人工知能の時代では、機械があなたの仕事を奪うのでしょうか?

人工知能の時代では、機械があなたの仕事を奪うのでしょうか?

テクノロジーの波が押し寄せています。

近年、人工知能技術の発展に伴い、ロボット宅配便や純電気無人車両の発売などのニュースが私たちの視界に次々と現れています。人工知能技術によってもたらされる配送業界や旅行業界の変化が当たり前になると、既存の労働力の失業を招くのではないかと心配する人も多いのではないでしょうか。

[[380330]]

実際、この懸念は新しいものではありません。2016年にAlphaGOが人間のトップチェスプレイヤーを破った後、機械が人間に取って代わるのではないかという懸念はピークに達しました。

「明日の歴史」の中で、ユヴァルはオックスフォード大学の研究報告に言及し、2033年の人工知能による代替率を次のように予測した。テレマーケティング担当者99%、保険代理店99%、スポーツ審判98%、レジ係97%、シェフ96%、ウェイター94%、弁護士94%、ツアーガイド91%、パン職人89%、バス運転手89%、建設作業員88%、獣医86%、警備員84%、乗務員83%、バーテンダー77%、アーキビスト76%、大工72%、ライフガード67%。全産業全体の置換率は47%です。

これらの職種にはすべて、標準化が進んでおり、規則が厳しく、ほとんどが肉体労働であるという共通の特徴があります。

実際のところ、これらの仕事が機械によって完了されることは必ずしも悪いことではありません。 2020年、「システムに閉じ込められた配達員」という記事が、資本がアルゴリズムを使って労働者を搾取することに対する人々の懸念を引き起こした。既存のアルゴリズムの文脈では、配達員は死と競争し、交通警察と競争し、赤信号と友達になっている。ロボットが配達員の代わりに食品を配達し、ビッグデータを使って赤信号やバイクのルートを計算したら、理想的な状況でこのジレンマは解決できるだろうか? 科学技術の発展の目標は、人間を低レベルの反復労働から解放し、人間が創造性を十分に発揮し、個人的価値と社会的価値の向上を実現することではないだろうか? 重労働は機械が行い、人間は科学技術の発展の成果を享受する。これこそが、誰もが憧れる理想的な社会だ。

ロボットによって仕事が奪われたら、配達員や運転手はどうなるのかと疑問に思う人もいるかもしれません。

インターネットの食品配達プラットフォームや旅行プラットフォームが登場する前、中国では食品配達員やシェアカーの運転手の数は今よりはるかに少なかった。彼らは元々は他の業界の従事者だったかもしれないが、新しい技術やプラットフォームの登場により、手厚い待遇に惹かれ、後進的な小都市から出て大都市建設の一部となった。彼らは業界に対して忠誠心を持っておらず、より高給の仕事の機会が訪れると、転職するのは自然な選択です。将来、人工知能技術が人類社会の経済形態を完全に変えれば、将来の職業では、リーダーシップ、対人スキル、論理的思考、能動的な学習、創造性など、労働者のソフトスキルにさらに注目するようになるだろう。人類が成し遂げるあらゆる大きな進歩は、一部の人々を消滅させる。私たちは仕事を失うことを恐れて進歩を拒否することはできない。

さらに、人工知能にも限界があり、医師、デザイナー、画家など、多くの経験と創造力を必要とする職業には従事できません。人工知能の本質は、過去の膨大な履歴データを活用して人間の経験を近似することです。その利点は、大量のデータを保存し、最適化されたアルゴリズムを使用して高速に計算を実行できることにあります。

しかし、人間の脳と比較すると、人工知能はまったく「知的」ではありません。人工知能は、ある事例から別の事例へと推論を導くことはできず、独自のデータとアルゴリズムの枠組みを突破することもできません。 したがって、現在の人工知能は弱い人工知能としか考えられず、これは特定の分野の問題に焦点を合わせてそれしか解決できず、自律的な意識を持たない人工知能を指します。一方、対応する強い人工知能は、人間のすべての作業を実行でき、自律的な意識を持つ人工知能を指します。多くの科学者は、人間が神のように自律的な意識を持つロボットを創造できるとは信じていません。 テクノロジー企業はロボットの役割を推進してきましたが、私たちはまだ人工知能が弱い時代にあり、その応用シナリオは非常に限られています。

