هوش مصنوعی یا فناوری AI چهارمین انقلاب صنعتی است که تغییرات بزرگی را در سراسر جهان به ارمغان آورده است. این فناوری معمولاً به عنوان مطالعه سیستمهای هوشمندی تعریف میشود که میتوانند وظایف و فعالیتهایی را انجام دهند که به هوش سطح انسانی نیاز دارند. مانند سه انقلاب صنعتی گذشته، هوش مصنوعی میتواند تأثیر باورنکردنی بر بهرهوری داشته باشد. انقلاب هوش مصنوعی روشهای جمعآوری و پردازش دادهها و همچنین عملیاتهای تجاری را در صنایع مختلف تغییر داده است. به طور کلی، سیستمهای هوش مصنوعی توسط سه جنبه اصلی پشتیبانی میشوند که عبارتند از: دانش دامنه، تولید داده و یادگیری ماشین. دانش دامنه به درک و تخصص سناریوی زندگی واقعی در مورد چرایی و چگونگی نیاز به مهندسی یک کار اشاره دارد. جنبه داده به فرآیند آمادهسازی پایگاه دادههای مورد نیاز برای تغذیه الگوریتمهای یادگیری اشاره دارد. در نهایت، یادگیری ماشین الگوها را از دادههای آموزشی تشخیص میدهد، وظایف را بدون برنامهریزی دستی یا صریح پیشبینی میکند و انجام میدهد.
هوش مصنوعی تعریف خاصی ندارد، اما میتوانید آن را شبیهسازی مغز انسان در یک ماشین برای وادار کردن این ماشین به انجام «استدلال، بازنمایی دانش، برنامهریزی، یادگیری، پردازش زبان طبیعی، ادراک و توانایی حرکت و دستکاری اشیا» توصیف کنید. همانطور که میتوانید بگویید همه چیز در مورد ایجاد ذهن مصنوعی انسان است، اما بسیار قدرتمندتر از انسان است. تحقیقات هوش مصنوعی را میتوان به دو زیر شاخه اصلی رباتیک و یادگیری ماشینی تقسیم کرد.
رباتیک شاخهای میان رشتهای از مهندسی و علوم است که شامل مهندسی مکانیک، مهندسی الکترونیک و علوم کامپیوتر میشود. رباتیک به طراحی، ساخت، بهره برداری و استفاده از رباتها میپردازد. ما سالها این هشدار را میشنویم که یک ربات ممکن است کار ما را تصاحب کند. اخیراً گزارشی از گلدمن ساکس نشان داد که هوش مصنوعی (AI) میتواند جایگزین 300 میلیون شغل تمام وقت شود. با این حال، برای بسیاری از مردم، به نظر میرسد که کارشان عمدتاً طبق معمول پیش میرود. تأثیر هوش مصنوعی به بزرگی انقلاب صنعتی خواهد بود و به فرد امکان میدهد کارهای بسیاری را انجام دهد.
هوش مصنوعی یک ضربکننده نیرو برای هوش و بهرهوری انسان است. مانند انقلاب صنعتی که با ماشینها و کارخانهها همراه شد، هوش مصنوعی وسیلهای برای تولید است که فرد را قادر میسازد تا کار بسیاری را انجام دهد. تصور تغییر در این مقیاس دشوار است، اما احتمالاً بزرگتر از آن چیزی است که ما پیشبینی میکنیم. هوش مصنوعی نه تنها کارایی را برای برنامهنویسی، بازاریابی، کار مدیریت حقوقی یا مراقبتهای بهداشتی افزایش میدهد، بلکه به طور کامل نحوه ساخت و اداره کسبوکارها و سازمانهای مختلف را تغییر میدهد.
کدام مشاغل را تهدید میکند؟
هوش مصنوعی به تمام صنایع دست خواهد یافت.
ما به عنوان سرمایهگذاران، پتانسیل هوش مصنوعی را برای خودکارسازی، شخصیسازی و تنظیم دقیق هزاران فرآیند در صنایعی مانند مراقبتهای بهداشتی، آموزش، زیرساختها و خدمات حرفهای میبینیم.
