من ربات ترجمیار هستم و خلاصه مقالات علمی رو به صورت خودکار ترجمه میکنم. متن کامل مقالات رو میتونین به صورت ترجمه شده از لینکی که در پایین پست قرار میگیره بخونین
به پیامدهای مهارتزدایی در کار فکر کنیم!
منتشر شده در zephoria.medium.com به تاریخ ۲۲ آوریل ۲۰۲۳
لینک منبع Deskilling on the Job
هنگامی که صحبت از تأثیر بالقوه هوش مصنوعی در آینده بر مشاغل میشود، کمپ اتوماسیون تمایل دارد به این نتیجه برسد که بیشتر مشاغل به صورت خودکار به فراموشی سپرده میشوند. سپس بازوی مترقی کمپ اتوماسیون نیاز به نسخههای درآمد پایه جهانی و سایر خدمات اجتماعی را برای تضمین بقا در دنیای بدون شغل استدلال میکند. البته، این ایالات متحده است... بیشتر افراد کمپ اتوماسیون تمایل به وحشت دارند و از درگیر شدن با نحوه تلاقی دیدگاههایشان با سرمایهداری در مراحل آخر، نابرابری ساختاری، بیگانه هراسی، و قطبی شدن سیاسی امتناع میورزند.
وزنه تعادل Camp Automation، Camp Augmentation (کمپ افزوده) است که من از نظر تحلیلی بسیار بیشتر با آن هماهنگ هستم. برخی به Camp Augmentationمیآیند زیرا فکر میکنند که کمپ اتوماسیون کاملاً غیرعادی است. اما افراد زیادی نیز وجود دارند که به اندازه کافی تاریخ را مطالعه کردهاند تا ببینند که چگونه فانتزیهای اتوماسیون به طور مکرر به واقعیت افزوده بدون سرپوش زشت تبدیل میشود.
آمیخته شدن با کمپ اتوماسیون و کمپ افزوده یک وحشت فرهنگی در مورد معنای انسان بودن است. من این اضطراب وجودی را به دلیل ناتوانی در درک اینکه چگونه این در هسته فلسفه قرار دارد خسته کننده میدانم. همچنین با توجه به اینکه بیشتر تلاشها در طول تاریخ برای حل این مشکل شامل ابداع ادیان جدید بوده است، کمی نگرانکننده است.
در حالی که به احتمال زیاد وارد شدن به مفهوم انسان بودن موضوع پست وبلاگ بعدی خواهد بود، میخواهم لحظهای به آینده کار فکر کنم. کمپ اتوماسیون آسمان را در حال سقوط میبیند. Camp Augmentation بیشتر بر این تمرکز دارد که چگونه همه چیز تغییر خواهد کرد. اگر موضع کمپ اگمنتیشن را بگیریم، سؤال بعدی این است: چه تغییراتی را باید عمیقتر بررسی کنیم؟ اولین غریزه تمرکز بر این است که چگونه تغییرات میتواند منجر به افزایش نابرابری شود. این در واقع مهمترین نوع تحلیلی است که باید انجام شود. اما من میخواهم برای لحظهای به موضوع دیگری بپردازم: مهارتزدایی.
مناطق مچاله اخلاقی
سالها پیش، مادلین الیش تصمیم گرفت تاریخچه اتوماسیون در پرواز را معنا کند. در دهه 1970، کارشناسان فنی ابزاری ساخته بودند که پرواز را ایمنتر میکرد، ابزاری که ما اکنون آن را به عنوان خلبان خودکار میشناسیم. سوال روی میز اداره هوانوردی فدرال و کنگره این بود: آیا باید به هواپیماهای خودپرواز اجازه دهیم؟ به طور خلاصه، مردم به این نتیجه رسیدند که نیازی به حضور یک ناوبر در کابین خلبان نیست، بلکه همه هواپیماها باید توسط یک خلبان و کمک خلبانی که باید مجهز باشند تا وارد شوند و اگر همه چیز خراب شد، از دستگاه خارج شود. انسان در لوپ.
درموردش یک لحظه فکر کن. منطقی به نظر میرسد. ما به انسانها اعتماد داریم که بیشتر متفکر باشند. اما چه انسانی میتواند در موقعیتهای پرمخاطره، ماشینی را در حالت خرابی در اختیار بگیرد و به آن کمک کند؟ در عمل، بیشتر انسانها کنترل هواپیما را به دست گرفتند و نتوانستند به بهبودی هواپیما کمک کنند. هواپیماها سقوط کردند و انسانها به خاطر نگرفتن قطعات به جا مانده از دستگاه سرزنش شدند. این همان چیزی است که مادلین آن را "منطقه مچاله اخلاقی" مینامد. انسانها به بدترین شکل ممکن در لوپ قرار گرفتند.
