นักเศรษฐศาสตร์สร้างวิธีการประมาณการงานอัตโนมัติของหุ่นยนต์

ทีมนักหุ่นยนต์จาก Ecole Polytechnique Fédérale de Lausanne และนักเศรษฐศาสตร์จาก University of Lausanne ได้พัฒนาวิธีการใหม่ในการคำนวณงานที่มีอยู่ซึ่งมีความเสี่ยงสูงในการถูกแทนที่โดยเครื่องจักรในอนาคตอันใกล้

การศึกษานี้ได้รับการตีพิมพ์ใน Science Robotics

ทีมนักวิจัยยังได้พัฒนาวิธีการแนะนำการเปลี่ยนแปลงอาชีพไปยังงานที่มีความเสี่ยงต่ำในการถูกแทนที่และต้องใช้ความพยายามในการฝึกอบรมน้อยที่สุด

ศาสตราจารย์ Dario Floreano เป็นผู้อำนวยการ Laboratory of Intelligent Systems ของ EPFL และเป็นผู้เขียนหลักของการศึกษานี้

“มีหลายการศึกษาที่พยากรณ์ว่าจะมีงานกี่งานที่จะถูกแทนที่โดยหุ่นยนต์ แต่ทั้งหมดนี้มุ่งเน้นไปที่หุ่นยนต์ซอฟต์แวร์ เช่น การรับรู้คำพูดและการรับรู้ภาพ ที่ปรึกษาการเงินอัตโนมัติ แชตบอต และอื่นๆ” ศาสตราจารย์ Floreano กล่าว “นอกจากนี้ การพยากรณ์เหล่านี้มีการเปลี่ยนแปลงอย่างมากขึ้นอยู่กับวิธีการประเมินข้อกำหนดของงานและความสามารถของซอฟต์แวร์ ในที่นี้ เราพิจารณาไม่เพียงแต่ซอฟต์แวร์ปัญญาประดิษฐ์เท่านั้น แต่ยังรวมถึงหุ่นยนต์ที่มีความฉลาดสูงซึ่งทำงานทางกายภาพ และเราได้พัฒนาวิธีการที่เป็นระบบในการเปรียบเทียบความสามารถของมนุษย์และหุ่นยนต์ที่ใช้ในหลายร้อยงาน”

การสร้างวิธีการ

ทีมนักวิจัยสามารถสร้างแผนที่ความสามารถของหุ่นยนต์บนความต้องการของงาน ซึ่งเป็นข้อพัฒนาที่สำคัญของการศึกษานี้ พวกเขาได้ตรวจสอบเอกสารยุทธศาสตร์ European H2020 Robotic Multi-Annual Roadmap (MAR) ของคณะกรรมาธิการยุโรป ซึ่งเป็นเอกสารที่ได้รับการปรับปรุงอย่างสม่ำเสมอโดยผู้เชี่ยวชาญด้านหุ่นยนต์ MAR ระบุความสามารถที่จำเป็นสำหรับหุ่นยนต์ในปัจจุบันหรือที่อาจจำเป็นสำหรับหุ่นยนต์ในอนาคต ซึ่งถูกจัดกลุ่มเป็นหมวดหมู่ เช่น การหยิบจับและเคลื่อนย้ายวัตถุ การรับรู้ และการโต้ตอบกับมนุษย์

ทีมนักวิจัยได้วิเคราะห์เอกสารวิจัยจำนวนมาก สิทธิบัตร และคำอธิบายผลิตภัณฑ์หุ่นยนต์เพื่อประเมินระดับการพัฒนาของความสามารถของหุ่นยนต์ พวกเขาใช้ “technology readiness level” (TRL) ซึ่งเป็นมาตรฐานในการวัดระดับการพัฒนาของเทคโนโลยี

เมื่อพูดถึงความสามารถของมนุษย์ นักวิจัยใช้ฐานข้อมูล O*net ซึ่งเป็นฐานข้อมูลที่ใช้กันอย่างแพร่หลายเกี่ยวกับตลาดงานในสหรัฐอเมริกา มันจัดประเภทงานประมาณ 1,000 อาชีพ และให้รายละเอียดเกี่ยวกับทักษะและความรู้ที่จำเป็นสำหรับแต่ละงาน

ทีมนักวิจัยได้ทำการเปรียบเทียบความสามารถของมนุษย์จากฐานข้อมูล O*net กับความสามารถของหุ่นยนต์จากเอกสาร MAR ซึ่งช่วยให้พวกเขาได้คำนวณความเสี่ยงของงานที่มีอยู่ที่จะถูกแทนที่โดยหุ่นยนต์ในอนาคต หากหุ่นยนต์ทำงานได้ดี TRL จะสูงกว่า

การจัดอันดับงาน

หลังจากการวิเคราะห์นี้ ผลลัพธ์คือการจัดอันดับของงาน 1,000 งาน หนึ่งในอาชีพที่อยู่ใกล้ท้ายรายการคือ “นักฟิสิกส์” ในขณะที่ “ผู้บรรจุเนื้อสัตว์” เป็นหนึ่งในงานที่มีอันดับสูงสุด งานในอุตสาหกรรมอาหาร การก่อสร้าง และการบำรุงรักษามีความเสี่ยงสูง

ศาสตราจารย์ Rafael Lalive ร่วมเป็นผู้นำการศึกษานี้ที่ University of Lausanne

“ความท้าทายหลักสำหรับสังคมในปัจจุบันคือการเพิ่มความสามารถในการปรับตัวต่อระบบอัตโนมัติ” ศาสตราจารย์ Lalive กล่าว “งานของเรามอบคำแนะนำอาชีพที่มีรายละเอียดสำหรับคนงานที่เผชิญกับความเสี่ยงสูงในการถูกแทนที่ ซึ่งช่วยให้พวกเขาได้รับงานที่มีความมั่นคงมากขึ้นโดยใช้ทักษะที่ได้รับจากงานเก่า การให้คำแนะนำนี้ รัฐบาลสามารถสนับสนุนสังคมในการเพิ่มความสามารถในการปรับตัวต่อระบบอัตโนมัติ”

ผู้เขียนได้สร้างวิธีการในการค้นหางานทดแทนสำหรับงานที่กำหนดโดยมีความเสี่ยงในการถูกแทนที่ต่ำและต้องใช้ความพยายามในการฝึกอบรมน้อยที่สุด งานเหล่านี้ยังมีความใกล้เคียงกับงานเดิมในแง่ของความสามารถและความรู้ที่จำเป็น ซึ่งช่วยให้คนงานสามารถใช้ทักษะที่ได้รับจากงานเก่าได้มากขึ้น

วิธีการใหม่นี้สามารถใช้ในหลายวิธีได้ รัฐบาลสามารถใช้มันเพื่อวัดจำนวนคนงานที่อาจเผชิญกับการถูกแทนที่ในอนาคต ซึ่งจะช่วยให้สามารถปรับแผนการฝึกอบรมและนโยบายตามความต้องการได้ บริษัทสามารถใช้มันเพื่อวิเคราะห์ต้นทุนในการอัตโนมัติ

งานทั้งหมดนี้ถูกนำมาพัฒนาเป็นอัลกอริทึมที่สามารถคาดการณ์ความเสี่ยงในการถูกแทนที่ของงานหลายร้อยงานได้ และยังแนะนำการเปลี่ยนแปลงอาชีพ

คุณสามารถค้นหาแอลกอริทึมที่สามารถเข้าถึงได้โดยสาธารณะ ที่นี่