Myten och verkligheten om hur AI förÀndras

Myten och verkligheten om hur AI förÀndras

Det sÀtt som mÀnniskor pratar om hur jobb och arbete förÀndras pÄ grund av artificiell intelligens (AI) och automatisering stÀmmer ofta inte med verkligheten, enligt flera talare vid MIT: s senaste AI och Work of the Future Congress.

I en panel om myterna om AI-teknik diskuterade ett antal talare hur AI helt enkelt inte kan göra alla saker mÀnniskor gör, och hur mÀnniskor behöver vara en integrerad del av de nya processerna som utvecklas.

Jobcase-VD Fred Goff sa att vi hade möjlighet att utnyttja AI “för mĂ€nniskors verkliga bemyndigande” istĂ€llet för att bara anvĂ€nda den för att ersĂ€tta arbetare eller uppgifter.

Goff sa att tekniken har förskjutit jobb under det senaste halva Ă„rhundradet och att den stora frĂ„gan var lönestagnation och underanstĂ€llning. Vi bör förstĂ„ att AI och automatisering kan utföra uppgifter, inte jobb, sĂ„ de kan inte ersĂ€tta allt som en mĂ€nniska kan göra. Vi borde tĂ€nka pĂ„ “maskiner OCH mĂ€nniskor inte maskiner ELLER mĂ€nskliga”, sa Goff.

En annan frĂ„ga som Goff pĂ„pekade Ă€r att vi antar att mĂ€nniskor har strukturerat problemet korrekt nĂ€r de utnyttjar maskininlĂ€rning (ML) eller AI för att fĂ„ rĂ€tt svar. Han pratade om hur det tar tid för mĂ€nniskor att fĂ„ fart pĂ„ en ny uppgift. Han pratade ocksĂ„ om hur maskiner inte nödvĂ€ndigtvis bearbetar all input kring ett beslut. Goff pratade till exempel om hur AI anvĂ€nds i humankapital och talangförvĂ€rv dĂ€r han var orolig för att sĂ„dana system tenderar att lösa för att fĂ„ jobbet och inte behĂ„lla de bĂ€sta mĂ€nniskorna. Dessa system kan ha en implicit bias och de tenderar att titta pĂ„ om den potentiella anstĂ€llningen Ă€r rĂ€tt för detta jobb i detta företag istĂ€llet för att ta reda pĂ„ vilken grupp den anstĂ€llde skulle fungera bĂ€st med. Han var “rĂ€dd att vi kanske skulle lösa fel problem.”

Julie Shah, docent vid MIT: s avdelning för flyg- och astronautik, sa att en missuppfattning var att vi bara kan stÀlla in automatisering i faktorer baserat pÄ de uppgifter vi har. Hon har tillbringat mycket tid pÄ fabriksgolv och tittat pÄ medarbetare som trÀnar hur man bygger en ny modell.

“Vi vet inte hur man stĂ€ller in en [manufacturing] linje pĂ„ det mest optimala sĂ€ttet “, sa hon, varför” tĂ€nda “-fabriker inte visar förbĂ€ttringar. IstĂ€llet var det mĂ€nniskor som stĂ€ndigt itererade pĂ„ processen baserat pĂ„ förĂ€ndrade förhĂ„llanden som har varit mer framgĂ„ngsrika. för att förstĂ„ oss, medan vi behöver förstĂ„ hur system beter sig.

Shah sa att mĂ€nniskor tar med sĂ„ mycket kunskap, sĂ„ mycket bakgrund, till beslut att det Ă€r mycket svĂ„rt att kodifiera eller till och med beskriva. Hon noterade att med mĂ„nga av dagens modeller Ă€r det ofta problematiskt att förklara beslutsfattandet. IstĂ€llet rekommenderade Shah att anvĂ€nda “domenexperter” för att styra en maskins inferensprocess, vilket hjĂ€lper till att bestĂ€mma implicita idĂ©er och prioritering.

BÄde Goff och Shah kom överens om att AI inte skulle bestÀmma resultaten utan istÀllet kan anvÀndas bÀst som ett av ett antal verktyg för mÀnskligt beslutsfattande.

“Omskolning och omskolning betyder inte att mĂ€nniskor behöver sitta framför datorer och koda”, sa Goff. Han noterade att folk ofta talar om omskolning av kolgruvarbetare till kod och liknande idĂ©er. IstĂ€llet sa han att vi behöver bred eftergymnasial utbildning för mĂ€nniskor men att vi bör inse att “inte alla behöver gĂ„ pĂ„ college.” Det finns en stor efterfrĂ„gan pĂ„ mĂ€nniskor inom branschen, som svetsning och rörmokare, sa han och undrade om det fanns en större möjlighet för “mikrocertificering”.

Scott Prevost, vice vd för teknik för Sensei pĂ„ Adobe, var övertygad om att AI idag “faktiskt ger arbetaren”, vilket förstĂ€rker den kreativa personens upplevelse genom att automatisera de saker som mĂ€nniskor mĂ„ste göra men inte vill göra. 74 procent av Adobes kunder sa att de tillbringade hĂ€lften av sin tid pĂ„ repetitiva, icke-kreativa uppgifter.

