นักเศรษฐศาสตร์พัฒนาวิธีการประมาณการงานอัตโนมัติด้วยหุ่นยนต์

ทีมนักวิทยาการหุ่นยนต์จาก Ecole Polytechnique Fédérale de Lausanne และนักเศรษฐศาสตร์จาก University of Lausanne ได้พัฒนาวิธีการใหม่ในการคำนวณว่างานใดที่มีอยู่มีความเสี่ยงที่จะถูกเครื่องจักรกำจัดโดยอัตโนมัติในอนาคตอันใกล้นี้ 

การศึกษาที่ตีพิมพ์ใน วิทยาศาสตร์หุ่นยนต์. 

ทีมงานยังได้พัฒนาวิธีการแนะนำการเปลี่ยนอาชีพไปสู่งานที่ไม่น่าจะเป็นระบบอัตโนมัติและใช้ความพยายามในการฝึกอบรมใหม่น้อยที่สุด

Prof. Dario Floreano เป็นผู้อำนวยการห้องปฏิบัติการระบบอัจฉริยะของ EPFL และเป็นผู้เขียนนำงานวิจัยนี้

“มีงานวิจัยหลายชิ้นที่คาดการณ์ว่าหุ่นยนต์จะทำงานอัตโนมัติกี่งาน แต่ทั้งหมดมุ่งเน้นไปที่หุ่นยนต์ซอฟต์แวร์ เช่น การรู้จำเสียงพูดและรูปภาพ ที่ปรึกษาทางการเงิน หุ่นยนต์แชท และอื่นๆ” ศ.ฟลอเรอาโนกล่าว “ยิ่งไปกว่านั้น การคาดการณ์เหล่านั้นผันผวนอย่างมากขึ้นอยู่กับการประเมินข้อกำหนดของงานและความสามารถของซอฟต์แวร์ ที่นี่ เราไม่เพียงแต่พิจารณาซอฟต์แวร์ปัญญาประดิษฐ์เท่านั้น แต่ยังรวมถึงหุ่นยนต์อัจฉริยะที่ทำงานด้วยแรงกาย และเราได้พัฒนาวิธีการสำหรับการเปรียบเทียบอย่างเป็นระบบระหว่างความสามารถของมนุษย์และหุ่นยนต์ที่ใช้ในงานหลายร้อยงาน” 

การพัฒนาวิธีการ

ทีมงานสามารถทำแผนที่ความสามารถของหุ่นยนต์ตามข้อกำหนดของงาน ซึ่งเป็นความก้าวหน้าครั้งสำคัญของการศึกษานี้ พวกเขาดูที่ European H2020 Robotic Multi-Annual Roadmap (MAR) ซึ่งเป็นเอกสารกลยุทธ์โดยคณะกรรมาธิการยุโรปที่ผู้เชี่ยวชาญด้านวิทยาการหุ่นยนต์แก้ไขเป็นระยะ MAR ระบุรายละเอียดว่าความสามารถใดที่จำเป็นสำหรับหุ่นยนต์ปัจจุบันหรือหุ่นยนต์ในอนาคตอาจต้องการ สิ่งเหล่านี้จัดอยู่ในประเภทต่างๆ เช่น การจัดการ การรับรู้ และการมีปฏิสัมพันธ์กับมนุษย์ 

ทีมงานได้วิเคราะห์เอกสารการวิจัย สิทธิบัตร และรายละเอียดของผลิตภัณฑ์หุ่นยนต์จำนวนมากเพื่อประเมินระดับวุฒิภาวะของความสามารถของหุ่นยนต์ อาศัย “ระดับความพร้อมทางเทคโนโลยี” (TRL) ซึ่งเป็นมาตรวัดระดับการพัฒนาเทคโนโลยี 

