AI kan få oss til å jobbe mer, i stedet for å forenkle livene våre

Det er en vanlig oppfatning om det kunstig intelligens (AI) vil bidra til å effektivisere arbeidet vårt. Det er til og med frykt for at det kan utslette behovet for noen jobber helt.

Men i en studie av vitenskapslaboratorier jeg utførte sammen med tre kolleger ved University of Manchester, kan innføringen av automatiserte prosesser som tar sikte på å forenkle arbeidet – og frigjøre folks tid – også gjøre dette arbeidet mer komplekst, og generere nye oppgaver som mange arbeidere kan oppfatte som hverdagslige.

I studien, publisert i Forskningspolitikk, så vi på arbeidet til forskere i et felt kalt syntetisk biologi, eller synbio for kort. Synbio er opptatt av å redesigne organismer for å få nye evner. Det er involvert i dyrking av kjøtt i laboratoriet, i nye måter å produsere gjødsel på, og i oppdagelsen av nye medikamenter.

Synbio-eksperimenter er avhengige av avanserte robotplattformer for å flytte et stort antall prøver gjentatte ganger. De bruker også maskinlæring for å analysere resultatene av store eksperimenter.

Disse genererer igjen store mengder digital data. Denne prosessen er kjent som "digitalisering", der digitale teknologier brukes til å transformere tradisjonelle metoder og måter å jobbe på.

Noen av hovedmålene med å automatisere og digitalisere vitenskapelige prosesser er å skalere opp vitenskapen som kan gjøres, samtidig som forskerne sparer tid til å fokusere på det de anser som mer "verdifullt" arbeid.

Paradoksalt resultat

I vår studie ble forskerne imidlertid ikke løst fra repeterende, manuelle eller kjedelige oppgaver som man kunne forvente. I stedet forsterket og diversifiserte bruken av robotplattformer hva slags oppgaver forskere måtte utføre. Det er flere grunner til dette.

Blant dem er det faktum at antallet hypoteser (den vitenskapelige betegnelsen for en testbar forklaring på noen observerte fenomener) og eksperimenter som måtte utføres økte. Med automatiserte metoder forsterkes mulighetene.

Forskere sa at det tillot dem å vurdere et større antall hypoteser, sammen med antall måter forskerne kunne gjøre subtile endringer i eksperimentelle oppsett. Dette hadde effekten av å øke datavolumet som trengte kontroll, standardisering og deling.

Roboter trengte også å bli "trent" i å utføre eksperimenter tidligere utført manuelt. Også mennesker trengte å utvikle nye ferdigheter for å klargjøre, reparere og overvåke roboter. Dette ble gjort for å sikre at det ikke var noen feil i den vitenskapelige prosessen.

Vitenskapelig arbeid blir ofte bedømt på resultater som fagfellevurderte publikasjoner og tilskudd. Tiden det tar å rense, feilsøke og overvåke automatiserte systemer konkurrerer imidlertid med oppgavene som tradisjonelt belønnes i vitenskapen. Disse mindre verdsatte oppgavene kan også i stor grad være usynlige - spesielt fordi ledere er de som ikke ville være klar over hverdagslig arbeid på grunn av at de ikke bruker så mye tid i laboratoriet.

Synbio-forskerne som utførte disse oppgavene var ikke bedre betalt eller mer autonome enn sine ledere. De vurderte også sin egen arbeidsmengde som høyere enn de over dem i stillingshierarkiet.

Bredere leksjoner

Det er mulig at disse leksjonene også kan gjelde andre arbeidsområder. ChatGPT er en AI-drevet chatbot som "lærer" av informasjon tilgjengelig på nettet. Når du blir bedt om av spørsmål fra nettbrukere, tilbyr chatboten svar på det fremstå gjennomarbeidet og overbevisende.

Ifølge Tid magasinet, for at ChatGPT skal unngå å returnere svar som var rasistiske, sexistiske eller støtende på andre måter, arbeidere i Kenya ble ansatt for å filtrere giftig innhold levert av boten.

Det er mange ofte usynlige arbeidspraksis som trengs for utvikling og vedlikehold av digital infrastruktur. Dette fenomenet kan beskrives som et "digitaliseringsparadoks." Det utfordrer antakelsen om at alle involverte eller berørte av digitalisering blir mer produktive eller har mer fritid når deler av arbeidsflyten deres er automatisert.

Bekymringer for nedgang i produktivitet er en sentral motivasjon bak organisatorisk og politisk innsats for å automatisere og digitalisere arbeidshverdagen. Men vi bør ikke ta løfter om produktivitetsgevinster for pålydende.

I stedet bør vi utfordre måtene vi måler produktivitet på ved å vurdere de usynlige typene oppgaver mennesker kan utføre, utover det mer synlige arbeidet som vanligvis belønnes.

Vi må også vurdere hvordan vi skal designe og administrere disse prosessene slik at teknologien kan bidra til mer positivt til menneskelige evner.

Denne artikkelen er publisert fra Den Conversation under en Creative Commons-lisens. Les opprinnelige artikkelen.

Bilde Credit: Gerd Altmann fra Pixabay

• SEO-drevet innhold og PR-distribusjon. Bli forsterket i dag.
• Platoblokkkjede. Web3 Metaverse Intelligence. Kunnskap forsterket. Tilgang her.
• kilde: https://singularityhub.com/2023/03/24/ai-could-make-more-work-for-us-instead-of-simplifying-our-lives/