ຈັນຍາບັນ
ນັກເສດຖະສາດພັດທະນາວິທີການຄາດຄະເນວຽກອັດຕະໂນມັດໂດຍຫຸ່ນຍົນ
ທີມງານຂອງນັກຫຸ່ນຍົນຈາກ Ecole Polytechnique Fédérale de Lausanne ແລະນັກເສດຖະສາດຈາກມະຫາວິທະຍາໄລ Lausanne ໄດ້ພັດທະນາວິທີການໃຫມ່ເພື່ອຄິດໄລ່ວ່າວຽກທີ່ມີຢູ່ແມ່ນມີຄວາມສ່ຽງຕໍ່ການຖືກອັດຕະໂນມັດຈາກເຄື່ອງຈັກໃນອະນາຄົດອັນໃກ້ນີ້.
ການສຶກສາໄດ້ຖືກຈັດພີມມາຢູ່ໃນ Science Robotics.
ທີມງານຍັງໄດ້ພັດທະນາວິທີການແນະນໍາການຫັນປ່ຽນອາຊີບໄປຫາວຽກທີ່ມີໂອກາດຫນ້ອຍທີ່ຈະອັດຕະໂນມັດແລະມີຄວາມພະຍາຍາມ retraining ຫນ້ອຍທີ່ສຸດ.
ສາດສະດາຈານ Dario Floreano ເປັນຜູ້ອໍານວຍການຫ້ອງທົດລອງລະບົບອັດສະລິຍະຂອງ EPFL ແລະເປັນຜູ້ນໍາຂອງການສຶກສາ.
"ມີການສຶກສາຈໍານວນຫນຶ່ງທີ່ຄາດຄະເນວ່າຈໍານວນວຽກຈະອັດຕະໂນມັດໂດຍຫຸ່ນຍົນ, ແຕ່ພວກເຂົາທັງຫມົດສຸມໃສ່ຫຸ່ນຍົນຊອບແວ, ເຊັ່ນ: ການຮັບຮູ້ສຽງເວົ້າແລະຮູບພາບ, ທີ່ປຶກສາ robo-ທາງດ້ານການເງິນ, chatbots, ແລະອື່ນໆ," Prof. Floreano ເວົ້າ. "ນອກຈາກນັ້ນ, ການຄາດຄະເນເຫຼົ່ານັ້ນຈະສັ່ນສະເທືອນໂດຍທໍາມະຊາດໂດຍອີງໃສ່ຄວາມຕ້ອງການວຽກແລະຄວາມສາມາດຂອງຊອບແວໄດ້ຖືກປະເມີນ. ໃນທີ່ນີ້, ພວກເຮົາພິຈາລະນາບໍ່ພຽງແຕ່ຊອບແວປັນຍາປະດິດເທົ່ານັ້ນ, ແຕ່ຍັງເປັນຫຸ່ນຍົນອັດສະລິຍະທີ່ປະຕິບັດວຽກງານທາງດ້ານຮ່າງກາຍແລະພວກເຮົາໄດ້ພັດທະນາວິທີການສໍາລັບການປຽບທຽບລະບົບຂອງມະນຸດແລະຄວາມສາມາດຫຸ່ນຍົນທີ່ໃຊ້ໃນຫຼາຍຮ້ອຍວຽກ.”
ການພັດທະນາວິທີການ
ທີມງານສາມາດສ້າງແຜນທີ່ຄວາມສາມາດຂອງຫຸ່ນຍົນກ່ຽວກັບຄວາມຕ້ອງການວຽກເຮັດງານທໍາ, ເຊິ່ງເປັນຄວາມກ້າວຫນ້າທີ່ສໍາຄັນຂອງການສຶກສາ. ພວກເຂົາເຈົ້າໄດ້ເບິ່ງແຜນທີ່ເອີຣົບ H2020 Robotic Multi-Annual Roadmap (MAR), ເຊິ່ງເປັນເອກະສານຍຸດທະສາດໂດຍຄະນະກໍາມະຫະພາບເອີຣົບທີ່ຖືກປັບປຸງແຕ່ລະໄລຍະໂດຍຜູ້ຊ່ຽວຊານດ້ານຫຸ່ນຍົນ. MAR ລາຍລະອຽດວ່າຄວາມສາມາດໃດທີ່ຕ້ອງການຈາກຫຸ່ນຍົນປະຈຸບັນ ຫຼືອາດຈະຕ້ອງການໃນອານາຄົດ. ເຫຼົ່ານີ້ຖືກຈັດເປັນປະເພດເຊັ່ນ: ການຫມູນໃຊ້, ຄວາມຮັບຮູ້, ແລະການພົວພັນກັບມະນຸດ.
ທີມງານໄດ້ວິເຄາະເອກະສານການຄົ້ນຄວ້າ, ສິດທິບັດ, ແລະລາຍລະອຽດຂອງຜະລິດຕະພັນຫຸ່ນຍົນເພື່ອປະເມີນລະດັບການເຕີບໂຕເຕັມທີ່ຂອງຄວາມສາມາດຫຸ່ນຍົນ. ພວກເຂົາອີງໃສ່ "ລະດັບຄວາມພ້ອມຂອງເຕັກໂນໂລຢີ" (TRL), ເຊິ່ງເປັນຂະຫນາດສໍາລັບການວັດແທກລະດັບການພັດທະນາເຕັກໂນໂລຢີ.