เมื่อพูดถึงความสามารถของมนุษย์ นักวิจัยใช้ฐานข้อมูล O*net ซึ่งเป็นฐานข้อมูลทรัพยากรที่ใช้กันอย่างแพร่หลายในตลาดงานของสหรัฐฯ จำแนกอาชีพประมาณ 1,000 อาชีพ พร้อมระบุรายละเอียดทักษะและความรู้ที่จำเป็นสำหรับแต่ละอาชีพ 

อันดับแรก ทีมงานเลือกจับคู่ความสามารถของมนุษย์จากรายการ O*net กับความสามารถของหุ่นยนต์จากเอกสาร MAR ซึ่งทำให้พวกเขาสามารถคำนวณว่างานที่มีอยู่แต่ละงานมีแนวโน้มว่าหุ่นยนต์จะทำได้ในอนาคตมากน้อยเพียงใด หากหุ่นยนต์ทำงานได้ดี ค่า TRL จะสูงกว่า 

การจัดอันดับงาน 

หลังจากดำเนินการวิเคราะห์นี้ ผลที่ได้คือการจัดอันดับงาน 1,000 ตำแหน่ง หนึ่งในรายชื่อที่ต่ำที่สุดในรายการคือ "นักฟิสิกส์" ในขณะที่ "Meat Packers" เป็นหนึ่งในผู้ที่สูงที่สุด งานแปรรูปอาหาร งานสร้างและซ่อมบำรุง และงานก่อสร้างมีความเสี่ยงสูงสุด

Prof. Rafael Lalive เป็นผู้นำการศึกษาร่วมกันที่มหาวิทยาลัยโลซานน์

“ความท้าทายที่สำคัญสำหรับสังคมในปัจจุบันคือทำอย่างไรจึงจะต้านทานต่อระบบอัตโนมัติได้” ศ.ลาลิฟกล่าว “งานของเราให้คำแนะนำด้านอาชีพโดยละเอียดสำหรับพนักงานที่เผชิญกับความเสี่ยงสูงจากการทำงานอัตโนมัติ ซึ่งช่วยให้พวกเขาสามารถทำงานที่ปลอดภัยมากขึ้นในขณะที่นำทักษะจำนวนมากที่ได้รับจากงานเก่ามาใช้ซ้ำ ด้วยคำแนะนำนี้ รัฐบาลสามารถสนับสนุนสังคมในการต่อต้านระบบอัตโนมัติได้มากขึ้น”

ผู้เขียนได้สร้างวิธีการที่จะหางานใด ๆ ที่กำหนดเป็นงานทางเลือกที่มีความเสี่ยงต่ำกว่าระบบอัตโนมัติอย่างมาก งานเหล่านี้ยังใกล้เคียงกับงานเดิมเมื่อพูดถึงความสามารถและความรู้ที่จำเป็น ซึ่งช่วยให้ความพยายามในการฝึกอบรมซ้ำเหลือน้อยที่สุด 

วิธีการใหม่นี้สามารถใช้ได้หลายวิธี ประการแรก รัฐบาลสามารถใช้ข้อมูลนี้เพื่อวัดจำนวนคนงานที่อาจต้องเผชิญกับระบบอัตโนมัติในอนาคต สิ่งนี้จะช่วยปรับแต่งความคิดริเริ่มและนโยบายการฝึกอบรมใหม่ให้สอดคล้องกัน บริษัทต่างๆ ยังสามารถใช้เพื่อวิเคราะห์ต้นทุนที่เกี่ยวข้องกับระบบอัตโนมัติ 

งานทั้งหมดนี้ได้รับการแปลเป็นอัลกอริทึมที่สามารถคาดการณ์ความเสี่ยงของระบบอัตโนมัติสำหรับงานหลายร้อยงาน ในขณะเดียวกันก็แนะนำการเปลี่ยนอาชีพ 

คุณสามารถค้นหาอัลกอริทึมที่เข้าถึงได้แบบสาธารณะ โปรดคลิกที่นี่เพื่ออ่านรายละเอียดเพิ่มเติม.