โอกาสในการทำงานใหม่ ๆ กับการเรียนรู้ด้วยเครื่อง - มัมมี่

คุณสามารถหาบทความได้มากกว่าสองสามบทความที่กล่าวถึงการสูญเสียงานที่เรียนรู้ด้วยเครื่องและเทคโนโลยีที่เกี่ยวข้องจะทำให้เกิดปัญหา หุ่นยนต์ได้ปฏิบัติงานเป็นจำนวนมากซึ่งใช้ในการจ้างมนุษย์และการใช้งานนี้จะเพิ่มขึ้นเมื่อเวลาผ่านไป คุณต้องพิจารณาว่าการใช้งานใหม่เหล่านี้อาจทำให้คุณเสียค่าใช้จ่ายหรือคนที่คุณรักได้อย่างไร ผู้เขียนบางคนได้ไปไกลที่สุดเท่าที่จะบอกได้ว่าในอนาคตอาจจะมีสถานการณ์ที่การเรียนรู้ทักษะใหม่ ๆ อาจไม่ได้รับประกันงาน

การทำงานสำหรับเครื่อง

เป็นไปได้ว่าคุณจะพบว่าตัวเองกำลังทำงานกับเครื่องในอนาคต ในความเป็นจริงแล้วคุณอาจใช้เครื่องแล้วและไม่ทราบ บาง บริษัท ใช้การเรียนรู้ด้วยเครื่องเพื่อวิเคราะห์กระบวนการทางธุรกิจและทำให้มีประสิทธิภาพมากขึ้น ตัวอย่างเช่นปัจจุบัน Hitachi ใช้การตั้งค่าดังกล่าวในการจัดการระดับกลาง

ในกรณีนี้ AI จะออกใบสั่งงานตามการวิเคราะห์กระบวนการทำงานเช่นเดียวกับที่ผู้จัดการระดับกลางของมนุษย์อาจทำ ความแตกต่างก็คือ AI นั้นมีประสิทธิภาพมากกว่ามนุษย์ที่แทนที่ด้วย 8 เปอร์เซ็นต์ ในอีกกรณีหนึ่ง Amazon ได้เข้าร่วมการแข่งขันระหว่างผู้เชี่ยวชาญด้านการเรียนรู้เกี่ยวกับเครื่องเพื่อหาว่า บริษัท สามารถประมวลผลขั้นตอนการอนุมัติของพนักงานได้โดยอัตโนมัติโดยใช้การเรียนรู้ด้วยเครื่องหรือไม่ อีกประเด็นคือการหาวิธีแทนที่ผู้บริหารระดับกลางและตัดเทปสีแดงออก

อย่างไรก็ตามโอกาสในการทำงานยังแสดงออกด้วย คนงานภายใต้ AI จะทำภารกิจที่ AI บอกให้พวกเขาทำ แต่พวกเขาสามารถใช้ประสบการณ์และความคิดสร้างสรรค์ของตนเองในการกำหนดวิธีการดำเนินงาน AI วิเคราะห์กระบวนการที่มนุษย์ใช้และวัดผลลัพธ์ที่ได้ กระบวนการที่ประสบความสำเร็จใด ๆ ได้รับการเพิ่มลงในฐานข้อมูลของเทคนิคที่คนงานสามารถนำไปใช้เพื่อบรรลุผลงานได้ กล่าวได้ว่ามนุษย์กำลังสอนเทคนิค AI ใหม่ ๆ เพื่อให้สภาพแวดล้อมการทำงานมีประสิทธิภาพมากยิ่งขึ้น

การทำงานกับเครื่องจักร

คนทำงานกับเครื่องอยู่เป็นประจำ - พวกเขาอาจไม่เข้าใจมัน ตัวอย่างเช่นเมื่อคุณพูดคุยกับสมาร์ทโฟนและตระหนักถึงสิ่งที่คุณพูดคุณกำลังทำงานกับเครื่องเพื่อให้บรรลุเป้าหมายที่ต้องการคนส่วนใหญ่ยอมรับว่าปฏิสัมพันธ์ด้วยเสียงที่มาพร้อมกับสมาร์ทโฟนจะดีขึ้นตามเวลายิ่งใช้มากเท่าไหร่ก็ยิ่งดีไปกว่าการรับรู้เสียงของคุณ เมื่ออัลกอริทึมผู้เรียนได้รับการปรับให้ดีขึ้นจะมีประสิทธิภาพมากขึ้นในการจดจำเสียงของคุณและได้ผลลัพธ์ที่ต้องการ แนวโน้มนี้จะดำเนินต่อไป

