В рамках серии аналитических записок Целевой группы Массачусетского технологического института (MIT) по работе в будущем профессор Томас Мэлоун (Thomas Malone), профессор Даниэла Рус (Daniela Rus) и Роберт Лаубахер (Robert Laubacher) совместно составили краткий обзор «Искусственный интеллект и работа будущего», который даёт всестороннюю картину нынешнего ИИ, и областей на границе с ним.
Авторы исследуют вопрос о том, как изменится труд с приходом ИИ, и дают политические предписания, которые обращены к различным слоям общества. Томас Мэлоун — директор Центра коллективного разума Массачусетского технологического института и профессор менеджмента в Школе менеджмента Слоуна при MIT. Даниэла Рус — директор лаборатории информатики и искусственного интеллекта, профессор электротехники и компьютерных наук, а также член рабочей группы MIT по рынку труда в будущем. Роберт Лаубахер — заместитель директора Центра коллективного разума Массачусетского технологического института.
Мэлоун и Рус дают обзор своего исследования.
Вопрос: В своей записке вы утверждаете, что, несмотря на значительные недавние достижения, искусственный интеллект далёк от того, чтобы соответствовать широте и глубине восприятия, рассуждений, коммуникации и творческих способностей людей. Не могли бы вы объяснить некоторые ограничения ИИ?
Рус: Несмотря на недавние значительные успехи в области ИИ и большие перспективы, современные системы ИИ всё ещё довольно ограничены в своей способности рассуждать, принимать решения, надежно взаимодействовать с людьми и физическим миром. Некоторые из величайших ныне успехов связаны с методом машинного обучения, называемым глубоким обучением. Эти системы обучаются с использованием огромных объёмов данных, которые должны быть вручную промаркированы. Их эффективность зависит от количества и качества данных, используемых для их обучения. Чем больше обучающий набор для сети, тем лучше её производительность и, в свою очередь, тем лучше продукт, использующий механизм машинного обучения. Но обучение больших моделей требует высоких вычислительных затрат. Кроме того, плохие данные обучения приводят к плохой производительности: когда данные имеют смещение, ответ системы перенимает такое же смещение.
Ещё одно ограничение современных систем ИИ — надёжность. Современные классификаторы достигают впечатляющих результатов в тестах, но их прогнозы, как правило, непостоянны. В частности, исходные данные, которые изначально были правильно классифицированы, могут стать неверно классифицированными, если к ним добавлено тщательно построенное, но неразличимое искажение. Важным следствием отсутствия надёжности становится отсутствие доверия. Одним из тревожных факторов использования ИИ является отсутствие гарантии того, что поступившие данные будут правильно обработаны и классифицированы. Сложный характер обучения и использования нейронных сетей приводит к созданию систем, которые трудно понять людям. Системы не могут объяснить, как они принимали решения.
Вопрос: Каким образом ИИ дополняет или может дополнять человеческую работу?
Мэлоун: Сегодняшние программы ИИ имеют только специализированный интеллект; они способны выполнять только определённые специализированные задачи. Но у людей есть своего рода общий интеллект, который позволяет им делать гораздо более широкий круг вещей.
Это означает, что одним из лучших способов для систем искусственного интеллекта дополнять человеческую работу является выполнение специализированных задач, которые компьютеры могут выполнять лучше, быстрее или дешевле, чем люди. Например, системы ИИ могут быть полезны при выполнении таких действий, как интерпретация медицинских рентгеновских снимков, оценка риска мошенничества при списании средств с кредитной карты или создание необычных дизайнов новых продуктов.
А люди могут использовать свои социальные навыки, здравый смысл и другие виды общего интеллекта для того, чего компьютеры не умеют. Например, оказывать эмоциональную поддержку пациентам, у которых диагностирован рак. Они могут решить, когда верить объяснениям клиентов относительно необычных транзакций по кредитным картам, и могут отклонить дизайны нового продукта, которые клиенты, вероятно, не оценят.
Другими словами, многие из наиболее важных применений компьютеров в будущем не будут заменять людей; они научатся работать с людьми в группах человек — компьютер — «суперразум», которые смогут делать что-то лучше, чем люди или компьютеры в одиночку.
Возможности здесь выходят далеко за рамки того, о чём обычно думают, когда слышат фразу вроде «люди в производственном цикле». Вместо того, чтобы использовать технологии ИИ просто как инструменты для улучшения отдельных функций, мы считаем, что многие из их наиболее важных применений будут происходить в контексте групп людей — часто связанных через Интернет. Таким образом, мы должны перейти от мыслей о людях в цикле к компьютерам в группе.
Вопрос: Каковы ваши рекомендации для образования, бизнеса и правительства в отношении политики, которые помогут сгладить переход к внедрению технологий искусственного интеллекта?
Рус: В нашем отчёте мы выделяем четыре типа действий, которые могут уменьшить стресс, связанный с переходом на другую работу: образование и профессиональная подготовка, подбор рабочих мест для соискателей, создание новых рабочих мест, а также предоставление консультаций и финансовой поддержки людям при переходе от старых к новым рабочим местам. Важно отметить, что для выполнения этого дела нам потребуется партнёрство между широким кругом учреждений.
Мэлоун: Мы ожидаем, что — как и все предыдущие трудосберегающие технологии — ИИ в конечном итоге приведёт к созданию большего количества новых рабочих мест, чем он устранит. Но мы видим много возможностей для разных слоёв общества, чтобы помочь сгладить этот переход, особенно для людей, чья старая работа была упразднена и которым нелегко найти новую.
Например, мы считаем, что предприятиям следует сосредоточиться на применении ИИ таким образом, чтобы он не просто заменял людей, но создавал новые рабочие места, предлагая новые виды продуктов и услуг. Мы рекомендуем всем школам включать компьютерную грамотность и программирование в свои учебные планы, и мы считаем, что общественные колледжи должны предлагать больше переподготовки и онлайн-программ микродипломов, часто включая стажировки у местных работодателей.
Мы думаем, что существующие организации работников (такие как профсоюзы и профессиональные ассоциации) или новые (возможно, их назовут гильдиями) должны расширить свою роль, чтобы предоставлять льготы, ранее связанные с формальной занятостью (такие как страхование и пенсии, развитие карьеры, социальные связи, чувство идентичности и уверенность в доходах).
И мы считаем, что правительства должны увеличить свои инвестиции в программы обучения и переподготовки, чтобы американская рабочая сила снова стала самой образованной в мире. И следует изменить нормативно-правовую базу, регулирующую трудовые процессы, чтобы стимулировать создание новых рабочих мест.
Источник: https://news.mit.edu/2021/3-questions-thomas-malone-daniela-rus-how-work-will-change-ai-0121