A mesterséges intelligencia több munkát adhat nekünk, ahelyett, hogy leegyszerűsítené az életünket

Van egy általános felfogás, hogy mesterséges intelligencia (AI) segíti munkánkat ésszerűsíteni. Sőt attól is tartanak, hogy teljesen eltüntetheti egyes munkák iránti igényt.

De egy tanulmányban A manchesteri egyetemen három kollégámmal közösen végrehajtott tudományos laboratóriumokban a munka egyszerűsítését – és az emberek idejének felszabadítását célzó – automatizált folyamatok bevezetése is bonyolultabbá teheti ezt a munkát, és új feladatokat generálhat, amelyeket sok dolgozó hétköznapinak tarthat.

A 2006 - ban közzétett tanulmányban Kutatáspolitikaún szintetikus biológia, vagy röviden synbio. A Synbio az organizmusok újratervezésével foglalkozik, hogy új képességekkel rendelkezzenek. Ebben részt vesz hús termesztése a laborban, a műtrágyák előállításának új módjaiban és új gyógyszerek felfedezésében.

A Synbio kísérletei fejlett robotplatformokra támaszkodnak nagyszámú minta ismétlődő mozgatásához. Gépi tanulást is alkalmaznak a nagyszabású kísérletek eredményeinek elemzésére.

Ezek viszont nagy mennyiségű digitális adatot generálnak. Ezt a folyamatot „digitalizációnak” nevezik, ahol a digitális technológiákat a hagyományos módszerek és munkamódszerek átalakítására használják.

A tudományos folyamatok automatizálásának és digitalizálásának néhány kulcsfontosságú célja az elérhető tudomány bővítése, miközben időt takarítanak meg a kutatóknak, hogy az általuk „értékesebb” munkára összpontosítsanak.

Paradox eredmény

Vizsgálatunkban azonban a tudósokat nem szabadították fel az ismétlődő, manuális vagy unalmas feladatoktól, ahogyan azt várni lehetett. Ehelyett a robotplatformok használata felerősítette és diverzifikálta a kutatók által elvégzendő feladatokat. Ennek több oka is van.

Köztük az a tény, hogy megnőtt a hipotézisek (egyes megfigyelt jelenségek tesztelhető magyarázatának tudományos kifejezése) és az elvégzendő kísérletek száma. Az automatizált módszerekkel a lehetőségek kiszélesednek.

A tudósok azt mondták, hogy ez lehetővé tette számukra, hogy több hipotézist értékeljenek, valamint azt, hogy a tudósok milyen módokon tudtak finoman változtatni a kísérleti elrendezésen. Ennek hatására megnőtt az ellenőrzésre, szabványosításra és megosztásra szoruló adatok mennyisége.

Ezenkívül a robotokat „ki kell képezni” a korábban kézzel végzett kísérletek elvégzésére. Az embereknek is új készségeket kellett kifejleszteniük a robotok előkészítéséhez, javításához és felügyeletéhez. Ezt azért tették, hogy a tudományos folyamatban ne legyenek hibák.

A tudományos munkát gyakran olyan eredmények alapján ítélik meg, mint például a lektorált publikációk és támogatások. Az automatizált rendszerek tisztítására, hibaelhárítására és felügyeletére fordított idő azonban felveszi a versenyt a tudományban hagyományosan díjazott feladatokkal. Ezek a kevésbé megbecsült feladatok nagyrészt láthatatlanok is lehetnek – különösen azért, mert a menedzserek azok, akik nem vesznek tudomást a hétköznapi munkáról, mivel nem töltenek annyi időt a laborban.

Az e feladatokat ellátó szinbiotikus tudósok nem voltak jobban fizetettek vagy autonómabbak, mint menedzsereik. Saját munkaterhelésüket is magasabbra értékelték, mint a munkaköri hierarchiában felettük állók.

Szélesebb leckék

Lehetséges, hogy ezek a leckék a munka más területeire is vonatkoznak. A ChatGPT egy AI-alapú chatbot hogy „tanul” a weben elérhető információkból. Amikor az online felhasználók kérdéseire kérdeznek rá, a chatbot választ kínál erre jól kidolgozottnak és meggyőzőnek tűnnek.

Szerint Time magazinban, hogy a ChatGPT elkerülje a rasszista, szexista vagy egyéb módon sértő válaszokat, dolgozók Kenyában felbérelték a bot által szállított mérgező tartalom szűrésére.

Sok gyakran láthatatlan munkagyakorlatra van szükség a digitális infrastruktúra fejlesztése és karbantartása. Ezt a jelenséget „digitalizációs paradoxonként” lehetne leírni. Ez megkérdőjelezi azt a feltételezést, hogy mindenki, aki részt vesz vagy érint a digitalizációban, termelékenyebbé válik, vagy több szabadideje van, ha munkafolyamata egyes részeit automatizálják.

A termelékenység csökkenésével kapcsolatos aggodalmak a mindennapi munka automatizálására és digitalizálására irányuló szervezeti és politikai erőfeszítések fő motivációi. De nem szabad névértéken vállalnunk a termelékenység növekedésére vonatkozó ígéreteket.

Ehelyett megkérdőjelezhetjük a termelékenység mérésének módjait, figyelembe véve az emberek által végrehajtható láthatatlan feladatokat, túl a láthatóbb munkán, amelyet általában jutalmaznak.

Azt is meg kell fontolnunk, hogyan tervezzük meg és kezeljük ezeket a folyamatokat, hogy a technológia pozitívabban tudjon hozzájárulni az emberi képességekhez.

Ezt a cikket újra kiadják A beszélgetés Creative Commons licenc alatt. Olvassa el a eredeti cikk.

Kép: Gerd Altmann ból ből pixabay

• SEO által támogatott tartalom és PR terjesztés. Erősödjön még ma.
• Platoblockchain. Web3 metaverzum intelligencia. Felerősített tudás. Hozzáférés itt.
• Forrás: https://singularityhub.com/2023/03/24/ai-could-make-more-work-for-us-instead-of-simplifying-our-lives/