Prevost sĂ„g fram emot en kreativ assistent och en marknadsföringsassistent som skulle hjĂ€lpa dig att gĂ„ igenom hela ditt arbetsflöde. Han sa att “kreativa” och marknadsförare inte kommer att försvinna, men deras roller kan förĂ€ndras. En kreativ blir mer en art director snarare Ă€n att göra finkornig produktion. Som ett resultat kommer tonvikten att flyttas till kreativ problemlösning, vara innovativ och samarbeta bra.

Detta gör det möjligt för designers att testa fler idéer per klient, lÄta dem prova de mest kreativa idéerna, samtidigt som de sÀnker ribban för mindre skickliga mÀnniskor.

James McGlennon MIT WOF

James McGlennon, Chief Information Officer of Liberty Mutual Insurance frĂ„gades av MIT: s David Autor om hur jobb förĂ€ndras pĂ„ grund av AI. McGlennon sa att han sĂ„g mycket förĂ€ndring, men att den drivs mer av “agil transformation” och “business agility” Ă€n AI.

Han sa att Liberty Mutual ser mer efterfrĂ„gan pĂ„ högre kvalificerade jobb, och att specialisering dĂ€r teknik Ă€r en viktig drivkraft “kommer pĂ„ modet”, Ă€ven i funktioner dĂ€r teknik inte Ă€r nyckelfunktionen. Som ett resultat mĂ„ste alla förstĂ„ teknik mycket bĂ€ttre. Han hĂ€vdar att Liberty Mutual-medarbetare över hela linjen vet att för att förbli relevant mĂ„ste mĂ„nga mĂ€nniskor skifta om sig sjĂ€lva, med företaget som erbjuder utbildning och resurser.

Han instĂ€mde i tidigare kommentarer om att fĂ€rdigheter blir viktigare Ă€n meriter och att mĂ€nniskors fĂ€rdigheter Ă€r viktigare i fler jobb. “Vad som kommer att skilja ledare och vinnare”, sade han, kommer att vara deras “förmĂ„ga att förstĂ„ och samverka med mĂ€nniskor pĂ„ alla nivĂ„er.”

  Zeynep Ton- David Johnson- Ittai Dayan- David Mindell MIT WOF

Inom hÀlso- och sjukvÄrden Àr det stora problemet med AI inte att det finns data utan snarare en explosion av data och förmÄgan att fatta beslut med AI, sÀger Ittai Dayan, verkstÀllande direktör för strategi, forskning och klinisk verksamhet för Massachusetts General Hospital. Han sa att hÀlso- och sjukvÄrden har bÄde reglerande och juridiska hinder som kommer i vÀgen för att anvÀnda AI. Men de bÀsta lösningarna Àr ofta inte de mest avancerade utan fokuserar istÀllet pÄ att lösa ett sÀrskilt praktiskt problem i en klinisk miljö. Tanken Àr att tillhandahÄlla en tjÀnst, sedan en annan, sedan en annan. En annan potentiell anvÀndning Àr att anvÀnda ML och AI för att förbÀttra ifyllning av formulÀr och göra processen snabbare och smartare.

Den stora begrÀnsningen av AI inom hÀlso- och sjukvÄrden, sade han, var bristen pÄ förstÄelse för biologiska system. Lösningar mÄste integrera mÄnga datakÀllor och smÀlta datatyper tillsammans.

Under tillverkningen noterade David Johnson, vice vd, produktionsteknik och ny modellkvalitet för Nissan Nordamerika, hur komplexa dagens fordon Àr med cirka 30 000 komponenter; och sa att stor dataanalys och maskininlÀrning kan hjÀlpa till med bÄde aktuell prestanda och att förutsÀga framtida prestanda. Han noterade att med virtuell verklighet kan Nissan fatta beslut om nya produktmeddelanden innan nÄgon kan se den fysiska nya produkten, och tekniker pÄ tillverkningslinjen kan fÄ in för att hjÀlpa till att rÀkna ut processen.

Han pratade om hur man kombinerar den nya tekniken med kompetensen hos lÄngvariga arbetare och anvÀnde en body shop-studie av passform och finish och ytkvalitet som ett exempel. För att fÄ det att fungera, parade han ihop en 20-Ärig tillverkningslinjeveteran och en MIT-student.

Zeynep Ton, professor vid MIT Sloan School of Management, noterade att teknik alltid har haft en djupgĂ„ende inverkan pĂ„ detaljhandeln och noterade att den största förĂ€ndringen de senaste Ă„ren har varit e-handel. ÄndĂ„ har kundupplevelsen och medarbetarupplevelsen inte förĂ€ndrats mycket. Hon noterade att detaljhandeln Ă€r den största arbetsgivaren i landet, men Ă€r kĂ€nd för dĂ„liga jobb, lĂ„ga löner, oförutsĂ€gbara scheman och “mĂ€nniskor som anvĂ€nds som widgets.” Hon sa att vi har en möjlighet att redesigna arbetet, men hittills anvĂ€nder vi inte teknik pĂ„ det sĂ€ttet.