این موقعیت برای خلبانان و کمک خلبانان زمانی که به مهارت آنها فکر میکنیم سختتر میشود. خلبانان به طور گسترده برای پرواز با هواپیما آموزش میبینند. و سپس آن مشاغل را پیدا میکنند، جایی که کار «واقعی» آنها نگهداری از یک دستگاه است. در عمل به چه معناست؟ این بدان معنی است که آنها در کار مهارت ندارند. این بدان معناست که خلبانانی که در جلوی هر هواپیمای تجاری هستند مهارت کمتری دارند و با گذشت سالها توانایی کمتری برای تحویل گرفتن از ماشین دارند. ما از لحاظ ساختاری بیشتر و بیشتر به خلبان خودکار وابسته هستیم. بوئینگ با غلبه بر خلبانان با 737 MAXخود، این را به سطح بعدی رساند و به ضرر آنها بود.
برای درک کامل این موضوع، به اتفاقی افتاد که چارلز «سالی» سولنبرگر سوم در سال 2009 یک هواپیما را در رودخانه هادسون فرود آورد. سالی فقط یک خلبان نبود. در زمان استراحت، او به خلبانان تجاری آموزش داد که چگونه در صورت خرابی تجهیزاتشان، پرواز کنند. سالی شاید بهترین خلبانی بود که میتوانست یک سیستم شکست خورده را کنترل کند. اما او فقط مجبور نبود که تجهیزاتش را نادیده بگیرد، بلکه باید کنترل کنندههای ترافیک هوایی را زیر پا میگذاشت. آنها میخواستند او به تتربورو برود. مدلهای آنها به او پیشنهاد کردند که میتواند آن را بسازد. او نتیجه گرفت که نمیتواند. او تصمیم گرفت به جای آن هواپیما را در هادسون فرود آورد.
اگر سالی مرده بود، او را به خاطر نافرمانی و "خطای خلبان" سرزنش میکردند. اما او زنده ماند. و بنابراین او به یک قهرمان آمریکایی تبدیل شد. او همچنین به مطالعه موردی تبدیل شد زیرا تصمیم او برای لغو کنترل ترافیک هوایی موجه بود. او نمیتوانست آن را انجام دهد. علاوهبراین، سیستمهای رایانهای که او نمیتوانست آنها را نادیده بگیرد، مانع از تأثیر ملایمتر او شد.
سالی یک ناهنجاری است. او خلبانی است که در این کار مهارت نداشته است. حتی ذرهای! اما این برای همه خلبانان نیست.
و بنابراین سؤال من برای آینده هوش مصنوعی ما این است: چگونه میخواهیم برای مهارتزدایی در کار آماده شویم؟
مهارتها چگونه رشد میکنند؟
پدربزرگ من خلبان نیروی هوایی سلطنتی بود. وقتی برای این کار ثبت نام کرد، نمیدانست چگونه پرواز کند. البته که نه. در حین کار به او آموزش داده شد. و در طول زندگی حرفهایاش، چیزهای زیادی در حین کار به او آموزش داده شد. آموزش بخشی جداییناپذیر از پیشرفت حرفهای در مسیر شغلی او بود. او برای دورههای طولانی برای یادگیری آموزش مدیریت از کار خارج شد.
امروز، از شما انتظار میرود که در بیشتر مشاغل با مهارت به کار بپردازید، زیرا کارفرمایان اهمیتی برای آموزش شما در محل کار نمیبینند. این به توضیح بسیاری از جاهایی که در آنها شکافهای جدی در استعداد و فرصت داریم کمک میکند. هیچ کس نمیتواند پرستاری را تصور کند که در این کار آموزش دیده باشد. اما متأسفانه، ما حتی ساختارهای زیادی برای ایجاد مهندسان نرمافزار در محل کار نمیسازیم.
