将来のAIの世界における興味深い仕事

将来のAIの世界における興味深い仕事

現在、人工知能 (AI) システムは反復的で非創造的なタスクを実行するのが得意ですが、スクリプトから外れるよう要求されるとすぐに行き詰まってしまいます。テクノロジーが進歩するにつれて、いくつかの伝統的な役割は廃止されます。新たな経済現実では、これまで想像もできなかった仕事が生まれるでしょう。これら 2 つのアイデアを組み合わせることで、2030 年の高度に自動化された経済で出現する可能性のある潜在的な新しいキャリアの機会を計画することができます。

[[426724]]

ロボットトレーナー

ロボットがますます複雑な機能を担うようになると、ロボットにそれらの仕事を正しく行う方法を教える人間がさらに必要になります。 MTurk や Crowdflower などの Human Intelligence Task (HIT) プロジェクトでは、すでに人間を利用して AI をトレーニングし、画像やビデオ内のオブジェクトを認識できるようにしています。個人旅行サービス Lola などの新しい AI 企業は、複雑なタスクを完了できるように AI をトレーニングするための専任スタッフを配置した情報技術アカデミーを拡大しています。

マイクロソフトのTayボットは、インターネットユーザーとやり取りした後、Twitter上で攻撃的かつ人種差別的なコメントを吐き出すようになり、作成者を大いに困惑させた。 Tay がいかに急速に軌道から外れたかを考えると、私たちの安全を守るために設計されたボットが、間違った情報を与えたり、設計の悪いトレーニング セットから間違ったことを学習したりした場合、どれほど危険になるかは想像に難くありません。現実世界は常に変化しているため、AI は実用的なドメイン専門知識に到達しても継続的にトレーニングと改善を行う必要があり、そのためには専門家による監督が不可欠です。

現在の技術的な制限にもかかわらず、半自律システムの設計に人間の労力を組み込むことで、一部の企業はより高い効率を達成できるようになっています。

空港で荷物を輸送するために使用される自動運転車「ベストマイル」は、その設計に人間による監視をうまく取り入れている。空港の駐機場という複雑で危険な環境において、BestMile の車両は進路上に障害物を感知すると停止し、人間の操縦者がどうするか判断するまで待機することができます。

人工人格デザイナー

AI が私たちの世界に浸透するにつれて、私たちは AI とより親密な関係を築き始め、テクノロジーは私たちをより深く知る必要が出てきますが、AI の性格の中には、一部の人には合わないものもあります。さらに、異なるブランドは、明確に定義された異なる個性によって表現されることを望む場合があります。したがって、効果的な人間向け AI 設計者は、AI のインタラクションを楽しく生産的なものにするために、AI 内のニュアンスに注意を払う必要があります。ここで、パーソナリティデザイナーやパーソナリティ科学者が登場します。

Siri はジョークを言うことができますが、人間はそれ以上のものを求めているので、デバイスは人間の感情的なニーズに応えられるように訓練されなければなりません。クラス最高のユーザー エクスペリエンスを実現するには、AI パーソナリティを設計するための有意義なフレームワークを研究し構築する AI パーソナリティ デザイナーまたは科学者の存在が不可欠です。

チャットボット開発者は、ボットに個性を与えるために、会話のセリフやスクリプトを書くライターも雇っています。 Microsoft のチャットボット Cortana には 22 人の編集チームがいます。

Affectiva や Beyond Verbal などのスタートアップ企業は、感情を識別して分析する技術を開発しており、AI が反応して私たちとのやり取りを調整し、より快適で効果的な体験を実現できるようにしています。

マサチューセッツ工科大学とボストン大学の研究チームは、ロボットに人間の脳の信号を読み取って、人間による積極的な修正や監視なしに間違いを判別する方法を教えている。 Google は最近、ロボットの個性に関する特許も申請し、ロボットの個性を保存および配布するシステムを設計しました。

完全に自律的なシステムの設計は非常に複雑であるため、AI の約束の多くはまだ実現できていません。

今のところ、少なくとも当初は、人間を訓練する方がロボットの代替品を開発するよりもはるかに安価です。これは人工知能の進歩に対する主な障害の一つでもあります。しかし、将来の AI 主導の世界では、これまでにないほど自分に合った新しいユニークな仕事が見つかるかもしれません。

<<:  インタビュアー: 一般的なソートアルゴリズムは何ですか?違い?

>>:  データ構造とアルゴリズム: 最小全域木、数秒で理解できます!

ブログ    

推薦する

平均年収35万元、2018年のビッグデータAIの発展動向分析

近年、ビッグデータは非常に人気があり、特に2017年には、ビッグデータ産業の発展が政府活動報告に記載...

ChatGPTのウェブサイトのトラフィックは3か月連続で減少しており、8月の訪問数は3.2%減の14億3000万回となった。

分析会社シミラーウェブが9月8日に発表した最新データによると、人工知能チャットロボット「ChatGP...

百度CTO王海鋒氏:「文心易眼」のユーザー数は1億人を超える

「文心易眼のユーザー規模が1億人を突破した」。12月28日、百度の最高技術責任者で、深層学習技術・応...

AIがフィンテックを変える4つの方法

[[432805]]金融業界の企業は、人工知能 (AI) を使用して複数のソースからのデータを分析お...

...

C#とTypeScriptの作者がオープンソースAIプロジェクトTypeChatを発表

7月24日、C#とTypeScriptの父であるAnders Hejlsberg氏が、ユーザーがAI...

ディープラーニングモデルアーキテクチャを視覚化する6つの一般的な方法の概要

視覚化は、ディープラーニング モデルの内部構造を説明し、理解するのに役立ちます。 モデル計算グラフの...

NeuRAD: 自動運転のためのニューラル レンダリング (複数のデータセットでの SOTA)

論文「NeuRAD: 自動運転のためのニューラル レンダリング」は、Zenseact、チャルマース工...

...

エッジAI: ディープラーニングをより効率的にする方法

人工知能 (AI) は今日の産業情勢を変えています。 エンタープライズ ソフトウェアから機械の自動化...

ディープラーニング GPU の最も包括的な比較: コスト パフォーマンスの点で最も優れているのはどれですか?

AI に関して言えば、「GPU の混乱」を感じない人はいないでしょう。 Tensor コア、メモリ...

...

人工知能が普及したら、誰が職を失うのでしょうか?この3つのタイプの人々が最前線にいるかもしれない

科学技術は主要な生産力です。人類社会が発展し続けることができるのは、何世代にもわたる科学者が新しい技...

BAIRは、3種類のモデルフリー強化学習アルゴリズムを組み合わせたRLコードライブラリrlpytをオープンソース化しました。

最近、BAIR は強化学習研究コードライブラリ rlpyt をオープンソース化しました。このライブラ...

大学における人工知能への熱意を「クール」に振り返る

大学は関連専攻を開設する際に、教授委員会と学術委員会を組織し、国の人材政策、業界の人材需要、国内外の...