Neue Arbeitsmöglichkeiten mit maschinellem Lernen - Dummies

Sie können mehr als nur ein paar Artikel finden, die den Verlust von Jobs besprechen, die maschinelles Lernen und die damit verbundenen Technologien verursachen. Roboter führen bereits eine Reihe von Aufgaben aus, die früher Menschen beschäftigten, und diese Nutzung wird mit der Zeit zunehmen. Sie müssen auch bedacht haben, wie diese neuen Verwendungen Sie oder einen geliebten Menschen einen Job kosten könnten. Einige Autoren sind sogar so weit gegangen zu sagen, dass die Zukunft ein Szenario beinhalten könnte, in dem das Erlernen neuer Fähigkeiten möglicherweise keine Arbeit garantiert.

Tatsache ist, dass es schwer ist, zu entscheiden, wie maschinelles Lernen die Arbeitsumgebung beeinflussen wird, genauso wie es für die Menschen schwer war zu sehen, wo die industrielle Revolution Menschen auf dem Weg der Massenbildung -erzeugende Waren für den allgemeinen Verbraucher. So wie diese Arbeiter neue Jobs finden mussten, so müssen die Menschen, die heute den maschinellen Lernfortschritt verlieren, neue Jobs finden.

Arbeiten für eine Maschine

Es ist durchaus möglich, dass Sie in Zukunft für eine Maschine arbeiten werden. Tatsächlich könnten Sie bereits für eine Maschine arbeiten und sie nicht kennen. Einige Unternehmen nutzen bereits Machine Learning, um Geschäftsprozesse zu analysieren und effizienter zu gestalten. Beispielsweise verwendet Hitachi derzeit ein solches Setup im mittleren Management.

In diesem Fall gibt die KI tatsächlich die Arbeitsaufträge basierend auf ihrer Analyse des Arbeitsablaufs aus - genau wie es ein menschlicher mittlerer Manager tun könnte. Der Unterschied ist, dass die KI tatsächlich acht Prozent effizienter ist als die Menschen, die sie ersetzt. In einem anderen Fall führte Amazon einen Wettbewerb unter Experten für maschinelles Lernen durch, um herauszufinden, ob das Unternehmen die Autorisierungsprozesse von Mitarbeitern mithilfe von maschinellem Lernen besser automatisieren könnte. Auch hier ging es darum herauszufinden, wie man das mittlere Management ersetzt und ein bisschen Bürokratie abbaut.

Aber auch eine Jobmöglichkeit bietet sich an. Arbeiter unter der KI erledigen die Aufgaben, die die KI ihnen auferlegt, aber sie können ihre eigene Erfahrung und Kreativität nutzen, um zu bestimmen, wie sie die Aufgabe ausführen sollen. Die KI analysiert die Prozesse, die die menschlichen Arbeiter anwenden, und misst die erzielten Ergebnisse. Alle erfolgreichen Prozesse werden in die Datenbank der Techniken aufgenommen, die die Mitarbeiter anwenden können, um Aufgaben auszuführen. Mit anderen Worten, die Menschen lehren der KI neue Techniken, um die Arbeitsumgebung noch effizienter zu machen.

Arbeiten mit Maschinen

Die Leute arbeiten bereits regelmäßig mit Maschinen - sie können es einfach nicht realisieren. Wenn Sie zum Beispiel mit Ihrem Smartphone sprechen und es erkennt, was Sie sagen, arbeiten Sie mit einer Maschine, um ein gewünschtes Ziel zu erreichen.Die meisten Menschen erkennen, dass sich die Sprachinteraktion mit einem Smartphone mit der Zeit verbessert - je mehr Sie es verwenden, desto besser wird Ihre Stimme erkannt. Wenn der Lernalgorithmus besser abgestimmt wird, wird es effizienter, Ihre Stimme zu erkennen und das gewünschte Ergebnis zu erzielen. Dieser Trend wird sich fortsetzen.

Das maschinelle Lernen wird jedoch auf alle möglichen Arten verwendet, die Ihnen vielleicht nicht einfallen. Wenn Sie eine Kamera auf ein Motiv richten und die Kamera eine Kiste um das Gesicht legen kann (um das Bild zielgerichteter zu machen), sehen Sie das Ergebnis des maschinellen Lernens. Die Kamera hilft Ihnen dabei, Bilder mit weitaus größerer Effizienz aufzunehmen.

Die Verwendung deklarativer Sprachen, wie zum Beispiel SQL (Structured Query Language), wird ebenfalls deutlicher, da maschinelles Lernen Fortschritte ermöglicht. In gewisser Hinsicht lässt Sie eine deklarative Sprache einfach beschreiben, was Sie wollen und nicht, wie Sie es erhalten können. SQL benötigt jedoch immer noch einen Informatiker, Datenwissenschaftler, Datenbankadministrator oder einen anderen Fachmann. Zukünftige Sprachen werden diese Einschränkung nicht haben.

