هوش مصنوعی همه بخش های اقتصاد را دگرگون می کند ، اما هیچ دلیلی برای ترس از اینکه ربات ها جایگزین همه کارمندان انسانی می شوند وجود ندارد. در واقع ، شرکت هایی که عملکرد خود را عمدتاً برای کاهش نیروی کار خود انجام می دهند ، تنها افزایش بهره وری کوتاه مدت را شاهد خواهند بود.

تحقیقات آنها ، با حضور ۱۵۰۰ شرکت در طیف وسیعی از صنایع ، نشان می دهد که بزرگترین پیشرفت عملکرد زمانی حاصل می شود که انسان ها و ماشین های هوشمند با هم کار می کنند و نقاط قوت یکدیگر را افزایش می دهند.

افراد باید عوامل هوش مصنوعی را آموزش دهند ، نتایج خود را توضیح دهند و اطمینان حاصل کنند که از آنها با مسئولیت پذیری استفاده می شود.

عوامل هوش مصنوعی به نوبه خود می توانند با جمع آوری اطلاعات ، خرد کردن داده ها ، خدمات روزمره مشتری و کار جسمی ، به افراد کمک کنند و در نتیجه آنها را برای کارهای سطح بالاتر که نیاز به رهبری ، تفکر خلاق ، قضاوت و سایر مهارت های انسانی دارند ، آزاد کنند. برای استفاده بیشتر از هوش مصنوعی ، شرکت ها باید فرایندهای تجاری خود را دوباره طراحی کنند. پس از تصمیم گیری در مورد نیاز به پیشرفت – انعطاف پذیری عملیاتی ، سرعت یا مقیاس پذیری آنها.

تصمیم گیری آنها یا توانایی آنها در شخصی سازی محصولات و خدمات – آنها می توانند راه حل های مناسب را طراحی کنند. این به معنای نه تنها پیاده سازی فناوری هوش مصنوعی بلکه توسعه کارمندانی است که می توانند در رابط انسان و ماشین به طور موثر کار کنند.

هوش مصنوعی در بسیاری از مشاغل “انسانی” – تشخیص بیماری ، ترجمه زبانها ، ارائه خدمات به مشتری – خوب می شود و به سرعت بهبود می یابد. این نگرانی منطقی را ایجاد می کند که در نهایت هوش مصنوعی جایگزین کارگران انسانی در کل اقتصاد خواهد شد. اما این نتیجه اجتناب ناپذیر ، یا حتی به احتمال زیاد ، نیست.

قبلاً هرگز ابزارهای دیجیتال نه به ما و نه به ابزارهای خود پاسخگو نبوده اند. در حالی که هوش مصنوعی چگونگی انجام کار و انجام آن را کاملاً تغییر خواهد داد ، تأثیر بیشتر این فناوری در تکمیل و تقویت توانایی های انسانی و نه جایگزینی آنها خواهد بود. مطمئناً ، بسیاری از شرکت ها از هوش مصنوعی برای اتوماسیون فرآیندها استفاده کرده اند ، اما آنهایی که عمدتا برای جابجایی کارمندان از آن استفاده می کنند ، فقط افزایش بهره وری کوتاه مدت خواهند داشت.

در تحقیقات ما با شرکت ۱۵۰۰ شرکت ، متوجه شدیم که شرکتها وقتی انسان و ماشین آلات با هم کار می کنند ، به مهمترین پیشرفتهای عملکردی دست می یابند. از طریق چنین هوش مشارکتی ، انسان و هوش مصنوعی به طور فعال نقاط قوت مکمل یکدیگر را تقویت می کنند: رهبری ، کار تیمی ، خلاقیت و مهارت های اجتماعی اولی ها ، و سرعت ، مقیاس پذیری و قابلیت های کمی دومی. آنچه که به طور طبیعی برای افراد به وجود می آید (به عنوان مثال شوخی) می تواند برای ماشینها مشکل باشد و آنچه برای ماشینها ساده است (تجزیه و تحلیل گیگابایت داده ها) برای انسانها عملاً غیرممکن است. تجارت به هر دو نوع قابلیت نیاز دارد.

برای استفاده کامل از این همکاری ، شرکت ها باید بفهمند که چگونه انسان می تواند به طور موثر ماشین آلات را افزایش دهد ، چگونه ماشین آلات می توانند کارهایی را که انسان به بهترین وجه انجام می دهد ارتقا دهند و همچنین چگونه می توانند فرایندهای تجاری را برای حمایت از مشارکت دوباره طراحی کنند.

با تحقیق و کار در این زمینه ، ما دستورالعمل هایی را برای کمک به شرکت ها در دستیابی به این هدف و استفاده از قدرت هوش مشترک ایجاد کرده ایم. کمک به انسانها انسان ها باید سه نقش اساسی را داشته باشند. آنها باید ماشین آلات را برای انجام برخی وظایف آموزش دهند.

نتایج این کارها را توضیح دهید ، به ویژه هنگامی که نتایج ضد خلاف یا بحث برانگیز است. و استفاده مسئولانه از ماشین آلات را حفظ کنید (مثلاً با جلوگیری از صدمه دیدن روبات ها به انسان). آموزش. الگوریتم های یادگیری ماشین باید آموزش داده شود که چگونه کاری را که برای انجام آن طراحی شده اند انجام دهند.

