در حال حاضر دیگر از یادگیری ماشین تنها برای انجام کارهای ساده مانند ارزیابی ریسک اعتباری (credit risk) و مرتب کردن ایمیل استفاده نمی‌شود. امروزه این فناوری قابلیت انجام کارهای بسیار پیچیده‌تری همانند ارزشیابی مقالات و تشخیص بیماری‌ها را دارد. با وجود این پیشرفت‌ها آیا در آینده یک ربات وظایف شما را انجام خواهد داد؟ Anthony Goldbloom، متخصص فناوری یادگیری ماشین، در سخنرانی TED به این پرسش پاسخ داده است. با مجله‌ی فناوری‌های توان افزا و پوشیدنی همراه باشید.

در سال ۲۰۱۳ پژوهشگران دانشگاه آکسفورد (Oxford) مطالعه‌ای در زمینه‌ی آینده‌ی مشاغل انجام دادند. بر اساس این پژوهش پیش‌بینی شد که تقریبا از هر دو شغل، یکی در معرض خطر خودکار شدن به وسیله‌ی دستگاه‌هاست. فناوری یادگیری ماشین عامل بسیاری از این اختلالات است. این فناوری که قدرتمندترین شاخه‌ی هوش مصنوعی است، به دستگاه‌ها این امکان را می‌دهد که از اطلاعات آموزش ببینند و برخی از کارهایی که انسان‌ها انجام می‌دهند را تقلید کنند. شرکت Kaggle که متعلق به Goldbloom است، در زمینه‌ی جدیدترین و پیشرفته‌ترین محصولات یادگیری ماشین فعالیت می‌کند. در این شرکت صدها هزار متخصص به بررسی و حل مشکلات عمده‌ی صنعت و دانشگاه مشغول هستند. بر اساس این فعالیت‌ها، اعضای این شرکت چشم‌انداز منحصر به فردی از قابلیت‌ها و ناتوانی‌های دستگاه‌ها دارند و می‌توانند مشاغلی که در خطر خودکارشدن هستند را پیش بینی کنند.

استفاده از فناوری یادگیری ماشین در صنعت از اوایل دهه‌ی ۹۰ و با انجام کارهای بسیار ساده مانند مانند ارزیابی ریسک اعتباری (credit risk) و مرتب کردن ایمیل آغاز شد. اما این فناوری در طول سال‌های گذشته پیشرفت چشمگیری داشته و توانایی انجام کارهای بسیار پیچیده‌تری را به دست آورده است. در سال ۲۰۱۲ شرکت Kaggle اعضای خود را برای طراحی الگوریتم ارزشیابی مقالات دانش آموزان دبیرستانی به چالش کشید. نمرات ارزشیابی الگوریتم‌های برنده‌ی این چالش با نمرات آموزگاران مطابقت داشت. سال گذشته این شرکت چالش سخت‌تری را مطرح کرد: تشخیص بیماری چشمی با نام رتینوپاتی دیابتی (diabetic retinopathy) از روی تصویر چشم. مجددا توانایی الگوریتم‌های برنده در این چالش در تشخیص بیماری مطابق با تشخیص چشم پزشکان بود.

اکنون بر اساس اطلاعات صحیح می‌توان نتیجه گرفت که دستگاه‌ها این توانایی را دارند که در انجام وظایف بیان شده، از انسان‌ها پیشی بگیرند. یک معلم ممکن است در طول ۴۰ سال خدمت خود ده هزار مقاله را بخواند. یا یک چشم پزشک ممکن است پنجاه هزار چشم را در این مدت معاینه کند. در حالی که یک دستگاه می‌تواند با صرف چند دقیقه وقت میلیون‌ها مقاله را بخواند یا میلیون‌ها چشم را معاینه کند. بنابراین انسان‌ها در کارهای تکراری که به دفعات زیاد باید انجام شوند، هیچ شانسی برای رقابت با دستگاه‌ها ندارند.

اما چیزهایی هم وجود دارد که تنها انسان‌ها از عهده‌ی انجام آن برمی‌آیند. دستگاه‌ها در مقابله با موقعیت‌های جدید پیشرفت چندانی نداشته‌اند. آن‌ها توانایی مدیریت شرایطی که از قبل و به دفعات زیاد ندیده‌اند را ندارند. محدودیت اساسی یادگیری ماشین نیاز آن به یادگیری حجم بالایی از اطلاعات قبلی است. اما انسان‌ها چنین محدودیتی ندارند. ما می‌توانیم با به هم پیوند دادن موضوعات به ظاهر متفاوت، مشکلاتی را که از قبل با آن‌ها رو به رو نبوده‌ایم حل کنیم.

بیشتر بخوانید:

>>رقابت با فناوریهای خودکار برای به دست آوردن شغل

>>پنج شغلی که در آینده شانس استخدام رباتها در آنها بیشتر خواهد بود

>>پنج مسئله اساسی که هوش مصنوعی می‌ تواند در حل آنها به ما کمک کند

منبع: ted

استفاده و بازنشر این نوشتار تنها با ذکر لینک منبع و نام «مجله‌ی فناوری‌های توان افزا و پوشیدنی» مجاز است.