- Есть две основные проблемы, связанные с быстрым развитием искусственного интеллекта: оно приведет к появлению роботов-повелителей или приведет к сокращению многих рабочих мест.
- Руководитель программы информатики в крупном университете говорит, что самым большим препятствием для подготовки студентов к будущему, в котором будет доминировать искусственный интеллект, является отсутствие у многих студентов необходимых математических навыков.
- США могут столкнуться с серьезным несоответствием навыков и нехваткой аналитически мыслящих людей с сильными математическими способностями, которые могут использовать и адаптироваться к развивающимся технологиям из-за проблем с образовательной и иммиграционной системами.
Когда речь идет о быстром развитии искусственного интеллекта, возникают две основные проблемы. Во-первых, это приведет к появлению роботов-повелителей, которые уничтожат человечество. Во-вторых, искусственный интеллект уничтожит многие рабочие места. Более вероятный сценарий заключается в том, что это создаст нехватку рабочей силы или, по крайней мере, нехватку квалифицированных рабочих, которые смогут максимально эффективно использовать новые технологии.
Недавно я разговаривал с руководителем программы информатики в крупном университете и спросил ее о подготовке студентов для этого будущего. По ее словам, самым большим препятствием является то, что многим студентам не хватает необходимых математических навыков для мира, в котором искусственный интеллект будет доминировать в нашей жизни, особенно у тех, кто не планирует специализироваться в этой области.
Но как насчет тех, кто планирует карьеру в сфере искусственного интеллекта? Технологии всегда повышали ценность труда, поскольку позволяют работникам стать более производительными. Сейчас есть страх, что люди будут использовать искусственный интеллект, чтобы думать за них, тем самым делая себя ненужными. Для некоторых это, вероятно, так и будет, но продуктивное использование ИИ предполагает применение технологии для разработки новых идей, а это требует, по крайней мере, некоторого человеческого участия.
Например, большие языковые модели работают, собирая большое количество данных не только для ответа на вопрос, но и для поиска наиболее распространенного или среднего ответа. Иногда этого достаточно, но в рабочей ситуации людей часто отличает неординарная реакция. Искусственный интеллект может помочь вам в этом, но одного этого редко бывает достаточно; это также требует способности оценивать результат и продолжать прогресс. Или часто ответ ИИ неадекватен, потому что ему не хватает контекста, который делает определенную ситуацию уникальной.
Предположим, вы пытаетесь получить простую статистику из большого объема данных. Недостаточно просто предоставить вам статистику; вам необходимо понимать ограничения данных, с которыми работает ваша модель, откуда они взялись, когда они получены, имеют ли они отношение к вашей проблеме и какую спецификацию использовала технология для предоставления статистики. Осмысление результатов требует как хороших статистических, так и аналитических навыков.
Между тем, мы являемся свидетелями падения стандартов и способности некоторых студентов освоить даже базовую математику в некоторых ведущих университетах и средних школах Америки. Возможно, лишь меньшинству студентов Гарвардского университета нужен дополнительный курс математики. Но тот факт, что такое население посещает такую школу, говорит о том, что стандарты в целом ослабевают не только по математике, но и по чтению. Даже выдающиеся ученики получают менее тщательное обучение тому, как критически мыслить в этот решающий период в их жизни и развитии мозга.
Будущее может быть не таким ярким | Рабочие места в начале карьеры растут медленнее в профессиях, подверженных воздействию искусственного интеллекта.
Назад к основам
Я слышал, как многие ученые говорили, что они до сих пор не знают, как научить студентов навыкам, необходимым для преуспевания в мире искусственного интеллекта, который устраняет многие рабочие места начального уровня. В условиях серьезных экономических преобразований невозможно предсказать, как будет выглядеть будущее труда. Одним из возможных решений может быть простое преподавание основ, применение последовательных стандартов и выдача реальных оценок.
Делая что-либо еще, вы рискуете попасть в порочный круг, в котором новые выпускники не смогут предложить значительных улучшений в области ИИ, поскольку им не хватает навыков, необходимых для работы с технологией, и поэтому их не стоит нанимать. При таком сценарии мы получим худший из всех миров: безработные выпускники и работодатели не смогут найти достаточно работников, которые смогут эффективно использовать новые технологии.
Что касается США, то здесь существует дополнительный риск, связанный с иммиграцией. Многие иностранные студенты имеют лучшие количественные навыки, чем их американские сверстники, но наша легальная и квалифицированная система миграции не работает. Даже президент, который долгое время скептически относился к иммиграции, признает, что нам нужно больше квалифицированных рабочих, способных создавать и использовать технологии, и многим из них придется приехать из-за границы. Но длительная иммиграционная реформа не может быть проведена по указу президента; это требует двухпартийного консенсуса в Конгрессе по иммиграционным приоритетам. К сожалению, на данный момент это маловероятно.
В результате Америка потенциально сталкивается с большим несоответствием навыков и нехваткой аналитически мыслящих людей с сильными математическими способностями, которые могут использовать технологические разработки и адаптироваться к ним. Ни наше образование, ни наша иммиграционная система не производят достаточно таких людей. Результатом может стать как большое количество безработных выпускников, так и огромная нехватка рабочей силы.
Элисон Шрагер — экономический обозреватель Bloomberg Opinion и старший научный сотрудник Манхэттенского института.
