マシンラーニングによる新しい仕事機会 - ダミー

機械学習とそれに関連する技術がもたらす仕事の喪失について議論する記事があります。ロボットは、人間の雇用に使用されていた多くのタスクをすでに実行しており、この使用率は時間とともに増加します。あなたはまた、それらの新しい使用が潜在的にあなたまたは愛する人に仕事にどれほどの費用をかけるかを考えなければならなかったでしょう。いくつかの著者は、未来が新しいスキルの習得が仕事を保証しないかもしれないシナリオを保持するかもしれないと言っています。

<！問題は、機械革命が労働環境にどのように影響するかを決めることは、産業革命が人々を大衆の中でどこに連れて行くのかを人々が見分けることが難しいように、困難であるということです一般消費者のための生産物。そのような労働者が新しい雇用を見つける必要があったように、機械学習のための職業喪失に直面している人々は、新しい仕事を見つける必要があります。

マシンの作業

<！ - 2 - >

将来的にはマシンで働くことができます。実際には、あなたは既にマシンで働いていて、それを知らないかもしれません。一部の企業では、すでに機械学習を使用してビジネスプロセスを分析し、効率化を図っています。たとえば、日立は現在、このような設定をミドルマネジメントで使用しています。

この場合、AIは実際には人間のミドルマネージャーが行うように、ワークフローの分析に基づいて実際に作業オーダーを発行します。違いは、AIは実際にはAIよりも8％効率が良いということです。別のケースでは、Amazonは機械学習の専門家の間でコンテストを開催し、機械学習を使用して社員の承認プロセスを自動的に処理できるかどうかを判断しました。もう一度、ポイントはミドルマネージメントを置き換える方法と赤いテープのビットをカットする方法を把握することでした。

<！ - 3 - >

しかし、就職機会もそれ自体を提示します。 AIの下の労働者は、AIが指示するタスクを実行しますが、タスクを実行する方法を決定する際には、自分の経験と創造性を使用することができます。 AIは、人間の作業者が使用するプロセスを分析し、達成された結果を測定する。成功したプロセスは、作業者がタスクを達成するために適用できるテクニックのデータベースに追加されます。換言すれば、人間は作業環境をより効率的にするためにAIの新しい技術を教えている。

マシンを使った作業

人々はすでにマシンを定期的に使用しています。たとえば、スマートフォンと話し、自分の発言を認識したら、マシンを使って目標を達成しています。ほとんどの人は、スマートフォンで提供される音声のやりとりが時間とともに改善されることを認識しています。使用するほど、あなたの声をよりよく認識します。学習者のアルゴリズムがより良く調整されるにつれて、あなたの声を認識し、所望の結果を得ることがより効率的になる。この傾向は引き続き続くでしょう。

しかし、機械学習はあなたには起こらないあらゆる種類の方法で使用されます。カメラを被写体に向けると、カメラが顔の周囲にボックスを置くことができます（画像のターゲット設定に役立ちます）。機械学習の結果が表示されます。このカメラは、あなたがはるかに高い効率で写真を撮る仕事を遂行するのを助けています。

機械学習が進歩を可能にするため、SQL（Structured Query Language）などの宣言言語の使用も同様に顕著になります。いくつかの点では、宣言的な言葉では、単にあなたが望むものを、それを得る方法ではないことを説明することができます。しかし、SQLはまだコンピュータ科学者、データ科学者、データベース管理者、または他の専門家が使用する必要があります。将来の言語にはこの制限はありません。

最終的に、特定のタスクをうまく遂行するように訓練された人は、単にロボットのアシスタントに何をすべきかを伝えるだけであり、ロボットのアシスタントはそれを行う手段を発見するであろう。人間は創造性を利用して

何をするかを発見します。詳細（ how ）はマシンのドメインになります。 修理機械 技術が他の何かをすることができる前に、彼らは人々が自分のために技術を持ちたいと思うように注意を喚起し、人間に利益をもたらす実用的な仕事を実行しなければならない。

技術が何であるかは関係ありません。結局のところ、この技術は壊れるでしょう。テクノロジーが有用なものになるようにすることが今や重要な考慮事項であり、その技術が最終的に何年になるのかという夢の究極のものであるため、技術修復のような日常的なことは人間の肩に落ちるでしょう。人間が物理的修復に直接関与していなくても、人間の知能によって修復作業が指示されます。

オンラインで読んだ記事の中には、自己修復ロボットがすでに実在していると思わせるものがあります。例えば、国際宇宙ステーションのロボットDextreとCanadarmは、故障したカメラの修理を行った。ストーリーが言っていないことは、人間がタスクをどのように実行するかを決め、ロボットに肉体労働を命じるということです。今日利用可能なアルゴリズムでは、自律的修復は不可能です。

新しい機械学習タスクの作成機械学習アルゴリズムは創造的ではないため、人間は機械学習を改善する創造性を提供しなければなりません。他のアルゴリズムを構築するアルゴリズムでさえ、アルゴリズムが達成する結果の効率と精度を向上させるのみで、新しい種類のタスクを実行するアルゴリズムを作成することはできません。人間は、これらのタスクとその解決を開始するために必要なプロセスを定義するために必要な情報を提供する必要があります。

機械学習のエキスパートのみが新しい機械学習タスクを作成すると考えるかもしれません。しかし、日立のミドルマネージャーの話は、物事はそれとは違うと伝えるべきです。はい、専門家はタスクを解決する方法を定義するための基礎を形成するのに役立ちますが、実際の作業の作成は特定の業界を最もよく知っている人が行います。日立ストーリーは、未来がすべての人生の人々を機械学習のシナリオに寄与し、特定の教育が新しいタスクの定義に役立たないかもしれないということを理解するための基礎となります。

新しい機械学習環境の考案

現時点では、新しい機械学習環境を考案することが研究開発の分野です。高度に訓練された専門家のグループは、新しい環境のためのパラメータを作成する必要があります。たとえば、NASAは火星探査のためにロボットを必要としています。この場合、NASAはMITとNortheasternの人々のスキルに基づいて作業を実行します。ロボットが自律的にタスクを実行する必要がある場合、機械学習アルゴリズムはかなり複雑になり、いくつかのレベルの問題解決が含まれます。最終的に、専門プログラムが適切な言語を使用して必要なアルゴリズムを作成することができるように、問題を十分に詳細に記述することができます。言い換えれば、平均的な人々は、最終的には、彼らが持っていて試したいアイデアに基づいて新しい機械学習環境を作り始めるでしょう。

機械学習タスクを作成する場合と同様に、将来の環境を作成する人は、コンピュータ科学者やデータ科学者ではなく、特定の工芸品の専門家になるでしょう。