Automatisering og kunstig intelligens revolutionerer arbejdsmarkedet. Men hvordan?
Uden nye metoder til undersøgelse af, hvordan udbredelsen af kunstig intelligens påvirker arbejdspladser og jobfunktioner, vil politikere flyve i blinde i deres forsøg på at regulere den igangværende teknologiske revolution.
Det skriver Tom Mitchell og Erik Brynjolfsson i en artikel i tidsskriftet, Nature.
Tom Mitchell fra Carnegie Mellon University og Erik Brynjolfsson fra Massachusetts Institute of Technology, forsker i, hvordan kunstig intelligens og automatisering kan påvirke jobfunktioner og arbejdsmarkedet.
Artiklen i Nature er en udløber af et tværfagligt udredningsarbejde, der er blevet gennemført med deltagelse af forskere fra flere amerikanske universiteter.
Rapporten udkom i marts 2017 med titlen, Information Technology and the U.S. Workforce: Where Are We and Where Do We Go from Here?
Rapporten afdækker de udfordringer, der er forbundet med at forudsige, hvordan den teknologiske revolution vil medføre omstilling på arbejdsmarkedet.
Indtil nu har debatten om konsekvenserne af automatisering og kunstig intelligens taget udgangspunkt i, hvilke arbejdsfunktioner, der kan automatiseres, sammenholdt med en opgørelse af, hvor mange jobs med disse arbejdsfunktioner, der findes på arbejdsmarkedet.
Ud fra denne metode kan det sandsynliggøres, at mellem 25 og 50 procent af de nuværende arbejdspladser kan automatiseres.
Men blot fordi noget er muligt, er det ikke ensbetydende med, at det vil ske.
Den nye rapport fremhæver, at det er uklart, hvad der er bestemmende for, om mulighederne for automatisering omsættes til virkelighed på arbejdsmarkedet.
I Information Technology and the U.S. Workforce argumenteres der for at udvikle nye forskningsområder, for at tilvejebringe mere viden om, hvordan teknologiudviklingen påvirker arbejdsmarkedet.
Tom Mitchell og Erik Brynjolfsson skriver, at den eksisterende statistik om arbejdsmarkedet ikke formår at indfange de forandringer, der følger af automatisering og anvendelse af kunstig intelligens i produktionen.
Når politikere anvender den klassiske arbejdsmarkedsstatistik til at forstå udviklingen på arbejdsmarkedet og konsekvenserne af automatisering og kunstig intelligens, betyder det, at de kommer til at flyve i blinde.
Der er derfor ifølge de to forskere behov for en helt ny tilgang til indsamling og analyse af data om udviklingen på arbejdsmarkedet.
Opskruet tempo
En af udfordringerne ved at analysere konsekvenserne af automatisering og kunstig intelligens er, at teknologiudviklingen inden for disse områder forløber i et stærkt opskruet tempo.
Et af de seneste eksempler på denne vedvarende ændring af de teknologiske rammebetingelser er Googles nye løsning til udvikling og drift af kunstig intelligens.
Løsningen bærer den tekniske betegnelse, TPU 2.0, og repræsenterer et kvantespring for udviklingen af såkaldt “deep learning”, der p.t. er den mest udbredte metode til udvikling af kunstig intelligens inden for sundhedsområdet, til talegenkendelse, tekstanalyse og mange andre felter.
TPU 2.0 vil blive stillet til rådighed som en service i Skyen for virksomheder og andre, der arbejder med udvikling af kunstig intelligens til automatisering af eksisterende arbejdsopgaver.
It-installationer i Skyen, der anvender TPU 2.0 og lignende teknologer, vil kunne medvirke til at automatisere millioner af arbejdspladser.
Men ifølge Tom Mitchell og Erik Brynjolfsson savnes de nødvendige metoder og det relevante datagrundlag for at kunne undersøge og forholde os til denne udvikling, inden den har fundet sted.
I den forstand er nutidens arbejdsmarkedsforskere i den samme situation, som samfundsøkonomer var før udviklingen af moderne nationalregnskaber for 100 år siden.
Foto: TPU 2.0 i drift, Google, 2017
Henvisninger og baggrund: 22.05.2017
Pejlinger 