Taloustieteilijät kehittivät menetelmän työtehtävien automaatioarvioimiseksi roboteilla

Ecole Polytechnique Fédérale de Lausannen robotiikan asiantuntijat ja Lausannen yliopiston taloustieteilijät ovat kehittäneet uuden menetelmän, jolla voidaan laskea, mitkä olemassa olevat työt ovat vaarassa automaatioon johtuen koneista lähitulevaisuudessa.

Tutkimus julkaistiin Science Robotics -julkaisussa.

Tutkijat kehittivät myös menetelmän, jolla voidaan ehdottaa uranvaihtoehtoja työtehtäville, joilla on vähäisempi automaatiovaara ja joissa uudelleenkoulutusvaatimukset ovat pienemmät.

Prof. Dario Floreano on EPFL:n Älykkäiden järjestelmien laboratorion johtaja ja tutkimuksen pääkirjoittaja.

”On useita tutkimuksia, jotka ennustavat, miten monta työtä tulee automaatioon johtuen roboteista, mutta ne kaikki keskittyvät ohjelmistoroboteihin, kuten puhetta ja kuvia tunnistaviin ohjelmiin, rahoitusroboteihin, chatbotteihin jne.”, Prof. Floreano sanoo. ”Näiden ennusteiden mukaan työpaikkojen määrä, jotka tulevat automaatioon, vaihtelee suuresti riippuen siitä, miten työvaatimukset ja ohjelmistojen ominaisuudet arvioidaan. Tässä tutkimuksessa otamme huomioon sekä ohjelmistojen älykkyyden että fyysisen työn suorittavien robottien älykkyyden ja kehittämme menetelmän, jolla voidaan vertailla systemaattisesti ihmisten ja robottien kykyjä satoihin työtehtäviin.”

Menetelmän kehittäminen

Tutkijat pystyivät kartoittamaan robotien kyvyt työtehtävien vaatimuksiin, mikä oli tutkimuksen merkittävin läpimurto. He tarkastelivat Euroopan H2020 Robotic Multi-Annual Roadmap (MAR) -dokumenttia, joka on Euroopan komission strategiadokumentti, jota robotiikan asiantuntijat päivittävät säännöllisesti. MAR-dokumentti sisältää luettelon siitä, mitä kykyjä nykyisillä roboteilla on tai mitä kykyjä tulevaisuuden roboteilta voidaan odottaa. Nämä kyvyt on järjestetty kategorioihin kuten manipulaatio, havainnointi ja vuorovaikutus ihmisten kanssa.

Tutkijat analysoivat useita tutkimusartikkeleita, patenteja ja robotti-tuotteiden kuvauksia arvioidakseen robotiikka-kykyjen kehitystason. He käyttivät ”technology readiness level” (TRL) -asteikkoa, joka on mittari teknologian kehitystason mittaamiseen.

Kun kyse oli ihmisten kyvyistä, tutkijat käyttivät O*net-tietokantaa, joka on laajasti käytetty tietokanta Yhdysvaltain työmarkkinoista. Se luokittelee noin 1 000 ammattia ja kuvaa tarkasti kunkin ammatin vaatimukset.

Tutkijat vertailivat ensin valikoivasti ihmisten kykyjä O*net-luettelosta robottien kykyihin MAR-dokumentista, mikä mahdollisti heidän laskea, kuinka todennäköisesti kunkin olemassa olevan työn suorittaa robotti tulevaisuudessa. Jos robotti on hyvä työssä, TRL on korkeampi.

Työtehtävien priorisointi

Tutkimuksen jälkeen tuloksena oli 1 000 työtehtävän luokittelu. Yksi luokittelun alimmista työtehtävistä oli ”Fyysikot”, kun taas ”Lihapakkaajat” oli yksi korkeimmista. Ruuan prosessoinnin, rakennuksen ja ylläpidon sekä rakentamisen työt olivat korkeimman automaatiovaaran työt.

Prof. Rafael Lalive johti tutkimusta Lausannen yliopistossa.

”Yhteiskunnan tärkein haaste tänään on, miten voimme kehittää automaation kestävyyttä”, Prof. Lalive sanoo. ”Tämä työ tarjoaa yksityiskohtaisia uraneuvontapalveluita työntekijöille, jotka ovat korkean automaatiovaaran alttiina, mikä mahdollistaa heidän siirtymisen turvallisempiin työtehtäviin uudelleenkoulutusvaatimusten minimoinnilla. Tämän neuvonnan kautta hallitukset voivat tukea yhteiskunnan kehittymistä automaation kestävyyteen.”

Tutkijat kehittivät menetelmän, jolla voidaan etsiä mille tahansa työlle vaihtoehtoinen työ, jolla on merkittävästi alempi automaatiovaara ja joka on lähellä alkuperäistä työtä kykyjen ja tietojen osalta, mikä auttaa minimoida uudelleenkoulutusvaatimukset.

Tämä uusi menetelmä voidaan soveltaa monin eri tavoin. Hallitukset voivat käyttää sitä arvioidakseen, kuinka moni työntekijä voi joutua automaation vaaraan tulevaisuudessa. Tämä auttaa räätälöimään uudelleenkoulutusohjelmia ja politiikkoja asianmukaisesti. Yritykset voivat myös käyttää sitä analysoimaan automaation kustannuksia.

Kaikki tämä työ käännettiin algoritmiin, joka voi ennustaa automaatiovaaran satoihin työtehtäviin ja ehdottaa uranvaihtoehtoja.

Voit löytää julkisesti saatavilla olevan algoritmin täältä.