Економистите развиваат метод за проценка на автоматизација на работните места со помош на роботи

Тим роботичари од Ecole Polytechnique Fédérale de Lausanne и економисти од Универзитетот во Лозана развија нов метод за пресметување кои постоечки работни места се изложени на поголем ризик да бидат автоматизирани од машините во блиска иднина. 

Студијата беше објавена во Наука Роботика. 

Тимот, исто така, разви метод за сугерирање на транзиции во кариерата на работни места со помала веројатност да бидат автоматизирани и со најмали напори за преквалификација.

Проф. Дарио Флореано е директор на Лабораторијата за интелигентни системи на EPFL и главен автор на студијата.

„Постојат неколку студии кои предвидуваат колку работни места ќе бидат автоматизирани од роботите, но сите тие се фокусираат на софтверски роботи, како што се препознавање говор и слики, финансиски робот-советници, чет-ботови и така натаму“, вели проф. Флореано. „Понатаму, тие предвидувања диво осцилираат во зависност од тоа како се оценуваат барањата за работа и софтверските способности. Овде, го разгледуваме не само софтверот за вештачка интелигенција, туку и многу интелигентни роботи кои вршат физичка работа и развивме метод за систематска споредба на човечките и роботските способности што се користат на стотици работни места. 

Развивање на методот

Тимот можеше да ги мапира способностите на роботите според барањата за работа, што беше главниот пробив на студијата. Тие го разгледаа Европскиот мултигодишен патоказ за роботи H2020 (MAR), кој е стратешки документ од Европската комисија кој периодично се ревидира од експерти за роботика. MAR деталите кои способности се бараат од сегашните роботи или може да бидат потребни од идните. Тие се организирани во категории како манипулација, перцепција и интеракција со луѓето. 

Тимот анализираше многу истражувачки трудови, патенти и описи на роботски производи за да го процени нивото на зрелост на роботските способности. Тие се потпираа на „ниво на технолошка подготвеност“ (TRL), што е скала за мерење на нивото на развој на технологијата. 

Кога станува збор за човечките способности, истражувачите ја користеле базата на податоци O*net, која е широко користена база на податоци за ресурси на пазарот на труд во САД. Тој класифицира околу 1,000 занимања, притоа детализирајќи ги вештините и знаењата потребни за секое. 

Тимот прво селективно ги усогласи човечките способности од списокот O*net со роботските способности од документот MAR, што им овозможи да пресметаат колку е веројатно секоја постоечка работа да ја извршува робот во иднина. Ако роботот е добар во работата, TRL е повисок. 

Рангирање на работните места 

По спроведувањето на оваа анализа, резултатот беше рангирање на 1,000 работни места. Еден од најниските на листата беше „Физичари“, додека „Пакувачи на месо“ беше еден од највисоките. Работните места во преработка на храна, градење и одржување и градежништво имале најголем ризик.

Проф. Рафаел Лаливе го предводеше истражувањето на Универзитетот во Лозана.

„Клучниот предизвик за општеството денес е како да стане отпорно на автоматизацијата“, вели проф. Лаливе. „Нашата работа обезбедува детални совети за кариера за работниците кои се соочуваат со високи ризици од автоматизација, што им овозможува да преземат посигурни работни места додека повторно користат многу од вештините стекнати на старата работа. Преку овој совет, владите можат да го поддржат општеството да стане поотпорно против автоматизацијата“.

Авторите создадоа метод за наоѓање на секоја дадена работа алтернативна работа со значително помал ризик од автоматизација. Овие работни места беа исто така блиску до првобитната кога станува збор за потребните способности и знаења, што помага да се одржат напорите за преквалификација на минимум. 

Овој нов метод може да се користи на многу различни начини. Како прво, владите можат да го користат за да измерат колку работници би можеле да се соочат со автоматизација во иднина. Ова би помогнало соодветно да се приспособат иницијативите и политиките за преквалификација. Компаниите исто така би можеле да го користат за да ги анализираат трошоците поврзани со автоматизацијата. 

Целата оваа работа беше преведена во алгоритам кој може да го предвиди ризикот од автоматизација за стотици работни места, а истовремено сугерира транзиции во кариерата. 

Можете да го најдете јавно достапниот алгоритам овде.