ເມື່ອເວົ້າເຖິງຄວາມສາມາດຂອງມະນຸດ, ນັກຄົ້ນຄວ້າໄດ້ໃຊ້ຖານຂໍ້ມູນ O*net, ເຊິ່ງເປັນຖານຂໍ້ມູນຊັບພະຍາກອນທີ່ໃຊ້ຢ່າງກວ້າງຂວາງໃນຕະຫຼາດວຽກຂອງສະຫະລັດ. ມັນຈັດປະເພດປະມານ 1,000 ອາຊີບໃນຂະນະທີ່ລາຍລະອຽດທັກສະແລະຄວາມຮູ້ທີ່ຈໍາເປັນສໍາລັບແຕ່ລະຄົນ.
ທີມງານທໍາອິດໄດ້ຄັດເລືອກເອົາຄວາມສາມາດຂອງມະນຸດຈາກບັນຊີລາຍຊື່ O*net ກັບຄວາມສາມາດຫຸ່ນຍົນຈາກເອກະສານ MAR, ເຊິ່ງເຮັດໃຫ້ພວກເຂົາສາມາດຄິດໄລ່ວ່າແຕ່ລະວຽກທີ່ມີຢູ່ຈະຖືກປະຕິບັດໂດຍຫຸ່ນຍົນໃນອະນາຄົດ. ຖ້າຫຸ່ນຍົນເຮັດວຽກໄດ້ດີ, TRL ຈະສູງກວ່າ.
ການຈັດອັນດັບວຽກ
ຫຼັງຈາກປະຕິບັດການວິເຄາະນີ້, ຜົນໄດ້ຮັບແມ່ນການຈັດອັນດັບຂອງ 1,000 ວຽກເຮັດງານທໍາ. ຫນຶ່ງໃນຕ່ໍາສຸດໃນບັນຊີລາຍຊື່ແມ່ນ "Physicists," ໃນຂະນະທີ່ "Meat Packers" ແມ່ນຫນຶ່ງໃນທີ່ສູງທີ່ສຸດ. ວຽກງານປຸງແຕ່ງສະບຽງອາຫານ, ການກໍ່ສ້າງແລະບໍາລຸງຮັກສາ, ແລະການກໍ່ສ້າງມີຄວາມສ່ຽງສູງທີ່ສຸດ.
ສາດສະດາຈານ Rafael Lalive ຮ່ວມກັນນໍາພາການສຶກສາທີ່ມະຫາວິທະຍາໄລ Lausanne.
ທ່ານສາດສະດາຈານ Lalive ກ່າວວ່າ "ສິ່ງທ້າທາຍທີ່ ສຳ ຄັນຂອງສັງຄົມໃນທຸກມື້ນີ້ແມ່ນວິທີການຕ້ານທານກັບລະບົບອັດຕະໂນມັດ." "ວຽກງານຂອງພວກເຮົາໃຫ້ຄໍາແນະນໍາກ່ຽວກັບອາຊີບທີ່ລະອຽດສໍາລັບຄົນງານທີ່ປະເຊີນກັບຄວາມສ່ຽງສູງຂອງເຄື່ອງຈັກອັດຕະໂນມັດ, ເຊິ່ງເຮັດໃຫ້ພວກເຂົາສາມາດເຮັດວຽກທີ່ປອດໄພກວ່າໃນຂະນະທີ່ນໍາໃຊ້ທັກສະຫຼາຍຢ່າງທີ່ໄດ້ມາໃນວຽກເກົ່າ. ຜ່ານຄໍາແນະນໍານີ້, ລັດຖະບານສາມາດສະຫນັບສະຫນູນສັງຄົມໃຫ້ມີຄວາມຕ້ານທານກັບລະບົບອັດຕະໂນມັດຫຼາຍຂຶ້ນ.”
ຜູ້ຂຽນໄດ້ສ້າງວິທີການຊອກຫາວຽກໃດນຶ່ງທີ່ເປັນວຽກທາງເລືອກທີ່ມີຄວາມສ່ຽງຕໍ່າກວ່າອັດຕະໂນມັດ. ວຽກເຫຼົ່ານີ້ຍັງຢູ່ໃກ້ກັບວຽກຕົ້ນສະບັບເມື່ອເວົ້າເຖິງຄວາມສາມາດ ແລະ ຄວາມຮູ້ທີ່ຕ້ອງການ, ເຊິ່ງຊ່ວຍຮັກສາຄວາມພະຍາຍາມຄືນໃໝ່ໃຫ້ໜ້ອຍທີ່ສຸດ.
ວິທີການໃຫມ່ນີ້ສາມາດຖືກນໍາໃຊ້ໃນຫຼາຍວິທີທີ່ແຕກຕ່າງກັນ. ສໍາລັບຫນຶ່ງ, ລັດຖະບານສາມາດນໍາໃຊ້ມັນເພື່ອວັດແທກຈໍານວນຄົນງານທີ່ອາດຈະປະເຊີນກັບອັດຕະໂນມັດໃນອະນາຄົດ. ອັນນີ້ຈະຊ່ວຍປັບປ່ຽນຂໍ້ລິເລີ່ມ ແລະນະໂຍບາຍຕາມຄວາມເໝາະສົມ. ບໍລິສັດຍັງສາມາດໃຊ້ມັນເພື່ອວິເຄາະຄ່າໃຊ້ຈ່າຍທີ່ກ່ຽວຂ້ອງກັບອັດຕະໂນມັດ.
ວຽກງານທັງຫມົດນີ້ໄດ້ຖືກແປເປັນສູດການຄິດໄລ່ທີ່ສາມາດຄາດຄະເນຄວາມສ່ຽງຂອງອັດຕະໂນມັດສໍາລັບວຽກຫຼາຍຮ້ອຍຄົນ, ໃນຂະນະທີ່ຍັງແນະນໍາການຫັນປ່ຽນອາຊີບ.
ທ່ານສາມາດຊອກຫາ algorithm ທີ່ສາມາດເຂົ້າເຖິງສາທາລະນະໄດ້ ທີ່ນີ້.
