Ai dan masa depan kerja

Kecerdasan Buatan akan memiliki efek mendalam pada cara orang bekerja, dan hampir pasti juga akan berdampak pada ketersediaan pekerjaan dan distribusi pendapatan. Tetapi sejumlah teknolog dan ekonom terkemuka yang berbicara di sebuah konferensi tentang AI dan Masa Depan Kerja - dipresentasikan oleh Laboratorium Ilmu Komputer dan Kecerdasan Buatan (CSAIL) dan Inisiatifnya tentang Ekonomi Digital - awal bulan ini menyarankan bahwa perubahan mungkin tidak terjadi. secepat atau tidak biasa seperti yang disarankan secara umum, yang sangat berbeda dari apa yang saya dengar di konferensi teknologi biasa.

Presiden MIT Rafael Reif, yang membuka konferensi itu, mengatakan bahwa walaupun jelas ada perubahan besar yang terjadi, bagaimana menanggapi perubahan semacam itu tetap tidak jelas bagi kebanyakan orang. Reif mengatakan dia mendengar dari para CEO yang memberhentikan ratusan orang yang pekerjaannya dibuat usang oleh otomatisasi, yang pada saat yang sama bersikeras bahwa mereka memiliki ratusan pekerjaan yang tidak dapat mereka isi karena mereka tidak dapat menemukan orang yang tepat dengan wajan yang tepat. Jika kita ingin kemajuan teknologi bermanfaat bagi semua orang, kata Reif, kita harus secara serius menemukan kembali masa depan pekerjaan.

Revolusi AI: Mengapa Sekarang? Apa Artinya dan Bagaimana Mewujudkan Potensi

(John Markoff, Pusat Studi Lanjut dalam Ilmu Perilaku; Erik Brynjolfsson, Inisiatif MIT tentang Ekonomi Digital; Kai-Fu Lee, Sinovation Ventures; James Manyika, McKinsey; Mona Vernon, Thompson Reuters)

Dalam sebuah panel tentang mengapa perubahan ini terjadi sekarang dan apa artinya bagi mereka, Erik Brynjolfsson, Direktur Inisiatif MIT tentang Ekonomi Digital, berbicara tentang "zaman mesin kedua" yang memungkinkan kita untuk menambah bukan hanya otot kita tetapi juga otak kita, dan mengatakan ini adalah tonggak penting dalam sejarah manusia.

Brynjolfsson menambahkan, kemajuan tersebut telah disertai oleh "decoupling besar, " yang mengacu pada kondisi itu, sementara produktivitas tenaga kerja berada pada tingkat rekor, pendapatan rata-rata belum meningkat sejak 1990-an. Ini, katanya, bukan fungsi teknologi, tetapi bagaimana kita menggunakan teknologi.

CEO Sinovation Ventures, Kai-Fu Lee, salah satu investor terkemuka AI di Tiongkok, mungkin yang paling pesimis terhadap penghancuran pekerjaan. Dia berbicara tentang empat gelombang teknologi, yang telah menyebabkan empat jenis perusahaan: data internet dan raksasa internet raksasa seperti Google dan Facebook; data komersial dan hal-hal seperti pengenalan gambar medis dan deteksi penipuan; "dunia nyata digital" dan perangkat seperti Amazon Echo dan kamera di pusat-pusat perbelanjaan dan bandara; dan otomatisasi penuh, yang ia maksudkan robotika dan kendaraan otonom.

Lee mengatakan gelombang pertama tidak memiliki banyak dampak pada pekerjaan, tetapi mengatakan bahwa gelombang kedua dan ketiga dapat menggantikan banyak pekerja kerah putih, sedangkan gelombang keempat sebagian besar akan memukul pekerja kerah biru. Karena itu, katanya, ia mengharapkan lebih banyak gangguan bagi pekerja kerah putih terlebih dahulu. Sebagai contoh, ia mengutip sejumlah perusahaan Cina, termasuk perangkat lunak pengenal wajah "Wajah ++" Megvii, yang katanya dapat menggantikan 911 jika digunakan secara luas; Yibot, sebuah chatbot yang bisa menggantikan pekerja layanan pelanggan; dan Yongqianbao, aplikasi keuangan pinjaman pintar yang bisa menggantikan petugas pinjaman. Namun, revolusi AI umumnya menghancurkan pekerjaan tanpa penggantian, katanya, jadi kita harus berurusan dengan kehilangan pekerjaan yang disebabkan oleh AI.

