«Машины не могут работать там, где нет данных»: какие профессии в будущем не заменят роботы
Энтони Голдблум, основатель компании Kaggle, специализирующейся на работе с большими объемами данных и data science, прочитал лекцию на мероприятии TED - о том, какие профессии в будущем не окажутся заменены роботами и технологиями.
Редакция публикует конспект выступления
«У меня есть племянница, которую зовут Яли. Сейчас ей девять месяцев. Мать Яли - врач, а отец работает адвокатом. К тому времени, как Яли пойдет в колледж, работа ее родителей значительно изменится», - говорит Голдблум.
В 2013 году, продолжает предприниматель, ученые из Оксфордского университета провели исследование, в ходе которого выяснили, что специалисты каждой второй профессии рискуют в будущем оказаться полностью замененными роботами или другими специальными технологиями. Большинство из них будут заменены технологиями, использующими алгоритмы машинного обучения, утверждают исследователи.
«Машинное обучение - одна из самых мощных областей в развитии искусственного интеллекта. Такие технологии исследуют большие объемы данных, обучаются на них и становятся способны частично имитировать человеческую деятельность, самостоятельно принимать решения. Моя компания работает как раз в этой отрасли. Мы общаемся с сотнями специалистов в этой области, и нам есть что сказать о том, что умеют и не умеют делать машины каких специалистов они смогут заменить», - продолжает автор доклада.
Алгоритмы машинного обучение начали применяться в промышленности в начале 90-х годов, говорит Голдблум. Изначально они решали несложные задачи вроде оценки кредитных рисков по заявке, сортировки электронной почты и так далее. В последние несколько лет индустрия переживает стремительный рост.
«В 2012 году наша компания разработала алгоритм, который мог оценивать эссе учеников средней школы. В 2015 году мы создали алгоритм, который смогу распознавать заболевание диабетическая ретинопатия по снимку человеческого глаза. Диагнозы совпали с диагнозами врачей-офтальмологов», - делится Голдблум.
«У нас нет шансов конкурировать с машинами в тех областях, где для принятия решения нужно изучить большой объем данных», - утверждает автор выступления.
Но есть, по словам Голдблума, вещи, которые машинам не под силу. Это принятие решений в областях, где можно полагаться только на небольшой объем данных. Для успешной работы алгоритмов машинного обучения им нужна большая база знаний. «Там, где имеется только несколько, казалось бы, несопоставимых фактов, машины теряются и не могут сделать ничего принципиально нового».
В качестве примера автор доклада приводит американского инженера Перси Спенсера. Во времена второй мировой войны Спенсер как-то обратил внимание на то, что его шоколадка, лежавшая недалеко от лампы-магнетрона, расплавилась. Так к Спенсеру пришла идея создания микроволновой печи. «Машины не могут конкурировать с нами в областях, где требуются принципиально новые решения. На самом деле, человек принимает такие решения, хоть и в меньших масштабах, тысячи раз в день».
«Таким образом, будущее любой профессии сводится к вопросу: как часто специалистам приходится принимать решения, основываясь на больших объемах данных и внушительном опыте, а как часто от них требуется нечто принципиально новое», - объясняет предприниматель.
В ближайшие несколько лет, полагает Голдблум, машины смогут заниматься аудитом и некоторыми шаблонными юридическим вопросами. Однако они по-прежнему не будут способны проводить комплексное налоговое структурирование и решать другие вопросы. Работу в области бухгалтерского учета и юристики все еще можно будет найти - просто ее станет меньше.
«Машины не смогут заниматься маркетингом - для этого необходимо находить новые решения. Бизнес в значительной степени предполагает поиск новых ниш на рынке, и это тоже не под силу машине. Бизнес-стратегии, маркетинговые кампании - этим будут и дальше заниматься люди», - заключает предприниматель.
