شغل هایی که علم هوش مصنوعی ایجاد میکند

شغل هایی که علم هوش مصنوعی ایجاد میکند

تهدیدهای امروزه ناشی از گسترش اتوماسیون و حذف مشاغل مختلف به خوبی قابل شناسایی هستند. با پیچیده‌تر شدن سیستم‎های مجهز به هوش مصنوعی، به‌طور قطع موج جدیدی از جابه‌جایی‎های شغلی قابل پیش‌بینی خواهد بود. این یک تصویر اضطراب‌آور است! اما در این میان موضوعی مهم همواره نادیده گرفته شده است: ظهور بسیاری از مشاغل جدید که هیچ شباهتی به مشاغل امروزی ندارند.

موسسه Accenture در بررسی بیش از هزار شرکت بزرگ که در حال حاضر از سیستم‌های یادگیری ماشینی و هوش مصنوعی به صورت رسمی یا آزمایشی بهره‎برداری می‌کنند، ظهور مشاغل جدید و منحصربه‌فردی را پیش‌بینی کرده است. این نقش‌های سازمانی جایگزین مسوولیت‌های قدیمی نمی‌شوند. بدیع هستند و مستلزم مهارت‌ها و یادگیری‌هایی که سابقه‌ای ندارند.به‌طور خاص، پژوهش‌های انجام شده سه طبقه‌بندی جدید از کسب‌وکارهای مبتنی برهوش مصنوعی و مشاغل مرتبط با فناوری را شناسایی کرده‌اند. این طبقه‌بندی‌ها تحت عنوان مشاغل مربیگری، مشاغل تشریح‌کننده و مشاغل نگه‌دارنده نام‌گذاری شده‌اند. انسان‌ها در این مسوولیت‌های جدید به عنوان مکملی برای وظایف انجام شده توسط فناوری‌های شناختی معرفی می‌شوند و به این ترتیب از اثرگذاری و مسوولیت‌پذیری ماشین‌ها اطمینان حاصل خواهد شد.

مربیان

اولین گروه از طبقه‌بندی مشاغل جدید مستلزم بهره‌برداری از نیروی انسانی به‌منظور آموزش سیستم‌های هوش مصنوعی است (شامل مربی ارزیابی لحن صدای مشتری یا مربی تحلیل نگرش‌های جهانی و فرهنگی). در یک سر این طیف، مربیان وظیفه کاهش اشتباهات پردازنده زبان طبیعی و مترجمان زبان را بر عهده خواهند داشت. در سوی دیگر طیف، الگوریتم‌های هوش مصنوعی نحوه تقلید رفتارهای انسانی را فرا خواهند گرفت.برای مثال، روبات‌های خدمات مشتریان باید نحوه شناسایی پیچیدگی‌ها و ظرافت‌های موجود در ارتباطات انسانی را بیاموزند. شرکت یاهو، در تلاش است به سیستم‌های پردازش زبانی خود یاد دهد که منظور افراد از جملات ادا شده همیشه با معنای واقعی کلمه یکسان نیست. تاکنون، مهندسان یاهو الگوریتمی را طراحی کرده‌اند که از توانایی شناسایی عبارات طعنه‌آمیز در شبکه‌های اجتماعی و وب‌سایت‌ها برخوردار است (با دقت نزدیک به ۸۰ درصد).

شغلی را تحت عنوان «مربی همدلی» تصور کنید؛ افرادی که صمیمیت را به سیستم‌های هوش مصنوعی آموزش می‌دهند. استارت‌آپ آمریکایی Kemoko یک سیستم یادگیری ماشینی را توسعه داده است که می‌تواند به دستیاران دیجیتالی نظیر Siri یا Alexa در زمینه ابراز همدلی با کاربر کمک کند. انسان‌ها هم‌اکنون سرگرم این هستند که به الگوریتم‌ها یاد دهند با کاربری که چمدان خود را گم کرده‌ است، با صمیمیت بیشتری تعامل داشته باشند یا در زمینه کیفیت پایین محصولی که کاربری قصد خرید آن را دارد او را راهنمایی کنند یا در خصوص معیوب بودن کابل‌های تلفن به‌رغم تلاش‌های مکرر برای تعمیر، کاربر را راهنمایی کنند. هدف از این کار کمک به سیستم‌های مذکور برای کسب توانایی تعامل با کاربران در خصوص مشکل پیش آمده است. احتمالا چنین گفت‌وگویی سطح قابل قبولی از درک و محبت و شاید کمی شوخی داشته باشد.هنگامی که الگوریتم پاسخ نامناسبی می‎دهد، مربی در اصلاح اشتباه پیش آمده به سیستم کمک می‎کند و در گذر زمان الگوریتم یادگیری ماشینی در تشخیص بهترین پاسخ، مهارت قابل توجهی به دست می‌آورد. در غیاب این مربی ممکن است Alexa به عصبانیت کاربر پاسخ‌های تکراری دهد. با آموزش مناسب Alexa می‌تواند به دستیاری مجرب تبدیل شود.

