「ロボット排除の3原則」を破る方法

「ロボット排除の3原則」を破る方法

2013年に私は2つの文章を書きました。1つは「デジタル化できるものはすべてデジタル化される」というもので、以前はデジタル化が難しかった教室や診療所なども、今ではデジタル化の影響をますます受けています。 2 番目の文は、「知能化できるものはすべて知能化される」です。スマートフォン、センサー、ドローン、自動運転車など、多数のものにチップを搭載して知能化し、インターネットに接続できるようになります。今日私が付け加えたいのは、第 3 の波は自動化であり、自動化できるものはすべて自動化されるということです。

[[359032]]

デジタル化は経済的な脅威であり、知能化は産業上の脅威であり、自動化は個人的な脅威です。ロボットがあなたの仕事を奪いに来ます。自動化は常にあなたよりも速く、安く、正確です。機械は論理的に動作し、テクノロジーが進化するにつれて生産性が向上します。

人間の体力には限界があり、限界に達しています。生産性向上というプラットフォームでは、人々は競争上の優位性を持っていません。したがって、問題は人間が機械に置き換えられるかどうかではなく、どこで、どの程度置き換えられるかということです。

2年前、JD.comの従業員を名乗る人物がMaimaiでニュースを流した。JD.comは最近、社内メールを発行し、以下の3種類の人々を断固として排除することを目指している。1.戦闘不能な人々、戦闘能力がない、または身体的または家族的理由で戦闘できない人々を含む。2.無能な人々、つまりパフォーマンスの低い人々。3.コストパフォーマンスの低い人々。つまり、JD.com のようなインターネット企業は、怠惰な人、愚かな人、高給な人の 3 つのタイプの人材を望んでいないのです。私は冗談でこれを「ロボット排除の 3 原則」と呼んでいますが、これは JD の基準が、ロボットが置き換えることを意図している 3 種類の人間と完全に一致していることを意味します。

ここで最も危険なのは、普通の専門家ではなく、中間管理職です。なぜなら、彼の給料は比較的高く、彼の仕事は完全に代替不可能なものではないからです。もし私が上司だったら、まず彼を解雇するだろう。したがって、どの職業が自動化の影響を最も受けやすいかという質問に対する簡潔な答えは、最も高給で、最もルーチン化された職業である、ということです。

仕事は、データを扱う、物を扱う、人を扱うという 3 つのカテゴリに分けられます。これらは仕事の3要素として理解することができます。仕事の性質が複雑であればあるほど、この3要素はより絡み合い、仕事の代替可能性は低くなります。逆もまた同様です。

レストランで皿洗いをしていて、汚れた皿だけを扱っていたら、間違いなく交代されるでしょう。しかし、特許弁護士であれば、この3つの要素のすべての問題を掘り下げ、データを掘り下げ、人を掘り下げ、物を掘り下げる必要があるため、交代される可能性は比較的小さくなります。

「データ」は主に数字を扱います。会計士、保険数理士、アナリスト、コンピューター科学者は皆、データを扱っています。データの性質は数学的であるため、アルゴリズムによって簡単に自動化できます。低レベルの計算を伴うジョブは簡単に排除できます。すると、データを使ってコンテンツを作成する仕事が人気商品になるでしょう。

「物」とは、作品に関係する無生物を指します。大工、パイロット、電気技師が物を扱います。モノを扱う人は、複数のモノを組み合わせて便利なデバイスやサービスを作ることで、自分にチャンスを見つけることができます。

「ピープル」ワークとは、その名の通り、人とのやり取りが主な仕事となります。銀行の窓口係やレジ係などの低レベルのやりとりは簡単に排除されますが、心理カウンセラーや訴訟弁護士など、高度な人間によるやりとりを必要とするサービスは、自動化で置き換えることが困難です。顧客基盤と強い感情的な絆を築くことができる人は、ロボットに置き換えられる可能性が最も低いでしょう。

これら3つの要素の絡み合いを分析すると、現時点で本当に無敵になれるのは、データを活用してコンテンツを作成する方法を習得した人々であることがわかります。たとえば、コードを書くコンピューター科学者は、生のデータを意味に変換できるため、そのような人材です。別の例としては、マーケティング担当者が消費者データを販売戦略に変換する方法を知っていれば、簡単に代替されることはありません。

<<:  MLOpsの助けにより、AIは開発の黄金期を迎えることになる

>>:  従来のグラフエンジンから GNN へ: 計算グラフと機械学習の進化

ブログ    
ブログ    
ブログ    

推薦する

機械学習は、企業がサイバー脅威と戦うのにどのように役立ちますか?

私たちの忙しいデジタル生活の中で、サイバー脅威はより高度化し、頻繁に発生しています。従来の方法だけで...

自動運転に関して、私たちはこれら 3 つの重要な問題を意図的に避けているのでしょうか?

Leifeng.com によると、「部屋の中の象」という外国の慣用句は、「ワニの涙」と同じくらい有...

持続可能な開発の達成において AI はどのような役割を果たすのでしょうか?

長年にわたり、持続可能なエネルギーは科学者にとって大きな関心事である重要な分野でした。人々は、効果的...

AI の成功のための 10 の重要な役割

あらゆる業界でますます多くの企業がビジネス プロセスを変革するために人工知能 (AI) を導入してい...

Google DeepMind が証明: GPT-4 の最終結果は人類の知恵の集大成です! Transformerモデルはトレーニングデータを超えて一般化できない

Transformer モデルが事前トレーニング データの範囲を超えて新しい認知と能力を一般化できる...

社内抗争、顧客獲得競争…マイクロソフトとOpenAIの協力の裏側を海外メディアが暴露

Microsoft と OpenAI の提携は、現在テクノロジー界で最も注目されているものの 1 つ...

「インターネット情報サービスアルゴリズム推奨管理規則」が公布され、3月1日に発効される。

最近、中国サイバースペース管理局、工業情報化部、公安部、国家市場監督管理総局は共同で「インターネット...

5G の出現は AI 連合学習にどのような影響を与えるでしょうか?

開発チームが AI ツールの作成に奔走する中、エッジ デバイスでのアルゴリズムのトレーニングが一般的...

科学者は機械学習を利用して結晶構造の酸化状態の謎を解明する

化学元素は物理世界のほぼすべてを構成しています。 2016 年現在、人類が知っている元素の数は 11...

生成的敵対ネットワーク (GAN) の未解決の 7 つの謎

いくつかの指標によれば、生成的敵対的ネットワーク (GAN) の研究は過去 2 年間で大きな進歩を遂...

顔を自由に編集! Adobe が新世代の GAN アーティファクトを発表: 最大 35 の顔属性の変更をサポート

画像合成における重要な問題は、画像内のエンタングルメント問題です。たとえば、人物の顔にあるすべてのひ...

...

ChatGPTのiOS版はBing検索機能を統合しており、有料会員のみが利用可能

6月28日、OpenAIは今年5月にリリースしたChatGPTアプリのiOS版をリリースした。このア...

AI受験者が発狂!上級数学試験の正解率は81%で、競争試験のスコアはコンピュータドクターのスコアよりも高い。

上級数学の試験で悪い成績を取ることは、多くの人にとって悪夢です。高度な数学は AI ほど得意ではない...