در اقتصادی که داده‌ها در حال تغییر نحوه خلق ارزش‌ها و رقابت شرکت‌ها هستند، کارشناسان پیش‌بینی می‌کنند که استفاده از هوش مصنوعی در مقیاس بزرگ‌تر تا سال ۲۰۳۰ ، ۱۵.۷ تریلیون دلار به اقتصاد جهانی نقدینگی و ارزش افزوده اضافه خواهد کرد. همان طور که هوش مصنوعی نحوه کار شرکت‌ها را تغییر می‌دهد، بسیاری بر این باورند که سازمان‌ها شروع به جایگزینی کارکنان انسانی با ماشین‌های هوشمند را پیش خواهند گرفت.
این موضوع در حال اتفاق است. سیستم‌های هوشمند دارند با انسان‌ها در تولید، ارائه خدمات، استخدام و صنعت مالی جابجا می‌شوند و در نتیجه کارگران انسانی را به سمت مشاغل کم‌درآمد سوق می‌دهند یا آن‌ها را بیکار می‌کند. این روند برخی را به این نتیجه رسانده است که در سال ۲۰۴۰ نیروی کار ما ممکن است کاملاً غیرقابل تشخیص باشد
آیا انسان و ماشین واقعاً در حال رقابت با یکدیگر هستند؟
تاریخچه کار به ویژه از زمان انقلاب صنعتی تاکنون، شرکت‌هایی را نشان می‌دهد که ماشین را جایگزین نیروی کار خود کرده‌اند. در حالی که این کار با کارهای فیزیکی تکراری مانند بافندگی شروع شد. ماشین‌ها به حدی تکامل یافته‌اند که اکنون می‌توانند کارهای شناختی پیچیده‌ای مانند معادلات ریاضی، تشخیص زبان و گفتار و نوشتن را انجام دهند. بنابراین به نظر می‌رسد که ماشین‌ها آماده هستند که نه فقط کار فیزیکی بلکه کار ذهن ما را نیز تکرار کنند. در قرن بیست و یکم، هوش مصنوعی در حال تکامل است تا در بسیاری از وظایف از انسان‌ها برتری داشته باشد که باعث می‌شود ما آماده باشیم تا هوش خود را به فناوری بسپاریم.
با روند اخیر به نظر می‌رسد چیزی وجود ندارد که به زودی نتوان آن را خودکار کرد. به این معنی که هیچ کاری از بارگذاری و همکاری با ماشین‌ها در امان نیست.
این چشم انداز از آینده کاری شکل یک بازی حاصل جمع را به خود گرفته است که در آن فقط یک برنده می‌تواند وجود داشته باشد.
با این حال، ما معتقدیم که این دیدگاه درباره نقشی که هوش مصنوعی در محیط کار ایفا می‌کند اشتباه است. در این سوال که آیا هوش مصنوعی جایگزین کارگران انسانی خواهد شد یا خیر، فرض می‌شود که هوش مصنوعی و انسان دارای ویژگی‌ها و توانایی‌های یکسانی هستند اما در واقعیت اینطور نیست. ماشین‌های مبتنی بر هوش مصنوعی سریع‌تر، دقیق‌تر و منطقی‌ترهستند اما از نظر شهودی، احساسی یا فرهنگی حساس نیستند. و دقیقاً این‌ها توانایی‌هایی است که انسان‌ها دارند و ما را مؤثر می‌سازند.
هوش ماشینی در مقابل هوش انسانی
به طور کلی مردم رایانه‌های پیشرفته امروزی را بسیار هوشمند می‌دانند زیرا پتانسیل یادگیری و تصمیم‌گیری بر اساس اطلاعاتی را دارند که در اختیار آن‌ها قرار می‌گیرد. ما در حالی که ممکن است این توانایی را بشناسیم اما این نوع هوش کاملاً متفاوتی است که ما در اختیار داریم.
در ساده‌ترین شکل هوش مصنوعی رایانه‌ای است که به نظر می‌رسد به شیوه‌هایی هوشمندانه تصمیم می‌گیرد. در راستای فلسفه آلن تورینگ، هوش مصنوعی از نحوه رفتار، احساس، صحبت کردن و تصمیم گیری انسان‌ها تقلید می‌کند. این نوع هوش در یک محیط سازمانی بسیار مفید است. هوش مصنوعی به دلیل توانایی‌های تقلید، کیفیت شناسایی الگوهای اطلاعاتی را دارد که روندهای مرتبط با شغل را بهینه می‌کنند. علاوه بر این، برخلاف انسان‌ها، هوش مصنوعی هرگز از نظر فیزیکی خسته نمی‌شود و تا زمانی که داده‌های آن تغذیه شود به کار خود ادامه خواهد داد.
