هوش مصنوعی ممکن است برخی مشاغل را تهدید کند، اما به احتمال زیاد دستیار شخصی ما خواهد شد

BT اخیراً اعلام کرد که 55000 کارمند خود را تعدیل خواهد کرد که حدود 11000 نفر از آنها مربوط به استفاده از هوش مصنوعی (AI) است. بقیه بریدگی‌ها به دلیل کارایی تجاری است، مانند جایگزینی کابل‌های مسی با جایگزین‌های فیبر نوری قابل اعتمادتر.

سؤال هوش مصنوعی سؤالاتی را در مورد تأثیر آن بر اقتصاد گسترده تر ایجاد می کند: کدام مشاغل بیشتر تحت تأثیر این فناوری قرار می گیرند، این تغییرات چگونه رخ می دهد و این تغییرات چگونه احساس می شود؟

توسعه فناوری و تأثیر مرتبط با آن بر امنیت شغلی از زمان انقلاب صنعتی یک موضوع تکراری بوده است. در حالی که مکانیزاسیون زمانی دلیلی برای نگرانی در مورد از دست دادن شغل بود، امروزه الگوریتم‌های هوش مصنوعی توانمندتر هستند. اما برای بسیاری از یا بیشتر دسته های شغلی، حفظ افراد برای آینده قابل پیش بینی حیاتی خواهد بود. فناوری پشت این انقلاب در حال انجام در درجه اول چیزی است که به عنوان یک مدل زبان بزرگ (LLM) شناخته می شود، که قادر به تولید پاسخ های منطقی شبیه انسان به سوالات است. این مبنایی برای ChatGPT OpenAI، سیستم Bard گوگل و هوش مصنوعی Bing مایکروسافت است.

این همان چیزی است که شبکه‌های عصبی به آن می‌پردازند: سیستم‌های محاسباتی ریاضی که تقریباً بر اساس روش شلیک سلول‌های عصبی (نورون‌ها) در مغز انسان مدل‌سازی شده‌اند. این شبکه‌های عصبی پیچیده بر روی متن آموزش داده می‌شوند یا با آن آشنا می‌شوند که اغلب از اینترنت سرچشمه می‌گیرند.

فرآیند یادگیری به کاربر اجازه می‌دهد تا سؤالی را به زبان مکالمه بپرسد و الگوریتم سؤال را به اجزاء تقسیم می‌کند. سپس این مؤلفه ها برای ایجاد پاسخ مناسب برای سؤال مورد نظر پردازش می شوند.

نتیجه سیستمی است که قادر است برای هر سوالی که پرسیده می شود، پاسخ های منطقی ارائه دهد. پیامدها بسیار گسترده تر از آن چیزی است که ممکن است به نظر برسد.

افراد در حلقه

همانطور که ناوبری GPS می تواند جایگزین نیاز راننده به دانستن مسیر شود، هوش مصنوعی به کارگران این امکان را می دهد تا بدون نیاز به جستجو در گوگل، تمام اطلاعات مورد نیاز خود را در دسترس داشته باشند.

این به طور موثر افراد را از حلقه خارج می کند، به این معنی که هر موقعیتی که شغل یک فرد شامل جستجوی یک شی و ایجاد ارتباط بین آنها باشد، می تواند در معرض خطر باشد. واضح ترین مثال در اینجا مشاغل مرکز تماس است.

با این حال، ممکن است اعضای جامعه نپذیرند که هوش مصنوعی مشکلات خود را حل کند، حتی اگر زمان انتظار تماس بسیار کوتاهتر شود.

هر کار دستی خطر جایگزینی بسیار کمی دارد. اگرچه روباتیک به طور فزاینده ای توانمند و ماهر می شود، اما در یک محیط بسیار محدود عمل می کند. متکی به حسگرهایی است که اطلاعاتی در مورد جهان ارائه می دهند و سپس بر اساس آن داده های ناقص تصمیم می گیرند.

هوش مصنوعی هنوز برای این فضای کاری آماده نیست، جهان مکانی آشفته و نامطمئن است که در آن انسان های سازگار برتری می یابند. لوله کش ها، برق کاران و مشاغل پیچیده تولیدی – مانند خودروسازی یا هواپیما – در درازمدت با رقابت کمی روبرو هستند یا هیچ رقابتی ندارند.

