В подкасте под названием Как, вероятно, будет развиваться автоматизация рабочих мест? Питер Миликин, Майк Осборн, Джуди Стефенсон и Дэвид Клифтон из Оксфордского университета обсуждают вероятное влияние искусственного интеллекта (машинного обучения) в будущем. на занятость человека.

Майкл А. Осборн, адъюнкт-профессор Dyson по машинному обучению, начал дискуссию с прогноза: что-то к северу от 40% человеческих рабочих мест включает процедуры, которые машинное обучение может исключить, если использование этого метода автоматизации увеличится (все участники дискуссии выразили уверенность использование машинного обучения увеличится). Он был осторожен, чтобы сообщить о направленности своей работы, которая привела к этому прогнозу: он и его команда провели анализ рабочих задач. Этот анализ предназначен для выявления задач, которые, вероятно, лучше решаются алгоритмами машинного обучения, чем людьми (Майкл Осборн — содиректор программы Oxford Martin по технологиям и занятости).

Поэтому его прогнозы, по его мнению, следует рассматривать отдельно от любых прогнозов о фактическом устранении рабочих мест в результате внедрения машинного обучения. Доктор Осборн упомянул Deloitte как одну из организаций, публикующих прогнозы количества рабочих мест, которые будут потеряны из-за машинного обучения и других методов ИИ, но есть и много других. Кай-фу Ли в своей книге «Сверхспособности ИИ» посвящает большую часть первой половины своей работы этой теме — ИИ — разрушитель рабочих мест.

На протяжении всей последующей дискуссии каждый из участников придерживался позиции, которую слушатель вряд ли назовет иначе, чем «радужной» или, возможно, «утопической». Знакомое утверждение, повторяющееся повсюду, можно резюмировать так: «не бойтесь, машинное обучение создаст больше рабочих мест, чем устранит».

Среди участников дискуссии был историк: доктор Джуди Стефенсон. Согласно ее странице на веб-сайте Wadham College Оксфордского университета, доктор Джуди Стивенсон исследует занятость, работу и рынки труда в Англии до 1800 года. Из участников обсуждения она была наиболее оптимистична в отношении вероятного благотворного влияния машинного обучения на занятость людей.

Поскольку все ее ссылки были из ее области знаний, было бы полезно, если бы кто-нибудь оспорил применимость истории индустриализации популярного занятия в 1800-х годах, шитья, к нашей нынешней социальной реальности. К сожалению, вопросов, оспаривающих уместность аналогии, не возникло.

А как насчет качества вакансий, о которых говорится, что они могут появиться после того, как машинное обучение сократит остальные?

Ни одна из упомянутых профессий, ни барриста в кофейнях, ни санитары, обслуживающие нужды пожилых людей, ни даже рентгенологи, работающие над существенно сокращенным набором задач, не обещали работникам больших денег.

Сколько времени понадобится работникам, чтобы наверстать упущенное после того, как машинное обучение распространится по всему миру?

Доктор Стефенсон ответил на этот вопрос, рассказав о 75 годах, которые потребовались людям, занятым в швейном деле, чтобы оправиться от натиска автоматизированного швейного оборудования. Можно было бы надеяться, что участники дискуссии не настолько наивны, чтобы предполагать, что среднестатистический уволенный работник будет просто сидеть и ждать десятилетиями, пока не появится какая-то новая, сытная возможность трудоустройства.

Возможно, слушатели этого подкаста больше всего беспокоятся из-за некоторой настоящей наивности: когда Питер Миликен попросил рассказать о возможных методах, которые работники будут использовать для защиты своего права на справедливое вознаграждение работе, д-р Стефенсон предпочел указать на методы политической системы, а не на профсоюзы. Излишне говорить, что есть и третий вариант: гражданские беспорядки. Все участники дискуссии, казалось, не обращали внимания на эту явно разрушительную возможность.

В отличие от книги Кай-фу Ли и ее представления о будущем, характеризующемся повсеместной ликвидацией рабочих мест как тревожной характеристикой распространения систем ИИ (требующей немедленного внимания), в этом панельном обсуждении никогда не рассматриваются темная сторона, наихудшая оценка социального воздействия. Таким образом, слушатели просят большего. Можно было бы надеяться, что участники дискуссии сядут за будущее обсуждение с меньшим акцентом на «радужные» и гораздо более искренними.