絶対に対立なんかじゃない!短期的にはAIが人間に取って代わることができない5つの分野

絶対に対立なんかじゃない!短期的にはAIが人間に取って代わることができない5つの分野

この記事は公開アカウント「Reading Core Technique」(ID: AI_Discovery)から転載したものです。

AIが普及するにつれ、人類の将来について悲観的な考えが増えています。多くの記事では、AIが人間の仕事をすべて奪い、失業が劇的に増加するだろうと詳しく述べられています。実際、これは AI の将来を考える際の 1 つの視点です。しかし、AI が模倣できない人間の本質は数多くあり、それが私たちを真の人間たらしめるものだと私は信じています。

[[344801]]

現在人間が行っている多くの仕事は自​​動化でき、ほとんどミスのない、より速く正確なロボットに置き換えられるということには私も同意します。しかし、この記事では、短期的には AI によって脅かされない複雑な人間的資質を必要とする仕事に焦点を当てます。

「唯一不変なものは変化そのものである」ということは誰もが知っていますが、これは仕事の改善にも当てはまります。テクノロジーの出現とデバイスやサービスの急速な発展により、一部の分野で人間の仕事が代替されるようになるのは驚くことではありません。これは 18 世紀と 19 世紀から起こっています。

新しい技術が開発されるにつれて、農業は変革し、多くの手作業が機械に置き換えられました。その後、ネットワーク技術とコンピュータの革新により、多くのブルーカラーとホワイトカラーの仕事が再びコンピュータに置き換えられましたが、その過程で新しい雇用機会も生まれ、それらのサービスは需要となる前には聞いたこともありませんでした。

人々が現実に目を向け、社会に現れる新たな進歩に常に注意を払っていれば、自分の仕事がすぐに不要になるかもしれないことをすぐに推測できるだろう。生存本能が彼らをスキル向上へと駆り立て、その後、彼らが果たす役割は以前とは異なっていても、ほとんどの場合、彼らは以前よりも充実感を感じることになります。

人を人たらしめる柱とは何でしょうか?今最も安全な仕事は何でしょうか?この記事ではその答えを述べたいと思います。

共感作業

AI が、大きな手術の前に患者を落ち着かせる看護師や医師の仕事を担うことができると思いますか? あるいは、子供の行動を観察し、成績が下がっているのは家族のストレスが原因だと判断する教師の仕事を引き受けることができると思いますか? あるいは、銀行のカスタマー サービス担当者が、一生の貯金を騙し取られて困っている顧客を助ける仕事を引き受けることができると思いますか? あるいは、外科医が患者の状態を告げる仕事を引き受けることができると思いますか?

そうではないかもしれない。共感は人間らしさを支える柱のひとつであり、AI がどれだけ進歩しても、少なくとも短期的には、高いレベルの共感を必要とする仕事が AI に取って代わられることはないでしょう。人間が持つ複雑な感情の理解や管理を必要とする重要な仕事は数多くあり、人工知能が「感情」を持ち始めない限り、この分野で足場を固めることはできないだろう。

ここに、AI が医師に取って代わることができない理由を詳しく説明した記事があります。この記事では、先ほど説明した共感の立場を超えて、非常に説得力のある主張が述べられています。

医療従事者の非線形な作業方法を考慮しています。中毒など、病気や症状の原因が明確でない場合や、AI ロボットが簡単に発見できない場所に原因が隠れている場合、また、ロボットが発見できない複数の課題が関係している場合もあります。ロボットはプロセスをスピードアップし、より正確にするのに役立ちますが、監督とその後のフォローアップには人間が必要です。

  • 人工知能が医師に取って代わることができない 5 つの理由: https://medicalfuturist.com/5-reasons-artificial-intelligence-wont-replace-physicians/