Solusi yang disarankannya adalah memberantas kemiskinan; menciptakan kembali pendidikan untuk fokus pada "pekerjaan berkelanjutan, " yaitu pekerjaan kreatif dan layanan sosial yang tidak tergantikan oleh AI; menciptakan lebih banyak pekerjaan sosial dan berorientasi perawatan; dan pensiun "etos kerja zaman industri kita."

Ketua McKinsey Global Institute James Manyika mengatakan AI dan otomatisasi menawarkan manfaat besar bagi bisnis, ekonomi, dan masyarakat, tetapi mengatakan bahwa dampaknya pada pekerjaan lebih tidak pasti.

Mengaitkan informasi dari studi terbaru McKinsey tentang otomatisasi (yang saya bahas di sini), ia mencatat bahwa hanya 5 persen pekerjaan yang mendekati 100 persen dapat diotomatisasikan berdasarkan tugas yang terlibat, tetapi 60 persen pekerjaan sekitar 30 persen dapat diotomatiskan, sekali lagi berdasarkan pada tugas-tugas yang terlibat. Akibatnya, akan ada beberapa pekerjaan yang hilang, tetapi lebih banyak pekerjaan akan mengalami perubahan besar. Pertanyaannya, katanya, apakah akan ada cukup pekerjaan, dan dari pekerjaan ini, bagaimana mereka akan berubah?

Thomson Reuters Labs, CTO Mona Vernon, berbicara tentang memberikan "kekuatan super" kepada pengacara dan jurnalis, dengan membangun perangkat lunak di atas grafik pengetahuan besar. Dia mengatakan bahwa AI mengubah "arsitektur perusahaan" dengan membuatnya mungkin untuk menjawab pertanyaan yang tidak mungkin untuk dijawab sepuluh tahun yang lalu. Namun dia mencatat, ada lompatan besar yang diperlukan untuk beralih dari demonstrasi "seni kemungkinan" ke implementasi tingkat produksi.

Moderator John Markoff, seorang Fellow di Pusat Studi Tingkat Lanjut dalam Ilmu Perilaku di Stanford yang juga dikenal selama bertahun-tahun meliput di The New York Times, bertanya-tanya mengapa, jika teknologinya begitu bagus, masih ada begitu banyak pekerjaan sekarang. Brynjolfsson mengatakan bahwa dalam empat puluh tahun terakhir kita telah melihat banyak pekerjaan yang diciptakan, tetapi bukan pekerjaan yang baik, dan bahwa pendapatan rata-rata belum meningkat, jadi kita "tidak boleh berpuas diri sama sekali." Dia mengatakan dia tidak percaya pada determinisme teknologi, tetapi sebaliknya berpikir kita perlu membuat pilihan kebijakan yang tepat di bidang-bidang seperti pendidikan dan kewirausahaan.

Augmentasi vs Otomasi

(John Markoff, Stanford; Dimitris Papageorgiou, Ernst & Young; Sophie Vandebroek, IBM Research; Krystyn Van Vliet, MIT; John Van Reenen, MIT)

Panel lain fokus pada apakah AI akan menggantikan pekerjaan atau menambahnya. Profesor Ekonomi MIT John Van Reenen mengakui bahwa orang takut pada otomatisasi, dan bahwa ketakutan ini berakar pada pengalaman ekonomi yang telah mereka alami selama tiga puluh atau empat puluh tahun terakhir.

Van Reenen mengatakan, sejarah 200-300 tahun terakhir adalah yang positif, karena ekonomi telah mampu menciptakan lapangan kerja baru. Tetapi, katanya, "pertanyaannya adalah kualitas pekerjaan, bukan kuantitas."

