Novas oportunidades de trabalho com a aprendizagem de máquina

Você pode encontrar mais do que alguns artigos que discutem a perda de postos de trabalho que a aprendizagem de máquina e suas tecnologias associadas fará. Robôs já realizam uma série de tarefas que costumavam empregar seres humanos, e este uso vai aumentar ao longo do tempo. Você também deve ter considerado como esses novos usos potencialmente poderia custar-lhe ou um ente querido um emprego. Alguns autores têm ido tão longe a ponto de dizer que o futuro pode trazer um cenário em que aprender novas habilidades pode não garantir um emprego

O fato da questão é que decidir o quão aprendizagem de máquina vai afetar o ambiente de trabalho é difícil, assim como foi difícil para as pessoas para ver onde a revolução industrial levaria as pessoas no caminho de bens de produção em massa para o consumidor em geral. Assim como os trabalhadores necessários para encontrar novos postos de trabalho, para que as pessoas que enfrentam a perda de ocupação para a aprendizagem de máquina hoje terá que encontrar novos empregos.

Trabalhando para uma máquina

É inteiramente possível que você vai encontrar-se a trabalhar para uma máquina no futuro. Na verdade, você já pode trabalhar para uma máquina e não sabem disso. Algumas empresas já usam o aprendizado de máquina para analisar os processos de negócios e torná-los mais eficientes. Por exemplo, Hitachi atualmente usa essa configuração na gerência média.

Neste caso, a AI realmente emite as ordens de trabalho com base na sua análise do fluxo de trabalho - assim como um gerente de nível médio humano pode fazer. A diferença é que a AI é, na verdade oito por cento mais eficiente do que os seres humanos que substitui. Em outro caso, Amazon correu um concurso entre os especialistas de aprendizado de máquina para descobrir se a empresa poderia melhor processos processo de autorização empregado automaticamente usando aprendizado de máquina. Novamente, o objetivo era descobrir como substituir a gerência média e cortar um pouco da burocracia.

No entanto, uma oportunidade de trabalho também se apresenta. Os trabalhadores com AI que executar as tarefas que a AI diz-lhes para fazer, mas eles podem usar sua própria experiência e criatividade na determinação de como executar a tarefa. A AI analisa os processos que os trabalhadores humanos usam e medidas dos resultados alcançados. Quaisquer processos bem-sucedidos são adicionados ao banco de dados de técnicas que os trabalhadores possam aplicar para realizar tarefas. Em outras palavras, os seres humanos estão ensinando as novas técnicas de IA para tornar o ambiente de trabalho ainda mais eficiente.

Video: Brasileiros mudam para a Austrália em busca de novas oportunidades de trabalho

Trabalhar com máquinas

As pessoas já trabalham com máquinas em uma base regular - eles simplesmente não pode realizá-lo. Por exemplo, quando você fala com seu smartphone e reconhece o que você diz, você está trabalhando com uma máquina para alcançar um objetivo desejado. A maioria das pessoas reconhece que a interação de voz fornecido com um smartphone melhora com o tempo - quanto mais você usá-lo, melhor ele fica em reconhecer a sua voz. Como o algoritmo aluno torna-se melhor sintonizado, torna-se mais eficiente em reconhecer a sua voz e obter o resultado desejado. Esta tendência vai continuar.

No entanto, a aprendizagem de máquina é usada em todos os tipos de maneiras que podem não ocorrer a você. Quando você apontar uma câmera em um objeto ea câmera pode colocar uma caixa ao redor da face (para ajudar a direcionar a imagem), você está vendo o resultado de aprendizagem de máquina. A câmera está ajudando você a realizar o trabalho de tirar uma foto com uma eficiência muito maior.

O uso de linguagens declarativas, tais como SQL (Structured Query Language), se tornará mais pronunciada, mas também porque a aprendizagem de máquina vai fazer avanços possível. Em alguns aspectos, uma linguagem declarativa permite a você simplesmente descrever o que você quer e não como obtê-lo. No entanto, SQL ainda requer um cientista da computação, cientista de dados, administrador de banco de dados, ou algum outro profissional de usar. línguas futuras não tem essa limitação.

