AI는 우리의 삶을 단순화하는 대신 우리를 위해 더 많은 일을 할 수 있습니다

플라톤에 의해 재발행

팔로워 : 0

라는 공통된 인식이 있습니다. 인공 지능 (AI)는 우리의 작업을 간소화하는 데 도움이 될 것입니다. 일부 직업에 대한 필요성을 완전히 없앨 수 있다는 두려움도 있습니다.

그러나 한 연구에서 내가 맨체스터 대학교에서 세 명의 동료와 함께 수행한 과학 실험실의 경우 작업을 단순화하고 사람들의 시간을 자유롭게 하는 것을 목표로 하는 자동화된 프로세스의 도입은 작업을 더욱 복잡하게 만들어 많은 작업자가 일상적으로 인식할 수 있는 새로운 작업을 생성할 수 있습니다.

이 연구에서는 연구 정책, 우리는 합성 생물학, 줄여서 synbio. Synbio는 새로운 능력을 갖도록 유기체를 재설계하는 데 관심이 있습니다. 에 관여한다 실험실에서 고기 키우기, 비료를 생산하는 새로운 방법과 신약 발견.

Synbio 실험은 고급 로봇 플랫폼을 사용하여 많은 수의 샘플을 반복적으로 이동합니다. 그들은 또한 기계 학습을 사용하여 대규모 실험 결과를 분석합니다.

이는 차례로 대량의 디지털 데이터를 생성합니다. 이 프로세스를 "디지털화"라고 하며, 디지털 기술을 사용하여 기존 방식과 작업 방식을 변환합니다.

과학적 프로세스를 자동화하고 디지털화하는 주요 목표 중 일부는 수행할 수 있는 과학을 확장하는 동시에 연구원이 더 "가치 있는" 작업이라고 생각하는 작업에 집중할 시간을 절약하는 것입니다.

역설적 결과

그러나 우리 연구에서 과학자들은 예상대로 반복적이고 수동적이거나 지루한 작업에서 해방되지 않았습니다. 대신, 로봇 플랫폼의 사용은 연구원들이 수행해야 하는 작업의 종류를 증폭하고 다양화했습니다. 이에 대한 몇 가지 이유가 있습니다.

그중에는 가설(일부 관찰된 현상에 대한 검증 가능한 설명을 가리키는 과학 용어)과 수행해야 하는 실험의 수가 증가했다는 사실이 있습니다. 자동화된 방법으로 가능성이 증폭됩니다.

과학자들은 과학자들이 실험 설정을 미묘하게 변경할 수 있는 다양한 방법과 함께 더 많은 가설을 평가할 수 있게 되었다고 말했습니다. 이는 확인, 표준화 및 공유가 필요한 데이터의 양을 늘리는 효과가 있었습니다.

또한 로봇은 이전에 수동으로 수행된 실험을 수행하는 데 "훈련"되어야 했습니다. 인간 역시 로봇을 준비, 수리 및 감독하기 위한 새로운 기술을 개발해야 했습니다. 이것은 과학적 과정에 오류가 없도록 하기 위해 수행되었습니다.

과학적 작업은 종종 동료 검토 간행물 및 보조금과 같은 결과로 판단됩니다. 그러나 자동화 시스템을 청소하고 문제를 해결하고 감독하는 데 걸리는 시간은 과학에서 전통적으로 보상받는 작업과 경쟁합니다. 이러한 덜 가치 있는 작업은 대부분 눈에 보이지 않을 수 있습니다. 특히 관리자는 실험실에서 많은 시간을 보내지 않기 때문에 일상적인 작업을 인식하지 못하는 사람이기 때문입니다.

이러한 책임을 수행하는 신바이오 과학자들은 그들의 관리자보다 보수가 더 높거나 더 자율적이지 않았습니다. 그들은 또한 자신의 작업량이 직무 계층에서 상위에 있는 사람들보다 더 높다고 평가했습니다.

더 넓은 수업

이러한 교훈이 다른 작업 영역에도 적용될 수 있습니다. ChatGPT는 AI 기반 챗봇 웹에서 사용할 수 있는 정보에서 "학습"합니다. 온라인 사용자의 질문을 받으면 챗봇은 다음과 같은 답변을 제공합니다. 잘 짜여지고 설득력 있어 보인다.

에 따르면 Time 잡지, ChatGPT가 인종 차별적, 성 차별적이거나 다른 방식으로 공격적인 답변을 반환하지 않도록 하기 위해, 케냐의 노동자 봇이 전달하는 독성 콘텐츠를 필터링하기 위해 고용되었습니다.

에 필요한 보이지 않는 작업 관행이 많이 있습니다. 디지털 인프라의 개발 및 유지 관리. 이러한 현상은 '디지털화 패러독스'라고 할 수 있습니다. 워크플로우의 일부가 자동화되면 디지털화에 참여하거나 디지털화의 영향을 받는 모든 사람이 생산성을 높이거나 더 많은 자유 시간을 가질 수 있다는 가정에 도전합니다.

생산성 저하에 대한 우려는 일상 업무를 자동화하고 디지털화하려는 조직 및 정치적 노력의 핵심 동기입니다. 그러나 우리는 생산성 향상에 대한 약속을 액면 그대로 받아들여서는 안 됩니다.

대신 우리는 일반적으로 보상을 받는 더 눈에 보이는 작업을 넘어 인간이 수행할 수 있는 보이지 않는 유형의 작업을 고려하여 생산성을 측정하는 방식에 도전해야 합니다.

또한 기술이 인간의 능력에 보다 긍정적으로 추가될 수 있도록 이러한 프로세스를 설계하고 관리하는 방법을 고려해야 합니다.

이 기사는에서 다시 게시됩니다. 대화 크리에이티브 커먼즈 라이센스하에 읽기 원래 기사.

이미지 신용 : 게르트 알트만 에 Pixabay