Ai : 최고의 일자리 창출 자?

지난 수십 년 동안 (최소한), 우리는 기술 실업의 자동화 위협으로 인한 직종 인수에 대한 위협을 들었습니다. 그러나 요즘에는 특히 임박한 것 같습니다. 적절한 사례: 올해 초 Steve Mnuchin 재무 장관은 인간을 직업에서 제외시키는 로봇의 개념을 기각했으며, 과학 기술 커뮤니티는 통계를 평가하는 통계와 차트로 대응했다.

인공 지능은 전례없는 고용 환경의 붕괴를 예고하며 점점 더 많은 영역으로 나아가고 있습니다. 그리고 현대 인공 지능의 가장 유명한 구성 요소 인 신경망과 머신 러닝 알고리즘은 인간 전문가보다 유망하거나 더 나은 성능을 제공합니다. AI 혁명은 빠른 속도로 진행되고 있으며, 인간이 특정 유형의 작업을 수행하는 데 점점 더 관여하지 않을 미래를 위해 교육 및 경제 인프라를 준비하기 시작하는 것은 좋은시기입니다.

가트너의 머신 러닝 리서치 부사장 알렉스 린든 (Alex Linden)은“현재 컴퓨터가보고 듣고 읽기 시작함에 따라 자동화는 알려지지 않은 향상을 경험하게 될 것이다. "이것은 여전히 ​​결실을 맺어야한다. 최근의 많은 개발은 재료 자동화가 일어나기 시작하기까지 몇 년이 걸릴 것이다. 그러나 많은 비 제조 분야는 교정자, 기계 번역 전문가, 그리고 직업을 두려워해야한다."

그러나 이것은 전체 그림이 아닙니다. 모든 산업 혁명은 노동력의 대체와 마찬가지로 노동력의 이동과 조정에 관한 것이며, 이 새로운 사이클도 예외는 아니다. 그러나 인공 지능의 전파는 또한 인간의 창의성과 혁신을 효과적으로 사용하기위한 새로운 기회를 제공 할 것입니다.

기술 재능에 대한 수요 증가

인공 지능 회사 인벤 타 (Inbenta)의 봇 마스터 조 로보 (Joe Lobo)는“우리가 아는 것은 인공 지능이 수동 노동이든인지 업무이든 일련의 루틴으로 분류 될 수있는 작업에 단기적으로 가장 효과적이라는 것입니다.. "이것은 인간이 더 창의적이고 결과적으로 더 즐거운 일에 집중할 수 있다는 것을 의미합니다."

내러티브 사이언스의 CEO 인 스튜어트 프랭클은“기술은 결코 일자리를 파괴 한 적이 없다”고 말했다. "오늘날 모든 기업에 존재하는 거의 모든 기술 직종을 살펴보십시오. 20 년 전에는 해당 작업이 없었으며 대부분 10 년 전에는 존재하지 않았을 것입니다."

실제로, 현재로서는 로봇이 인간 일자리를 완전히 인수하는 대신 빈 자리가 많고 숙련 된 인력이 부족하다는 문제가 있습니다. 데이터 중심 비즈니스의 부상으로 기술 인력에 대한 요구가 전반적으로 증가하고 있습니다.

예를 들어, 2016 년 사이버 경제 연구원 사이버 보안 벤처 (Cybersecurity Ventures)는 사이버 보안 실업률이 0에 도달했으며 실제로 전 세계적으로 백만 명 이상의 전문가가 부족하다고보고했습니다. 소프트웨어 개발 및 데이터 과학과 같은 유사한 기술 고용 분야는 더 나아지지 않으며 자신의 재능 격차를 다루고 있습니다. 인공 지능이 더 많은 영역으로 진출함에 따라 기술 직종에 대한 전문가의 필요성이 계속 증가 할 것입니다.

로보 교수는“인공 지능이 우리에게 제공 할 수있는 기회에서이 붐을 극대화 할 수 있으려면 정부가 코딩이 영어, 수학 및 과학만큼 높은 가치를 갖도록해야한다고 믿는다.

최근 몇 년간 기술 인력에 대한 요구를 충족시키기 위해 민간 부문의 이니셔티브뿐만 아니라 많은 정부 주도 프로젝트가있었습니다. 버락 오바마 (Barack Obama) 전 테크 하이어 (TechHire) 프로젝트의 예는 다음과 같습니다. 여기에는 고등 교육 자격증을 보유하지 않은 사람들을 포함하여 더 많은 사람들이 기술직에 진출 할 수 있도록 1 억 달러의 보조금이 포함됩니다.

또한 Coursera 및 Big Data University와 같은 기관에서 대규모 온라인 기술 과정 (MOOC)을 개발하고 있습니다.이 기술은 수요가 많은 기술 기술을위한 무료 온라인 교육입니다. 지원자에게 짧은 시간에 컴퓨터 프로그래밍을 가르치는 기관인 코딩 부트 캠프도 인기가 높아졌습니다. 동시에, AT & T와 같은 회사는 직원들이 미래의 고용에 적응하도록 돕고 있습니다.