با این حال، تأثیر واقعی هوش مصنوعی احتمالاً از نظر صرفه جویی در بهره وری به جای جایگزینی کامل شغل احساس می شود. این فناوری احتمالاً به عنوان یک دستیار انسانی به سرعت کاربرد پیدا می کند. این در حال حاضر اتفاق می افتد، به خصوص در زمینه هایی مانند توسعه نرم افزار.

به جای استفاده از Google برای کشف نحوه نوشتن کد خاص، بسیار کارآمدتر است که از ChatGPT بپرسید. راه حلی که بازگردانده می شود می تواند دقیقاً مطابق با نیازهای فرد تنظیم شود، به طور کارآمد و بدون جزئیات غیر ضروری تحویل داده شود.

سیستم های حیاتی ایمنی

با تبدیل شدن ابزارهای هوش مصنوعی آینده به دستیاران هوشمند واقعی، این نوع برنامه‌ها رایج‌تر خواهند شد. اینکه شرکت ها از این بهانه ای برای کاهش نیروی کار خود استفاده کنند یا خیر، بستگی به حجم کاری آنها دارد.

از آنجایی که بریتانیا از کمبود فارغ التحصیلان بنیادی (علوم، فناوری، مهندسی و ریاضیات) به ویژه در رشته هایی مانند مهندسی رنج می برد، بعید است که در این زمینه از دست دادن شغل وجود داشته باشد، فقط یک روش کارآمدتر برای مقابله با شرایط فعلی. حجم کار

این به کارکنان بستگی دارد که از فرصت‌هایی که فناوری فراهم می‌کند حداکثر استفاده را ببرند. به طور طبیعی، همیشه شک و تردید وجود خواهد داشت و پذیرش هوش مصنوعی در توسعه سیستم‌های حیاتی ایمنی مانند پزشکی زمان زیادی را می‌طلبد. این به این دلیل است که اعتماد به توسعه‌دهنده کلیدی است و ساده‌ترین راه توسعه آن، داشتن یک انسان در قلب فرآیند است.

این بسیار مهم است زیرا این LLM ها با استفاده از اینترنت آموزش داده می شوند، بنابراین تعصبات و خطاها در آن ایجاد می شود. آنها می توانند به طور تصادفی رخ دهند، مثلاً از طریق یک شخص در یک رویداد خاص، صرفاً به این دلیل که نامی مشابه با شخص دیگری دارند. جدی تر، آنها همچنین می توانند از طریق قصد مخرب رخ دهند، که عمدا اجازه می دهد تا داده های آموزشی ارائه شود که اشتباه یا حتی عمدا گمراه کننده است.

امنیت سایبری در حال تبدیل شدن به یک نگرانی فزاینده با شبکه ای شدن سیستم ها است، همانطور که منبع داده های مورد استفاده برای ساخت هوش مصنوعی است. LLM ها به اطلاعات باز به عنوان یک بلوک ساختمانی که از طریق تعامل اصلاح می شود، متکی هستند. این امر امکان روش های جدید حمله به سیستم ها را با ایجاد دروغ های عمدی افزایش می دهد.

به عنوان مثال، هکرها می توانند سایت های مخرب ایجاد کنند و آنها را در مکان هایی قرار دهند که احتمال دارد توسط یک ربات چت هوش مصنوعی رهگیری شوند. به دلیل نیاز به آموزش سیستم ها بر روی داده های زیاد، تأیید صحت همه چیز دشوار است.

این بدان معناست که ما به عنوان کارگر باید تلاش کنیم تا از قابلیت‌های سیستم‌های هوش مصنوعی استفاده کنیم و از تمام پتانسیل‌هایشان استفاده کنیم. این بدان معناست که همیشه به جای اعتماد کورکورانه به نتایج آنها، آنچه را که از آنها بدست می آوریم زیر سوال ببریم. این دوره یادآور روزهای اولیه GPS است، زمانی که سیستم ها اغلب کاربران را به جاده های نامناسب برای وسایل نقلیه خود می بردند.

اگر در نحوه استفاده از این ابزار جدید طرز فکری بدبینانه به کار ببریم، همزمان با افزایش نیروی کار، توانایی های آن را به حداکثر می رسانیم – همانطور که در همه انقلاب های صنعتی قبلی دیده ایم.