Ekonomistit kehittävät menetelmän robottien automatisoinnin arvioimiseksi

Ecole Polytechnique Fédérale de Lausannen robotiikkaryhmä ja Lausannen yliopiston taloustieteilijät ovat kehittäneet uuden menetelmän laskeakseen, mitkä nykyiset työpaikat ovat vaarassa automatisoitua koneilla lähitulevaisuudessa. 

Tutkimus julkaistiin vuonna 2007 Tiede-robotiikka. 

Tiimi kehitti myös menetelmän ehdottaa uran siirtymistä töihin, jotka eivät todennäköisesti ole automatisoituja ja joilla on pienintä uudelleenkoulutusta.

Professori Dario Floreano on EPFL:n älykkäiden järjestelmien laboratorion johtaja ja tutkimuksen johtava kirjoittaja.

"On olemassa useita tutkimuksia, jotka ennustavat, kuinka monta työpaikkaa robotit automatisoivat, mutta ne kaikki keskittyvät ohjelmistoroboteihin, kuten puhe- ja kuvantunnistukseen, taloudellisiin robo-neuvojiin, chatboteihin ja niin edelleen", professori Floreano sanoo. "Lisäksi nuo ennusteet vaihtelevat villisti riippuen siitä, miten työn vaatimuksia ja ohjelmistokykyjä arvioidaan. Tarkastelemme tässä tekoälyohjelmistojen lisäksi erittäin älykkäitä fyysistä työtä tekeviä robotteja ja kehitimme menetelmän, jolla voidaan systemaattisesti vertailla sadoissa työpaikoissa käytettyjä ihmisen ja robotin kykyjä. 

Menetelmän kehittäminen

Ryhmä pystyi kartoittamaan robotin kyvyt työn vaatimuksiin, mikä oli tutkimuksen suurin läpimurto. He tarkastelivat European H2020 Robotic Multi-Annual Roadmap (MAR), joka on Euroopan komission strategia-asiakirja, jota robotiikan asiantuntijat tarkistavat säännöllisesti. MAR kertoo, mitä kykyjä nykyisiltä roboteilta vaaditaan tai tulevat vaatimaan. Nämä on järjestetty luokkiin, kuten manipulointi, havainto ja vuorovaikutus ihmisten kanssa. 

Ryhmä analysoi monia tutkimuspapereita, patentteja ja robottituotteiden kuvauksia arvioidakseen robottien kykyjen kypsyyttä. He luottivat "teknologian valmiustasoon" (TRL), joka on asteikko teknologian kehityksen tason mittaamiseksi. 

Inhimillisten kykyjen osalta tutkijat käyttivät O*net-tietokantaa, joka on laajalti käytetty resurssitietokanta Yhdysvaltain työmarkkinoilla. Siinä luokitellaan noin 1,000 XNUMX ammattia ja kerrotaan yksityiskohtaisesti jokaisen tarvittavat taidot ja tiedot. 

Aluksi tiimi yhdisti valikoivasti O*net-luettelon ihmiskyvyt MAR-asiakirjan robottikykyihin, mikä antoi heille mahdollisuuden laskea, kuinka todennäköisesti robotti suorittaa jokaisen olemassa olevan työn tulevaisuudessa. Jos robotti on hyvä työssään, TRL on korkeampi. 

Työpaikkojen järjestys 

Tämän analyysin jälkeen tuloksena oli 1,000 XNUMX työpaikan sijoitus. Yksi listan alhaisimmista oli "Fyysikot", kun taas "Meat Packers" oli yksi korkeimmista. Suurin riski oli elintarvikejalostuksen, rakentamisen ja kunnossapidon sekä rakentamisen työpaikoissa.

Professori Rafael Lalive johti tutkimusta Lausannen yliopistossa.

"Tämän päivän yhteiskunnan keskeisin haaste on, kuinka tulla kestäväksi automaatiota vastaan", professori Lalive sanoo. ”Työmme tarjoaa yksityiskohtaisia ​​uraneuvoja työntekijöille, jotka kohtaavat suuria automaatioriskejä, mikä mahdollistaa turvallisempien työpaikkojen omaksumisen ja hyödyntää monia vanhassa työssä hankittuja taitoja. Näiden neuvojen avulla hallitukset voivat tukea yhteiskuntaa muuttumaan kestävämmiksi automaatiota vastaan."

Kirjoittajat loivat menetelmän löytää jokaiselle työlle vaihtoehtoinen työ, jolla on huomattavasti pienempi automaatioriski. Nämä työtehtävät olivat myös lähellä alkuperäistä vaadittujen kykyjen ja tietojen osalta, mikä auttaa pitämään uudelleenkoulutuspanostukset minimissä. 

Tätä uutta menetelmää voidaan käyttää monella eri tavalla. Ensinnäkin hallitukset voivat käyttää sitä mittaamaan, kuinka monta työntekijää voisi kohdata automaation tulevaisuudessa. Tämä auttaisi räätälöimään uudelleenkoulutusaloitteita ja -politiikkoja vastaavasti. Yritykset voisivat käyttää sitä myös automaatioon liittyvien kustannusten analysointiin. 

Kaikki tämä työ muutettiin algoritmiksi, joka voi ennustaa satojen työpaikkojen automatisoinnin riskin ja ehdottaa samalla uran vaihtoja. 

Löydät julkisesti saatavilla olevan algoritmin tätä.