AI kunne få mere arbejde for os i stedet for at forenkle vores liv

AI kunne få mere arbejde for os i stedet for at forenkle vores liv

Tidsstempel: 24. marts 2023 kl. 10:00

Det er der en almindelig opfattelse af kunstig intelligens (AI) vil hjælpe med at strømline vores arbejde. Der er endda frygt for, at det helt kan udslette behovet for nogle job.

Men i en undersøgelse af videnskabelige laboratorier, som jeg udførte sammen med tre kolleger ved University of Manchester, kan indførelsen af ​​automatiserede processer, der har til formål at forenkle arbejdet – og frigøre folks tid – også gøre det arbejde mere komplekst og generere nye opgaver, som mange arbejdere kan opfatte som hverdagsagtige.

I undersøgelsen, der blev offentliggjort i Forskningspolitik, så vi på videnskabsmænds arbejde inden for et felt kaldet syntetisk biologi, eller synbio for kort. Synbio beskæftiger sig med at redesigne organismer til at få nye evner. Det er involveret i dyrkning af kød i laboratoriet, i nye måder at producere gødning på, og i opdagelsen af ​​nye lægemidler.

Synbio-eksperimenter er afhængige af avancerede robotplatforme til gentagne gange at flytte et stort antal prøver. De bruger også maskinlæring til at analysere resultaterne af store eksperimenter.

Disse genererer til gengæld store mængder digitale data. Denne proces er kendt som "digitalisering", hvor digitale teknologier bruges til at transformere traditionelle metoder og måder at arbejde på.

Nogle af hovedmålene med at automatisere og digitalisere videnskabelige processer er at opskalere den videnskab, der kan udføres, og samtidig spare forskerne tid til at fokusere på det, de ville betragte som mere "værdifuldt" arbejde.

Paradoksalt resultat

I vores undersøgelse blev forskere dog ikke frigjort fra gentagne, manuelle eller kedelige opgaver, som man kunne forvente. I stedet for forstærkede og diversificerede brugen af ​​robotplatforme den slags opgaver, forskere skulle udføre. Det er der flere grunde til.

Blandt dem er det faktum, at antallet af hypoteser (den videnskabelige betegnelse for en testbar forklaring på nogle observerede fænomener) og eksperimenter, der skulle udføres, steg. Med automatiserede metoder forstærkes mulighederne.

Forskere sagde, at det gav dem mulighed for at evaluere et større antal hypoteser, sammen med antallet af måder, som forskere kunne foretage subtile ændringer i forsøgsopstillingen. Dette havde effekten af ​​at øge mængden af ​​data, der skulle kontrolleres, standardiseres og deles.

Robotter skulle også "trænes" i at udføre eksperimenter, der tidligere var udført manuelt. Mennesker havde også brug for at udvikle nye færdigheder til at forberede, reparere og overvåge robotter. Dette blev gjort for at sikre, at der ikke var fejl i den videnskabelige proces.

Videnskabeligt arbejde bedømmes ofte ud fra output såsom peer-reviewed publikationer og bevillinger. Men den tid, det tager at rense, fejlfinde og overvåge automatiserede systemer, konkurrerer med de opgaver, der traditionelt belønnes i videnskaben. Disse mindre værdsatte opgaver kan også være stort set usynlige - især fordi ledere er dem, der ikke ville være opmærksomme på hverdagsligt arbejde på grund af ikke at bruge så meget tid i laboratoriet.

Synbio-forskerne, der udfører disse opgaver, var ikke bedre betalt eller mere selvstændige end deres ledere. De vurderede også deres egen arbejdsbyrde som værende højere end dem over dem i jobhierarkiet.

bredere lektioner

Det er muligt, at disse lektioner også gælder for andre arbejdsområder. ChatGPT er en AI-drevet chatbot der "lærer" af information tilgængelig på nettet. Når du bliver bedt om af spørgsmål fra onlinebrugere, tilbyder chatbotten svar på det fremstå gennemarbejdet og overbevisende.

Ifølge Tid magasin, for at ChatGPT kan undgå at returnere svar, der var racistiske, sexistiske eller stødende på andre måder, arbejdere i Kenya blev hyret til at filtrere giftigt indhold leveret af botten.

Der er mange ofte usynlige arbejdsmetoder, der skal til udvikling og vedligeholdelse af digital infrastruktur. Dette fænomen kan beskrives som et "digitaliseringsparadoks." Det udfordrer antagelsen om, at alle involverede eller berørte af digitalisering bliver mere produktive eller har mere fritid, når dele af deres arbejdsgange er automatiseret.

Bekymringer om et fald i produktiviteten er en central motivation bag organisatoriske og politiske bestræbelser på at automatisere og digitalisere hverdagens arbejde. Men vi bør ikke tage løfter om produktivitetsgevinster for pålydende.

I stedet bør vi udfordre måden, vi måler produktivitet på, ved at overveje de usynlige typer opgaver, mennesker kan udføre, ud over det mere synlige arbejde, der normalt belønnes.

Vi er også nødt til at overveje, hvordan man designer og administrerer disse processer, så teknologien mere positivt kan bidrage til menneskelige evner.The Conversation

Denne artikel er genudgivet fra The Conversation under en Creative Commons-licens. Læs oprindelige artikel.

Billede Credit: Gerd Altmann fra Pixabay

Tidsstempel:

Mere fra Singularitet Hub