مشاغل مورد تهدید هوش مصنوعی:
سرگرمی: حرکت کنید، نتفلیکس. در آینده، میتوانید روی مبل بنشینید و یک فیلم سفارشی با حضور بازیگران مجازی به انتخاب خود سفارش دهید. در همین حال، استودیوهای فیلمسازی ممکن است آیندهای بدون شکست داشته باشند: برنامههای پیشگویانه پیچیده، داستان فیلمنامه را تجزیه و تحلیل کرده و پتانسیل باکس آفیس آن را پیشبینی میکند.
پزشکی: چه دارویی برای بیماران خوب است، در حالی که میتوان آن را با ژنوم دقیق شما تنظیم کرد؟ الگوریتمهای هوش مصنوعی پزشکان و بیمارستانها را قادر میسازد تا دادهها را بهتر تجزیه و تحلیل کنند و مراقبتهای بهداشتی خود را با ژنها، محیط و سبک زندگی هر بیمار سفارشی کنند. از تشخیص تومورهای مغزی گرفته تا تصمیمگیری در مورد اینکه کدام درمان سرطان برای یک فرد بهتر جواب میدهد، هوش مصنوعی انقلاب پزشکی شخصی را به پیش خواهد برد.
امنیت سایبری: در سال 2015 حدود 707 میلیون نقض امنیت سایبری و تنها در نیمه اول سال 2016، 554 میلیون مورد رخ داده است. شرکتها در تلاش هستند تا یک قدم جلوتر از هکرها باقی بمانند. کارشناسان USC میگویند که قابلیتهای خودآموز و اتوماسیون فعالشده، توسط هوش مصنوعی میتواند از دادهها بهطور سیستماتیکتر و مقرون به صرفهتر محافظت کند و مردم را از تروریسم یا حتی سرقت هویت در مقیاس کوچکتر ایمن نگه دارد. ابزارهای مبتنی بر هوش مصنوعی به دنبال الگوهای مرتبط با ویروسها و برنامههای رایانهای مخرب، قبل از اینکه بتوانند حجم عظیمی از اطلاعات را به سرقت ببرند یا باعث خرابی شوند، هستند.
وظایف حیاتی: دستیاران هوش مصنوعی به افراد مسن کمک میکنند مستقل بمانند و مدت طولانیتری در خانههای خود زندگی کنند. ابزارهای هوش مصنوعی غذای مغذی را در دسترس نگه میدارند، با خیال راحت به اشیاء در قفسههای بلند دسترسی پیدا میکنند و نظارت میکنند. حرکت در خانه سالمندان این ابزارها میتوانند چمنزنی کنند، پنجرهها را بشویند و حتی به حمام کردن و بهداشت کمک کنند. اما کار با کمک هوش مصنوعی ممکن است در زمینههای خطرناکی مانند استخراج، اطفاء حریق، پاکسازی مینها و جابجایی مواد رادیواکتیو حیاتیتر باشد.
تحلیلگران داده: در دنیای دیجیتال ما، شرکتها و سازمانها در دادهها غرق میشوند؛ ارقام فروش، دادههای جمعیتی، مدلهای آبوهوایی. این وظیفه تحلیلگران داده است که تمام آن دادهها را غربال کنند، روندهای پنهان را شناسایی کنند و توصیههای عملی ارائه دهند. همه آن کارها پر زرق و برق نیست. بخش بزرگی از کار یک تحلیلگر داده، انتخاب فیلدها و فیلترها، و کشف بهترین فرمولهای صفحه گسترده برای برش و برش دادهها است. خبر خوب (و بد) این است که هوش مصنوعی اکنون میتواند بسیاری از این کارهای وقت گیر را انجام دهد. داونپورت میگوید، مانند بسیاری از بخشهای شغلی دیگر، نیاز به تجزیه و تحلیل و تصمیمگیری در سطح بالا وجود خواهد داشت، اما تجزیه و تحلیل دادههای سطح پایین، مانند مدلسازی مالی در بانکداری سرمایهگذاری و سهام خصوصی، بسیاری از این موارد میتواند باشد.
