte uitdaging zullen zijn, in plaats van de technische uitdaging van AI zelf. Dus terwijl robots onze taken overnemen, kan het een goede zaak zijn, maar de tijd zal leren of we klaar zijn om ze als onze collega's te accepteren.

Over de auteur

Danushka Bollegala, hoofddocent bij de afdeling Informatica, Universiteit van Liverpool. zijn onderzoeksinteresses zijn Kunstmatige Intelligentie, Computationele Taalkunde en Webmining. Ik heb gewerkt aan verschillende onderwerpen die verband houden met bovenstaande velden, zoals het meten van semantische en relationele gelijkenis van webgegevens, domeinaanpassing, sentimentanalyse, sociale media, disambiguering van persoonlijke namen, extractie van naamalias en informatievergaring bij samenvatten van meerdere documenten.

Dit artikel is oorspronkelijk gepubliceerd op The Conversation. Lees de originele artikel.

Verwante Boeken

at InnerSelf Market en Amazon