نقش تشریح‌کننده

دومین طبقه‌بندی از مشاغل، شکاف میان تکنولوژیست‌ها و رهبران کسب‌وکار را از میان خواهند برداشت. این گروه که نقش تشریح کننده دارد، طراح زمینه، تحلیلگر شفافیت کلام، استراتژیست بهره‌برداری از سیستم هوشمند و… را دربرمی‌گیرد که شفافیت هر چه بیشتر را برای سیستم‌های مذکور به ارمغان می‌آورند. بسیاری از مدیران ارشد اجرایی با جعبه سیاه الگوریتم‌های پیچیده یادگیری ماشینی چندان آشنا نیستند، به‌خصوص زمانی که سیستم‌ها اقدامات و راه‌حل‌هایی را پیشنهاد می‌کنند که از نظر مدیران ارشد، در نقطه مقابل خرد متعارف قرار گرفته‌اند. در واقع، دولت‌ها از هم‌اکنون اقدام به قانون‌گذاری‌های جدید در این زمینه کرده‌اند. برای مثال، قانون جدید اتحادیه اروپا تحت عنوان «مقررات حفاظت از اطلاعات عمومی» که از سال ۲۰۱۸ اجرا خواهد شد به‌طور جدی «حق تشریح» را به‌منظور فراهم کردن امکان طرح شکایت و پیگیری آن‌دسته از پاسخ‌های الگوریتم‌ها که بر کیفیت زندگی مصرف‌کنندگان تاثیر داشته‌اند، ارائه خواهد کرد.شرکت‌هایی که از سیستم‌های هوشمند پیشرفته استفاده می‌کنند به کادری از کارکنان نیاز خواهند داشت که از مهارت‌های تشریح ساختار داخلی الگوریتم‌های پیچیده به متخصصان غیرفنی برخوردار هستند. هنگامی که یک سیستم اشتباهی مرتکب می‌شود یا تصمیمات آن به پیامدهای منفی ناخواسته منتهی می‌شوند، تحلیلگر باید بتواند با کالبدشکافی رویداد مورد نظر، دلایل این رفتار را به‌منظور اصلاح آن ریشه‌یابی و درک کند. تشریح انواع خاصی از الگوریتم‌ها نظیر درخت‌های تصمیم نسبتا ساده است. سایر الگوریتم‎ها مانند روبات‌های یادگیری ماشینی پیچیده‌تر هستند. با این وجود، تحلیلگر باید از آموزش‌های مناسب و مهارت‌های کافی برای کالبدشکافی موضوع و ارائه نتایج دقیق برخوردار باشد.

نقش‌ محافظت‌کننده

آخرین دسته از مشاغل جدید محافظت‌کننده (نظیر تحلیلگر اخلاق و هنجارهای اتوماسیون، تحلیلگر اقتصاد اتوماسیون، مدیر ارتباط با ماشین) هستند که از عملکرد درست سیستم‌ها اطمینان حاصل می‌کنند و از پیگیری مناسب پیامدهای ناخواسته آنها مطمئن می‌شوند. بررسی‌ها نشان می‌دهد کمتر از یک سوم شرکت‌ها از قابلیت اطمینان سیستم‌های هوش مصنوعی خود اطمینان دارند. نیمی از این شرکت‌ها از ایمنی سیستم‌های مورد استفاده خود مطمئن هستند. به‌طور روشن باید گفت این آمار و ارقام نشان‌دهنده مسائلی اساسی است که باید جهت بهره‎برداری مستمر از فناوری‌های هوش مصنوعی حل‌وفصل شوند. در این میان محافظت‌کنندگان نقش قابل توجهی ایفا می‌کنند.یکی از مهم‌ترین پست‌های سازمانی در این طبقه‎بندی «مدیر انطباق اخلاقی» خواهد بود. افرادی که در قالب این مسوولیت فعالیت می‌کنند به عنوان ناظر رعایت هنجارها و ارزش‌های اخلاقی و انسانی در نظر گرفته می‌شوند؛ برای نمونه هنگامی که سیستمی هوشمند برای تایید اعتبار افراد در حرفه‎های خاص یا مناطق جغرافیایی مختلف، تصمیمات تبعیض‌آمیز اتخاذ می‌کند. این گروه از مدیران با تحلیلگران سیستم‌ها برای روشن کردن دلایل چنین نتایجی همکاری می‌کنند و سپس اصلاحات لازم را پیاده‌سازی می‌کنند.