Chief Operating Officer IBM Research Sophie Vandebroek adalah orang yang sangat percaya pada argumen augmentasi. Dia berbicara tentang sistem seperti AI yang membantu profesional keamanan dengan memeriksa basis data terhadap ancaman yang diketahui; mengatakan bahwa AI membantu profesional jasa keuangan dengan memeriksa peraturan; dan berbicara tentang bagaimana Xerox (tempat dia dulu bekerja) mengembangkan sistem untuk menggunakan pembelajaran mesin untuk mengotomatiskan penilaian tes. Semua hal ini membantu orang untuk tampil lebih baik di tempat kerja, dalam pandangannya.

Demikian pula, Profesor MIT Ilmu dan Teknik Material Krystyn Van Vliet mengatakan bahwa teknologi yang memungkinkan komputer mencari tumor tidak menyebabkan lebih sedikit ahli radiologi, tetapi lebih memberi dokter lebih banyak waktu untuk berkonsultasi satu sama lain dan dengan pasien. Meski begitu, katanya, "orang tidak suka diberi tahu bahwa mereka perlu dilatih ulang."

Markoff bertanya apakah perkembangan semacam ini akan mengarah pada "pengurangan keterampilan" manusia, dan Ernst & Young Partner Dimitris Papageorgiou mencatat bahwa pesawat terbang masih memiliki dua pilot meskipun sebagian besar penerbangan dilakukan oleh autopilot. Tapi, Papageorgiou mengatakan, AI memperdalam kesenjangan antara karyawan berketerampilan rendah dan berketerampilan lebih tinggi, dan mengatakan Estonia dan Kosta Rika telah mengubah kurikulum sekolah berdasarkan di mana mereka pikir akan ada pekerjaan di masa depan. Van Reenen mencatat bahwa sampai saat ini, teknologi telah bias dalam mendukung pekerja terampil, yang tercermin dalam premi besar pergi ke perguruan tinggi menyediakan, bahkan ketika pasokan pekerja berpendidikan tinggi telah meningkat. Tetapi AI berbeda, katanya, karena itu juga akan berdampak pada pekerjaan yang sangat terampil, seperti radiologi.

Strategi untuk Menavigasi Fase Pertama

Beberapa presenter menawarkan strategi untuk membuat AI bekerja lebih baik, serta pemikiran tentang mendidik pekerja untuk era baru.

Allen Blue, Rekan Pendiri dan Wakil Presiden Manajemen Produk di LinkedIn, berbicara tentang membangun sistem yang responsif sehingga orang dapat memiliki akses ke pembelajaran seumur hidup. Dia memperingatkan bahwa beberapa pekerjaan adalah sementara, dan mengatakan bahwa saat ini, lowongan pekerjaan terbesar adalah untuk coders medis, tetapi ini adalah pekerjaan yang sangat mungkin akhirnya otomatis diotomatisasi dari keberadaan. Blue bertanya-tanya bagaimana orang akan memiliki waktu dan uang untuk memperoleh pendidikan, dan mengatakan bahwa pengusaha dan pemerintah harus lebih terlibat.

Blue mengatakan ada "kebutuhan untuk memikirkan kembali pendidikan sampai ke tingkat TK, " dengan fokus pada bidang-bidang seperti kolaborasi.

Sam Madden, seorang profesor di MIT CSAIL, dan Co-Direktur Fakultas SystemsThatLearn, mengatakan dia khawatir tentang bagaimana remaja menghabiskan waktu mereka, termasuk berapa banyak waktu yang mereka habiskan menggunakan komputer dan perangkat daripada berinteraksi dengan teman sebaya mereka, dan mengatakan dia percaya ini mungkin memiliki "dampak aneh pada keterampilan sosial."

