人工智能如何改变工作

麻省理工学院托马斯·马龙（Daniela Rus教授），罗伯特拉瓦赫（Robert Laubacher）合作“人工智能和工作的未来，“一份概要，全面概述了当今的人工智能以及什么是人工智能的前沿。马龙和罗斯对他们的研究进行了概述。

问:你在简报中指出，尽管人工智能最近取得了重大进展，但在感知、推理、沟通和创造力的广度和深度上，人工智能还远远不能与之匹敌。你能解释一下人工智能的局限性吗?

rus：尽管人工智能领域最近取得了重大进展，未来也充满希望，但目前的人工智能系统在推理、决策、与人和物理世界可靠互动的能力仍然相当有限。今天一些最伟大的成功要归功于一种叫做深度学习的机器学习方法。这些系统使用大量需要人工标记的数据进行训练。它们的表现取决于用于训练它们的数据的数量和质量。网络的训练集越大，其性能就越好，反过来，依赖机器学习引擎的产品也就越好。但是训练大型模型的计算成本很高。此外，糟糕的训练数据会导致糟糕的性能:当数据有偏差时，系统响应会传播同样的偏差。

当前人工智能系统的另一个局限性是鲁棒性。目前最先进的分类器在基准测试中取得了令人印象深刻的性能，但它们的预测往往是脆弱的。具体地说，一旦在输入上加上一个精心构造但无法识别的干扰，最初分类正确的输入可能会变成错误分类。缺乏鲁棒性的一个重要后果是缺乏信任。使用人工智能的一个令人担忧的因素是，无法保证输入信息能被正确处理和分类。训练和使用神经网络的复杂本质导致了人们难以理解的系统。系统无法解释他们是如何做出决定的。

问:人工智能正在或可能在哪些方面与人类工作互补?

马龙:今天的AI计划只有专门的智慧;他们只能做出某些专业任务。但人类有一种一般情报，让他们做一个更广泛的东西。

这意味着AI系统补充人类工作的一些最佳方法是进行专门的任务，即计算机可以比人们更好地做得更好，更快或更便宜。例如，AI系统可以通过执行解释医疗X射线的任务，评估信用卡费用中的欺诈风险，或产生不寻常的新产品设计，从而有助于。

人类可以利用他们的社交技能、常识和其他一般智能来做电脑做不好的事情。例如，人们可以为癌症患者提供情感支持。他们可以决定什么时候相信顾客对不寻常信用卡交易的解释，他们可以拒绝顾客可能永远不想要的新产品设计。

换句话说，计算机在未来的许多重要用途不会取代人;他们将与人机小组(即“超级头脑”)的人一起工作，他们能做的事情比单独的人或电脑都要好。

这里的可能性远远超出了人们通常会想到当他们听到“循环中的人类”等词语时，而不是AI技术只是为了增加个体人类的工具，我们相信他们在上下文中会发生许多最重要的用途人群 - 经常通过互联网连接。因此，我们应该从循环中思考人类来思考集团中的计算机。

问：您对有助于平滑AI技术过渡的政策的教育，商业和政府的一些建议是什么？

rus：在我们的报告中，我们突出了四种类型的行动，可以减少与工作过渡有关的痛苦：教育和培训，将就业机会与求职者相匹配，创造新的就业机会，并为他们从旧工作过渡时向人们提供咨询和财政支持．重要的是，我们将在广泛的机构中需要伙伴关系来完成这项工作。

马龙:我们预计，与之前所有节省劳动力的技术一样，人工智能最终将创造更多的新工作岗位，而不是减少。但是，我们看到社会各阶层有许多机会来帮助平稳过渡，特别是对那些旧工作被打乱、很难找到新工作的人来说。

例如，我们认为，企业应该专注于应用人工智能的方式，不仅要取代人，而且要通过提供新型产品和服务创造新的就业机会。我们建议所有学校都将计算机素养和计算思维纳入课程，我们认为社区大学应该提供更多的技能培训和在线微学位课程，通常包括在当地雇主那里实习。

我们认为，当前的工人组织(如工会和专业协会)或新成立的组织(可能被称为“公会”)应该扩大其角色，提供以前与正式就业相关的福利(如保险和养老金、职业发展、社会关系、认同感和收入保障)。

我们认为，政府应增加他们对教育和重塑方案的投资，使美国劳动力再次成为世界上最好的教育。他们应该重塑治理工作，鼓励创造更多新工作的法律和监管框架。

麻省理工学院

www.mit.edu.

- Chris Vavra编辑，网页内容经理，控制工程， CFE Media and Technology，cvavra@cfemedia.com．