هوش مصنوعی می تواند به جای ساده کردن زندگی ما، کار بیشتری برای ما ایجاد کند

هوش مصنوعی می تواند به جای ساده کردن زندگی ما، کار بیشتری برای ما ایجاد کند

تمبر زمان: 24 مارس 2023، 10:00 صبح

یک تصور رایج وجود دارد که هوش مصنوعی (AI) به ساده سازی کار ما کمک خواهد کرد. حتی این نگرانی وجود دارد که ممکن است نیاز به برخی مشاغل را به کلی از بین ببرد.

اما در یک مطالعه از آزمایشگاه‌های علمی که با سه همکارم در دانشگاه منچستر انجام دادم، معرفی فرآیندهای خودکار که هدفشان ساده‌سازی کار و آزاد کردن وقت افراد است، همچنین می‌تواند آن کار را پیچیده‌تر کند و وظایف جدیدی را ایجاد کند که بسیاری از کارگران ممکن است آن را پیش پا افتاده تصور کنند.

در مطالعه، منتشر شده در سیاست تحقیق، به کار دانشمندان در زمینه ای به نام نگاه کردیم زیست شناسی مصنوعی، یا به اختصار synbio. Synbio به طراحی مجدد ارگانیسم ها برای داشتن توانایی های جدید می پردازد. درگیر است پرورش گوشت در آزمایشگاه، در روش های جدید تولید کود و در کشف داروهای جدید.

آزمایش‌های Synbio بر پلتفرم‌های روباتیک پیشرفته تکیه می‌کنند تا به طور مکرر تعداد زیادی از نمونه‌ها را جابجا کنند. آنها همچنین از یادگیری ماشینی برای تجزیه و تحلیل نتایج آزمایشات در مقیاس بزرگ استفاده می کنند.

اینها به نوبه خود مقادیر زیادی داده دیجیتال تولید می کنند. این فرآیند به عنوان «دیجیتال‌سازی» شناخته می‌شود که در آن از فناوری‌های دیجیتال برای تغییر روش‌ها و روش‌های سنتی کار استفاده می‌شود.

برخی از اهداف کلیدی خودکارسازی و دیجیتالی کردن فرآیندهای علمی، افزایش مقیاس علمی است که می‌توان انجام داد و در عین حال صرفه‌جویی در وقت محققان برای تمرکز بر روی کارهایی که آن‌ها کار «با ارزش‌تری» می‌دانند، می‌شود.

نتیجه متناقض

با این حال، در مطالعه ما، دانشمندان از کارهای تکراری، دستی یا خسته کننده آنطور که انتظار می رفت رها نشدند. در عوض، استفاده از پلتفرم‌های رباتیک، انواع وظایفی را که محققان باید انجام می‌دادند، تقویت و متنوع کرد. دلایل متعددی برای این امر وجود دارد.

از جمله این واقعیت است که تعداد فرضیه ها (اصطلاح علمی برای توضیح قابل آزمایش برای برخی پدیده های مشاهده شده) و آزمایش هایی که باید انجام می شد افزایش یافت. با روش های خودکار، احتمالات تقویت می شود.

دانشمندان گفتند که این امکان را به آنها می‌دهد تا تعداد بیشتری از فرضیه‌ها را به همراه تعداد روش‌هایی که دانشمندان می‌توانند تغییرات ظریفی را در مجموعه آزمایشی ایجاد کنند، ارزیابی کنند. این امر باعث افزایش حجم داده‌هایی شد که نیاز به بررسی، استانداردسازی و اشتراک‌گذاری داشتند.

همچنین، ربات‌ها باید در انجام آزمایش‌هایی که قبلاً به صورت دستی انجام شده بودند، «آموزش» ببینند. انسان ها نیز نیاز به توسعه مهارت های جدید برای آماده سازی، تعمیر و نظارت بر روبات ها داشتند. این کار برای اطمینان از عدم وجود خطا در روند علمی انجام شد.

کار علمی اغلب بر اساس خروجی هایی مانند انتشارات و کمک های مالی مورد بررسی قرار می گیرد. با این حال، زمان صرف شده برای تمیز کردن، عیب‌یابی و نظارت بر سیستم‌های خودکار با وظایفی که به طور سنتی در علم پاداش داده می‌شود رقابت می‌کند. این وظایف کم ارزش نیز ممکن است تا حد زیادی نامرئی باشند - به ویژه به این دلیل که مدیران کسانی هستند که به دلیل صرف نکردن زمان زیادی در آزمایشگاه، از کارهای روزمره بی اطلاع هستند.

دانشمندان synbio که این مسئولیت‌ها را انجام می‌دهند، دستمزد بهتر یا خودمختارتر از مدیران خود نداشتند. آنها همچنین حجم کاری خود را بالاتر از افراد بالاتر از آنها در سلسله مراتب شغلی ارزیابی کردند.

درس های گسترده تر

این امکان وجود دارد که این درس ها در زمینه های دیگر کار نیز کاربرد داشته باشند. ChatGPT یک چت بات مجهز به هوش مصنوعی که از اطلاعات موجود در وب "یاد می گیرد". هنگامی که توسط سؤالات کاربران آنلاین تحریک می شود، ربات چت پاسخ هایی را ارائه می دهد خوش ساخت و قانع کننده به نظر می رسند.

مطابق با زمان مجله، برای اینکه ChatGPT از بازگرداندن پاسخ هایی که به طرق دیگر نژادپرستانه، جنسیتی یا توهین آمیز هستند، خودداری کند، کارگران در کنیا برای فیلتر کردن محتوای سمی ارائه شده توسط ربات استخدام شدند.

بسیاری از شیوه های کاری اغلب نامرئی وجود دارد که برای آنها مورد نیاز است توسعه و نگهداری زیرساخت های دیجیتال. این پدیده را می توان به عنوان «پارادوکس دیجیتالی شدن» توصیف کرد. این فرض را به چالش می‌کشد که هر فردی که درگیر یا تحت تأثیر دیجیتالی‌سازی قرار می‌گیرد، زمانی که بخش‌هایی از گردش کارشان خودکار می‌شود، مولدتر می‌شوند یا وقت آزاد بیشتری دارند.

نگرانی در مورد کاهش بهره وری یک انگیزه اصلی در پشت تلاش های سازمانی و سیاسی برای خودکارسازی و دیجیتالی کردن کار روزمره است. اما ما نباید وعده های افزایش بهره وری را به صورت اسمی در نظر بگیریم.

در عوض، ما باید روش‌هایی را که بهره‌وری را اندازه‌گیری می‌کنیم، با در نظر گرفتن انواع نامرئی وظایفی که انسان‌ها می‌توانند انجام دهند، فراتر از کارهای قابل مشاهده‌تر که معمولاً پاداش می‌دهند، به چالش بکشیم.

همچنین باید نحوه طراحی و مدیریت این فرآیندها را در نظر بگیریم تا فناوری بتواند به طور مثبت تری به توانایی های انسان بیافزاید.گفتگو

این مقاله از مجله منتشر شده است گفتگو تحت مجوز Creative Commons دفعات بازدید: مقاله.

تصویر های اعتباری: گرت آلتمن از جانب Pixabay

تمبر زمان:

بیشتر از تکینگی هاب