例えば、ロボット宅配便は、道路が平坦で、エリアが限定され、ルートも固定されている、デジタル化が高度に発達した特定の地域や都市に限られています。しかし、中国は国土が広く、地形が複雑です。将来、ロボット宅配便が本格的に普及したとしても、デジタル化の度合いが高い都市から始めて、ゆっくりと第3、第4線の都市へと進んでいくことしかできません。これにはかなりの時間とかなりのハードウェアコストがかかる可能性があります。

純電気の無人運転車はすでに市場に出回っていますが、現在の自動運転の効果は満足できるものではありません。一般的な自動化レベルは第3レベルL3であり、これは無人運転車は依然として運転手による制御が必要であり、自動運転システムは補助的な運転機能しか果たせないことを意味します。無人運転車が民間で本格的に利用され、運転手という職業に完全に取って代わるまでには、まだ長い道のりが残っています。

近い将来、機械が人間の仕事を完全に置き換えることはできないでしょう。私たちは、機械と人間が協力して複雑なタスクを完了できると信じています。労働は人々の価値を際立たせ、創造性を刺激し、学習能力を向上させることができます。生産性が高度に発達した社会であっても、労働を機械に完全に依存することは賢明ではなく、また不可能でもあります。

<<:  正確な画像認識を望むなら、AIデータの精度を効果的に向上させることが鍵となる

>>:  顔認識技術の応用リスクと法的規制

ブログ    

推薦する

人工知能にとって2019年は厄介な年だった。資金は必要だったが、使えるお金がなかったのだ。

2019年、中国の人工知能分野への投資・融資熱は大幅に低下し、取引量も急減した。恥ずかしいことに、...

...

EasyDLコンピューティング機能:10種類以上のチップをサポートし、速度が数倍速く、ワンクリックで展開可能

科学研究、金融、小売から工業、農業まで、ますます多くの業界やビジネス シナリオで、効率の向上とコスト...

ニューラルネットワークの問題を解決するための新しいアイデア: OpenAI は線形ネットワークを使用して非線形問題を計算します

[[205570]]深層線形ネットワーク (浮動小数点演算を使用して実装) は実際には線形ではなく、...

調査レポート:世界中の企業の75%が職場でのChatGPTの使用を禁止または禁止を検討中

8月9日、BlackBerryは新たな調査レポートを発表し、現在、世界中の企業の75%が職場でのCh...

ボストンダイナミクスのロボット犬と一緒に散歩に行きました! 「すごい」って言い続ける…(車横転シーン添付)

この記事はAI新メディアQuantum Bit(公開アカウントID:QbitAI)より許可を得て転載...

一貫性ハッシュアルゴリズムとは何ですか?

この記事はWeChatパブリックアカウント「Compass Krypton Gold Entranc...

ランサムウェア対策における人工知能の重要な役割

人工知能技術は、企業が多くのビジネス課題を解決するために不可欠です。最も重要なアプリケーション領域の...

機械学習インフラストラクチャを Python ではなく Go で記述する理由は何ですか?

[[314943]] Python が機械学習プロジェクトで人気のある言語であることは間違いありま...

Deep Policy Gradient Algorithm は真の Policy Gradient Algorithm ですか?

深層強化学習は最近大きな成功を収めていますが、安定性の欠如や再現性の低さといった限界もあります。 M...

2018 年 4 月の最も人気のある AI 機械学習プロジェクト トップ 5

データサイエンスと機械学習に関しては、GitHub と Reddit が最も人気のある 2 つのプラ...

ジェネレーティブAIがソフトウェア配信を支援する方法

レイチェル・レイコック約 2 か月前、私は Thoughtworks の CTO になりました。それ...

OpenAIの「月面着陸プロジェクト」はスーパーAIを目指す!ルカンはAGIへの道の7つの段階を提案し、世界モデルの構築が最初の段階である。

汎用 AGI はもうすぐ実現するかもしれません。 OpenAIの次なる「月面着陸計画」は、待望のスー...

リチャード・サットン:経験はAIの究極のデータであり、4つの段階が真のAIの開発につながる

はじめに:強力な人工知能の開発は近年の関心事となっています。単にラベル付けされたデータではなく、人間...

Keras でカスタム損失関数を作成する方法は?

[[284375]] UnsplashのDhruv Deshmukhによる写真損失関数を使用して、...