Jennifer Chayes, Technical Fellow & Managing Director, Microsoft Research New England, berbicara tentang bagaimana AI dapat meningkatkan perawatan kesehatan, dan sebagai contoh, menunjuk pada aplikasi untuk perangkat seluler yang menggunakan pembelajaran penguatan untuk memotivasi penderita diabetes untuk lebih banyak berolahraga. Dia prihatin tentang keadilan dalam AI, dan mengatakan bahwa sebagian besar sistem, daripada mengoptimalkan keadilan, alih-alih mengambil bias dalam data terkait manusia dan memperbesarnya. "Kami ingin memastikan AI bekerja lebih baik daripada manusia, tidak lebih buruk, " katanya.

Alex "Sandy" Pentland, Direktur Pendiri MIT Connection Science Research Initiative, mengatakan ia tidak khawatir tentang pekerjaan, melainkan tentang metode menghasilkan nilai. Dia mengatakan kita bergerak dari melakukan tugas-tugas rutin ke alih-alih berfokus pada tugas-tugas yang memerlukan keterampilan sosial dan tugas analitik non-rutin, dan berbicara tentang "Strategi Manusia, " atau gagasan bahwa jaringan di sebuah perusahaan atau di masyarakat seperti koneksi dalam belajar. Dia mengatakan bahwa akan menarik untuk membawa pembelajaran penguatan ke domain sosial serta jaringan produksi, menciptakan "kaizen all up up" di tingkat manajemen, serta di lantai toko.

Dalam sebuah diskusi, Pentland mengatakan perlu ada lebih banyak pembagian data dan transparansi data. Saat ini, dia mengatakan ada konsentrasi data yang luar biasa di beberapa tangan, dan dia berharap untuk melihat beberapa cara membuka akses sementara pada saat yang sama menghormati undang-undang privasi. AI hanya sebagus data yang digunakan untuk melatihnya, Pentland menambahkan, dan mengatakan bahwa jika Anda khawatir tentang keadilan, Anda harus memahami data apa yang masuk ke sistem.

Benarkah AI, atau Hanya Statistik Komputasi?

Panel lain dijadwalkan untuk membahas "peluang dan tantangan, " tetapi akhirnya berbicara lebih banyak tentang keterbatasan sistem AI saat ini.

Josh Tenenbaum, Profesor, MIT CSAIL, mengatakan bahwa meskipun kami memiliki teknologi AI, kami tidak memiliki AI yang sesungguhnya. Sebaliknya, kami memiliki sistem yang melakukan hanya satu hal, berdasarkan pengenalan pola. Kecerdasan nyata, katanya, sebaliknya akan menjadi model dunia, menjelaskan, dan memahami apa yang dilihatnya, membayangkan, belajar, dan membangun model-model baru dunia. Dia mengatakan kita berpuluh-puluh tahun jauh dari AI yang dapat mencapai hal ini, dan mengatakan bahwa bahkan bayi berusia 3 bulan memiliki pemahaman yang lebih masuk akal tentang hal-hal di dunia dibandingkan dengan AI.

Patrick Winston, seorang Profesor di MIT CSAIL, menyindir bahwa "'Profesor AI' akan menjadi jabatan terakhir, " tetapi secara umum jauh lebih optimis tentang masa depan angkatan kerja. Keadaan benar-benar tidak banyak berubah sejak 1985, katanya, ketika revolusi AI terakhir ternyata tidak menggantikan orang. Pembelajaran mesin hanyalah kata lain untuk "statistik komputasi, " katanya, jadi ketika orang mengatakan bahwa dia yang memiliki AI akan memiliki dunia, jika Anda hanya mengganti "AI" dengan "statistik komputasi, " kedengarannya jauh lebih sulit dipercaya.

Dalam percakapan berikutnya, Markoff merujuk proyek John McCarthy untuk membangun mesin berpikir, dan Winston sangat skeptis. "Kami selalu mengatakan bahwa teknologi tingkat manusia adalah 20 tahun lagi… akhirnya kami akan benar, " tapi mungkin tidak kali ini, katanya. Meskipun apa yang kita miliki saat ini sangat berguna, itu hanya mewakili sebagian kecil dari kecerdasan manusia, ia menekankan.

Visi: Industri 2020-2050

(John Markoff, Stanford; Andrew McAfee, MIT IDE; Tom Kochan, MIT; Rod Brooks, Rethink Robotics)

Perspektif serupa bergema dalam diskusi tentang apa yang diantisipasi panelis untuk 2020-2050.