حمل و نقل: مکانی که هوش مصنوعی ممکن است در آینده نزدیک بیشترین تأثیر را داشته باشد، اتومبیلهای خودران هستند. برخلاف انسانها، رانندگان هوش مصنوعی هرگز از بالا به رادیو نگاه نمیکنند، ریمل نمیزنند یا با بچههایشان در صندلی عقب بحث نمیکنند. به لطف گوگل، خودروهای خودران در حال حاضر برخی شهرها در حال تردد هستند، اما باید انتظار داشت تا سال 2030 همه جا حاضر شوند. قطارهای بدون راننده در حال حاضر بر ریلهای شهرهای اروپایی حکومت میکنند و بوئینگ در حال ساخت یک هواپیمای مسافربری مستقل است (خلبانان هنوز باید اطلاعات را در سیستم قرار دهند).
چگونه هوش مصنوعی میتواند مشاغل را افزایش دهد:
اختراع مشاغل جدید، توانمندسازی مشاغل موجود
در حالی که هوش مصنوعی مطمئناً جای برخی از مشاغل را خواهد گرفت، چنین جابجایی مدتها قبل از حضور هوش مصنوعی در صحنه اتفاق افتاده است. در قرن گذشته، ما شاهد نابودی یا کاهش عناوینی مانند آژانس مسافرتی، اپراتور آسانسور و... بودهایم. در همین حال، عناوین جدیدی مانند توسعهدهنده اپلیکیشن، مدیر رسانههای اجتماعی و دانشمند داده ظهور کردهاند.
داگرتی و جیم ویلسون، مدیر عامل فناوری اطلاعات و تحقیقات کسب و کار در Accenture Research، کتابی با عنوان Human+Machine: Reimagining Work in Age of AI را با هم تألیف کردهاند. از نظر آنها، مشاغل آینده (و فعلی) شامل مربیان و توضیح دهندگان است. مربیان به سیستمهای هوش مصنوعی یاد میدهند که چگونه رفتارهای انسانی را انجام دهند و تقلید کنند. توضیح دهندگان بین ماشینها و ناظران انسانی ارتباط برقرار خواهند کرد.
مربیان چت رباتها اخیراً به عنوان یک مجرای ارتباطی جدید برای برندها و مصرف کنندگان ظاهر شدهاند. اگرچه این راز نیست که آنها اغلب سفت و سخت بودهاند و پاسخهای نامناسبی ارائه دادهاند.
شرکتهایی مانند فیس بوک و گوگل از انسان برای تعدیل محتوا استفاده میکنند. فیسبوک در حال حاضر حدود ۷۵۰۰ نفر را برای این منظور استخدام کرده است. شرکت مادر گوگل آلفابت نیز اخیرا اعلام کرده است که قصد دارد 10000 نفر در YouTube را تعدیل کنند.
هوش مصنوعی جایگزین 10 شغل نمیشود:
خیال ما میتواند از این بابت راحت باشد که برخی مشاغل کمتر با هوش مصنوعی جایگزین میشوند. مشاغلی که هوش مصنوعی قادر به تکرار آنها نیست، از زمینههای خلاقانه تا مشاغل همدلانه و همچنین مشاغل استراتژیک پیچیده را شامل میشود.
- معلم ها:ابزارهای مبتنی بر هوش مصنوعی در کلاس درس دستاوردهایی داشتهاند و تعاملات گروههای کوچک را هدایت میکنند و به کودکان کمک میکنند مهارتهای اجتماعی-عاطفی خود را رشد دهند. اما هوش مصنوعی نمیتواند اعتماد و صمیمیت معلمان انسانی را با دانشآموزان خود ایجاد کند. معلمان انسانی همچنین ممکن است برای حل مشاجرات، ارتباط با والدین دانشآموزان و مدیریت سایر تعاملات اجتماعی پیچیده مجهزتر باشند.
- پرستار; وظایف ساده مراقبتهای بهداشتی مانند حمل و نقل لوازم پزشکی و بازیابی اطلاعات بیمار ممکن است به هوش مصنوعی واگذار شود. این تعاملات چهره به چهره است که در آن لمس انسان ضروری است. ارائه مراقبتهای کنار تخت، گفتگوهای عمیق با خانوادهها و کاهش ترس بیماران، همه موقعیتهایی هستند که پرستاران و سایر کارکنان بهداشتی ممکن است بر هوش مصنوعی ترجیح داده شوند.
