Nouvelles opportunités de travail avec apprentissage automatique - mannequins

Vous trouverez plus d'articles traitant de la perte d'emplois que l'apprentissage automatique et ses technologies associées entraîneront. Les robots effectuent déjà un certain nombre de tâches qui employaient des humains, et cette utilisation augmentera avec le temps. Vous devez également avoir réfléchi à la façon dont ces nouveaux usages pourraient vous coûter un emploi à vous ou à un être cher. Certains auteurs sont allés jusqu'à dire que l'avenir pourrait tenir un scénario dans lequel l'apprentissage de nouvelles compétences pourrait ne pas garantir un emploi.

Le fait est qu'il est difficile de décider comment l'apprentissage automatique affectera l'environnement de travail, tout comme il était difficile pour les gens de voir où la révolution industrielle prendrait le chemin de la masse. produisant des biens pour le consommateur général. Tout comme ces travailleurs avaient besoin de trouver de nouveaux emplois, les personnes confrontées à la perte d'une profession à l'apprentissage automatique devront trouver de nouveaux emplois.

Travailler pour une machine

Il est tout à fait possible que vous vous retrouviez à travailler pour une machine dans le futur. En fait, vous pourriez déjà travailler pour une machine et ne pas le savoir. Certaines entreprises utilisent déjà l'apprentissage automatique pour analyser les processus métier et les rendre plus efficaces. Par exemple, Hitachi utilise actuellement une telle configuration dans la gestion intermédiaire.

Dans ce cas, l'IA émet réellement les ordres de travail en fonction de son analyse du flux de travail - tout comme un intermédiaire de gestion pourrait le faire. La différence est que l'IA est en réalité huit pour cent plus efficace que les humains qu'elle remplace. Dans un autre cas, Amazon a organisé un concours parmi les experts en apprentissage automatique pour déterminer si l'entreprise pouvait mieux traiter automatiquement les processus d'autorisation des employés en utilisant l'apprentissage automatique. Encore une fois, il s'agissait de trouver un moyen de remplacer les cadres intermédiaires et de réduire un peu les formalités administratives.

Cependant, une opportunité d'emploi se présente également. Les travailleurs sous IA accomplissent les tâches que l'IA leur dit de faire, mais ils peuvent utiliser leur propre expérience et créativité pour déterminer comment exécuter la tâche. L'IA analyse les processus que les travailleurs humains utilisent et mesure les résultats obtenus. Tous les processus réussis sont ajoutés dans la base de données des techniques que les travailleurs peuvent appliquer pour accomplir des tâches. En d'autres termes, les humains enseignent à l'IA de nouvelles techniques pour rendre l'environnement de travail encore plus efficace.

Travailler avec des machines

Les gens travaillent déjà régulièrement avec des machines - ils ne s'en rendent peut-être pas compte. Par exemple, lorsque vous parlez à votre smartphone et qu'il reconnaît ce que vous dites, vous travaillez avec une machine pour atteindre l'objectif souhaité.La plupart des gens reconnaissent que l'interaction vocale fournie avec un smartphone s'améliore avec le temps - plus vous l'utilisez, plus il est facile de reconnaître votre voix. À mesure que l'algorithme de l'apprenant s'améliore, il devient plus efficace de reconnaître votre voix et d'obtenir le résultat souhaité. Cette tendance va continuer.

Cependant, l'apprentissage automatique est utilisé de toutes sortes de manières qui pourraient ne pas vous arriver. Lorsque vous pointez une caméra sur un sujet et que l'appareil photo peut placer une boîte autour du visage (pour aider à cibler l'image), vous voyez le résultat de l'apprentissage automatique. La caméra vous aide à effectuer une tâche avec une efficacité bien supérieure.

L'utilisation de langages déclaratifs, tels que SQL (Structured Query Language), sera également plus prononcée, car l'apprentissage automatique rendra possibles des progrès. À certains égards, un langage déclaratif vous permet simplement de décrire ce que vous voulez et non comment l'obtenir. Cependant, SQL nécessite toujours un informaticien, un data scientist, un administrateur de base de données ou un autre professionnel. Les langues futures n'auront pas cette limitation.