인공 지능 개발 속도가 빨라짐에 따라 기술 및 전문 지식 요구 사항도 빠르게 변할 것입니다. 소프트웨어 개발조차도 미래에 동일하게 유지되지 않으며 코딩에서 AI 알고리즘 훈련으로 전환 될 것입니다.

휴먼-컴퓨터 상호 작용의 혁명

AI로 일자리를 잃고있는 많은 사람들은 기술직에 진출 할 수있는 기술과 지식을 가지고 있지 않으며 훈련을 위해서는 상당한 시간이 필요합니다. 다행스럽게도 이런 점에서 인공 지능은 대체로 자체 제작 문제를 해결하는 데 도움이 될 수 있습니다. AI는 학습 경험의 개인화 및 최적화를 포함하여 여러 가지 방법으로 교육에 혁명을 일으키고 있습니다. 이것은 새로운 기술을 배우는 데 시간이 덜 걸린다는 것을 의미합니다.

Lobo는 "인간은 그 어느 때보 다 빠르게 다른 산업에 재 훈련 할 수있게되어 고용 시장의 변화에 ​​대응할 수있는 최대의 유연성을 제공 할 것"이라고 말했다. "트럭 운전자가 몇 달 안에 코딩 분야에서 경력을 쌓을 수없는 이유는 무엇입니까?"

AI가 학습 곡선을 완화시킬 수없는 경우, 작업의 복잡성을 해소하고 더 ​​단순하게 만들 수있어 더 많은 사람들이 수년간의 교육 및 훈련이 필요했던 일자리를 입력 할 수 있습니다.

주목할만한 개발 중 하나는 인간 언어 스크립트를 이해하고 생성하는 인공 지능의 지점 인 NLP / NLG (Natural Language Processing and Generation)입니다. NLP와 NLG는 우리가 컴퓨터와 상호 작용하는 방식을 재정의하고, 업무 수행에 대한 장애물과 장애물을 제거하고 업무에서 훨씬 더 효율적으로 만듭니다.

Narrative Science의 Frankel은 "NLG는 활성화 및 기능 보강 기술입니다."라고 말합니다. "인간 기술과 결합하면 NLG는 어느 그룹이 혼자 달성 할 수있는 것보다 훨씬 뛰어난 결과를 낼 수 있습니다. Excel은 NLG와 매우 유사하다고 생각합니다. Lotus 123과 Excel이 처음 등장했을 때, 미래에 대한 많은 예측이있었습니다. 회계사와 재무 분석가를 대상으로하지만 이러한 도구가 분석가를 대체하지는 않는다는 사실을 곧 알게되었습니다. 실제로 분석가는 최고 분석가로 전환하여 기업이이를 채용하기 시작했습니다. NLG에서도 마찬가지입니다."

Narrative Science는 NLG를 BI (비즈니스 인텔리전스) 플랫폼에 통합하여 분석 결정을 내리는 방법에 대한 완전한 투명성을 제공하는 청중 관련 정보로 가득한 통찰력있는 대화식 커뮤니케이션을 제공합니다. 프랭클은이 기술이 데이터 과학과 같은 특수 기술을 요구하지 않고 더 많은 사람들이 자신의 업무를 수행 할 수 있도록 도와 준다고 설명했다.

"이는 기술 전문가가 적거나 분석 기술 전문가가 이러한 BI 도구를 사용하고 필요한 통찰력을 즉시 얻을 수 있으며 궁극적으로 업무를 더 잘 수행 할 수 있음을 의미합니다."

반면 NLP를 사용하면 사람들이 분석 도구 및 데이터 소스와 훨씬 쉽게 인터페이스 할 수 있습니다. 자연 언어 명령으로 데이터 소스를보다 쉽게 ​​조회 할 수있는 IBM Watson Analytics와 같은 플랫폼에서 이미이를 볼 수 있습니다. 이를 통해 수학적 기술을 가진 사람들이 긴 프로그래밍 과정을 거치지 않고도 데이터 과학 직업에 진입 할 수 있습니다.

NLP는 또한 기사, 서적 및 백서를 포함하여 구조화되지 않은 지식의 대규모 집단을 이해하여 기계가 쿼리하고 사용할 수있는 데이터로 구성합니다. 이를 통해 소프트웨어 및 서비스가 인간 전문가를보다 효율적으로 도울 수 있습니다.

가트너 (Gartner)의 연구원 인 알렉스 린든 (Alex Linden)은 이것이 AI 엔진을 구동하는 구조화 된 데이터 저장소와 같이보다 효율적인 지식 그래프를 만드는 데 도움이 될 수 있다고 믿고있다. "AI / NLP는 실제 지식 산업을 창출하는 데 도움이 될 수 있습니다"라고 그는 말합니다. 그러나 그는 "우리는 여전히 초기 단계에있다"고 덧붙였다.