با این حال، مکانهای زیادی وجود دارد که در آنها از طریق کار ساده به یک حرفهای تبدیل میشوید. حرفه وکالت را در نظر بگیرید. کاری که وکلای جوان انجام میدهند، کار بیهوده است. این بسیار خسته کننده است و نیازی به مدرک حقوق ندارد. علاوه بر این، بسیاری از آنها به گونهای خودکار هستند که نیاز به وکلای جوان را کاهش میدهند. اما نداشتن آن آموزش با حوزه حقوقی چه میکند؟ خطوط لوله آموزشی جدید چگونه به نظر میرسند؟ ممکن است اکنون با مهارتزدایی وکلای جوان خوب باشیم، اما چگونه میتوانیم متخصصان حقوقی آینده را ایجاد کنیم که کارهایی را انجام دهند که ماشینها نمیتوانند انجام دهند؟
این نیز یک چالش در آموزش و پرورش است. تبریک میگوییم، دانشآموزان: اکنون ابزارهایی در اختیار دارید که میتوانند به شما کمک کنند تا به روشهای جدید (یا تقلب آشکار) دست به کار شوید. اما اگر از طریق فناوری از جوانان مهارتزدایی کنیم، چه؟ چگونه به آنها کمک کنیم تا به سمت حرفههایی جهش کنند که به مهارتهای پیشرفتهتری نیاز دارند؟
همچنین تعادل ظریفی در مورد مهارتها در اینجا وجود دارد. به یاد دارم که یک جراح به من گفت که میخواهی روز یکشنبه جراحی برنامهریزی شده انجام دهی. چرا؟ زیرا در روز دوشنبه، یک جراح سرحال است اما کمی حواسپرت است. تا روز یکشنبه، آنها دوباره در جریان کار هستند اما خسته نشدهاند. علاوه بر این، مرز باریکی بین تمرین و خستگی وجود داشت - هر چه بیشتر از جراحان انتظار میرود هر هفته انجام دهند، تعداد کارهایی که آنها بد انجام میدهند بیشتر میشود. (طبق نظر یک افسانه معقول این حرفه)
دیدن فراتر از کارایی
کارایی صرفاً به حداکثر رساندن توان عملیاتی نیست. این در مورد یافتن تعادل بهینه بین کیفیت و کمیت است. من فوقالعاده شیفته حرفههایی هستم که در اینجا از کارهای ناخواسته به عنوان یک حائل استفاده میکنند. پر کردن مدارک کار بیهوده است. پزشکان ممکن است در سناریوی آینده مجبور نباشند این کار را انجام دهند. اما آیا پاسخ آن برنامهریزی برای جراحیهای بیشتر است؟ یا پاسخ این است که اجازه دهید پزشکان زمان استراحت بیشتری داشته باشند؟ با ناراحتی من، ما تمایل داریم هر زمان که فناوریهای جدید را معرفی میکنیم و در عین حال وضعیت افراد بسیار ماهر را پایین میآوریم، برنامههای کاری فشردهتر را بهینه کنیم. چرا؟ و به چه قیمتی؟
طرف دیگر آن نیز صادق است. وقتی متخصصان بسیار آموزش دیده در حال حاضر از ماشینها استفاده میکنند، مهارتهای خود را از دست میدهند. حفظ مهارت نیاز به تمرین دارد. چگونه اطمینان حاصل کنیم که آن مهارتها از دست نمیروند؟ اگر انتظار داریم که انسانها بتوانند در لحظات حیاتی بر ماشینها تسلط پیدا کنند، آن انسانها باید مهارتهای قوی خود را حفظ کنند. از دست دادن دانش عواقب جدی به صورت محلی و سیستمی دارد.
سؤالات زیادی در مورد آینده کار با فناوریهای جدید در افق وجود دارد که بسیاری از آنها در حال حاضر در اطراف شناور هستند. پرسیدن سؤالات در مورد نابرابری ساختاری بدون شک اولویت اصلی است، اما من همچنین میخواهم سؤالاتی درباره معنای مهارت - و مهارتزدایی - در کار آینده بپرسیم.
چه در Camp Augmentation یا Camp Automationهستید، بسیار مهم است که به طور کلنگر در مورد اینکه چگونه مهارتها و مشاغل در جامعه قرار میگیرند نگاه کنید. حتی اگر خواب میبینید که تمام مشاغل را خودکار میکنید، در نظر بگیرید که در طرف مقابل چه اتفاقی میافتد. چگونه آیندهای را با افراد بسیار ماهر را تضمین میکنید؟ این درسی است که بسیاری از کشورهای جنگ زده از راه سخت آموختهاند. من نگران سپیده دم ترمیناتور نیستم، اما نگرانم که از هوش مصنوعی برای به راه انداختن جنگ با نیروهای کارگری خودمان برای دستیابی به کارایی استفاده کنیم. مانند همه جنگها، این پیامدهای ناخواسته هستند که بیشترین اهمیت را خواهند داشت. چه کسی به اثر پروانهای آن انتخابها فکر میکند؟
این متن با استفاده از ربات ترجمه مقالات هوش مصنوعی ترجمه شده و به صورت محدود مورد بازبینی انسانی قرار گرفته است. در نتیجه میتواند دارای برخی اشکالات ترجمه باشد.
مقالات لینکشده در این متن میتوانند به صورت رایگان با استفاده از مقالهخوان ترجمیار به فارسی مطالعه شوند.
مطلبی دیگر از این انتشارات
معرفی دورههای آنلاین و رایگان دانشگاههای بزرگ جهان
مطلبی دیگر از این انتشارات
گلدمن ساکس میگوید اتر میتواند بهعنوان جایی برای ذخیره دارایی از بیتکوین پیشی بگیرد
مطلبی دیگر از این انتشارات
رگرسیون منطقی در R: یک تکنیک طبقهبندی برای پیشبینی پیشفرض کارت اعتباری