- مددکاران اجتماعی: احتمالاً به این زودی هوش مصنوعی جایگزین مددکاران اجتماعی نخواهد شد. کاری که آنها انجام میدهند، اغلب با افرادی از جمعیتهای محروم یا در معرض خطر، نیاز به لمس و قضاوت انسانی دارد. درک شرایط منحصر به فرد افراد و کمک به آنها در جهتیابی موقعیتهای استرسزا، زمینههایی است که انسان ممکن است بهتر از هوش مصنوعی برای آنها آماده باشد.
- روانشناسان: روانشناسان کارهای ذهنی و روانی زیادی انجام میدهند، به مشکلات افراد گوش میدهند و آنها را در حین کار از طریق احساسات، افکار و پاسخهای عاطفی راهنمایی میکنند. هوش مصنوعی توانایی درک این جنبه از انسان را تا این حد ندارد.
- تهیه و سرو غذا: طبق گزارش گلدمن ساکس، حداقل نیمی از وظایف شغلی مربوط به پخت و پز و سرو غذا به سادگی توسط هوش مصنوعی یا روباتها انجام نمیشود. این بدان معنا نیست که اتوماسیون به صنعت غذا نفوذ نخواهد کرد. فست فود زنجیرهای White Castle در حال حاضر از رباتها در برخی مکانها برای برگرداندن همبرگر و پختن سیب زمینی سرخ کرده استفاده میکند. مانند سایر خدمات، داونپورت معتقد است که مردم مایل به فداکاری در سطح پایین هستند. او میگوید: «ما اهمیتی نمیدهیم که یک ربات همبرگر ما را در کاخ سفید درست کند، اما اگر به یک رستوران واقعاً زیبا بروید، نمیخواهید سرآشپز یک ربات باشد.»
- مشاغل فنی: افرادی که در مشاغل فنی میکنند، مانند لوله کشها و برقکاران و... اغلب مجبورند طیف وسیعی از کارهای یدی و تعاملات انسانی عمیقتری را انجام دهند، دو مورد که هوش مصنوعی در آنها برتری ندارد. به عنوان مثال، لوله کشها باید هماهنگی چشم و دست عالی را برای کار با وسایل مختلف نشان دهند.
- وکلا: اگرچه هوش مصنوعی به بخش عمدهای از صنعت حقوقی تبدیل شده است، بعید است به این زودی جایگزین وکلا شود.
- کارشناس منابع انسانی: متخصصان منابع انسانی بر حوزههایی مانند استخدام، مصاحبه و حضور در سازمان نظارت میکنند؛ همه فرآیندهایی که به سطوح بالایی از تعاملات شخصی و انسانی نیاز دارند. هوش مصنوعی ممکن است برای غربالگری رزومهها مفید باشد، اما ممکن است نتواند حساسیت و دقت لازم را برای گذر از موقعیتهایی مانند اخراج، سؤالات خصوصی در مورد مزایا و شکایات کارکنان ارائه دهد.
- نویسنده: علیرغم برخورداری از محبوبیت بسیار زیاد، ابزارهای نوشتن هوش مصنوعی برای مطابقت با کیفیت و خلاقیت نویسندگان با استعداد انسانی تلاش میکنند. کپی رایترها، نویسندگان UX و نویسندگان فنی به طور معمول در کار خود تفکر انتقادی دارند، مانند تصمیمگیری بر اساس ترجیحات و نیازهای مخاطب، در حالی که ابزارهای هوش مصنوعی میتوانند به تولید ایده کمک کنند، مهارت نوشتن و زبان انسانی بسیار سختتر است.
- هنرمندان: تولیدکنندگان هنر هوش مصنوعی در تولید قطعات باکیفیت مهارت دارند، اما این قطعات فقط بر اساس آثار هنری و سبکهایی هستند که از قبل وجود داشتهاند. هنرمندان انسانی کسانی هستند که سبکها و ایدههای جدیدی را توسعه میدهند که نوآوری را در چشمانداز هنری ایجاد میکند. معیشت هنرمندان همچنان تحت تأثیر هوش مصنوعی قرار میگیرد، اما اصالت هنری در اختیار انسان هاست.
