Novas Oportunidades de Trabalho com Aprendizado de Máquinas - manequins

Você pode encontrar mais do que alguns artigos que discutem a perda de empregos que o aprendizado de máquina e suas tecnologias associadas irão causar. Robôs já realizam uma série de tarefas que costumavam empregar humanos, e esse uso aumentará ao longo do tempo. Você também deve ter considerado como esses novos usos podem potencialmente custar-lhe um emprego ou um ente querido. Alguns autores chegaram a dizer que o futuro poderia ter um cenário em que aprender novas habilidades pode não garantir um emprego.

O fato é que decidir exatamente como a aprendizagem automática afetará o ambiente de trabalho é difícil, assim como foi difícil para as pessoas verem onde a revolução industrial levaria as pessoas no caminho da massa -produzindo bens para o consumidor em geral. Assim como esses trabalhadores precisavam encontrar novos empregos, as pessoas que enfrentam a perda de ocupação para aprender a máquina hoje precisarão encontrar novos empregos.

Trabalhando para uma máquina

É perfeitamente possível que você se encontre trabalhando para uma máquina no futuro. Na verdade, você já pode trabalhar para uma máquina e não saber disso. Algumas empresas já utilizam a aprendizagem de máquinas para analisar os processos de negócios e torná-los mais eficientes. Por exemplo, Hitachi atualmente usa essa configuração no middle management.

Neste caso, a AI realmente emite as ordens de trabalho com base em sua análise do fluxo de trabalho - assim como um gerente médio humano pode fazer. A diferença é que a AI é realmente oito por cento mais eficiente do que os humanos que ela substitui. Em outro caso, a Amazon realizou um concurso entre os especialistas em aprendizado de máquinas para descobrir se a empresa poderia processar melhor os processos de autorização dos funcionários automaticamente usando o aprendizado da máquina. Novamente, o objetivo era descobrir como substituir o gerenciamento intermediário e cortar um pouco da burocracia.

No entanto, uma oportunidade de trabalho também se apresenta. Trabalhadores sob o AI executam as tarefas que a AI diz para fazer, mas podem usar sua própria experiência e criatividade para determinar como executar a tarefa. A IA analisa os processos que os humanos utilizam e mede os resultados alcançados. Todos os processos bem-sucedidos são adicionados ao banco de dados de técnicas que os trabalhadores podem aplicar para realizar tarefas. Em outras palavras, os humanos estão ensinando as novas técnicas de AI para tornar o ambiente de trabalho ainda mais eficiente.

Trabalhando com máquinas

As pessoas já trabalham com máquinas em uma base regular - eles podem simplesmente não perceber isso. Por exemplo, quando você fala com seu smartphone e reconhece o que você diz, você está trabalhando com uma máquina para alcançar o objetivo desejado.A maioria das pessoas reconhece que a interação de voz fornecida com um smartphone melhora com o tempo - quanto mais você usar, melhor fica ao reconhecer sua voz. À medida que o algoritmo do aluno se torna melhor ajustado, torna-se mais eficiente ao reconhecer sua voz e obter o resultado desejado. Essa tendência continuará.

No entanto, o aprendizado da máquina é usado em todos os tipos de maneiras que podem não ocorrer para você. Quando você aponta uma câmera para um assunto e a câmera pode colocar uma caixa ao redor do rosto (para ajudar a segmentar a imagem), você está vendo o resultado do aprendizado da máquina. A câmera está ajudando você a realizar o trabalho de tirar uma foto com uma eficiência muito maior.

O uso de linguagens declarativas, como o SQL (Structured Query Language), também se tornará mais pronunciado porque a máquina de aprendizagem possibilitará avanços. Em alguns aspectos, um idioma declarativo simplesmente permite que você descreva o que deseja e não como obtê-lo. No entanto, o SQL ainda requer um cientista da computação, cientista de dados, administrador de banco de dados ou algum outro profissional para usar. Futuras linguagens não terão essa limitação.