Finalement, quelqu'un qui est bien entraîné pour exécuter une tâche particulière dira simplement à l'assistant de robot quoi faire et l'assistant robot découvrira les moyens de le faire. Les humains utiliseront la créativité pour découvrir ce que faire; les détails (le comment) deviendront le domaine des machines.

Réparer les machines

Avant que la technologie ne puisse faire autre chose, elle doit accomplir une tâche pratique qui attirera l'attention et qui sera bénéfique pour les humains, de telle sorte que les gens voudront avoir la technologie qui leur est propre.

Peu importe la technologie. Finalement, la technologie va casser. Obtenir la technologie pour faire quelque chose d'utile est la considération primordiale maintenant, et le point culminant de tous les rêves de ce que la technologie finira par faire dans le futur, alors des choses banales comme la réparation de la technologie tomberont toujours sur les épaules humaines. Même si l'humain n'est pas directement impliqué dans la réparation physique, l'intelligence humaine dirigera l'opération de réparation.

Certains articles que vous lisez en ligne pourraient vous faire croire que les robots auto-réparateurs sont déjà une réalité. Par exemple, les robots de la Station spatiale internationale, Dextre et Canadarm, ont réparé une caméra défectueuse. Ce que les histoires ne disent pas, c'est qu'un humain a décidé comment accomplir la tâche et a ordonné aux robots de faire le travail physique. La réparation autonome n'est pas possible avec les algorithmes disponibles aujourd'hui.

Création de nouvelles tâches d'apprentissage automatique

Les algorithmes d'apprentissage automatique ne sont pas créatifs, ce qui signifie que les êtres humains doivent apporter la créativité nécessaire à l'apprentissage automatique. Même les algorithmes qui construisent d'autres algorithmes ne font qu'améliorer l'efficacité et la précision des résultats obtenus par l'algorithme - ils ne peuvent pas créer d'algorithmes qui exécutent de nouveaux types de tâches. Les humains doivent fournir la contribution nécessaire pour définir ces tâches et les processus nécessaires pour commencer à les résoudre.

Vous pouvez penser que seuls les experts en apprentissage automatique créeront de nouvelles tâches d'apprentissage automatique. Cependant, l'histoire du manager intermédiaire d'Hitachi devrait vous dire que les choses vont fonctionner différemment. Oui, les experts aideront à définir la manière de résoudre la tâche, mais la création de tâches proviendra de personnes qui connaissent le mieux une industrie en particulier. L'histoire de Hitachi sert de base pour comprendre à la fois que l'avenir verra des gens de tous horizons contribuer à des scénarios d'apprentissage automatique et qu'une éducation spécifique pourrait même pas aider à définir de nouvelles tâches.

Concevoir de nouveaux environnements d'apprentissage machine

Actuellement, la conception de nouveaux environnements d'apprentissage machine relève du domaine des entreprises de recherche et développement. Un groupe de spécialistes hautement qualifiés doit créer les paramètres pour un nouvel environnement. Par exemple, la NASA a besoin de robots pour explorer Mars. Dans ce cas, la NASA s'appuie sur les compétences des gens du MIT et du Nord-Est pour accomplir la tâche. Étant donné que le robot devra effectuer des tâches de manière autonome, les algorithmes d'apprentissage automatique deviendront très complexes et comprendront plusieurs niveaux de résolution de problèmes.

Finalement, quelqu'un sera capable de décrire un problème avec suffisamment de détails pour qu'un programme spécialisé puisse créer l'algorithme nécessaire en utilisant un langage approprié. En d'autres termes, les gens moyens finiront par créer de nouveaux environnements d'apprentissage automatique basés sur des idées qu'ils ont et veulent essayer.

Comme pour la création de tâches d'apprentissage automatique, les personnes qui créent des environnements futurs seront des experts dans leur métier particulier, plutôt que d'être informaticiens ou spécialistes des données.