TL;DR
- تصویر توسط ویرایشگر # مقدمه هر چند ماه یکبار،.
- یک مطالعه جدید پیش بینی چند میلیون شغل را که هوش مصنوعی پاک می کند،.
- حذف می کند.
چه اتفاقی افتاد
تصویر توسط ویرایشگر # مقدمه هر چند ماه یکبار،. یک مطالعه جدید پیش بینی چند میلیون شغل را که هوش مصنوعی پاک می کند،.
حذف می کند. لینکدین منفجر می شود.
مارپیچ توییتر مردم از ساعت 2 بامداد شروع به جستجوی «شغلهای ضد رکود» میکنند و پسر عموی شما. برای راهاندازی یک شرکت ساختمانی درخواست پول میکند،.
زیرا این شرکت برای سومین بار در سال جاری «ضد هوش مصنوعی» است. اما این چیزی است که هیچ کس واقعاً با صدای بلند نمی گوید:.
تهدیدی که همه به هوش مصنوعی نسبت می دهند به طور خاص به اتوماسیون مربوط می شود. و قبل از اینکه فکر کنید این فقط یک استدلال معنایی است،.
با من همراه باشید،. زیرا تمایز بیش از آن چیزی است که بیشتر مردم متوجه می شوند،.
به خصوص اگر در حال تلاش برای کشف مهارت هایی هستید که واقعاً روی چه مهارت هایی سرمایه. گذاری کنید.
# آسیب رساندن به چشمانداز حرفهای از طریق سردرگمی مردم همچنان «هوش مصنوعی» و «اتوماسیون» را مترادف یکدیگر. میدانند و این درهمآمیزی بسیاری از متخصصان را به مسیری اشتباه میفرستد.
هوش مصنوعی یک قابلیت است. اتوماسیون زمانی اتفاق میافتد که این قابلیت به یک جریان کاری متصل شود تا جایگزین یک عمل انسانی.
قابل تکرار شود. آنها مطمئناً با هم مرتبط هستند،.
اما آنها یک چیز نیستند،. و شکاف بین آنها جایی است که اکثر سوء تفاهم ها زندگی می کنند.
به این موضوع فکر کنید: هوش مصنوعی می تواند اولین پیش نویس توضیحات محصول را بنویسد. اما این خط لوله خودکار،.
ماشه،. الگو،.
منطق مسیریابی است که تصمیم میگیرد که آیا انسان اصلاً آن پیش نویس را ببیند یا خیر. هوش مصنوعی محتوا را تولید کرد،.
اما این سیستمی است که پیرامون آن ساخته شده است که تصمیم میگیرد چه اتفاقی بیفتد. هنگامی که آن را به این شکل قاب بندی می کنید،.
آنچه در واقع به شغل می خورد بسیار واضح تر می شود. سرزنش مدل مانند مقصر دانستن موتور است از خط مونتاژ # شناسایی آنچه که اتوماسیون واقعاً هدف قرار.
می دهد اتوماسیون وظایف را هدف قرار می دهد،. نه کل مشاغل را.
به طور خاص،. به دنبال مواردی میرود که قابل پیشبینی،.
حجم بالایی هستند و از مجموعهای از قوانین واضح پیروی میکنند. ورود دادهها،.
پردازش صورتحساب،. مسیریابی بلیط و قالببندی محتوای اولیه،.
همگی عمیقاً آسیبپذیر هستند – آنها برای منسوخ شدن توسط مافوق خود تنظیم شدهاند. توسعهدهندگان جوان نیز فوقالعاده مهم هستند – فقط این دیدگاه قدیمی که آنها «میمونهای رمزی» هستند باعث میشود.
مردم باور کنند که هوش مصنوعی جایگزین آنها میشود در حالی که اینطور نیست. در اینجا یک تمرین ذهنی مفید وجود دارد:.
شغل خود را مرور کنید و وظایفی را که میتوانید به یک کارآموز باهوش که کار میکند از. یک چک لیست بسپارید،.
شناسایی کنید. اینها نقاط مواجهه شما هستند.
کاری که واقعاً به زمینه رابطه یا قضاوت در زمان واقعی نیاز دارد،. حداقل در حال حاضر روی زمین بسیار امنتری قرار دارد.
بخش مشکل این است که اکثر مردم در این کار بد هستند خود ارزیابی آنها یا در مورد. همه چیز وحشت می کنند یا احساس امنیت کاذب می کنند زیرا عنوان شغلی آنها پیچیده به نظر.
می رسد. یک آزمایشکننده تضمین کیفیت (QA) که انتقادی فکر میکند،.
از یک افسر ارشد فناوری (CTO) که برای هر تصمیمی فقط یک سکه میزند،. ارزشمندتر است.
