چرا هوش مصنوعی ، چیز قابل اطمینانی برای افزایش بهره وری نیست؟ بخش اول

کارکنان با تفکر در مورد عصر فوق پیشرونده هوش مصنوعی ، از افزایش بهره وری نظیر ابزارها لذت می برند در حالی که کارگران تمایل به محاسبه زمان قبل از پوشش شغل توسط R2-D2 دارند. جاکوس بوگین و همکاران برآورد کرده اند که در آینده ، 50 درصد همه کارهایی که امروزه توسط انسان انجام می شوند می توانند توسط هوش مصنوعی و یادگیری ماشینی انجام شوند و این موضوع توسط پریتویراج چادوری ، پروفسور دانشگاه کسب و کار هاروارد مطرح شده است. به طورکلی این را می توان به بهره وری 1 درصد یا بیشتر ترجمه کرد. اما معلوم می شود که مدتها قبل از آنکه روباتها کارگران را به طور کامل جایگزین کنند ، کارگران در صورت استفاده از ابزارهای مبتنی بر AI برای انجام کار خواهند کرد.

همانطور که قبلا با رادیولوژیست هایی که از این ابزار برای تفسیر اشعه X استفاده می کنند و وکلای مدافع برای کشف موارد گذشته که سابقه ای برای استدلال های حقوقی ایجاد می کنند. "اگر تجربه كاملي در دنياي فناوري قديمي به طور كامل صورت گرفته باشد و به زودي يك ابزار آموزشي در اختيار آنها قرار خواهد گرفت ، آنها توليد كمي خواهند داشت"

Choudhury متوجه شد که تحقیقات ناقص در مورد مهارت های مورد نیاز کارگران برای استفاده از ابزارهای هوش مصنوعی به وعده کامل آنها وجود دارد. و این یک بخش کلیدی از اطلاعات است که شرکت ها در نظر دارند سرمایه گذاری کنند ، تخمین های شرکت مشاور Accenture 350000000000 دلار به فناوری شناختی در ایالات متحده تا سال 2035 خواهد رسید. فقط اضافه کردن ابزارهای AI به طور خودکار افزایش بهره وری را نمی دهد اگر مردم از فناوری به درستی استفاده نمی کنند.

"ابزارهای هوش مصنوعی ممکن است در پیش بینی خوب باشد ، اما اگر آنها به درستی مورد استفاده قرار نگیرند ، ارزش سرمایه گذاری در چنین ابزاری وجود ندارد"، Choudhury می گوید. Choudhury قصد دارد این شکاف را با یک کاغذ کاری جدید ، Strokes مختلف برای افراد مختلف تکمیل کند: شواهد تجربی درباره همکاری میان سرمایه انسانی و یادگیری ماشین وجود دارد. مقاله ای که توسط ایوان استار و راجگری آگاروال از دانشگاه مریلند نوشته شده است ، نشان می دهد که فروشگاه ها باید به دقت در مورد مهارت هایی که باید برای استخدام یا آموزش کارمندان در نظر بگیرند ، در مورد آنها بیشتر فکر می کنند.

Choudhury کار خود را صرف تحقیق در مورد سرمایه انسانی ، به دنبال در داخل شرکت هایی مانند مایکروسافت ، Infosys و McKinsey برای تجزیه و تحلیل آنچه باعث می شود که دانشمندان کارآمد ترین باشند. چند سال پیش ، او شروع به نگاه کردن به دفتر ثبت اختراعات و علامت تجاری ایالات متحده (USPTO) کرد ، که از شیوه های ابتکاری در اطراف کارکنانی که از راه دور کار می کردند استفاده می کردند. وی می گوید: "من دفتر ثبت اختراعات ایالات متحده را جذاب کردم." "این نه تنها یک سازمان بزرگ با بیش از 10000 نفر است ، بلکه یک سازمان است که سیستم نوآوری را شکل می دهد. آنچه آنها برای کل اقتصاد ایالات متحده مهم هستند. "

در طی نوشتن یک مدرک کسب و کار آنلاین در دانشگاه هاروارد در مورد اداره ثبت اختراعات ، او کشف کرد که این سازمان یک برنامه جدید یادگیری ماشین را به نام Sigma-AI به منظور کاهش زمان لازم برای بررسی پرونده های ثبت اختراع اجرا کرده است. امتحان کنندگان ثبت اختراع می توانند از Sigma-AI برای اطمینان از اینکه برنامه ها ایده های واقعا رؤیایی را پیشنهاد می دهند ، و نه طرح ها و تکنیک های قبلا در سایر پتنت های شناخته شده به عنوان هنر قبلی استفاده می کنند. چودوری می گوید: "این به معنی جستجو از طریق صدها هزار اسناد است."

این دفتر با هدف ارائه حداقل پاسخ اولیه به متقاضیان ظرف 10 ماه است. با افزایش تقاضای ثبت اختراع در حدود پنجاه سال ، تقریبا 20 درصد ، در حال حاضر یک میلیون و نیمی از برنامه های کاربردی وجود دارد که در نتیجه تاخیر های شش ماه یا بیشتر طول می کشد. در گذشته ، کارکنان از یک ابزار جست و جوی بولی مانند گوگل برای شناسایی هنر پیشین استفاده کرده اند و از کلمات کلیدی خاص برای جلوگیری از موارد گذشته بهره می بردند. چادوری می گوید ابزار یادگیری ماشین به طور خودکار این فرآیند را خودکار می کند. "سند به این ابزار تحویل داده می شود و سپس آن را از آنچه فکر می کند ، اسناد مربوطه برای یک امتحان در نظر گرفته خواهد شد."

بخش دوم مقاله را در اینجا بخوانید