algorithm data
圖片來源:Pixabay/CC0 公共領域

加拿大統計局最近發布詳細報告估計未來幾年哪些職業可能會受到人工智慧的影響。

報告最後向教育和醫療保健專業人員發出了樂觀的訊息,表明他們不僅有望保住工作,而且人工智慧的進步也將提高他們的生產力。然而,金融、保險、資訊和文化產業的前景更為黯淡,他們的職業生涯預計將因人工智慧而脫軌。

當會計師和作家驚慌失措時,醫生和教師現在是否應該鬆口氣?也許吧,但不是因為這份報告的數據。

加拿大統計局在此提供的內容是相對毫無意義的練習。它假設的是科技本身以及它如何補充人類的努力,而不是科技本身。旨在破壞我們共同的人性,這是關鍵的決定因素。由於犯了這個錯誤,該報告成為企業驅動的樂觀主義的另一個犧牲品,而犧牲了更醜陋的商業現實。

高度關注人工智慧炒作

推動新創新或產品的公司能夠滿足我們最大的希望和恐懼沒什麼新意。唯一可能新穎的是大型科技公司對人工智慧影響力的巨大希望,這種影響似乎遍及每個產業。

那麼這也就不足為奇了人們普遍感到恐懼哪些行業和部門將被人工智慧取代。加拿大統計局尋求減輕其中一些擔憂也就不足為奇了。

研究將工作分為三類:

  • 那些人工智慧暴露度高且互補性低的人,這意味著人類可能會直接與機器競爭這些角色;
  • 那些人工智慧接觸率高、互補性強的領域,自動化可以提高對工作至關重要的工人的生產力;
  • 以及那些人工智慧接觸率較低的國家,人工智慧的替代似乎還沒有構成威脅。

該報告的作者聲稱,他們的方法(檢查暴露與互補性之間的關係)優於以前的方法,這些方法著眼於手動與認知或者重複與非重複分析自動化對工作場所的影響時的任務。

然而,透過關注這些類別,該研究仍然相信企業的炒作。這幾類分析於 2021 年開發。過去幾年,新的視窗打開了,讓我們更清楚地了解大型科技公司急於部署人工智慧的方式。新發現的不道德策略使得暴露和互補的預測類別變得相當毫無意義。

人工智慧通常是由人類驅動的

最近的事態發展表明,即使是人工智慧暴露度高、人工智慧互補性低的工作,仍然依賴幕後的人類來完成必要的工作。以自動駕駛汽車公司 Cruise 為例2016年被通用汽車收購超過10億美元。計程車駕駛是一項人工智慧暴露度高、人工智慧互補性低的工作——我們假設計程車要么由人類駕駛員控制,要么如果是無人駕駛的,則由人工智慧控制。

事實證明,克魯斯在加州的「自動」計程車實際上並不是無人駕駛的。有遠距人工幹預每隔幾英里。

如果我們要準確地分析這份工作,我們需要考慮三類。第一個是車內人類駕駛員,第二個是遠端人類駕駛員,第三個是自動人工智慧驅動的車輛。第二類使得這裡的互補性相當高。但事實是克魯斯和其他可能的人,試圖保守秘密提出了一個全新的問題世界。

Presto Automation 也出現了類似的情況,該公司專門為 Checkers 和 Del Taco 等連鎖店提供人工智慧驅動的得來速訂購服務。該公司稱自己是最大的“勞動自動化技術供應商”,但據透露,其大部分“自動化”是由菲律賓的人力

軟體公司Zendesk 提供了另一個範例。它曾經根據該軟體嘗試解決客戶問題的頻率向客戶收費。現在,Zendesk 僅在其專有人工智慧在無人幹預的情況下完成任務時才收費。

從技術上來說,這種場景可以形容為高曝光度、高互補性。但是,我們是否想要支持一種客戶的第一個聯絡點可能令人沮喪且無益的商業模式?特別是知道企業會在這種模式上擲骰子,因為他們不會為那些無益的互動付費?

審視商業模式

就目前而言,人工智慧帶來的更多的是商業挑戰,而不是技術挑戰。加拿大統計局等政府機構需要小心,不要放大圍繞它的炒作。政策決策需要基於對企業實際如何使用人工智慧的批判性分析,而不是基於誇大的預測和公司議程。

要製定有效的政策,至關重要的是關注人工智慧如何真正融入企業,而不是陷入可能永遠不會完全實現的推測性預測。

科技的角色應該是支持人類福祉,而不僅僅是降低企業的勞動成本。從歷史上看,每一次科技創新浪潮都帶來擔憂關於工作轉移。未來的創新可能取代人類勞動,這一事實並不新鮮,也不值得擔心。相反,它應該促使我們批判性地思考它的使用方式以及誰會從中受益。

因此,政策決策應植根於準確、透明的數據。加拿大統計局作為關鍵數據提供者,在這裡可以發揮重要作用。它需要對情況提供清晰、公正的看法,確保政策制定者擁有正確的資訊來做出明智的決策。

本文轉載自對話根據知識共享許可。閱讀原創文章The Conversation

引文:研究人員:政府需要關注人工智慧的真正影響,而不是陷入大型科技公司的炒作(2024 年,9 月 16 日)檢索日期:2024 年 9 月 16 日來自 https://techxplore.com/news/2024-09-focus-ai-real-impact-caught.html

本文檔受版權保護。除了出於私人學習或研究目的的任何公平交易外,不得未經書面許可,不得複製部分內容。所提供的內容僅供參考。