Как конкурировать с роботами, оценивая риски автоматизации работы и альтернативные пути

 

Технологии и роботы

Влияние робототехники и искусственного интеллекта (ИИ) на рынок труда вызывает большую социальную озабоченность. Экономисты и эксперты по технологиям обсуждают, с какой скоростью и в какой степени технологии могут быть использованы для замены людей в профессиях, и какие действия могут смягчить безработицу, которая приведет к этому. С этой целью важно предсказать, какие рабочие места могут быть автоматизированы в будущем и что

 работники могут сделать, чтобы перейти на профессии с меньшим риском автоматизации. Здесь мы рассчитываем риск автоматизации почти 1000 существующих профессий, количественно оценивая, в какой степени робототехника и ИИ могут заменить человеческие способности, необходимые для этих рабочих мест. Кроме того, мы вводим метод поиска для любой профессии альтернатив, которые максимизируют снижение риска автоматизации при минимизации усилий по переподготовке. Мы применяем метод к составу рабочей силы США и показываем, что он может существенно снизить риск автоматизации работников, в то время как связанные с этим усилия по переподготовке будут умеренными. Правительства могли бы использовать предложенный метод для оценки риска безработицы среди своего населения и корректировки политики в области образования. Робототехнические компании могли бы использовать его в качестве инструмента для лучшего понимания потребностей рынка, а представители общественности могли бы использовать его для определения самого простого пути к позиционированию себя на рынке труда.

Введение

Робототехника и искусственный интеллект (ИИ) лежат в основе того, что часто называют четвертой промышленной революцией. Устойчивый прогресс в этих областях приводит к тому, что роботы становятся более автономными, ловкими и безопасными для взаимодействия, чем их предшественники. Интеллектуальные системы также превосходят людей в задачах, которые когда-то казались недоступными для машин, таких как очень сложная настольная игра Go. Такие достижения—в сочетании с не менее важными прорывами в области высокопроизводительных вычислений, “Интернета вещей” и новых материалов—уже оказывают заметное влияние на производство и сектор услуг. В результате в течение следующих нескольких десятилетий ожидается широкомасштабная трансформация всей экономической и производственной системы.

Хотя многие аналитики предсказывают, что эта революция положительно повлияет на общую производительность и рост, ее потенциальное влияние на рабочие места и занятость вызывает серьезные опасения. Робототехника и ИИ выглядят готовыми автоматизировать многие задачи, которые в настоящее время выполняются людьми, и снизить спрос на человеческую работу во многих секторах экономики. В принципе, в этом нет ничего нового: прошлые волны автоматизации (такие как механизация текстильного и сельскохозяйственного секторов, внедрение промышленных роботов в производство и компьютеризация сектора услуг) сначала увеличили, а затем сократили долю трудоспособного населения, занятого в конкретных секторах. Наиболее заметным примером, вероятно, является сельское хозяйство, в котором в 1870 году было занято 50% рабочей силы США. Чуть более века спустя, в 1980 году, эта доля снизилась до 4%, в основном в результате большей эффективности, вызванной механизацией.

Часто отмечается, что в прошлых волнах автоматизации машины в основном заменяли людей на низкоквалифицированной, физической, повторяющейся работе (8). Кроме того, результирующее повышение производительности и рост валового внутреннего продукта (ВВП) позволили расширить другие, более трудоемкие сектора, создав достаточно новых рабочих мест для замены старых. Поскольку американские рабочие добровольно перешли с рабочих мест в сельском хозяйстве с низким доходом на рабочие места в обрабатывающей промышленности с высоким доходом в городе, это потребовало большей механизации сельского хозяйства, что в конечном итоге заметно сократило число сельскохозяйственных рабочих и коренным образом изменило равновесие на рынке труда.

Было высказано предположение, что социальные эффекты четвертой промышленной революции будут существенно отличаться, поскольку следующая волна робототехники и ИИ затронет также рабочие места средней и высокой квалификации, включая рабочие места с соответствующими когнитивными и творческими компонентами и рабочие места, требующие квалифицированных ручных ремесел, которые до сих пор не были затронуты автоматизацией. Хотя в долгосрочной перспективе влияние на производительность и общий экономический рост все еще может быть положительным, переход может быть болезненным.

Разрушительные последствия первой и второй промышленных революций на рынке труда были достаточно медленными, чтобы быть поглощенными поколением, и темпы изменений были достаточно медленными для того, чтобы новое поколение работников было должным образом обучено. Сегодня, с экспоненциальным ускорением технологий, конвергенцией мегатенденций и инноваций (таких как глубокое обучение, нанотехнологии и новые материалы, энергетические технологии), изменения могут произойти в течение жизни, и работникам придется несколько раз переобучаться и повышать квалификацию до выхода на пенсию. Эти аспекты окажут давление на системы социального обеспечения, чтобы помочь работникам переориентироваться на рынке труда, и на образовательные системы для подготовки будущих поколений к работе, которая по-прежнему будет выполняться людьми.

