彼の著書”施しへの別れ”の経済学者Gregory Clarkは、馬の友人とノートを比較することで、将来の仕事の見通しについて一つか二つ学ぶことができると指摘している。 1900年の初期の自動車を見て、彼らの将来を考えている二頭の馬を想像してみてください：-
“私は技術的失業を心配しています。
“Neigh、neigh、Ludditeになることはありません; 私達の祖先は蒸気機関が私達の企業の仕事を取り、列車が駅馬車を引っ張る私達の仕事を取ったときに同じ事を言った。 私はむしろ愚かな鉱山シャフトポンプに電力を供給するために円の中を歩いて一日を過ごすよりも、町を通って軽いキャリッジを引っ張るだろう。”
“しかし、この内燃機関が本当に離陸したらどうなるのでしょうか？
“私たちがまだ想像していなかった馬のための新しい仕事があると確信しています。 それは車輪と鋤の発明のように、前に起こったことです”
悲しいかな、まだ想像されていない馬のための新しい仕事は決して到着しませんでした。 もはや必要とされていない馬は屠殺され、交換されず、米国の馬の人口は1915年の約2600万人から1960年に約300万人に崩壊しました。
上記の抜粋は、良いケースのシナリオと悪いケースのシナリオを美しく組み合わせています。 それは仮説的であり、知性に関しては私たちが馬よりも優れていると主張することができます。 自動化とAIが私たちの仕事に与える影響については、2つの異なる見解があります。
それは私たちの仕事を食べるでしょう
マッキンゼーの調査によると-今日の技術は、人々がすべての職業にわたって実行するために支払われる活動の45％を自動化することができます。 すべての職業の約60パーセントは、自動化された自分の仕事の活動の30パーセント以上を見ることができます。 それはそれだけではありません。 ベンチャーキャピタリストのVinod Khoslaは、技術が医師の80％を置き換えると予測しています。 薬剤師は必要ありません。 法律専門家は、自動化およびロボ法に応じて同様に影響を受けます。 技術は、過去に新しいジョブを作成しているという理由だけで、それはそれが常に起こるという意味ではありません。 これは驚くべき見解であり、技術愛好家はそれを陰鬱なものと呼んでいます。
それはむしろ新しいジョブを作成します
第二のビューは、新しい技術は、いくつかのジョブを無関係にレンダリングしますが、それはまた、新しいジョ それは過去に起こった。 例えば、産業革命の前に、人々のほとんどは農業に従事していましたが、彼らはすぐに生産の産業セットアップに移動しました。 コンピュータが手動産業仕事のいくつかを取り替えたときに、プログラミングの仕事を作成した。 おそらくこれは、彼らがレジャーやレクリエーション活動のより自由な時間を得るのを助けました。 この見解の支持者によると、新しい技術は人間の可能性を高め、技術による新しい雇用の創出率は、既存の雇用の破壊率よりも速くなります。
専門家たちは今後何が起こるかについて議論を続けているが、誰も水晶玉を持っていない。 それは全体的に私たちに利益をもたらしているので、同時に、技術の進歩は止められません。 ある日、技術のおかげで、私たちは皆、ほぼ自由エネルギーと無制限の食べ物を持っているかもしれません。 オイルは実質的にどこにでもある太陽光発電のような自然エネルギー源に道を譲るでしょう。 シリコンの薄い銀からの太陽電池パネルは非常に効果的になっています。 それが成長している速度は、それが離れて、今日のエネルギー需要の100パーセントを満たすから数十年です。 このクリーンな持続可能なエネルギーは、きれいな水を得るために使用することができ、ほぼ無制限の食糧を生産するために農業を豊かにすることがで
AIは数年後には電気に非常によく似ています。 私たちが以前にすべてを電化したように、AIは人間を含む周りのすべてのオブジェクトを認識します。 私たちが今日行う仕事のほとんどは、最も経済的で効率的な方法でAIによるものです。 しかし、私たちはまだ仕事を必要としています、ヴォルテールは1759年に”仕事は三つの大きな悪を保つ：退屈、悪、必要”と書いています。
また読む：なぜ顔認識技術は親指を下げているのですか？
人工狭域知能（ANI）
AIのために学ぶ最も簡単なことは、狭い領域の専門家として学ぶスキルです。 事前に定義されたルールのセットとして明確に表現することができる株式取引と投資管理の仕事は、最も可能性の高い堅牢なAIアルゴリズムに置 これらの仕事が創造性や革新性が低いことを常に意味するわけではありませんが、特定の領域に限定されており、ニューラルネットワークを搭載したAIはすぐにそれらを簡単に学ぶことができます。 ポイントのケースは、チェスのゲームです。 ほんの数年前、それはAIによって征服されることができる最大の認知的課題の1つであると考えられていました。 しかし、今日のチェス競技オブザーバーは、参加者がコンピュータを見上げて不正行為をしていないかどうかを確認し続けます。 AIははるかにチェスをプレイするには、人間の裏をかいています。 IBMのディープ-ブルーは1995年にゲイリー-カスパロフを破った。
人工汎用知能（AGI）
これは大まかに常識と解釈することができます。 コンピュータのために学ぶために最も困難なスキルは、自分の年齢の最初の7年以内に子供が取得したものです。 それは階段の登山、語学力、論理的な推論などのようなものが含まれています。 これは、脳の発達の広範なアーキテクチャにのみ関係しています。 彼らがどのように正確に機能するかはわかりません。 ロボットにとって最も難しいことは、洗濯物のコレクションを折り畳むことです（タオル、シャツ、ネクタイ、靴下があると仮定します）。 本質的に、これらは創造性と革新性の高い要素を持つ活動です。 彼らはルールに入れることはできません。
専門的な環境では、あなたの仕事は、あなたが安全にあなたの仕事が高いリスクにある可能性があると仮定することができるよりも、訓練の数ヶ月
人工超知能（ASI）
この段階は、AIが勃発して増殖し、人間にとって実質的に理解できず、制御できないシステムを作り出す特異点としても知られています。 それはハリウッドのsf映画の不滅のロボットのようではありませんが、巨大なネットワーク処理能力と無制限の計算能力を活用する目に見えないソフ おそらく彼らは私たちを殺さないかもしれませんが、人間はこの惑星のすべての動物を殺していないということだけです。
結局、あなたの仕事をAIから守ることができるのは、学習能力–新しいことを学ぶ能力と意欲だけです。 それは動く目標ですが、それはAIと自動化によって支配される不確実な将来においてのみ特定の答えになる可能性があります。
Mishraは、itおよびコンサルティング会社をリードする20年以上の経験を持つソフトウェアの専門家です。 彼はまた、新技術の分野でスタートアップメンターとして大学と協力しています。
