Машинное обучение сменит работу: Воздействие на экономику могло превзойти воздействие предыдущих приложений AI

Поэтому скажите Тома Митчелла Университета Карнеги-Меллон и Эрика Бринджолфссона MIT в стратегическом комментарии Форума, который будет издан в выпуске 22 декабря журнала Science. Митчелл, который основал первый в мире Отдел Машинного обучения в CMU, и Бринджолфссона, директора Инициативы MIT по Электронной экономике в Школе менеджмента Слоун, описывает 21 критерий, чтобы оценить, поддаются ли задача или работа машинному обучению (ML).«Хотя экономические эффекты ML относительно ограничены сегодня, и мы не сталкиваемся с неизбежным ‘концом работы’, как иногда объявляется, последствия для экономики и трудовых ресурсов, продвижение глубоко», пишут они.

Профессиональные люди принимают решение развиваться, и инвестиционные компании составляют завещание, определяют, кто процветает и кто колеблется, как только ML внушен в повседневной жизни, спорят они.ML – один элемент того, что известно как искусственный интеллект.

Быстрые достижения в ML привели к недавним улучшениям распознавания лиц, понимания естественного языка и компьютерного видения. Это уже широко используется для обнаружения мошенничества с кредитной картой, систем рекомендации и анализа финансового рынка, с новыми заявлениями, такими как медицинский диагноз на горизонте.Предсказание, как ML затронет конкретную работу или профессию, может быть трудным, потому что ML имеет тенденцию автоматизировать или полуавтоматизировать отдельные задачи, но рабочие места часто включают многократные задачи, только некоторые из которых поддаются подходам ML.

«Мы не знаем, как все это будет терять значение», признал Митчелл, Профессор университета Э. Фредкина в Школе CMU Информатики. Ранее в этом году, например, исследователи показали, что программа ML могла диагностировать рак кожи лучше, чем дерматолог. Это не означает, что ML заменит дерматологов, которые делают много вещей кроме оценивают повреждения.

«Я думаю, что собирается произойти с дерматологами, они станут лучшими дерматологами и будут иметь больше времени, чтобы потратить с пациентами», сказал Митчелл. «Люди, рабочие места которых включают взаимодействие от человека к человеку, собираются быть более ценными, потому что они не могут быть автоматизированы».Задачи, которые поддаются ML, включают тех, для которых много данных доступно, пишут Митчелл и Бринджолфссон. Чтобы изучить, как диагностировать рак кожи, например, программы ML смогли изучить больше чем 130 000 маркированных примеров повреждений кожи. Аналогично, программы обнаружения мошенничества с кредитной картой могут быть обучены с сотнями миллионов примеров.

ML может быть переломным моментом для задач, которые уже онлайн, таковы как планирование. Рабочие места, которые не требуют ловкости, двигательных навыков или подвижности также, более подходят для ML. Задачами, которые включают принимающие быстрые решения на основе данных, является подходящий вариант для программ ML; не, итак, если решение зависит от длинных цепей рассуждения, разнообразного фонового знания или здравого смысла.

ML не хороший выбор, если пользователю нужно подробное объяснение того, как решение было принято, по словам авторов. Другими словами, ML мог бы быть лучше, чем врач в обнаружении рака кожи, но дерматолог лучше в объяснении, почему повреждение злокачественно или нет.

Работа идет полным ходом, однако, на «объяснимых» системах ML.Понимание точной применимости ML в трудовых ресурсах очень важно для понимания его вероятного воздействия на экономику, говорят авторы. Ранее в этом году Национальные академии наук, Разработка и исследование Медицины информационных технологий и трудовых ресурсов, сопредседательствовали Митчеллом и Бринджолфссоном, отметил, что достижения информационных технологий способствовали растущему неравенству заработной платы.

«Хотя есть многие силы, способствующие неравенству, такие как увеличенная глобализация, потенциал для больших и быстрых изменений из-за ML, во многих случаях в течение десятилетия, предполагает, что экономические эффекты могут быть очень подрывными, создав и победителей и проигравших», пишут они. «Это потребует значительного внимания среди политиков, бизнес-лидеров, технологов и исследователей».


FBCONSTANTA.RU