Video: lista de sites de Vagas de Emprego e oportunidades de Trabalho em todo brasil, várias áreas

Eventualmente, alguém que é treinado para executar uma tarefa específica bem simplesmente dizer ao robô assistente o que fazer e o robô assistente vai descobrir os meios para fazê-lo. Os seres humanos vão usar a criatividade para descobrir o que fazer- os detalhes (o como) Se torne no domínio das máquinas.

reparação de máquinas

Antes da tecnologia pode fazer mais nada, ele deve executar uma tarefa prática que irá atrair a atenção e beneficiar os seres humanos de uma maneira que faz com que as pessoas querem ter a tecnologia para seu próprio.

Video: Oportunidades de trabalho

Não importa o que a tecnologia é. Eventualmente, a tecnologia vai quebrar. Obtendo a tecnologia para fazer algo útil é a consideração principal agora, e o culminar de quaisquer sonhos de que a tecnologia irá eventualmente fazer estiramentos anos no futuro, as coisas tão mundanas como reparar a tecnologia ainda vai cair sobre os ombros humanos. Mesmo se o ser humano não está envolvido diretamente com a reparação física, a inteligência humana vai dirigir a operação de reparo.

Alguns artigos que você lê on-line pode fazer você acreditar que os robôs auto-reparação já são uma realidade. Por exemplo, os robôs Estação Espacial Internacional, Dextre e Canadarm, realizado um reparo de uma câmera com defeito. O que as histórias não dizem é que um ser humano decidiu como executar a tarefa e dirigiu os robôs para fazer o trabalho físico. reparação Autónoma não é possível com os algoritmos disponíveis hoje.

Criação de novas tarefas de aprendizado de máquina

algoritmos de aprendizado de máquina não são criativos, o que significa que os seres humanos devem fornecer a criatividade que melhora a aprendizagem de máquina. Mesmo algoritmos que constroem outros algoritmos só melhorar a eficiência ea precisão dos resultados que o algoritmo alcança - eles não podem criar algoritmos que executam novos tipos de tarefas. Os seres humanos devem fornecer as informações necessárias para definir essas tarefas e os processos necessários para começar a resolvê-los.

Você pode pensar que apenas especialistas em aprendizado de máquina irá criar novas tarefas de aprendizagem de máquina. No entanto, a história sobre o meio gerente da Hitachi deve dizer-lhe que as coisas funcionam de modo diferente do que isso. Sim, os especialistas irão ajudar a formar a base para definir como resolver a tarefa, mas a criação real de tarefas virá de pessoas que conhecem melhor um determinado setor. A história Hitachi serve como uma base para a compreensão tanto que o futuro vai ver pessoas de todas as esferas da vida contribuindo para cenários de aprendizado de máquina e que uma educação específica não pode mesmo ajudar na definição de novas tarefas.

Elaboração de novos ambientes de aprendizagem de máquina

No momento, a elaboração de novos ambientes de aprendizagem de máquina é o reino das empresas de pesquisa e desenvolvimento. Um grupo de especialistas altamente treinados deve criar os parâmetros para um novo ambiente. Por exemplo, NASA precisa de robôs para explorar Marte. Neste caso, a NASA conta com as habilidades de pessoas no MIT e Nordeste para executar a tarefa. Tendo em conta que o robô vai precisar para realizar tarefas de forma autônoma, os algoritmos de aprendizado de máquina vai se tornar bastante complexo e inclui vários níveis de resolução de problemas.

Eventualmente, alguém vai ser capaz de descrever um problema em detalhes suficientes para que um programa especializado pode criar o algoritmo necessário, utilizando uma linguagem apropriada. Em outras palavras, pessoas comuns, eventualmente, começar a criar novos ambientes de aprendizagem de máquinas baseadas em idéias que eles têm e querem experimentar.

Tal como acontece com a criação de tarefas de aprendizagem de máquina, as pessoas que criam ambientes futuros serão especialistas em seu ofício particular, em vez de ser cientistas da computação ou cientistas de dados.