Работите кои најверојатно ќе бидат автоматизирани се повторувачки и рутински. Тие се движат од читање рендгенски снимки (човечките радиолози наскоро може да имаат многу по-ограничени улоги), до возење камиони, до складирање на складиште. Иако многу е напишано за видовите работни места кои најверојатно ќе бидат отстранети, друга перспектива што не е толку детално испитана е да не се прашува кои работни места ќе бидат елиминирани, туку кои аспекти на преживеаните работни места ќе бидат заменети со машини.
На пример, размислете за професијата лекар: Јасно е дека дијагностицирањето на болестите наскоро (ако не веќе) ќе биде подобро постигнато од машини отколку луѓето. Машинското учење е спектакуларно ефективно кога се достапни збирки податоци за обука и тестирање, што е случај за широк спектар на болести и заболувања. Меѓутоа, што е со седењето со семејството за да разговараат за опциите за третман? Ова е многу помалку веројатно да се автоматизира во догледна иднина.
Различни концепти
Сега може да размислите за професијата на другиот крај на спектарот: бариста. Во Сан Франциско, Cafe X ги замени сите баристи со индустриски роботски раце, кои ги забавуваат клиентите со своите лудории додека прават топли пијалоци. Сепак, дури и Cafe X вработува човек, кој им покажува на клиентите како да ја користат технологијата за да ги нарачаат пијалоците и ги решава проблемите што се појавуваат со роботот бариста.
Од друга страна да се биде бариста и да се биде шанкер не е иста работа. Луѓето често започнуваат разговор со шанкерот. Оваа работа очигледно е повеќе од само механичко мешање пијалоци. Како лекарот, ние лесно можеме да ја анализираме оваа работа на две компоненти: повторлива и рутинска (всушност мешање и сервирање на пијалоците) и поинтерактивна, непредвидлива која вклучува слушање и разговор со клиентите.
Откако размислував за карактеристиките на бројни работни места и професии, два нерутински вида на работа ми се чини дека се особено вообичаени и тешки за автоматизирање:
Прво, емоции. Емоциите играат важна улога во човечката комуникација (размислете за тој лекар кој седи со семејството или дека шанкерот има интеракција со клиентите). Тој е критички вклучен во речиси сите форми на невербална комуникација и во емпатија. Но, повеќе од тоа, исто така, игра улога во тоа што ни помага да дадеме приоритет на она што го правиме, на пример да ни помогне да одлучиме на што треба да внимаваме сега, наспроти подоцна навечер. Емоцијата не е само сложена и нијансирана, туку е во интеракција со многу од нашите процеси на одлучување. Функционирањето на емоциите е покажа како предизвик за научно разбирање (иако има напредок) и тешко е да се изгради во автоматизиран систем.
Второ, контекст. Луѓето лесно можат да го земат предвид контекстот кога донесуваат одлуки или имаат интеракции со другите. Контекстот е особено интересен затоа што е отворен – на пример, секогаш кога има вести, го менува контекстот (голем или мал) во кој работиме. Згора на тоа, промените во контекстот (на пр., изборот на лош претседател) може да го променат не само начинот на кој факторите меѓусебно комуницираат, туку можат да воведат нови фактори и да ја реконфигурираат организацијата на факторите на фундаментални начини. Ова е проблем за машинското учење, кое работи на множества на податоци кои по дефиниција се создадени претходно, во различен контекст. Така, земајќи го предвид контекстот (како што може да направи пријатен шанкер) е предизвик за автоматизација.
Нашата способност да управуваме и користиме емоции и да ги земеме предвид ефектите од контекстот се клучни состојки на критичкото размислување, креативното решавање проблеми, ефективната комуникација, адаптивното учење и доброто расудување. Се покажа дека е многу тешко да се програмираат машините да имитираат такво човечко знаење и вештини, и не е јасно кога (или дали) денешните нови напори да го направат тоа ќе вродат со плод.
И всушност, тоа се токму вештините што работодавците низ индустриите постојано известуваат дека ги бараат кај кандидатите за работа. На пример, во едно истражување, 93% од работодавците изјавиле дека „покажаниот капацитет на кандидатот да размислува критички, јасно да комуницира и да решава сложени проблеми е поважен од неговиот или нејзиниот додипломски студии“. Покрај тоа, работодавците бараат кандидати кои имаат други видови на „софт (или фини) вештини“, како што се способни да учат приспособливо, да донесуваат добри одлуки и добро да соработуваат со другите. Овие барани способности, се разбира, совршено се вклопуваат со видовите работи што луѓето можат добро да ги направат, но тешко се автоматизираат и ќе продолжат да бидат тешки.
Сето ова сугерира дека нашите образовни системи треба да се концентрираат не само на тоа како луѓето комуницираат со технологијата (на пример, со учење на учениците да кодираат), туку и како можат да ги прават работите што технологијата нема да ги прави наскоро. Ова е нов пристап за карактеризирање на основната природа на „меките вештини“, кои веројатно се погрешно именувани: ова се вештините што е најтешко да се разберат и систематизираат, и вештините што им даваат – и ќе продолжат да им даваат – предност на луѓето пред роботите.
АВТОР: Стивен М. Кослин е претседател и извршен директор на Фаундри колеџот; поранешен главен академски директор на училиштата Минерва на KGI и поранешен професор Џон Линдсли, претседател на одделот и декан за општествени науки на Универзитетот Харвард. Тој е автор на „Градење на намерниот универзитет: Минерва и иднината на високото образование“.