Schließlich wird jemand, der dafür ausgebildet ist, eine bestimmte Aufgabe gut auszuführen, dem Roboterassistenten einfach mitteilen, was zu tun ist, und der Roboterassistent wird die Mittel dafür entdecken. Menschen werden Kreativität nutzen, um zu entdecken, was zu tun hat; die Details (wie) werden zur Domäne von Maschinen.

Reparieren von Maschinen

Bevor die Technologie irgendetwas anderes machen kann, muss sie eine praktische Aufgabe erfüllen, die Aufmerksamkeit erregt und den Menschen auf eine Weise zugutekommt, die die Menschen dazu bringt, die Technologie für sich selbst zu haben.

Es spielt keine Rolle, was die Technologie ist. Irgendwann wird die Technologie kaputt gehen. Die Technologie dazu zu bringen, etwas Nützliches zu tun, ist jetzt die Hauptüberlegung, und der Höhepunkt jeglicher Träume von dem, was die Technologie irgendwann in die Zukunft tun wird, erstreckt sich so auf die menschlichen Schultern. Selbst wenn der Mensch nicht direkt an der physischen Reparatur beteiligt ist, leitet die menschliche Intelligenz die Reparaturoperation.

Einige Artikel, die Sie online lesen, könnten Sie glauben machen, dass selbstreparierende Roboter bereits Realität sind. Zum Beispiel führten die Roboter der Internationalen Raumstation, Dextre und Canadarm, eine Reparatur einer fehlerhaften Kamera durch. Was die Geschichten nicht sagen, ist, dass ein Mensch entschieden hat, wie er die Aufgabe ausführen soll und die Roboter angewiesen hat, die körperliche Arbeit zu verrichten. Eine autonome Reparatur ist mit den heute verfügbaren Algorithmen nicht möglich.

Erstellen neuer maschineller Lernaufgaben

Maschinelle Lernalgorithmen sind nicht kreativ, was bedeutet, dass der Mensch die Kreativität bereitstellen muss, die das maschinelle Lernen verbessert. Sogar Algorithmen, die andere Algorithmen aufbauen, verbessern nur die Effizienz und Genauigkeit der Ergebnisse, die der Algorithmus erzielt - sie können keine Algorithmen erstellen, die neue Arten von Aufgaben ausführen. Der Mensch muss die notwendigen Informationen liefern, um diese Aufgaben und die Prozesse zu definieren, die nötig sind, um mit deren Lösung zu beginnen.

Sie denken vielleicht, dass nur Experten im maschinellen Lernen neue maschinelle Lernaufgaben schaffen. Die Geschichte über den mittleren Manager von Hitachi sollte Ihnen jedoch sagen, dass die Dinge anders funktionieren werden. Ja, Experten werden helfen, die Grundlage für die Definition der Aufgabe zu finden, aber die eigentliche Aufgabenerstellung wird von Leuten kommen, die eine bestimmte Branche am besten kennen. Die Hitachi-Story dient als Grundlage für das Verständnis, dass Menschen aus allen Gesellschaftsschichten in der Zukunft zu Maschinell-Lernszenarien beitragen werden und dass eine bestimmte Ausbildung möglicherweise nicht einmal zur Definition neuer Aufgaben beitragen kann.

Entwicklung neuer Lernumgebungen für Maschinen

Die Entwicklung neuer Lernumgebungen für Maschinen ist derzeit der Bereich von Forschungs- und Entwicklungsunternehmen. Eine Gruppe hochqualifizierter Spezialisten muss die Parameter für eine neue Umgebung erstellen. Zum Beispiel benötigt die NASA Roboter, um den Mars zu erkunden. In diesem Fall verlässt sich die NASA auf die Fähigkeiten der Menschen am MIT und Northeastern, um die Aufgabe auszuführen. Da der Roboter Aufgaben autonom ausführen muss, werden die maschinellen Lernalgorithmen sehr komplex und umfassen mehrere Problemlösungsstufen.

Irgendwann wird jemand in der Lage sein, ein Problem so detailliert zu beschreiben, dass ein spezialisiertes Programm den erforderlichen Algorithmus in einer geeigneten Sprache erstellen kann. Mit anderen Worten, durchschnittliche Menschen werden schließlich anfangen, neue maschinelle Lernumgebungen zu schaffen, die auf Ideen basieren, die sie haben und ausprobieren wollen.

Wie beim Erstellen von maschinellen Lernaufgaben werden Menschen, die zukünftige Umgebungen schaffen, Experten in ihrem jeweiligen Handwerk sein, statt Informatiker oder Datenwissenschaftler zu sein.