AI skulle kunna göra mer arbete för oss, istället för att förenkla våra liv

Det finns en vanlig uppfattning om det artificiell intelligens (AI) kommer att hjälpa till att effektivisera vårt arbete. Det finns till och med farhågor för att det skulle kunna utplåna behovet av vissa jobb helt och hållet.

Men i en studie av vetenskapslaboratorier som jag genomförde tillsammans med tre kollegor vid University of Manchester, kan införandet av automatiserade processer som syftar till att förenkla arbetet – och frigöra människors tid – också göra det arbetet mer komplext och generera nya uppgifter som många arbetare kan uppfatta som vardagliga.

I studien, publicerad i Forskningspolicy, tittade vi på forskares arbete inom ett område som heter syntetisk biologi, eller synbio för kort. Synbio sysslar med att designa om organismer för att få nya förmågor. Den är inblandad i odla kött i labbet, på nya sätt att producera konstgödsel och i upptäckten av nya läkemedel.

Synbio-experiment förlitar sig på avancerade robotplattformar för att upprepade gånger flytta ett stort antal prover. De använder också maskininlärning för att analysera resultaten av storskaliga experiment.

Dessa genererar i sin tur stora mängder digital data. Denna process är känd som "digitalisering", där digital teknik används för att transformera traditionella metoder och arbetssätt.

Några av huvudmålen med att automatisera och digitalisera vetenskapliga processer är att skala upp vetenskapen som kan göras samtidigt som forskarna sparar tid att fokusera på det som de anser vara mer "värdefullt" arbete.

Paradoxalt resultat

Men i vår studie befriades forskare inte från repetitiva, manuella eller tråkiga uppgifter som man kan förvänta sig. Istället förstärkte och diversifierade användningen av robotplattformar de typer av uppgifter som forskare var tvungna att utföra. Det finns flera anledningar till detta.

Bland dem är det faktum att antalet hypoteser (den vetenskapliga termen för en testbar förklaring till något observerat fenomen) och experiment som behövde utföras ökade. Med automatiserade metoder förstärks möjligheterna.

Forskare sa att det gjorde det möjligt för dem att utvärdera ett större antal hypoteser, tillsammans med antalet sätt som forskare kunde göra subtila förändringar av experimentupplägget. Detta hade effekten av att öka mängden data som behövde kontrolleras, standardiseras och delas.

Robotar behövde också "tränas" i att utföra experiment som tidigare utförts manuellt. Människor behövde också utveckla nya färdigheter för att förbereda, reparera och övervaka robotar. Detta gjordes för att säkerställa att det inte fanns några fel i den vetenskapliga processen.

Vetenskapligt arbete bedöms ofta utifrån resultat såsom referentgranskade publikationer och anslag. Men tiden det tar att rengöra, felsöka och övervaka automatiserade system konkurrerar med de uppgifter som traditionellt belönas inom vetenskapen. Dessa mindre värdefulla uppgifter kan också vara till stor del osynliga – särskilt eftersom chefer är de som inte är medvetna om vardagligt arbete på grund av att de inte spenderar så mycket tid i labbet.

Synbio-forskarna som utförde dessa uppgifter var inte bättre betalda eller mer självständiga än sina chefer. De bedömde också sin egen arbetsbelastning som högre än de över dem i jobbhierarkin.

Bredare lektioner

Det är möjligt att dessa lektioner också kan gälla andra arbetsområden. ChatGPT är en AI-driven chatbot som "lär sig" av information tillgänglig på webben. När du uppmanas av frågor från onlineanvändare, erbjuder chatboten svar på det verkar välarbetad och övertygande.

Enligt Tid tidningen, för att ChatGPT ska undvika att returnera svar som var rasistiska, sexistiska eller kränkande på andra sätt, arbetare i Kenya anlitades för att filtrera giftigt innehåll som levererats av boten.

Det finns många ofta osynliga arbetsmetoder som behövs för utveckling och underhåll av digital infrastruktur. Detta fenomen kan beskrivas som en "digitaliseringsparadox". Det utmanar antagandet att alla som är inblandade eller berörs av digitalisering blir mer produktiva eller får mer fritid när delar av deras arbetsflöde automatiseras.

Oro över en nedgång i produktivitet är en nyckelmotiv bakom organisatoriska och politiska ansträngningar för att automatisera och digitalisera det dagliga arbetet. Men vi bör inte ta löften om produktivitetsökningar till nominellt värde.

Istället bör vi utmana sätten vi mäter produktivitet genom att överväga de osynliga typer av uppgifter som människor kan utföra, utöver det mer synliga arbete som vanligtvis belönas.

Vi måste också överväga hur man designar och hanterar dessa processer så att tekniken kan bidra till mänskliga förmågor på ett mer positivt sätt.

Denna artikel publiceras från Avlyssningen under en Creative Commons licens. Läs ursprungliga artikeln.

Image Credit: Gerd Altmann från Pixabay

• SEO-drivet innehåll och PR-distribution. Bli förstärkt idag.
• Platoblockchain. Web3 Metaverse Intelligence. Kunskap förstärkt. Tillgång här.
• Källa: https://singularityhub.com/2023/03/24/ai-could-make-more-work-for-us-instead-of-simplifying-our-lives/