Швейцарские робототехники и экономисты из EPFL и Университета Лозанны разработали метод оценки вероятности автоматизации рабочих мест интеллектуальными роботами в будущем и предложили карьерные переходы с меньшими рисками и минимальными усилиями для переобучения.
Когда речь заходит о будущем интеллектуальных роботов, первый вопрос часто звучит так: сколько рабочих мест исчезнет из-за них? Каким бы ни был ответ, второй вопрос, скорее всего, будет таким: как я могу убедиться, что моя работа не окажется в их числе?
В исследовании, опубликованном в журнале Science Robotics, команда робототехников из EPFL и экономистов из Университета Лозанны предлагает ответы на оба вопроса. Объединив научно-техническую литературу о возможностях роботов со статистикой занятости и заработной платы, они разработали метод расчета того, какие из существующих в настоящее время рабочих мест в большей степени подвержены риску быть занятыми роботами в ближайшем будущем. Кроме того, они разработали метод, позволяющий предложить карьерный переход на работу, которая подвержена меньшему риску.
"Существует несколько исследований, предсказывающих, сколько рабочих мест будет автоматизировано роботами, но большинство из них сосредоточены на программных роботах, таких как финансовые робо-консультанты, чат-боты и так далее. Более того, эти прогнозы дико колеблются в зависимости от того, как оцениваются требования к рабочим местам и способности программного обеспечения. Здесь мы рассматриваем не только программное обеспечение искусственного интеллекта, но и реальных роботов, выполняющих физическую работу, и разработали метод систематического сравнения способностей человека и роботов, используемых в сотнях профессий", - говорит профессор Дарио Флореано, директор Лаборатории интеллектуальных систем EPFL, возглавивший исследование в EPFL.
Ключевой инновацией исследования является новое сопоставление возможностей роботов с требованиями к рабочим местам. Команда изучила дорожную карту H2020 Robotic Multi-Annual Roadmap (MAR), стратегический документ Европейской комиссии, который периодически пересматривается экспертами в области робототехники. В MAR описаны десятки способностей, которые требуются от нынешних роботов или могут потребоваться будущим, сгруппированных по таким категориям, как манипулирование, восприятие, взаимодействие с человеком и т.д. Исследователи изучили научные работы, патенты и описания робототехнических продуктов, чтобы оценить уровень зрелости способностей роботов по шкале TRL (technology readiness level).
Для оценки человеческих способностей они использовали базу данных O*NET, широко используемую базу данных ресурсов на рынке труда США, которая классифицирует около 1000 профессий и разбивает навыки и знания, наиболее важные для каждой из них.
После выборочного сопоставления способностей человека из базы O*net со способностями роботов из документа MAR, команда смогла рассчитать, насколько вероятно, что каждая существующая профессия может быть выполнена роботом. Скажем, например, для выполнения какой-либо работы человеку требуется точность движений на миллиметровом уровне. Роботы очень хороши в этом, и поэтому TRL соответствующей способности является самым высоким. Если работа требует достаточно таких навыков, она с большей вероятностью будет автоматизирована, чем та, которая требует таких способностей, как критическое мышление или креативность.
В результате получается рейтинг из 1 000 рабочих мест, где "физики" - это те, кто имеет наименьший риск быть замененными машиной, а "убойщики и упаковщики мяса" - те, кто имеет самый высокий риск. В целом, наибольшему риску подвержены рабочие места в пищевой промышленности, строительстве, обслуживании и добыче полезных ископаемых.
Затем авторы создали метод, позволяющий найти для любой конкретной работы альтернативные вакансии, которые имеют значительно более низкий риск автоматизации и достаточно близки к первоначальным по требуемым способностям и знаниям, что позволяет свести к минимуму усилия по переобучению и сделать возможным карьерный переход. Чтобы проверить, как этот метод будет работать в реальной жизни, они использовали данные о рабочей силе США и смоделировали тысячи карьерных переходов на основе предложений алгоритма, обнаружив, что он действительно позволяет работникам профессий с самым высоким риском перейти к профессиям со средним риском, при этом затрачивая относительно небольшие усилия на переобучение.
Этот метод может быть использован правительствами для определения количества работников, которые могут столкнуться с рисками автоматизации, и корректировки политики переобучения, компаниями для оценки затрат на повышение уровня автоматизации, производителями робототехники для более точной адаптации своей продукции к потребностям рынка.
Наконец, авторы перевели новые методы и данные в алгоритм, который предсказывает риск автоматизации для сотен рабочих мест, который находится в открытом доступе.
Комментарии
(0) Добавить комментарий