Eventualmente, alguém que é treinado para executar uma tarefa específica bem, simplesmente dirá ao assistente do robô o que fazer e o assistente do robô descobrirá os meios para fazê-lo. Os seres humanos usarão a criatividade para descobrir o que deve fazer; os detalhes (o como) se tornarão o domínio das máquinas.

Máquinas de reparação

Antes que a tecnologia possa fazer qualquer outra coisa, ela deve realizar uma tarefa prática que atrairá atenção e beneficiará os seres humanos de uma maneira que faça as pessoas quererem ter a tecnologia por conta própria.

Não importa o que é a tecnologia. Eventualmente, a tecnologia irá quebrar. Fazer com que a tecnologia faça algo útil é a principal consideração agora, e o ponto culminante de qualquer sonho de o que a tecnologia acabará por prolongar anos no futuro, coisas tão mundanas como a reparação da tecnologia ainda cairão em ombros humanos. Mesmo que o ser humano não esteja diretamente envolvido com o reparo físico, a inteligência humana direcionará a operação de reparo.

Alguns artigos que você lê on-line podem fazer você acreditar que os robôs auto-reparadores já são uma realidade. Por exemplo, os robôs da Estação Espacial Internacional, Dextre e Canadarm, realizaram um reparo de uma câmera defeituosa. O que as histórias não dizem é que um humano decidiu como executar a tarefa e dirigiu os robôs para fazer o trabalho físico. O reparo autônomo não é possível com os algoritmos disponíveis hoje.

Criando novas tarefas de aprendizado de máquina

Os algoritmos de aprendizado de máquina não são criativos, o que significa que os seres humanos devem fornecer a criatividade que melhora a aprendizagem de máquinas. Mesmo os algoritmos que criam outros algoritmos só melhoram a eficiência e a precisão dos resultados alcançados pelo algoritmo - não podem criar algoritmos que executem novos tipos de tarefas. Os seres humanos devem fornecer a entrada necessária para definir essas tarefas e os processos necessários para começar a resolvê-las.

Você pode pensar que apenas os especialistas em aprendizagem em máquina criará novas tarefas de aprendizado de máquinas. No entanto, a história sobre o gerente do meio da Hitachi deve dizer-lhe que as coisas funcionarão de forma diferente do que isso. Sim, os especialistas ajudarão a formar a base para definir como resolver a tarefa, mas a criação real de tarefas virá de pessoas que conheçam um setor específico melhor. A história de Hitachi serve como base para entender tanto que o futuro verá pessoas de todos os setores da vida contribuindo para cenários de aprendizado de máquina e que uma educação específica talvez nem ajude na definição de novas tarefas.

Concebendo novos ambientes de aprendizado de máquinas

Atualmente, a criação de novos ambientes de aprendizado de máquinas é o domínio das empresas de pesquisa e desenvolvimento. Um grupo de especialistas altamente treinados deve criar os parâmetros para um novo ambiente. Por exemplo, a NASA precisa de robôs para explorar Marte. Nesse caso, a NASA confia nas habilidades das pessoas no MIT e no Nordeste para realizar a tarefa. Dado que o robô precisará realizar tarefas de forma autônoma, os algoritmos de aprendizado da máquina tornar-se-ão bastante complexos e incluirão vários níveis de resolução de problemas.

Eventualmente, alguém será capaz de descrever um problema com detalhes suficientes de que um programa especializado pode criar o algoritmo necessário usando um idioma apropriado. Em outras palavras, as pessoas comuns acabarão por começar a criar novos ambientes de aprendizagem de máquinas com base nas idéias que eles têm e querem tentar.

Tal como acontece com a criação de tarefas de aprendizagem de máquina, as pessoas que criam ambientes futuros serão especialistas em suas artes particulares, em vez de serem cientistas da computação ou cientistas de dados.