Logo 25 Jahre KAN

KANBrief 4/19

Praca zawodowa w dobie sztucznej inteligencji

Portrait of Richard Harper© private
Richard Harper
Institute for Social Futures, Lancaster University, UK

Sztuczna inteligencja (SI) rewolucjonizuje sposób, w jaki pracujemy, i dlatego oczekuje się, że przyniesie ogromne zmiany. Być może pewnego dnia będzie w stanie przejąć wiele operacji wykonywanych wcześniej przez ludzi, również tych, które wymagają specjalnego przeszkolenia i które do tej pory wykraczały poza możliwości maszyn. Aby to jednak zrobić, należy najpierw nauczyć narzędzia SI wykonywać pracę, którą będą wykonywać w przyszłości.

Maszyny nie uczą się same, pomimo tego, co sugeruje sformułowanie „uczenie maszynowe” (machine learning - ML). Uczenie wymaga treningu, a to ludzie szkolą maszyny, lub przynajmniej zapewniają podstawy do nauki. Szkolenie narzędzi sztucznej inteligencji jest w zasadzie proste, przynajmniej na poziomie koncepcyjnym: wymaga, aby systemy ML były wyposażone w „zaznaczone” przykłady, które ilustrują, jak mają być definiowane poszukiwane zjawiska. Przykłady te muszą obejmować wiele przypadków granicznych, które trenerzy oznaczają jako dobre lub złe, umożliwiając w ten sposób systemowi wypracowanie kryteriów dla własnego procesu selekcji, który będzie przeprowadzony na podstawie przyszłych danych. Często kryteria te nie są kryteriami wykorzystywanymi przez trenerów, ale z reguły wynik jest taki sam: SI może dokonywać wyborów w taki sam sposób, jak ludzie, a tym samym może zastąpić ludzi w procesie podejmowania decyzji.

Potrzebnych jest jednak wiele tysięcy przykładów, nawet w prostym przypadku - a jeszcze więcej dla kwestii związanych z bezpieczeństwem. Nauczenie sztucznej inteligencji rozpoznawania ludzkich twarzy jest dość proste, kluczowe wymiary to odległość pomiędzy tęczówkami, czubkiem nosa i górną wargą. Wymiary te można obliczyć z proporcji, które z kolei określa się na podstawie wyróżniających się charakterystycznych punktów na obrysie policzka i lub brody. Rozpoznanie tych „punktów na obrysie” wymagało wielu lat nauki – często ich określenie utrudniają cienie lub pasma włosów. W przypadku bardziej wymagających zadań związanych z pracą zawodową, uczenie maszynowe stanie się znacznie bardziej złożone i trudniejsze.

Uczenie sztucznej inteligencji nie jest szczególnie ciekawą pracą - nawet jeśli dane zjawisko ma interesujące właściwości, co często ma miejsce w przypadku tematów, nad którymi pracują profesjonaliści. Bez względu na to, jak ciekawy, każde zjawisko szybko staje się monotonne, gdy trzeba zbadać i oznaczyć setki, a nawet tysiące przykładów. Jeśli chodzi o rozpoznawanie twarzy, duża część pracy została wykonana przez studentów informatyki, a zatem jej koszty były niskie. Natomiast jeśli chodzi o identyfikowanie problemów w zakresie prawa lub bezpieczeństwa, uczenie SI musi zostać przeprowadzone przez osoby wykwalifikowane w danej dziedzinie – na przykład prawników lub inżynierów - a koszt ich pracy zdecydowanie nie jest tani.

Pojawia się też kwestia motywacji: jest to zajęcie monotonne, a będzie tym bardziej demotywujące, jeśli ma na celu zastąpienie ludzi, którzy uczą systemy. A taką obawę wyrażają sami specjaliści pytani o wpływ sztucznej inteligencji na pracę.

Sytuacja nie musi jednak wcale tak wyglądać: nie dlatego, że specjaliści odmówiliby uczenia systemu lub celowo zrobiliby to tak słabo, że nauka nigdy nie zostałaby ukończona, ale raczej z powodu ogromnych kosztów systemów lub licencji SI, które są często niedoszacowane.

Inwestycje te są tak wysokie, że jednym ze sposobów na uzyskanie odpowiedniego zwrotu z inwestycji jest rozszerzenie roli sztucznej inteligencji. Paradoksalnie będzie to jednak wymagało większej ilości pracy nad uczeniem systemu, co wymaga czasu, a tym samym zwiększa koszty pracy i licencji związanych z wdrożeniem SI. Każdy, kto wyobrażał sobie, że ucząc systemy SI pracy, zastąpi siebie w końcu znajduje się w cyklu, który trwa bez końca: stajemy się sługami SI, nie wiedząc, kiedy nasze zadanie się skończy.

Rewolucja związana z wykorzystaniem sztucznej inteligencji nie musi zatem prowadzić do bezrobocia wykwalifikowanych specjalistów, ale może zmienić postrzeganie tego, kim są i co reprezentuje ich praca. Aby realizować swoją misję, również w przyszłym świecie pracy, instytucje zajmujące się bezpieczeństwem i higieną pracy będą musiały poradzić sobie z tymi złożonymi i niejednorodnymi zmianami.

Richard Harper
Institute for Social Futures,
Lancaster University, UK

r.harper@lancaster.ac.uk