高いレベルの共感力が求められるもう一つの仕事は、教師です。教師は本当に重要であり、最も感受性が強い年齢の子供たちを指導することで次世代を形成します。教育に関して言えば、技術の進歩は常に害よりも利益をもたらします。このパンデミックの時代に、教師たちは技術の進歩から大きな恩恵を受けています。もちろん、まだいくつかの課題はありますが、変化だけが唯一不変です。

  • AI が教師に取って代わることは決してできない: https://towardsdatascience.com/ai-will-never-be-able-to-replace-teachers-394b4458394f

創造性を必要とする仕事

AIはこの分野で大きな進歩を遂げました。複雑な数学、方程式、論理などで説明できる混沌は、アルゴリズムや人工知能ロボットで置き換えることができますが、創造性は人工知能で再現できるのでしょうか?これまで多くの試みがなされてきました。

たとえば、AI ロボットがハリー・ポッターの小説を書こうとしたが、批評家や読者はそれがローリングの天才にははるかに劣るという意見で一致した。

  • AI がハリー・ポッターを書こうとするが、笑えるほど失敗する: https://www.iflscience.com/technology/ai-attempts-to-write-harry-potter-and-it-goes-hilariously-wrong/

Tinder の基本的な入出力システムをプログラムしようとした AI ボットもありました。AI がそれに成功したら、デートがどれほどひどいものになるか想像してみてください。こうした試みが成功する日には、人々は何が現実で何が人工知能なのかについて心配し続けるだろう。

  • 科学者がTinderのプロフィールを書けるAIボットを開発: https://www.mirror.co.uk/tech/scientists-develop-ai-bot-can-13242479

最後に、AI がモチベーションを高める引用文を作成しようとしている例を示します。これは、創造的な仕事において人工知能が人間に取って代わるにはまだまだ遠いという結論を導き出すのに役立ちます。

  • AI が感動的な引用文を作成しようとしますが、笑えるほど間違っています: https://www.buzzworthy.com/ai-tries-to-generate-inspirational-quotes-and-gets-it-hilariously-wrong/#:~:text=On%20its%20website%2C%20Inspirobot%20claims,t%20make%20sense%20at%20all.

つまり、創造的な仕事に従事する優秀な人間は今のところ安全だ。そうは言っても、スキルアップは私たち全員にとって重要です。

判断力を必要とする仕事

日常業務の非常に重要な部分として判断を下すことを伴う仕事は、人間の生活のグレーゾーンを扱うため、現時点では安全です。 AIは、数学的に定義および説明できる、または機械が強化プロセスを通じて学習できる白黒のはっきりした領域すべてにおいて専門家になることができますが、グレーゾーンは長い間人間によって制御されます。

いくつかの例を見てみましょう。法的手続きの範囲内にある裁判の領域では、犯罪の理由が単純ではなく、時には正当防衛やその他の個人的な理由による場合もあります。こうした種類の事件では、誰かが行った特定の否定的な行為に対して判決を下すために、最高レベルの人間の理解力が求められます。少なくとも現時点では、この点に関してはロボットを信頼することはできません。

日常的な管理職であっても、人々は毎日さまざまな事柄について判断を下さなければならず、解決策を提供する際に誰もが一直線にたどるわけではありません。これは、どの分野のどのマネージャーにも当てはまります。したがって、判断を伴う仕事は AI 革命の影響を受けません。

計画に関わる仕事

これは実際には、上で説明した他のすべての機能を融合したものです。イベントを計画する際には、次の点を考慮する必要があります。

  • 関係するすべての人に共感を持ちながら、人間に関しては慎重に扱わなければならない繊細な領域がいくつかあります。
  • 創造性は、普通のものをよく計画されたものに変えるために必要な追加のスパイスです。
  • 何かを計画するとき、判断力はすべてのステップに本質的に関係する資質です。

したがって、私たちが議論した3つの資質、すなわち思いやり、創造性、判断力が人工知能によって引き継がれない限り、計画を伴う作業はロボットに引き継がれる可能性が高いと簡単に結論付けることができます。

