Etiek
Ekonome ontwikkel metode vir die skatting van werkoutomatisering deur robotte
'n Span robotici van Ecole Polytechnique Fédérale de Lausanne en ekonome van die Universiteit van Lausanne het 'n nuwe metode ontwikkel om te bereken watter bestaande poste die grootste risiko loop om in die nabye toekoms deur masjiene weggeoutomatiseer te word.
Die studie is gepubliseer in Wetenskap Robotics.
Die span het ook 'n metode ontwikkel om loopbaanoorgange voor te stel na poste wat minder waarskynlik geoutomatiseer sal word en met die kleinste heropleidingspogings.
Prof. Dario Floreano is Direkteur van EPFL se Laboratorium vir Intelligente Stelsels en hoofouteur van die studie.
"Daar is verskeie studies wat voorspel hoeveel werksgeleenthede deur robotte geoutomatiseer sal word, maar hulle fokus almal op sagteware-robotte, soos spraak- en beeldherkenning, finansiële robo-adviseurs, kletsbotte, ensovoorts," sê prof. Floreano. “Daardie voorspellings ossilleer verder na gelang van hoe posvereistes en sagteware-vermoëns beoordeel word. Hier oorweeg ons nie net kunsmatige intelligensie-sagteware nie, maar ook baie intelligente robotte wat fisiese werk verrig en ons het 'n metode ontwikkel vir 'n sistematiese vergelyking van menslike en robotiese vermoëns wat in honderde werke gebruik word.”
Ontwikkel die metode
Die span kon robot se vermoëns op posvereistes karteer, wat die groot deurbraak van die studie was. Hulle het gekyk na die Europese H2020 Robotic Multi-Annual Roadmap (MAR), wat 'n strategiedokument deur die Europese Kommissie is wat periodiek deur robotika-kundiges hersien word. Die MAR gee besonderhede oor watter vermoëns van huidige robotte vereis word of deur toekomstige robotte vereis word. Dit is georganiseer in kategorieë soos manipulasie, persepsie en interaksie met mense.
Die span het baie navorsingsartikels, patente en beskrywings van robotprodukte ontleed om die volwassenheidsvlak van robotiese vermoëns te bepaal. Hulle het staatgemaak op "tegnologiegereedheidsvlak" (TRL), wat 'n skaal is om die vlak van tegnologie-ontwikkeling te meet.
Wat menslike vermoëns betref, het die navorsers die O*net-databasis gebruik, wat 'n wydgebruikte hulpbrondatabasis op die Amerikaanse arbeidsmark is. Dit klassifiseer ongeveer 1,000 XNUMX beroepe, terwyl die vaardighede en kennis wat vir elkeen benodig word, uiteengesit word.
Die span het eers selektief die menslike vermoëns van O*net-lys by robotiese vermoëns van die MAR-dokument aangepas, wat hulle in staat gestel het om te bereken hoe waarskynlik elke bestaande werk in die toekoms deur 'n robot uitgevoer sal word. As 'n robot goed is in 'n werk, is die TRL hoër.
Rangskik die werksgeleenthede
Nadat hierdie ontleding uitgevoer is, was die resultaat 'n rangorde van 1,000 XNUMX poste. Een van die laagste op die lys was "Fisici", terwyl "Meat Packers" een van die hoogste was. Werk in voedselverwerking, bou en instandhouding en konstruksie het die hoogste risiko gehad.
Prof. Rafael Lalive was mede-leier van die studie aan die Universiteit van Lausanne.
"Die belangrikste uitdaging vir die samelewing vandag is hoe om veerkragtig te word teen outomatisering," sê prof. Lalive. “Ons werk verskaf gedetailleerde loopbaanadvies vir werkers wat hoë risiko's van outomatisering in die gesig staar, wat hulle in staat stel om veiliger werke aan te neem terwyl hulle baie van die vaardighede wat op die ou werk aangeleer is, hergebruik. Deur hierdie advies kan regerings die samelewing ondersteun om meer veerkragtig teen outomatisering te word.”
Die skrywers het 'n metode geskep om enige gegewe werk 'n alternatiewe werk te vind met 'n aansienlik laer outomatiseringsrisiko. Hierdie werke was ook naby aan die oorspronklike een wat die vereiste vermoëns en kennis betref, wat help om heropleidingspogings tot die minimum te beperk.
Hierdie nuwe metode kan op baie verskillende maniere gebruik word. Eerstens kan regerings dit gebruik om te meet hoeveel werkers in die toekoms outomatisering in die gesig kan staar. Dit sal help om heropleidingsinisiatiewe en -beleide daarvolgens aan te pas. Maatskappye kan dit ook gebruik om die koste verbonde aan outomatisering te ontleed.
Al hierdie werk is vertaal in 'n algoritme wat die risiko van outomatisering vir honderde poste kan voorspel, terwyl dit ook loopbaanoorgange voorstel.
Jy kan die publiek toeganklike algoritme vind na hierdie skakel.
