تکه‌ای از داده‌ها که در واقع می‌تواند شغل و هوش مصنوعی شما را روشن کند

TL;DR

• این داستان در ابتدا در The Algorithm، خبرنامه هفتگی ما در مورد هوش مصنوعی ظاهر شد.
• برای دریافت داستان هایی از این قبیل در صندوق ورودی خود، در اینجا ثبت نام کنید.
• در مدار سیلیکون ولی،.

چه اتفاقی افتاد

این داستان در ابتدا در The Algorithm، خبرنامه هفتگی ما در مورد هوش مصنوعی ظاهر شد. برای دریافت داستان هایی از این قبیل در صندوق ورودی خود، در اینجا ثبت نام کنید.

در مدار سیلیکون ولی،. یک آخرالزمان شغلی مبتنی بر هوش مصنوعی به عنوان یک امر مشخص صحبت می شود.

این روحیه به قدری تلخ است که یکی از محققین تأثیرات اجتماعی در Anthropic،. در پاسخ به درخواست برای دیدگاه‌های خوش‌بینانه‌تر از آینده هوش مصنوعی،.

گفت که ممکن است در کوتاه‌مدت رکود اقتصادی و «شکستن نردبان اولیه شغلی» رخ دهد. همکار کمتر سنجیده او،.

داریو آمودی،. مدیر عامل شرکت،.

هوش مصنوعی را «جایگزین عمومی نیروی کار برای انسان» نامیده است که می تواند همه کارها را در. کمتر از پنج سال انجام دهد.

و البته این ایده‌ها فقط از آنتروپیک نمی‌آیند. این مکالمات به‌طور شگفت‌انگیزی باعث وحشت بسیاری از کارگران شده است (و احتمالاً به حمایت از تلاش‌ها برای.

توقف کامل ساخت مراکز داده کمک می‌کند،. که برخی از آن‌ها آخرین بار به کار خود ادامه دادند.

هفته). قانون‌گذاران که هیچ‌کدام از آن‌ها برنامه منسجمی برای آنچه در آینده می‌آید ارائه نکرده‌اند، به وحشت کمک نمی‌کند.

حتی اقتصاددانانی که هشدار داده‌اند که هوش مصنوعی هنوز مشاغل را کاهش نداده و ممکن است منجر به. صخره‌ای پیش‌رو نشود،.

به این ایده رسیده‌اند که می‌تواند تأثیری منحصر به فرد و بی‌سابقه بر نحوه کار ما داشته باشد. الکس ایماس، مستقر در دانشگاه شیکاگو، یکی از این اقتصاددانان است.

وقتی صبح جمعه صحبت کردیم،. او دو چیز را با من در میان گذاشت:.

یک ارزیابی صریح مبنی بر اینکه ابزارهای ما برای پیش‌بینی اینکه چگونه به نظر می‌رسد بسیار افتضاح هستند،. و یک «ندای اسلحه» برای اقتصاددانان برای شروع جمع‌آوری یک نوع داده که می‌تواند برنامه‌ای را برای رسیدگی.

به هوش مصنوعی در نیروی کار ممکن کند. در مورد ابزارهای افتضاح ما:.

این واقعیت را در نظر بگیرید که هر شغلی از وظایف فردی تشکیل شده است. برای مثال،.

یکی از بخش‌های کار یک مشاور املاک این است که از مشتریان بپرسد چه نوع ملکی را می‌خواهند. بخرند.

ایالات متحده دولت هزاران مورد از این وظایف را در کاتالوگ عظیمی که برای اولین بار در سال. 1998 راه اندازی شد و از آن زمان به طور منظم به روز می شود،.

شرح داد. این داده‌هایی بود که محققان OpenAI در ماه دسامبر برای قضاوت در مورد میزان "معرض" بودن یک شغل.

در معرض هوش مصنوعی استفاده کردند (برای مثال،. آنها دریافتند که یک مشاور املاک 28٪ در معرض خطر قرار دارد).

سپس در ماه فوریه،. Anthropic از این داده‌ها در تجزیه و تحلیل میلیون‌ها مکالمه کلود استفاده کرد تا ببیند افراد واقعاً از.

هوش مصنوعی آن برای تکمیل کدام وظایف استفاده می‌کنند و این دو لیست در کجا همپوشانی دارند. ایماس می‌گوید،.

اما دانستن میزان قرار گرفتن در معرض هوش مصنوعی وظایف منجر به درک توهم‌آمیزی از میزان خطر یک. شغل خاص می‌شود.

او به من گفت: «مورد قرار گرفتن به تنهایی ابزاری کاملاً بی معنی برای پیش بینی جابجایی است. مطمئناً،.

در تاریک‌ترین حالت،. برای شغلی که در آن به معنای واقعی کلمه هر کار را می‌توان با هوش مصنوعی بدون هدایت.

انسانی انجام داد،. گویا است.