راهکارهایی در برابر تهدید هوش مصنوعی
همه وظایفی که مشاغل اصلی را در سه بخش تجزیه و تحلیل شده تشکیل میدهند، نمیتوانند خودکار شوند. مشاغلی که نیروی خود را از فعالیتهای انسانی و اجتماعی خود میگیرند و مهارتهایی را بسیج میکنند که به خلاقیت و حل مشکلات پیچیده نیاز دارند، حفظ خواهند شد. این امر به ویژه در مورد برخی از مشاغل بسیار ماهر، مانند پزشکان، یا مشاغل کم مهارت مانند دستیاران مراقبت یا مددکاران اجتماعی صادق است. در حالی که در بخش حمل و نقل، فعالیت رانندگی ممکن است در درازمدت با توسعه بیشتر وسیله نقلیه خودران ناپدید شود، وظایف نظارتی بیشتر و بیشتری نیز ممکن است ظاهر شود، بنابراین مشاغل خاصی را متحول میکند. این پدیده جدید نیست. رباتسازی در صنعت خودرو یک پدیده قدیمی است که منجر به جابجایی کارگران در وظایف نظارتی شده است. این امر در مورد بخش بانکداری نیز صدق میکند، زیرا دیجیتالی کردن تعداد زیادی از فعالیتها منجر به تکامل حرفههای ارائه مشاوره به افراد میشود. هوش مصنوعی انجام وظایفی را که قبلاً امکانپذیر نبوده، ممکن میسازد، یا به این دلیل که برای انسان بسیار وقتگیر و خستهکننده بودند یا از نظر اقتصادی بیسود. به عنوان مثال، در بخش سلامت، یا در بخش بانکی، تشخیص ناهنجاریها در تراکنشها با استفاده از دستگاههای مبتنی بر هوش مصنوعی.
برای اینکه فرد بتواند موقعیت خود را در بازار کار فردا ثابت کند، چالش اصلی توانایی یادگیری مداوم و توسعه مهارتهای جدید، بهویژه مهارتهایی است که متقاطع به بازار کار هستند. نمونههای بخشی به ویژه به این نکته اشاره میکنند که شایستگیهای مقطعی - توانایی برقراری ارتباط با دیگران و تأثیرگذاری بر تصمیمگیریها، توانایی انتقال مهارتها و دانش سازمانی و توانایی مدیریت مخاطرات - با هوش مصنوعی اهمیت بیشتری پیدا میکنند. اشکال یادگیری سازماندهی کاری که مبتنی بر منطق یادگیری مستمر است، میتواند بهویژه برای چالشهای ناشی از ادغام هوش مصنوعی مناسب باشد. همانطور که مطالعه اخیر بنهامو و لورنز(2020) نشان میدهد، سازمانهای یادگیرنده مبتنی بر استفاده از اشکال سازمان کاری هستند که شایستگیهای مقطعی را توسعه میدهند و از یادگیری مستمر کارکنان حمایت میکنند. اتخاذ این اشکال سازماندهی کاری میتواند اهرمی مناسب برای اطمینان از اینکه هوش مصنوعی برای تقویت مکمل بین ماشینها و انسانها استفاده میشود و نه صرفاً برای جایگزینی انسانها.