این ویژگی‌ها به این معنی است که هوش مصنوعی برای انجام وظایف معمولی سطح پایین‌تر که تکراری هستند و در یک سیستم مدیریت بسته انجام می‌شوند کاملاً مناسب است. در چنین سیستم‌هایی قواعد بازی مشخص است و تحت تاثیر نیروهای خارجی نیست. به عنوان مثال، خط مونتاژی را در نظر بگیریدکه در آن کارگران توسط خواسته‌ها و تأثیرات خارجی مانند جلسات کاری کار خود را قطع نمی‌کنند. به عنوان نمونه، خط مونتاژ دقیقاً مکانی است که آمازون الگوریتم‌هایی را در نقش مدیران برای نظارت بر کارگران انسانی و حتی اخراج آن‌ها قرار می‌دهد. از آنجایی که کار تکراری است و تابع روش‌های سفت و سختی است که کارایی و بهره‌وری را بهینه می‌کند، هوش مصنوعی می‌تواند به روش‌های دقیق‌تری برای ناظران انسانی عمل کند.
با این حال، توانایی‌های انسان گسترده‌تر است. برخلاف توانایی‌های هوش مصنوعی که فقط به داده‌های موجود پاسخ می‌دهند، انسان‌ها توانایی تصور، پیش‌بینی، احساس و قضاوت در مورد موقعیت‌های در حال تغییر را دارند که به آن‌ها اجازه می‌دهد از نگرانی‌های کوتاه‌مدت به نگرانی‌های بلندمدت تغییر کنند. این توانایی‌ها منحصر به انسان هستند و برای کار کردن نیازی به جریان ثابت داده‌های ارائه‌شده خارجی ندارند.
به این ترتیب انسان‌ها چیزی را که ما هوش اصیل می‌نامیم را دارا هستند. این نوع هوشمندی زمانی مورد نیاز است که سیستم‌های باز وجود داشته باشند. در یک سیستم مدیریت باز، تیم یا سازمان در حال تعامل با محیط خارجی است، پس باید با تاثیرات بیرونی دست پنجه نرم کند.
چنین تنظیمات کاری مستلزم توانایی پیش بینی است. به عنوان مثال، تغییرات ناگهانی و تبادل اطلاعات تحریف شده، در عین حال خلاق بودن در تقطیر چشم‌‌انداز و استراتژی برای آینده به طور هم زمان است. در سیستم‌های باز، تلاش برای دگرگونی به طور مستمر انجام می‌شود و مدیریت مؤثر آن فرآیند‌ها مستلزم هوشمندی مداوم و معتبر است.
اگر چه هوش مصنوعی (که در این جا به آن AI1 گفته می‌شود.) بر خلاف هوش واقعی (که در این جا به آن AI2 گفته می‌شود.) به نظر می‌رسد اما آن‌هامکمل یکدیگرند. در حوزه کاری سازمان‌ها هر دو نوع هوش، طیفی از استعدادهای خاص را ارائه می‌دهند. کدام استعدادها به عنوان توانایی‌های مورد نیاز برای برآوردن الزامات عملکرد عملیاتی می‌شوند و برای بهترین عملکرد مورد نیاز هستند؟ اول از همه، مهم است که تأکید کنیم استعدادها می‌توانند بازی‌ها را ببرند، اما اغلب به عنوان قهرمان داستان نخواهند بود زیرا در نهایت تیم‌ها برنده مسابقات قهرمانی می‌شوند.
به همین دلیل، ما بر این باوریم که ترکیبی از استعدادهای موجود در هر دو AI1 و AI2 که به صورت پشت سر هم کار می‌کنند و آینده کار هوشمند را رقم خواهد زد مفید هستند. این نوع هوش ایجاب می‌کند که به سازمان‌ها اجازه دهد کارآمدتر، دقیق تر و در عین حال خلاق و فعال باشند. این نوع دیگر از هوش مصنوعی را هوش تکمیل شده می‌نامیم. (که در این جا به آن AI3 گفته می‌شود.)