# درک اینکه چرا یادگیری هوش مصنوعی به سختی سطح را خراش می دهد کل روایت "یادگیری هوش. مصنوعی یا عقب ماندن" مفید است اما ناقص است.
بله،. بازار هوش مصنوعی سال به سال 120 درصد رشد می کند،.
اما مهارت هایی که در واقع از شما محافظت می کنند فقط فنی نیستند. آنها کسانی هستند که شما را در دنیایی ارزشمند می کنند که در آن اتوماسیون بخش های مکانیکی.
کار را مدیریت می کند و از انسان ها انتظار می رود هر چیز دیگری را مدیریت کنند. یعنی قضاوت دانستن اینکه چه زمانی خروجی هوش مصنوعی قابل قبول است اما اشتباه است.
درک زمینه به اندازه کافی برای درک آنچه مدل نمی تواند. فردی در اتاق باشید که می تواند تصمیم را برای ذینفعانی توضیح دهد که به الگوریتم اعتماد ندارند.
و فقط حرف شما را قبول نمی کنند. همچنین به معنای درک حالت های شکست است.
یک سیستم خودکار که در 95٪ مواقع کار می کند،. عالی به نظر می رسد تا زمانی که متوجه شوید در 5٪ باقی مانده چه اتفاقی می افتد.
و چه کسی مسئول گرفتن آن است. یعنی تقریباً همیشه یک شخص خواهد بود،.
و آن شخص باید در واقع # شغل هایی را که در واقع در حال رشد هستند ردیابی. کند.
نقشهایی در نظارت هوش مصنوعی،. معماری گردش کار،.
مشاوره اتوماسیون فرآیند و طراحی خط لوله،. تقاضای واقعی را مشاهده میکنند.
اینها نقشهای واقعی هستند که در حال حاضر در لینکدین پست شدهاند،. نه شغلهای آینده نظری،.
و حقوق نشان میدهد که شرکتها چقدر به افرادی نیاز دارند که واقعاً میتوانند آنها را به خوبی. انجام دهند.
چیزی که آنها به اشتراک می گذارند این است که در تقاطع قضاوت انسان و سیستم های خودکار. می نشینند.
آنها به کسی نیاز دارند که هم توانایی و هم زمینه را به اندازه کافی خوب درک کند. تا بتواند کل کار را در تولید کار کند،.
جایی که همه چیز از هر دموی صیقلی آشفته تر و مبهم تر است. تعداد افرادی که هم می توانند فکر کنند و هم اتوماسیون عاملی را مدیریت کنند،.
کمتر از آن چیزی است که فکر می کنید. همچنین یک روند آرامتر ارزش دارد توجه داشته باشید:.
شرکت هایی که بد اتوماسیون می کنند در حال انجام کارهای پاکسازی هستند. نقشهای متمرکز بر کنترل کیفیت،.
رسیدگی به استثناها و بازبینی انسان در حلقه به سرعت در فضاهایی که اتوماسیون بدون نظارت کافی به. کار گرفته شده است،.
به سرعت در حال افزایش است. # افکار نهایی در اینجا چیزی است که مکالمه "هوش مصنوعی شغل شما را خواهد گرفت" را از.
دست می دهد:. تغییر واقعی در مورد هوش نیست،.
بلکه در مورد اهرم است. اتوماسیون به شرکت ها این توانایی را می دهد که با دست های کمتری در قسمت های مکانیکی.
کار کارهای بیشتری انجام دهند. این ذاتا بد نیست.
اما این بدان معناست که ارزش قضاوت واقعی،. تفکر زمینهای و نظارت واقعی در حال افزایش است،.
نه کاهش. اگر در حال حاضر به دنبال این هستید که زمان خود را کجا سرمایه گذاری کنید،.
فقط ابزارها را یاد نگیرید. بیاموزید که چگونه در مورد سیستم هایی که این ابزارها در آن زندگی می کنند فکر کنید.
این مهارتی است که وقتی موج بعدی ابزارها از راه برسد، همچنان اهمیت خواهد داشت. Nahla Davies یک توسعه دهنده نرم افزار و نویسنده فناوری است.
قبل از اینکه کار خود را به طور تمام وقت به نویسندگی فنی اختصاص دهد،. موفق شد - در میان چیزهای جذاب دیگر - به عنوان برنامه نویس اصلی در یک سازمان برندسازی.
تجربی شرکت 5000 خدمت کند که مشتریان آن شامل سامسونگ،. تایم وارنر،.
نتفلیکس،. و سونی.
چرا مهم است
اهمیت این خبر در این است که روی استفاده واقعی از AI و تصمیمگیری سازمانی اثر میگذارد.
منبع
لینک منبع اصلی در کارت و صفحه مقاله نمایش داده میشود.