Предыдущие исследования пытались оценить, какие рабочие места наиболее подвержены риску автоматизации, используя экспертные мнения или определяя рабочие задачи, которые могут быть выполнены машинами. Однако эти исследования не дали указаний или рекомендаций о том, как работники, перемещенные автоматизацией, могут быть эффективно переобучены для перехода на более перспективные рабочие места. Кроме того, эти исследования были сосредоточены в основном на ИИ (т. Е. алгоритмах, используемых для автоматизации когнитивных задач), а не на робототехнике (т. Е. Машинах, выполняющих физическую работу или задачи, сочетающие физический и когнитивный аспекты). Недавний прогресс в интеллектуальных физических машинах—таких как автономные транспортные средства, носимые роботы, ловкие манипуляторы и личные помощники, чтобы упомянуть некоторые из них—может сделать эффекты роботизации столь же актуальными, как и автоматизация на основе искусственного интеллекта.

В этом исследовании мы представляем оценку вероятного результата следующей волны роботизации почти на 1000 различных профессиях. Мы оценили, в какой степени технология готова наделить роботов способностями, необходимыми для работы, и использовали эти оценки для расчета риска автоматизации каждой работы. Описанный здесь подход обеспечивает объективный метод характеристики работников, подверженных риску вытеснения автоматизацией, и перенаправления их на рабочие места, которые менее подвержены риску автоматизации и близки к их предыдущим рабочим местам с точки зрения требуемых способностей и знаний. С этой целью для каждой существующей работы мы вычислили индекс риска автоматизации (ARI), который оценивает риск автоматизации этой работы роботом. ARI основан на том, сколько требуемых способностей профессии может быть выполнено роботами и на важности этих способностей для этой конкретной профессии. АРИ варьируется внутри и между семьями профессий, что указывает на то, что работники могут перейти на работу с более низким АРИ без чрезмерной переподготовки. Кроме того, для каждой возможной пары существующих рабочих мест мы вычислили индекс устойчивости (RI), который измеряет, насколько выполнимо (с точки зрения усилий по переподготовке) и насколько удобно (с точки зрения снижения ОРЗ) переключаться с одной работы на другую. Таким образом, для каждой профессии мы могли бы предложить альтернативные рабочие места с лучшим RI, т. Е. альтернативную работу с лучшим снижением риска автоматизации на единицу усилий по переподготовке.

Результаты нашего метода могут способствовать оценке рисков безработицы среди работающего населения и разработке эффективной политики социального обеспечения и переподготовки, которая смягчит социально-экономические последствия следующей промышленной революции. Эти результаты также могут быть актуальны для компаний и исследователей в области робототехники и ИИ, которые могут предвидеть источники социальной реакции, которые может вызвать их работа.

Модель ARI и RI

Чтобы построить нашу модель ARI и RI, мы начали с разбиения описания работы на список необходимых способностей и знаний. Кроме того, мы измерили, в какой степени способности могут быть реализованы роботами, принимая во внимание, насколько они продвинуты с точки зрения технологического развития.

Профессиональная информационная сеть (O*NET) представляет собой общедоступный набор данных из 967 профилей вакансий. Для каждой работы O*NET предоставляет профиль, состоящий из списка необходимых способностей (т. Е. Устойчивых атрибутов личности), навыков (т. Е. Развитых/обученных способностей) и знаний (т. Е. Организованных наборов понятий, которые могут быть изучены через образование и применены в различных областях). Для простоты в этом исследовании 35 навыков и 52 способности в базе данных O*NET были сгруппированы и в совокупности определены как человеческие способности (в общей сложности 87 способностей). Кроме того, для измерения стоимости перехода с одной работы на другую в вычислении RI мы также использовали список O*NET из 33 предметов человеческих знаний, поскольку переподготовка на новую работу обычно подразумевает приобретение новых понятий. Определенный навык, способность или знания могут потребоваться на разных работах: например, как руководители, так и водители такси требуют навыков управления временем, хотя руководители могут нуждаться в этих навыках на более высоком уровне и использовать их более широко. Поэтому O*NET также включает информацию о важности каждой человеческой способности и знаний для данной работы и о том, на каком уровне работник должен обладать ими для выполнения этой работы (см. Материалы и методы).