Rod Brooks, Pendiri dan CTO Rethink Robotics, mencatat bahwa belajar itu tidak umum, dan mengatakan bahwa belajar cara menavigasi tidak sama dengan belajar cara menggunakan sumpit, yang pada gilirannya tidak sama dengan belajar bahasa. Dia mencatat bahwa komputer saat ini dapat mengidentifikasi gambar orang yang membawa payung di tengah hujan, tetapi tidak dapat menjawab pertanyaan dasar seperti "Bisakah racoons membawa payung?"

Tom Kochan, Co-Direktur dan Profesor, Penelitian Kerja dan Ketenagakerjaan di Sloan School of Management MIT, mengatakan ada empat elemen utama dari "Teknologi Terpadu dan Strategi Kerja, " untuk memastikan teknologi bekerja untuk masyarakat secara umum.

Elemen pertama, kata Kochan, adalah mendefinisikan tantangan, dan menentukan masalah (atau masalah) yang kita coba selesaikan. Kedua, dia berpikir bahwa alih-alih mempertimbangkan teknologi terlebih dahulu, dan kemudian tenaga kerja, kita harus mengintegrasikan teknologi dan proses desain kerja. Sebagai contoh, ia berbicara tentang bagaimana GM menghabiskan $ 50 miliar untuk otomatisasi, tetapi tidak mendengarkan tenaga kerjanya, dan dengan demikian tidak mendapatkan hasil yang diharapkan.

Unsur ketiga, kata Kochan, adalah pelatihan, dan kita harus berlatih sebelum teknologi digunakan, serta "menjadikan pembelajaran seumur hidup menjadi kenyataan bagi semua orang." Dalam kasus GM, pekerja otomatis perlu memahami teknologi agar dapat digunakan dengan benar, dan bukannya menghadapi tekanan belajar bagaimana menggunakan teknologi ketika itu dipasang. Akhirnya, Kochan berkata kita perlu memberi kompensasi kepada mereka yang terkena dampak paling buruk. Dia mengatakan bahwa meskipun pekerjaan baru akan diciptakan, itu tidak masalah bagi individu yang kehilangan pekerjaan mereka, dan kita harus berurusan secara adil dengan mereka yang terkena dampak negatif.

Jika kita memperhatikan elemen-elemen ini, kata Kochan, kita akan menciptakan kemakmuran yang lebih luas, tetapi "jika kita serahkan pada teknolog saja, kita akan mereplikasi pemenang dan pecundang."

Andrew McAfee, Co-Direktur Inisiatif MIT tentang Ekonomi Digital, dan Kepala Riset Ilmuwan, MIT Sloan School of Management, mencoba memberikan jawaban atas apa yang ia lihat sebagai tiga pertanyaan paling umum tentang ekonomi.

Pertama, katanya, apakah pertanyaan "apakah ekonomi kita dibajak?" McAfee mencatat bahwa kesenjangan yang semakin besar antara si kaya dan si miskin, serta bangkitnya perusahaan dan pemodal besar dan kuat. Tetapi dia mengatakan apa yang terjadi sebagian besar merupakan perubahan struktural, yang dihasilkan sebagai akibat dari teknologi dan globalisasi, daripada perusahaan yang bermain tidak adil.

Kedua, McAfee mendengar banyak kekhawatiran tentang "monopoli teknologi permanen, " dan meskipun tidak mungkin untuk meredakan kekhawatiran ini dengan pasti, monopoli permanen semacam itu "hampir pasti bukan" sesuatu yang perlu dikhawatirkan. Dia mengingat kekhawatiran 20 tahun yang lalu bahwa IBM, Microsoft, dan kemudian AOL bisa menjadi monopoli teknologi permanen, dan komentar serupa 10 tahun lalu tentang Nokia dan RIM. Secara umum, dia berkata, "sesuatu yang membuat mereka tidak duduk."

