麻省理工學(xué)院最近的人工智能和未來工作會(huì)議上的幾位發(fā)言人說，人們談?wù)撚捎谌斯ぶ悄?AI)和自動(dòng)化而改變工作和工作方式的方式通常與現(xiàn)實(shí)不符。

在有關(guān)AI技術(shù)神話的小組討論中，許多演講者討論了AI如何無法僅僅完成人們所做的所有事情，以及人們?nèi)绾纬蔀檎陂_發(fā)的新流程的組成部分。

Jobcase首席執(zhí)行官Fred Goff表示，我們有機(jī)會(huì)利用AI來“真正賦予人們權(quán)力”，而不僅僅是使用AI代替工人或任務(wù)。

高夫說，在過去的半個(gè)世紀(jì)中，技術(shù)一直在取代工作，最大的問題是工資停滯和就業(yè)不足。我們應(yīng)該理解，人工智能和自動(dòng)化可以完成任務(wù)，而不是工作，因此它們不能替代人類可以做的一切。高夫說，我們應(yīng)該考慮“機(jī)器與人而不是機(jī)器或人”。

Goff指出的另一個(gè)問題是，我們認(rèn)為人類在利用機(jī)器學(xué)習(xí)(ML)或AI來獲得正確答案時(shí)已經(jīng)正確構(gòu)造了問題。他談到了人們?nèi)绾位〞r(shí)間適應(yīng)新任務(wù)。他還談到了機(jī)器如何不必圍繞決策來處理所有輸入。例如，戈夫(Goff)談到了如何在人力資本和人才獲取中使用人工智能，他擔(dān)心此類系統(tǒng)往往會(huì)為找到工作而解決，而不是留住最優(yōu)秀的人才。?這些系統(tǒng)可能存在隱性偏見，他們傾向于查看潛在員工是否適合該公司的這份工作，而不是弄清楚該員工最適合與哪個(gè)團(tuán)隊(duì)合作。他“害怕我們可能正在解決錯(cuò)誤的問題”。

麻省理工學(xué)院的航空與航天系副教授朱莉·沙(Julie Shah)說，一個(gè)誤解是，我們只能根據(jù)已有的數(shù)據(jù)對(duì)因素進(jìn)行自動(dòng)設(shè)置。她在工廠車間花了很多時(shí)間，看著同事練習(xí)如何建立新模型。

她說：“我們不知道如何以最佳方式建立生產(chǎn)線。”這就是為什么“熄燈”的工廠沒有表現(xiàn)出改善的原因。取而代之的是，人類不斷在不斷變化的條件基礎(chǔ)上不斷迭代該過程，這一過程更為成功。摹卷板機(jī)前，系統(tǒng)需要了解我們，而我們需要了解系統(tǒng)行為。

莎阿(Shah)說，人類為決策帶來了如此多的知識(shí)和背景，以至于很難加以整理甚至描述。她指出，在當(dāng)今的許多模型中，解釋決策通常是有問題的。相反，Shah建議使用“領(lǐng)域?qū)＜?rdquo;來指導(dǎo)計(jì)算機(jī)的推理過程，從而幫助確定隱式想法和優(yōu)先級(jí)。

戈夫(Goff)和沙阿(Shah)都認(rèn)為，人工智能不應(yīng)該決定結(jié)果，而是可以最好地用作人類決策的眾多工具之一。

高夫說：“再培訓(xùn)和再培訓(xùn)并不意味著人們需要坐在計(jì)算機(jī)和代碼前面。”他指出，人們經(jīng)常談?wù)搶?duì)煤礦工人進(jìn)行再培訓(xùn)，以使其掌握編碼和類似想法。相反，他說，我們需要為人們提供廣泛的專上教育，但我們應(yīng)該認(rèn)識(shí)到“并非每個(gè)人都需要上大學(xué)”。他說，對(duì)諸如焊接和水管工等行業(yè)的人有很大的需求，他想知道“微型認(rèn)證”是否有更大的機(jī)會(huì)。

Adobe Sensei工程部副總裁Scott Prevost堅(jiān)稱，今天的AI實(shí)際上是在“賦予工人力量”，通過使人們必須要做但不想做的事情自動(dòng)化來擴(kuò)大創(chuàng)意者的體驗(yàn)。74%的Adobe客戶表示，他們花費(fèi)了一半的時(shí)間來執(zhí)行重復(fù)的非創(chuàng)意性任務(wù)。

Prevost期待有創(chuàng)意的助理和市場(chǎng)營銷的助理，以幫助您完成整個(gè)工作流程。他說，“創(chuàng)意人”和營銷人員不會(huì)消失，但是他們的角色可能會(huì)發(fā)生變化。創(chuàng)意者將更多地成為藝術(shù)總監(jiān)，而不是進(jìn)行精細(xì)的制作。結(jié)果，重點(diǎn)將轉(zhuǎn)移到解決創(chuàng)造性問題，創(chuàng)新和良好協(xié)作上。