Предыдущее исследование опиралось на набор данных O*NET для оценки вероятности автоматизации работы, но оно было основано на субъективной оценке только девяти требований (выбранных из списка навыков, умений, знаний и других категорий, найденных в O*NET) группойэкспертов машинного интеллекта. В этом исследовании вместо этого мы предлагаем метод объективного сравнения 87 человеческих способностей со списком роботизированных способностей и их уровнем технологического развития. Кроме того, мы включаем метод объективного поиска альтернативных рабочих мест с более низким ARI и меньшими усилиями по переподготовке, который также учитывает 33 элемента человеческих знаний, перечисленных в базе данных O*NET.

Наш список роботизированных способностей взят из Многолетней дорожной карты European H2020 Robotics (MAR) (17) выпущен SPARC, государственно-частным партнерством между Европейской комиссией и европейской индустрией робототехники. В документе MAR перечислено большое количество способностей, которыми могут обладать роботы, но он отличается от базы данных O*NET с точки зрения детализации и организации: MAR описывает девять областей способностей (таких как “манипуляция”), далее разделенных на конкретные семейства (такие как “захват” и “обработка”).. Эти семейства, в свою очередь, разбиты на “уровни” (такие как “обработка неизвестных объектов”), которые, по сути, являются реализацией этой способности в конкретных сценариях применения. Этот последний уровень—для его детализации и обоснования в операционных сценариях—лучше всего сопоставим с человеческими способностями, определенными в O*NET. Различия в языке и организации между двумя ресурсами, O*NET и MAR, не позволяют сопоставлять способности один на один. Поэтому для каждой человеческой способности, найденной в O*NET, мы искали способность MAR robotic, определение которой концептуально аналогично. Таким образом, мы смогли сопоставить 36 из 87 человеческих способностей с 26 роботизированными способностями. Каждая из этих 36 человеческих способностей была сопоставлена с одной или несколькими роботизированными способностями (поскольку в некоторых случаях ключевые элементы, найденные в одном определении O*NET, распределены по двум определениям MAR), а некоторые роботизированные способности были сопоставлены с несколькими человеческими способностями (см. Дополнительные материалы). Что касается остальных 51 человеческих способностей, 7 (таких как “выносливость” или “математическое мышление”) присущи самой природе машин, и, таким образом, они даже не определены в документе MAR. Поэтому мы рассматривали их как внутренние способности, которыми обладают машины на самом высоком уровне. Остальные 44 человеческих способности не могут быть сопоставлены ни с одной роботизированной способностью, поскольку в документе MAR нет сопоставимых определений. Это не обязательно означает, что машины не смогут проявить эти способности ни сейчас, ни в будущем: это только отражает различную семантику документов O*NET и MAR. Мы учитывали эти непревзойденные способности, предоставляя два возможных сценария. В сценарии с низкой автоматизацией мы предполагали, что интеллектуальные роботы не смогут удовлетворить непревзойденные способности в обозримом будущем. Вместо этого в сценарии высокой автоматизации мы предполагали, что эти непревзойденные способности будут удовлетворены роботами с самым высоким уровнем.

Автоматизация является ключевым фактором структурных изменений. Например, когда в конце 1970-х годов производство в США начало внедрять информационные технологии и автоматизировать рутинные задачи, рабочие впоследствии перешли на низкооплачиваемую работу в секторе услуг (15), что привело к сокращению занятости в обрабатывающей промышленности. Используя ARI в качестве прокси для оценки подверженности рискам автоматизации профессий в последние два десятилетия, мы обнаружили, что профессии с высоким ARI (высокий риск автоматизации) имели более низкую занятость и рост заработной платы, чем профессии с низким ARI (подробнее см. Дополнительные материалы).

Автоматизация является ключевым фактором структурных изменений. Например, когда в конце 1970-х годов производство в США начало внедрять информационные технологии и автоматизировать рутинные задачи, рабочие впоследствии перешли на низкооплачиваемую работу в секторе услуг (15), что привело к сокращению занятости в обрабатывающей промышленности. Используя ARI в качестве прокси для оценки подверженности рискам автоматизации профессий в последние два десятилетия, мы обнаружили, что профессии с высоким ARI (высокий риск автоматизации) имели более низкую занятость и рост заработной платы, чем профессии с низким ARI.

Переподготовка и повышение квалификации-перспективная стратегия снижения потерь занятости, но не всегда ясно, как определить новую работу с наименьшими усилиями по переподготовке и наибольшей устойчивостью к будущей автоматизации. На первый взгляд можно подумать, что профессии с меньшим ARI более перспективны. Тем не менее, может быть трудно перейти к профессиям с самым низким ARI, потому что требуемые человеческие способности или человеческие знания могут слишком сильно отличаться от тех, которые в настоящее время занимают профессию. Устойчивые карьерные шаги должны снижать риск автоматизации и в то же время требовать минимальных усилий по переподготовке, чтобы соответствовать требуемым способностям и знаниям.

По материалам журнала science.org