อย่างไรก็ตามการเรียนรู้ด้วยเครื่องจะใช้ในรูปแบบต่างๆที่อาจไม่เกิดขึ้นกับคุณ เมื่อคุณชี้กล้องไปที่วัตถุและกล้องสามารถวางกล่องรอบ ๆ ใบหน้า (เพื่อช่วยกำหนดเป้าหมายภาพ) คุณจะเห็นผลของการเรียนรู้ด้วยเครื่อง กล้องช่วยคุณในการถ่ายภาพที่มีประสิทธิภาพมากขึ้น

การใช้ภาษาที่เปิดเผยเช่น SQL (Structured Query Language) จะมีความเด่นชัดมากขึ้นเนื่องจากการเรียนรู้ด้วยเครื่องจะทำให้ความก้าวหน้าเป็นไปได้ ในบางแง่มุมภาษาที่อธิบายได้ง่ายช่วยให้คุณสามารถอธิบายถึงสิ่งที่คุณต้องการได้และไม่ใช่วิธีการที่จะได้รับ อย่างไรก็ตาม SQL ยังคงต้องใช้นักวิทยาศาสตร์คอมพิวเตอร์นักวิทยาศาสตร์ข้อมูลผู้ดูแลระบบฐานข้อมูลหรือผู้เชี่ยวชาญด้านการใช้งานอื่น ๆ ภาษาในอนาคตจะไม่มีข้อ จำกัด นี้

ในที่สุดคนที่ได้รับการฝึกฝนเพื่อทำงานเฉพาะอย่างยิ่งก็จะบอกให้ผู้ช่วยหุ่นยนต์ทราบว่าจะทำอย่างไรและผู้ช่วยหุ่นยนต์จะค้นพบวิธีที่จะทำ มนุษย์จะใช้ความคิดสร้างสรรค์ในการค้นพบ

สิ่งที่ ต้องทำ; รายละเอียด (อย่างไร) จะกลายเป็นโดเมนของเครื่องจักร การซ่อมเครื่อง

ก่อนที่เทคโนโลยีจะสามารถทำอะไรได้อีกจะต้องปฏิบัติงานจริงที่จะดึงดูดความสนใจและประโยชน์ต่อมนุษย์ในลักษณะที่ทำให้คนอยากมีเทคโนโลยีด้วยตัวเอง

ไม่สำคัญว่าเทคโนโลยีคืออะไร ในที่สุดเทคโนโลยีจะทำลาย การได้เทคโนโลยีที่จะทำสิ่งที่เป็นประโยชน์คือการพิจารณาที่สำคัญตอนนี้และเป็นสุดยอดของความฝันของสิ่งที่เทคโนโลยีจะทำให้อนาคตยาวนานหลายปีสิ่งที่โลกีย์เช่นการซ่อมเทคโนโลยีจะยังคงตกอยู่ในบ่ามนุษย์ แม้ว่ามนุษย์จะไม่เกี่ยวข้องโดยตรงกับการซ่อมแซมทางกายภาพก็ตามมนุษย์จะสั่งให้ดำเนินการซ่อมแซม

บทความบางอย่างที่คุณอ่านแบบออนไลน์อาจทำให้คุณเชื่อได้ว่าหุ่นยนต์ซ่อมแซมตัวเองเป็นจริงแล้ว ตัวอย่างเช่นหุ่นยนต์สถานีอวกาศนานาชาติ Dextre และ Canadarm ดำเนินการซ่อมแซมกล้องผิดพลาด สิ่งที่เรื่องราวไม่ได้พูดคือการที่มนุษย์ตัดสินใจว่าจะปฏิบัติภารกิจอย่างไรและสั่งให้หุ่นยนต์ทำกายภาพบำบัด การซ่อมแซมด้วยตนเองไม่สามารถใช้กับอัลกอริทึมที่มีอยู่ในปัจจุบัน