Akhirnya, McAfee bertanya, "Apakah akan ada pekerjaan?" Dia menjawab itu dalam persetujuan, tetapi mengatakan tidak ada jaminan akan ada banyak pekerjaan di masa depan seperti yang ada hari ini. Meskipun banyak orang mengatakan kami selalu mendapat manfaat dari kombinasi orang dan mesin, itu bukan aturan. Sebagai contoh, kita memiliki pekerja yang jauh lebih sedikit hari ini daripada yang pernah kita miliki, dan pekerjaan manufaktur memuncak pada tahun 1979, jadi kita benar-benar tidak tahu apa yang akan terjadi selama tiga dekade ke depan.

Dalam diskusi panel yang diikuti, Markoff bertanya tentang dampak Hollywood, dan penggambaran AI di bioskop. Brooks mencatat bahwa ketika berusia 13 tahun ia melihat tahun 2001 dan "jatuh cinta pada HAL." Tetapi, katanya, Hollywood cenderung menggambarkan dunia apa adanya, dan kemudian menambahkan teknologi, sedangkan di dunia nyata, masyarakat beradaptasi bersama dengan teknologi.

McAfee mengatakan dia lebih khawatir tentang ketakutan tentang AI, mengutip Andrew Ng yang mengatakan bahwa "mengkhawatirkan robot pembunuh sama seperti mengkhawatirkan kelebihan populasi di Mars." Dia mengatakan kita "menghabiskan terlalu banyak waktu untuk topik BS asrama kelas dua ini."

Kochan mengatakan dia lebih tertarik untuk mencari tahu bagaimana kita membawa lebih banyak orang ke dalam percakapan tentang teknologi, karena banyak teknologi membutuhkan waktu terlalu lama untuk berdifusi. Sebaliknya, katanya, kita harus membawa pengguna sejak dini. Tetapi Brooks membalas, bertanya "berapa banyak orang yang harus mengambil kursus tentang cara menggunakan smartphone?"

Markoff bertanya tentang peran teknologi dalam debat pekerjaan, serta ketidaksetaraan. McAfee mengatakan bahwa kekayaan bersih Mark Zuckerberg adalah "hal yang salah untuk fokus." Sebaliknya, katanya, kita harus khawatir dengan stagnasi kelas menengah. Kochan setuju bahwa stagnasi adalah masalah, dan berpendapat bahwa hal besar yang mendorong ketimpangan dan stagnasi adalah "penurunan institusi" seperti serikat pekerja dan upah minimum.

Dalam pembicaraan terpisah, Direktur MIT CSAIL Daniela Rus mengatakan kita harus menganggap mesin sebagai alat, dan mengatakan dia percaya bahwa Robot dan AI dapat menciptakan lebih banyak pekerjaan dan pekerjaan yang lebih baik. Tapi dia menunjukkan bahwa kumpulan data besar yang tidak diterjemahkan menjadi pengetahuan, dan membuat perhitungan yang rumit tidak menghasilkan otonomi. Rus juga mencatat bahwa tindakan lebih sulit daripada persepsi, bahwa persepsi itu lebih sulit daripada pengelompokan data, dan bahwa mencapai 99, 99 persen benar secara eksponensial lebih sulit daripada mencapai 90 persen.

Meski demikian, Rus optimis sebagian besar, dan berbicara tentang bagaimana teknologi dapat memberi pekerja pabrik lebih banyak kontrol atas apa yang mereka hasilkan, dan bagaimana hal-hal seperti barang yang dapat dikenakan akan membantu orang buta untuk lebih menavigasi dunia. Dia menutup ceramahnya dengan mengutip John F. Kennedy, yang pada tahun 1962 mengatakan bahwa "kami percaya bahwa jika pria memiliki bakat untuk menciptakan mesin baru yang membuat pria tidak bekerja, mereka memiliki bakat untuk membuat pria itu kembali bekerja.

Ada lebih banyak tentang ekonomi AI dan pekerjaan pada hari kedua (yang akan saya bahas di pos lain.)

Ingin tahu tentang kecepatan internet broadband Anda? Uji sekarang!