身体能力を必要とする仕事

身体能力を必要とする職業は数多くあり、それらは世界でも高収入の仕事の一部でもあります。我が国の偉大なアスリート、サッカー選手、クリケット選手を見てください。これらの仕事が AI 革命の影響を受けないことを証明する必要すらありません。

私たちはこれまで通り、スポーツで歓声を上げたり嘆いたりし続けるでしょう。そして、この分野はリスクフリーリストで第1位にランクされています。

AI がますます強力になっている分野では、仕事が不要になる前に、私たちはスキルを向上させてより良いポジションに移ることができます。将来的に人工知能が限界を超えないように注意する限り、人工知能は呪いではなく祝福となる可能性があります。そして、その限界は主に開発者や科学者の手に委ねられており、彼らの目標は、AI が最大限の能力を発揮して人間を支援できるようにすることです。

<<:  Microsoft AI が IMO コンテストに参加します!小さな目標:数学の金メダル

>>:  Keras よりも優れた機械学習「モデル パッケージ」: コード 0 個でモデルの作成を開始

ブログ    
ブログ    

推薦する

JVM 世代別ガベージコレクションメカニズムとガベージコレクションアルゴリズム

[[433574]] 1. GCとは何かGC (ガベージ コレクション) ガベージ コレクションは、...

2021年の人工知能の5つのトレンド

[[382638]]モバイル デバイス、スマート デバイス、IoT 製品からのデータが家庭や企業に溢...

視線追跡は無視できない、視覚制御車はもうすぐ登場する

正直に言ってみましょう。ジョブズが2007年に初めてiPhoneをリリースしたとき、革命的な新時代が...

大規模言語モデルの最大のボトルネック:レート制限

マット・アセイ企画 | ヤン・ジェン制作:51CTO テクノロジースタック(WeChat ID:bl...

自己教師学習の効率限界を突破! Ma Yi と LeCun が共同で EMP-SSL をリリース: 特別なトリックは不要、30 エポックで SOTA を達成可能

過去数年間、教師なし学習と自己教師あり学習 (SSL) は大きな進歩を遂げてきました。SSL を通じ...

ソフトウェアプログラマー試験: 関数の最大値を見つけるための標準的な遺伝的アルゴリズム

Dim N2 (30) Longは2の累乗されたデータを格納するために使用されるDim Script...

生成AIを使用してフィッシングメール攻撃を防ぐ方法

今年、ChatGPTはインターネット全体で人気を博しました。近年、AI人工知能は大きな進歩を遂げ、あ...

ニューラルネットワークはマルウェアを隠すことができる、と研究で判明

[[441136]] [51CTO.com クイック翻訳]ディープラーニング モデルには数百万、ある...

PyTorch ガイド: ディープラーニング モデルのトレーニングを高速化する 17 のヒント!

PyTorch でディープラーニング モデルをトレーニングする場合、モデルのトレーニングを高速化す...

たった5秒でNeRFをトレーニング? ! Nvidia の新技術は Google の研究者の手に負えない | オープンソース

この記事はAI新メディアQuantum Bit(公開アカウントID:QbitAI)より許可を得て転載...

天猫双11:機械​​知能が上昇、ロボット1台は実在の人間70万人に相当

「機械に人間から学ばせてはいけない。機械には独自の方法と手段がなければならない。」 「機械に独自の知...

25倍のパフォーマンス向上: RustはCとC++に取って代わり、機械学習のPythonバックエンドとして好まれるようになると期待されています。

機械学習開発の分野では、全体像を見て細かい詳細をすべて取り除くと、機械学習開発における不変の 2 つ...

サイバーセキュリティにおける人工知能の動向

[[429763]]今日の世界はデータ主導であり、手動のプロセスだけではすべてのデータを監視または保...

2022年、AIネットワーク管理が信頼を高める

米国で売上高最大のソーセージブランドであるジョンソンビルソーセージのグローバルネットワークオペレーシ...