Strojové učení změní pracovní místa

Datum 09.06.2018

Počítačové systémy pro strojové učení, které se zlepšují s nabytými zkušenostmi, jsou připraveny k tomu, aby ekonomiku přeměnili stejně jako v minulosti parní stroje a elektřina. Mohou překonat lidi v řadě úkolů, jak mnoho vědců předpokládá, ačkoli je nepravděpodobné, že je nahradí úplně ve všech odvětvích.

„Přestože ekonomické dopady strojového učení jsou dnes relativně omezené a my tak nejsme přímo konfrontováni s blížícím se ‘koncem lidské práce’, jak se někdy prohlašuje, důsledky pro ekonomiku a pro pracovní síly budou významné,” píší vědci ve své úvaze.

Dovednosti, které si lidé zvolí dále rozvíjet, a investice do nich předurčí, kdo bude prosperovat a kdo bude mít problémy, jak-mile bude strojové učení pevně zakotveno v každodenním životě.

Strojové učení je jen jeden prvek ze světa umělé inteligence. Rychlý pokrok v tomto učení přinesl nedávné zlepšení v oblasti rozpoznávání obličeje, pochopení přirozeného jazyka a počítačového vidění. Je již široce využíváno pro odhalování podvodů s kreditními kartami, systémy doručování a analýzu finančního trhu s novými aplikacemi, jako je lékařská diagnóza.

Předvídat, jak strojové učení v budoucnu ovlivní určitou práci nebo profesi, může být obtížné, protože toto učení má tendenci automatizovat nebo částečně automatizovat jednotlivé úkoly, ale práce často zahrnují více úkolů, z nichž jen některé jsou vhodné pro strojový přístup.

„Nevíme, jak se to všechno bude projevovat,” přiznal profesor informatiky na Carnegie Mellon University, Tom Mitchell.

Začátkem tohoto roku například vědci ukázali, že program strojového učení může detekovat rakoviny kůže lépe než dermatolog. To neznamená, že stroj nahradí dermatology, kteří kromě správné diagnózy dělají mnoho dalších věcí.

„Myslím, že to, co se dermatologům stane, bude jen to, že budou lepšími dermatology, protože budou mít více času na pacienty,” řekl Mitchell. „Lidé, jejichž pracovní místa zahrnují interakci mezi člověkem a člověkem, budou cennější, protože nemohou být automatizováni.”

Úkoly přístupné strojovému učení zahrnují ty činnosti, pro které mají k dispozici mnoho dat, píší Mitchell a Brynjolfsson. Aby se zjistilo, jak např. určit rakovinu kůže, je program strojového učení schopen prostudovat více než 130 000 označených příkladů kožních lézí. Stejně tak programy pro detekci podvodů s kreditními kartami mohou čerpat z mnoha milionů případů.

Strojové učení může výrazně zamíchat kartami u služeb, které jsou online, například plánování. Práce, které nevyžadují obratnost, fyzické dovednosti nebo mobilitu, jsou vhodnější pro strojové učení, stejně jako úkoly, které zahrnují rychlá rozhodnutí založená na datech. Ale jejich využití už nenajde uplatnění u rozhodnutí, která závisí na dlouhých řetězcích úvah, rozmanitých znalostech o pozadí nebo na zdravém rozumu.

Strojové učení není dobrá volba, pokud uživatel potřebuje podrobné vysvětlení toho, jak bylo rozhodnutí přijato. Jinými slovy, strojové učení může daleko lépe diagnostikovat rakovinu kůže, ale dermatolog lépe vysvětlí, proč je léze rakovinná nebo ne. Porozumění toho, jak používat strojové učení v pracovním nasazení je pro pochopení jejího pravděpodobného ekonomického dopadu kritické, tvrdí autoři studie.

„I když existuje mnoho sil, které přispívají k nerovnosti mezi lidmi, jako je zvýšená globalizace, potenciál rozsáhlých a rychlých změn způsobených strojovým učením naznačuje, že ekonomické dopady mohou být během deseti let velmi rozkladné, budou vytvářet jak vítěze, tak i poražené.” píší v odborné studii. „To bude u politiků, podnikatelů, technologů a vědců vyžadovat značnou pozornost.”

Zdroj: Carnegie Mellon University

Eaton 700 x 200 px

Napsat komentář