اگر برای یک مدل هوش مصنوعی انجام تمام این وظایف کمتر از آنچه شما هستید هزینه دارد به. گفته ایماس،.

از آنجایی که مدل‌های استدلالی و هوش مصنوعی عاملی می‌توانند هزینه‌های زیادی را دریافت کنند،. که این امر مسلم نیست.

این موردی است که چندین دهه پیش در مورد اپراتور آسانسور ذکر شد. شاید موازی امروز یک نماینده خدمات مشتری باشد که تنها تریاژ تماس تلفنی را انجام می دهد.

اما برای اکثریت قریب به اتفاق مشاغل، قضیه به این سادگی نیست. و جزئیات نیز مهم هستند:.

برخی از مشاغل احتمالا روزهای تاریکی را در پیش خواهند داشت،. اما دانستن اینکه چگونه و چه زمانی این اتفاق خواهد افتاد،.

پاسخ دادن به آن تنها زمانی که در معرض قرار گرفتن است،. دشوار است.

برای مثال کد نوشتن را در نظر بگیرید. مثلاً شخصی که برنامه‌های دوستیابی ممتاز می‌سازد،.

ممکن است از ابزارهای کدنویسی هوش مصنوعی برای ایجاد چیزی که سه روز طول می‌کشید در یک روز. استفاده کند.

یعنی کارگر بازدهی بیشتری دارد. کارفرمای کارگر، با صرف همان مقدار پول، اکنون می تواند خروجی بیشتری داشته باشد.

پس آیا کارفرما کارمندان بیشتری می خواهد یا کمتر؟ این است سوالی که ایماس می گوید باید هر سیاست گذار را شب بیدار نگه دارد،.

زیرا بسته به صنعت پاسخ آن تغییر خواهد کرد. و ما در تاریکی کار می کنیم.

در مورد این کدگذار،. این کارایی ها این امکان را برای برنامه های دوستیابی فراهم می کند که قیمت ها را پایین.

بیاورند. (یک شکاک ممکن است انتظار داشته باشد که شرکت‌ها به سادگی سود خود را به جیب بزنند،.

اما در یک بازار رقابتی،. اگر این کار را انجام دهند،.

خطر کاهش قیمت را دارند.) این قیمت‌های پایین همیشه باعث افزایش تقاضا برای برنامه‌ها می‌شود. اما چقدر؟

اگر میلیون ها نفر دیگر بخواهند،. شرکت ممکن است رشد کند و در نهایت مهندسان بیشتری را برای برآورده کردن این تقاضا استخدام کند.

اما اگر تقاضا به سختی افزایش یابد - شاید افرادی که از برنامه های دوستیابی پریمیوم استفاده نمی. کنند،.

هنوز آنها را حتی با قیمت پایین تر نمی خواهند - به کدنویس های کمتری نیاز است و. اخراج ها اتفاق می افتد.

این فرضیه را در هر شغلی با وظایفی که هوش مصنوعی می تواند انجام دهد،. تکرار کنید،.

و شما مهمترین سوال اقتصادی زمان ما را دارید:. ویژگی های کشش قیمت،.

یا اینکه چه میزان تقاضا برای چیزی با تغییر قیمت آن تغییر می کند. و این قسمت دوم چیزی است که هفته گذشته ایماس تاکید کرد:.

ما در حال حاضر این داده ها را در سراسر اقتصاد نداریم. اما ما توانستیم.

ایماس می‌گوید:. ما اعدادی را برای اقلام مواد غذایی مانند غلات و شیر در اختیار داریم،.

زیرا دانشگاه شیکاگو با سوپرمارکت‌ها همکاری می‌کند تا داده‌هایی را از اسکنر قیمت آنها دریافت کند. اما ما چنین ارقامی را برای معلمان یا توسعه دهندگان وب یا متخصصان تغذیه نداریم (به هر حال،.

همه مشاغلی که در معرض هوش مصنوعی قرار دارند). یا حداقل نه به روشی که به طور گسترده جمع آوری شده یا در دسترس محققان قرار گرفته.

باشد. گاهی اوقات در شرکت های خصوصی یا مشاوره پراکنده است.

ایماس می گوید: «برای جمع آوری این به پروژه منهتن نیاز داریم. و ما به آن فقط برای مشاغلی که بدیهی است در حال حاضر تحت تأثیر هوش مصنوعی قرار.

می‌گیرند،. نیاز نداریم:.

«فیلدهایی که اکنون در معرض دید نیستند در آینده در معرض دید قرار خواهند گرفت،. بنابراین شما فقط می خواهند این آمار را در کل اقتصاد ردیابی کنند.» به دست آوردن همه این.

اطلاعات زمان و هزینه می برد،. اما Imas معتقد است که ارزش آن را دارد.

این اولین نگاه واقع بینانه به اقتصاددانان را در مورد اینکه آینده ما با هوش مصنوعی چگونه می. تواند آشکار شود و به سیاست گذاران فرصتی برای برنامه ریزی برای آن می دهد.

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.