عامل دیگری که به نفع مدل یادگیری اشکال سازماندهی کار استدلال میکند، خود فرآیند انتشار نوآوری است. در واقع، اصل هوش مصنوعی این است که قوانین آماری را کشف کند و در عین حال در یک سیستم تصمیمگیری «متخصص» که از دادههای تاریخی استفاده میکند، «محصور» باقی بماند. به طور متناقض، این میتواند محافظه کاری خاصی را در تصمیم گیریهای انسانی مورد حمایت قرار دهد. با این حال، پیشرفت مربوط به گذشته نیست، بلکه خلاقیت و ریسک پذیری است. این همچنین به نفع اتخاذ یک طراحی سازمان یادگیرنده است که ریسک پذیری و توسعه «تفکر سیستمی» را تشویق میکند تا توانایی سازمان را برای حرکت فراتر از «چارچوبها و هنجارهای از پیش تعیین شده» ناشی از فرآیندهای تولید استاندارد افزایش دهد. برعکس، اگر شرکتها از شکلهای سنتی سلسله مراتبی سازماندهی استفاده کنند، این خطر افزایش مییابد که هوش مصنوعی عمدتاً برای اهداف جایگزینی برای نیروی انسانی استفاده شود، زیرا فرآیند تولید در این اشکال سازمانی مبتنی بر درجه بالایی از استانداردسازی است.
بنابراین، مستقل از تأثیر هوش مصنوعی بر سطح اشتغال، استقرار هوش مصنوعی نیاز به بازنگری عمیق در سازمان کاری برای حمایت از ظرفیتهای یادگیری مستمر و تکامل مهارتها اشاره میکند. بسیاری به استراتژی بازار رقابتی شرکت و سازماندهی کاری که در حمایت از آن اتخاذ میشود بستگی دارد. در حالی که استفاده از اشکال یادگیری سازمان کاری به مزیت رقابتی شرکتهایی که به دنبال رقابت مبتنی بر نوآوری هستند، کمک میکند، استفاده از کارکنان کم مهارت با آموزش محدود و ظرفیت کم برای یادگیری به دنبال مزیت رقابتی از طریق کاهش هزینهها کمک میکند.
چالشهای سازمانی ناشی از ظهور هوش مصنوعی بسیار زیاد است و باید به شیوهای سازگار با سیستم آموزشی یک کشور در نظر گرفته شود. به منظور محافظت از بازار کار در برابر خطرات کاهش و منسوخ شدن مهارتها، سرمایه گذاری بر روی مهارتهای مقطعی و افزایش ظرفیت افراد و بنگاهها برای یادگیری مستمر ضروری است. در حالی که این اشکال توسعه مهارتها را میتوان از طریق سیاستهای نوآورانه در سطح سیستم آموزشی و آموزش رسمی حمایت کرد، اما به انتخابهای کارفرمایان نیز بستگی دارد.
منابع:
ALDERWICK، H.، HAM، C. and BUCK، D. (2015). Population Health Systems، Going beyond into integrated Care، February 2015. The King’s Found.
ARNTZ، M.، T. GREGORY and U. ZIERAHN (2016). “The Risk of Automation for Jobs in OECD Countries: A Comparative Analysis”، OECD Social، Employment and Migration Working Papers، No. 189، OECD Publishing، Paris.
ATHLING (2017). L’IA dans la banque: emploi et compétences، Observatoire des métiers de la banque، décembre.
ASSOCIATION INTERNATIONALE DES CONTRÔLEURS D’ASSURANCE (IAIS) (2017). FinTech Developments in the Insurance Industry، 21 février.
BENHAMOU، S. (2018). The world of work in 2030: Four scenarios in Work in the Digital Age: Challenges of the Fourth Industrial Revolution، Ed. Max Neufeind، Jacqueline O’Reilly، Florian Ranft، Rowman et Littlefield Intl.، London-New York
BENHAMOU، S. and JANIN L. (2018). “Artificial Intelligence and Work”، Report France Stratégie to the Minister of Labour and the Minister of State for the Digital Sector.
BENHAMOU، S. and LORENZ، E. (2020a). Les organisations du travail apprenante، Enjeux et Défis pour la France، Avril 2020. Rapport de France Stratégie.
BENHAMOU، S. and LORENZ، E. (2020b). Promoting Learning Work Organizations: Issues and Challenges for France، April 2020. Note de synthèse، France Stratégie.
BOWLES، J. (2014). The Computerization of European Jobs، Bruegel، Brussels.
BRYNJOLFSSON، E. and MCAFEE، A. (2014). The second machine age: Work، progress، and prosperity in a time of brilliant technologies. WW Norton & Company.
CHOLLET، F. (2018). Deep Learning with Python، Manning Publications، Sister Island.
نظر شما