در آینده، سیستم‌های هوش مصنوعی مستقل عمل خواهند کرد. محققان یک نمونه اولیه با نام Quixote طراحی کرده‌اند که می‌تواند با مطالعه متون و داستان‌های ساده درباره اخلاقیات بیاموزند. این سیستم می‌تواند با مطالعه داستان‎ و ارزیابی ارزش‎های انسانی در نهایت چگونگی ارتباط انسان‌ها با یکدیگر را درک کند. Quixote آموخته است که چرا دزدی ایده خوبی نیست و اینکه تلاش برای افزایش کارآیی کار خوبی است، مگر اینکه با سایر ملاحظات مهم در تعارض باشد. اما حتی با وجود چنین نوآوری‎هایی، مدیران انطباق اخلاقی نقش چشمگیری در نظارت و کمک به کسب اطمینان از عملکرد مناسب سیستم‎های پیشرفته ایفا خواهند کرد.انواع مختلفی از مشاغل که در مقاله حاضر مطرح شده است به‌طور بی‎سابقه‎ای در صنایع مختلف مورد نیاز خواهند بود. این تغییر بزرگ، فشار بسیار زیادی بر تصمیمات آموزشی و توسعه سازمان‌ها وارد خواهد کرد. علاوه‌بر این، در این صورت فرضیات بسیاری که تاکنون در خصوص الزامات استفاده از روش‎های آموزشی قدیمی برای نقش‌های تخصصی در سازمان‎ها مطرح شده‌اند، زیر سوال خواهند رفت.

برای مثال مربیان همدلی به مدرک دانشگاهی نیاز نخواهند داشت. افرادی که دارای مدرک دیپلم هستند و به صورت ذاتی از حس همدلی و صمیمیت بالا (مشخصه‌ای قابل سنجش) برخوردار باشند، بهترین گزینه برای پست مربیگری خواهند بود. در واقع، تاثیر نقش‎های جدید احتمالا نیاز به حضور کارمندان «بدون یقه» (دسته‌بندی تازه‌ای در کنار کارکنان یقه سفید و یقه آبی که به نیروی کار بااستعداد و فوق‌العاده شایسته، اما بدون شغل اشاره دارد) و جایگزین شدن آنان با کارکنان «یقه آبی» در تخصص‎هایی مثل تولید را پررنگ‌تر خواهد کرد. اما زمان و نحوه آموزش این گروه از کارکنان همچنان پرسش‌های بازی هستند که پاسخ آنها را باید در فرآیندهای یادگیری و عملیات توسعه سازمان‌ها جست‌وجو کرد. از سوی دیگر تعدادی از مشاغل جدید به مدارک عالی آکادمیک و مجموعه‌ای از مهارت‌های تخصصی نیاز خواهد داشت. بنابراین، سازمان‌ها باید بخشی از نیروی انسانی خود را برای پذیرش نقش‌های «بدون یقه» آموزش دهند یا فرآیندهای جذب در واحد مدیریت منابع انسانی را برای جذب این گروه از افراد مورد بازبینی قرار دهند. در مقابل، بخشی از کارکنان حرفه‌ای و دارای تحصیلات عالی در سازمان نیز باید به‌دلیل نیاز آتی سازمان به مهارت‌ها و استعدادهای آنان به خوبی حفظ شوند. با وجود بسیاری از تحولات تکنولوژیک، چالش عمده در این حوزه بیش از آنکه جنبه‌ای فنی داشته باشد، جنبه انسانی به خود گرفته است.

منبع : http://donya-e-eqtesad.com/%D8%A8%D8%AE%D8%B4-%D9%85%D8%AF%DB%8C%D8%B1%D8%A7%D9%86-24/3309811-%D9%85%D8%B4%D8%A7%D8%BA%D9%84%DB%8C-%DA%A9%D9%87-%D9%87%D9%88%D8%B4-%D9%85%D8%B5%D9%86%D9%88%D8%B9%DB%8C-%D9%85%DB%8C-%D8%A2%D9%81%D8%B1%DB%8C%D9%86%D8%AF