인간의 노력을 보완

예를 들어, IBM이 최근에 출시 한 AI 기반 Watson for Cybersecurity 플랫폼입니다. Watson은 기계 학습 알고리즘을 사용하여 수많은 정형 및 비정형 데이터를 선별합니다. 그런 다음 되풀이되는 새로운 위협에 대해 "학습"하고 보안 분석가가 자신의 작업을 수행하도록 도와줍니다. IBM Security의 부사장 인 Caleb Barlow는 의사를 돕는 응급의와 같은 Watson의 역할을 생각합니다. 이를 통해 기술과 경험이 적은 분석가가 보안 사고를보다 능숙하게 처리 할 수 ​​있습니다.

기술이 AI가 인간의 노력을 보완하고 더 많은 사람들을 직업에 투입 할 수있는 유일한 분야는 아닙니다. 인공 지능 알고리즘은 또한 의료 및 의학 분야에서 약속을 보이고 있으며, 이는 만성적으로 의사와 숙련 된 근로자가 부족합니다. 신경망과 인공 지능 보조원은 질병을보다 쉽게 ​​감지, 진단 및 치료하고 의사 훈련에 필요한 시간을 단축하며 더 많은 사람들이 의료 서비스에 액세스 할 수 있도록합니다.

프랭클은“미국에는 의사, 간호사, 의사 보조원이 부족하고 선진국 밖에서는 훨씬 더 절실한 필요가있다”고 말했다. "대량의 데이터를 수집하고, 분석하고, 가장 중요한 요점을 전달하며, AI가 할 수있는 모든 일에 대해 생각하고 광범위한 (일반적으로 값 비싼) 교육을받은 사람들 만 수행 할 수있는 많은 서비스의 가용성을 넓 힙니다. 여전히 환자와 실무 할 사람들이 필요합니다. AI는 지식을보다 쉽게 ​​이용할 수있게함으로써 더 많은 사람들이 그렇게 할 수있게합니다. 이런 식으로 AI가 실제로 더 많은 일자리를 창출 할 것이라고 생각합니다."

결국 인공 지능의 개발은 전통적인 기술 관련 영역을 넘어 전문가들에게 일자리를 창출 할 것입니다. 데이터 과학 저자이자 LinkedIn 학습 강사 인 Doug Rose는 업계에서 다른 기술을 익힐 필요가 있다고 생각합니다.

로즈는“지난 반세기는 양적 분야에 도움이됐다. 컴퓨터 프로그래머, 엔지니어 및 데이터 과학자들은 구직 시장을 장악하고 대규모 회사를 만들었다”고 말했다. "그러나 AI의 주요 과제 중 일부는 소프트웨어와 크게 다릅니다. 여기서 가장 큰 과제는 더 나은 인간 경험을 만드는 것입니다."

점점 더 복잡한 작업을 수행함에 따라 인공 지능은 사회적, 윤리적, 정치적 과제에 직면합니다. 엔지니어는 편향되지 않은 AI 알고리즘 생성과 같은 완전히 새로운 문제를 처리하고 있습니다.

로즈는“현재는 학계, 엔지니어 및 소프트웨어 개발자의 영역이다. "결국이 분야는 다른 기술을 요구할 것입니다. 인문학에 강한 배경을 가진 사람들이 필요합니다. 더 나은 인간 경험의 열쇠는 철학, 문화 연구, 수사학, 언어 및 예술에서 비롯됩니다. "소프트웨어와 인간의 필수 요구 사이의 격차를 해소하는 데 도움이되는 가이드가 되십시오."

Rose는 "누가 우리의 기계를 옳게 가르 칠 것인가?"라는 에세이에서 주제를 자세히 설명했습니다. 그는 인류 학자, 커뮤니케이션 전문가, 철학자 및 문화 전문가를위한 자리가 필요한 이유를 설명합니다.

인벤 타는 언어학자를 고용하여 검색 솔루션을위한 어휘집을 개발하여 강력하고 고객에게 높은 서비스 요금을 제공 할 수 있도록하는 어휘집을 개발하는 회사입니다.

Inbenta의 Lobo는 "언어학 학생들은 일반적으로 교육 또는 번역 분야에서 경력을 쌓을 것으로 예상되지만 AI 덕분에 시장이 변화하기 시작했습니다."라고 말합니다. "향후 몇 년 동안 우리가 현재 이해할 수없는 유사한 역할이 그들이 습득 한 기술이 구식이 될 수 있다고 우려하는 사람들에게 생겨날 것입니다."

로봇이 모든 작업을 수행하기 전까지는 여전히 인간이해야 할 일이 많습니다. 그러나 우리는 변화를 수용하고 변화를 준비해야합니다.