การสร้างงานการเรียนรู้ด้วยเครื่องใหม่

อัลกอริทึมการเรียนรู้ด้วยเครื่องไม่สร้างสรรค์ซึ่งหมายความว่ามนุษย์ต้องให้ความคิดสร้างสรรค์ที่ช่วยปรับปรุงการเรียนรู้ด้วยเครื่อง แม้อัลกอริทึมที่สร้างอัลกอริทึมอื่น ๆ จะช่วยปรับปรุงประสิทธิภาพและความถูกต้องของผลลัพธ์ที่อัลกอริธึมประสบความสำเร็จได้ - พวกเขาไม่สามารถสร้างอัลกอริทึมที่ทำงานใหม่ได้ มนุษย์ต้องให้ข้อมูลที่จำเป็นในการกำหนดงานเหล่านี้และกระบวนการที่จำเป็นในการเริ่มต้นการแก้ปัญหาเหล่านี้

คุณอาจคิดว่าผู้เชี่ยวชาญเฉพาะด้านการเรียนรู้ด้วยเครื่องจักรเท่านั้นที่จะสร้างงานการเรียนรู้ด้วยเครื่องใหม่ อย่างไรก็ตามเรื่องราวเกี่ยวกับผู้จัดการระดับกลางจาก Hitachi ควรบอกคุณว่าสิ่งต่างๆจะแตกต่างไปจากนี้ ใช่ผู้เชี่ยวชาญจะช่วยสร้างพื้นฐานสำหรับการกำหนดวิธีแก้ปัญหา แต่การสร้างงานจริงจะมาจากผู้ที่รู้จักอุตสาหกรรมที่เฉพาะเจาะจงมากที่สุด เรื่องราว Hitachi เป็นพื้นฐานสำหรับการทำความเข้าใจว่าอนาคตจะเห็นผู้คนจากทุกสาขาวิชาที่มีส่วนร่วมในสถานการณ์การเรียนรู้ด้วยเครื่องและการศึกษาเฉพาะอาจไม่ได้ช่วยในการกำหนดงานใหม่ ๆ

การสร้างสภาพแวดล้อมการเรียนรู้ด้วยเครื่องใหม่

ในขณะนี้การสร้างสภาพแวดล้อมการเรียนรู้เครื่องใหม่เป็นขอบเขตของ บริษัท วิจัยและพัฒนา กลุ่มผู้เชี่ยวชาญที่ได้รับการฝึกอบรมมาอย่างดีจะต้องสร้างตัวแปรสำหรับสภาพแวดล้อมใหม่ ๆ ตัวอย่างเช่น NASA ต้องการหุ่นยนต์สำรวจดาวอังคาร ในกรณีนี้ NASA ต้องอาศัยทักษะของผู้คนใน MIT และ Northeastern เพื่อปฏิบัติงาน ระบุว่าหุ่นยนต์จะต้องดำเนินการด้วยตนเองกลไกการเรียนรู้ของเครื่องจะกลายเป็นเรื่องที่ค่อนข้างซับซ้อนและรวมถึงการแก้ปัญหาหลายระดับ

ในที่สุดคนอื่นจะสามารถอธิบายปัญหาได้อย่างละเอียดว่าโปรแกรมเฉพาะสามารถสร้างอัลกอริทึมที่จำเป็นโดยใช้ภาษาที่เหมาะสมได้ กล่าวอีกนัยหนึ่งคนทั่วไปจะเริ่มต้นสร้างสภาพแวดล้อมการเรียนรู้เครื่องใหม่ตามความคิดที่พวกเขามีและต้องการลอง

เช่นเดียวกับการสร้างงานการเรียนรู้ด้วยเครื่องผู้คนที่สร้างสภาพแวดล้อมในอนาคตจะเป็นผู้เชี่ยวชาญด้านงานฝีมือโดยเฉพาะแทนที่จะเป็นนักวิทยาศาสตร์คอมพิวเตอร์หรือนักวิทยาศาสตร์ข้อมูล