در این تلاش ، مجموعه های عظیمی از آموزش برای جمع آوری برنامه های ترجمه ماشینی برای مدیریت اصطلاحات اصطلاحات ، برنامه های پزشکی برای تشخیص بیماری و موتورهای پیشنهادی برای پشتیبانی از تصمیم گیری مالی جمع می شوند. علاوه بر این ، سیستم های هوش مصنوعی باید آموزش دهند که چگونه بهترین تعامل را با انسان برقرار کنند.

در حالی که سازمانهای مختلف در حال حاضر در مراحل اولیه تکمیل نقش مربی هستند ، شرکتهای پیشرو فناوری و گروههای تحقیقاتی از قبل دارای کادر آموزشی و تخصص بالغ هستند. دستیار هوش مصنوعی مایکروسافت ، کورتانا را در نظر بگیرید.

ربات برای ایجاد شخصیت مناسب به آموزش گسترده ای نیاز داشت: اعتماد به نفس ، دلسوز و مفید اما سرسخت. القای این ویژگی ها ساعت های بی شماری مورد توجه تیمی قرار گرفت که شامل شاعر ، داستان نویس و نمایشنامه نویس بود. به همین ترتیب ، مربیان انسانی برای پرورش شخصیت های Apple’s Siri و Amazon’s Alexa برای اطمینان از انعکاس دقیق مارک های شرکت هایشان مورد نیاز بودند.

به عنوان مثال ، Siri فقط نوعی ادب دارد ، همانطور که مصرف کنندگان ممکن است از اپل انتظار داشته باشند.

اکنون دستیاران هوش مصنوعی آموزش دیده اند تا صفات پیچیده و ظریف انسانی مانند همدردی را نیز به نمایش بگذارند. شرکت نوپای کوکو ، شاخه ای از آزمایشگاه رسانه ای MIT ، فناوری را توسعه داده است که به نظر می رسد دستیاران هوش مصنوعی متشکل هستند.

به عنوان مثال ، اگر کاربری روز بدی را سپری کند ، سیستم کوکو با پاسخی از قبیل “متاسفم که این را شنیدم” پاسخی نمی دهد. در عوض ممکن است اطلاعات بیشتری بخواهد و سپس توصیه هایی برای کمک به فرد در دیدن مسائل خود از منظری دیگر ارائه دهد.

به عنوان مثال ، اگر او احساس استرس می کرد ، کوکو ممکن است توصیه کند که به آن تنش به عنوان یک احساس مثبت که می تواند به مرحله عمل منتقل شود ، فکر کند. توضیح دادن از آنجایی که هوش مصنوعی به طور فزاینده ای از طریق فرایندهای غیرشفاف (به اصطلاح مشکل جعبه سیاه) به نتیجه می رسند ، آنها به متخصصان انسانی در این زمینه نیاز دارند تا رفتار خود را برای کاربران بدون خبره توضیح دهند.

این “مفسران” به ویژه در صنایع مبتنی بر شواهد از جمله قانون و پزشکی بسیار مهم هستند ، جایی که یک پزشک باید بفهمد چگونه هوش مصنوعی ورودی های مثلاً مجازات یا توصیه های پزشکی را سنجیده است.

توضیح دهندگان به همین ترتیب در کمک به بیمه گذاران و اجرای قانون مهم هستند که چرا یک اتومبیل خودمختار اقداماتی را انجام داد که منجر به تصادف شد – یا نتوانست از آن جلوگیری کند. و توضیح دهندگان در صنایع تحت نظارت در حال تبدیل شدن به یکپارچه هستند – در واقع ، در هر صنعت با مصرف کننده که تولید یک ماشین می تواند به عنوان ناعادلانه ، غیرقانونی یا کاملاً اشتباه مورد چالش قرار گیرد.

به عنوان مثال ، آیین نامه جدید حفاظت از داده عمومی اتحادیه اروپا (GDPR) به مصرف کنندگان این حق را می دهد که توضیحی درباره هر تصمیم مبتنی بر الگوریتم مانند پیشنهاد نرخ کارت اعتباری یا رهن دریافت کنند. این یکی از زمینه هایی است که هوش مصنوعی در افزایش اشتغال کمک می کند: کارشناسان تخمین می زنند که شرکت ها برای اداره نیازهای GDPR باید حدود ۷۵۰۰۰ شغل جدید ایجاد کنند.

پایداری

علاوه بر داشتن افرادی که بتوانند نتایج هوش مصنوعی را توضیح دهند ، شرکتها به “نگهدارنده” (نیروهایی) نیاز دارند که به طور مداوم برای اطمینان از عملکرد صحیح ، ایمن و مسئولانه سیستمهای هوش مصنوعی کار می کنند.

هوش مصنوعی می تواند توانایی های تحلیلی و تصمیم گیری ما را افزایش داده و خلاقیت را افزایش دهد.

به عنوان مثال ، مجموعه ای از متخصصان که بعضاً بعنوان مهندسین ایمنی بر پیش بینی و تلاش برای جلوگیری از آسیب دیدن هوش مصنوعی تمرکز می کنند.

توسعه دهندگان ربات های صنعتی که در کنار مردم کار می کنند ، به دقت اطمینان حاصل کرده اند که انسانها را در نزدیکی آنها شناسایی می کنند و آنها را به خطر نمی اندازند. این متخصصان همچنین ممکن است تجزیه و تحلیل مفسران را در هنگام آسیب رساندن به هوش مصنوعی بررسی کنند ، مانند زمانی که اتومبیل خودران در تصادف مرگبار درگیر می شود.