نوع سوم هوش مصنوعی: هوش تکمیل شده
AI3 چه چیزی را می‌تواند ارائه دهد که AI1 و AI2 نمی‌توانند ارائه دهند؟ نویسنده دوم این مقاله بینش منحصربه‌فردی در اینجا دارد: او به خاطر برنده شدن در مسابقات قهرمانی شناخته شده است و در عین حال این تجربه متمایز اولین انسانی که یک بازی سطح بالا را به ماشین باخته است را نیز دارد.
در سال ۱۹۹۷، گری کاسپاروف، استاد بزرگ شطرنج در طی یک بازی سطح بالا از ابررایانه IBM به نام Deep Blue شکست خورد. این امر او را مجبور به تجدید نظر کرد که چگونه می‌توان با بازی فکری شطرنج به گونه‌ای متفاوت برخورد کرد، نه صرفاً به عنوان یک تلاش فردی، بلکه به عنوان یک تلاش مشترک و با پیروزی غیرمنتظره دیپ بلو، تصمیم گرفت با هوش مصنوعی همکاری کند.
در مسابقه‌ای در سال ۱۹۹۸ در لئون، اسپانیا، کاسپاروف با یک رایانه شخصی که نرم‌افزار شطرنج انتخابی خود را اجرا می‌کرد، ترتیبی به نام «شطرنج پیشرفته» در مسابقه‌ای در مقابل وسلین توپالوف بلغاری، که یک ماه قبل ۴-۰ شکست داده بود، وارد مسابقه شد. این بار با حمایت کامپیوتری هر دو بازیکن، این دیدار با تساوی ۳ بر ۳ به پایان رسید. به نظر می‌رسد که استفاده از رایانه شخصی، پیشرفت‌های محاسباتی و استراتژیک کاسپاروف را که معمولاً نسبت به حریف خود نشان می‌دهد، باطل کرد.
این مسابقه یک تصویر مهم از نحوه کار انسان با هوش مصنوعی ارائه داد. پس از بازی، کاسپاروف خاطر نشان کرد که استفاده از رایانه شخصی به او این امکان را می‌دهد که بیش‌تر روی برنامه‌ریزی استراتژیک تمرکز کند زیرا در عین حال که ماشین محاسبات را انجام می‌دهد، با این وجود، او همچنین تاکید کرد که به سادگی کنار هم قرار دادن بهترین بازیکن انسانی و بهترین رایانه شخصی، بازی‌های بی‌نقص را نشان نمی‌دهد. همکاری بهترین بازیکنان و قدرتمندترین هوش مصنوعی لزوماً بهترین نتایج را به همراه ندارد.
بار دیگر دنیای شطرنج یک مورد آزمایشی مفید برای چگونگی انجام این همکاری را نشان داد..
در سال ۲۰۰۵ سایت بازی آنلاین شطرنج playchess.com میزبان مسابقات شطرنج “به سبک آزاد” بود که در آن هر کسی می‌توانست در تیم با سایر بازیکنان یا رایانه‌ها رقابت کند. نکته جالب توجه این مسابقه این بود که چندین گروه از استادان بزرگ کامپیوتر نیز در این مسابقات شرکت کردند. اکثر مردم انتظار داشتند که یکی از این استادان بزرگ در ترکیب با یک ابررایانه بر این رقابت مسلط شود، اما این چیزی نیست که اتفاق افتاد. در نهایت برنده این مسابقات یک جفت شطرنج باز آماتور آمریکایی که از سه کامپیوتر استفاده می‌کردند، بودند. این نتیجه شگفت‌انگیز بر یک درس مهم تأکید می‌کند: فرآیند نحوه تعامل بازیکنان و رایانه‌ها تعیین می‌کند که مشارکت چقدر کارآمد خواهد بود.
همانطور که کاسپاروف بیان کرد: “انسان ضعیف + ماشین + همکاری بهتربرکامپیوتر قوی به تنهایی برتری داشت و به طور قابل توجهی برتر از یک انسان قوی + ماشین + همکاری پایین تر بود.
توصیه‌ها
پتانسیل افزایشی و مشارکتی که ما متصور هستیم کاملاً در تضاد با پیش‌بینی‌های حاصل جمع صفر و یکی است که هوش مصنوعی با جامعه و سازمان‌های ما چه خواهد کرد. در عوض ما بر این باوریم که بهره وری بیش‌تر و اتوماسیون کارهای روتین شناخته شده، یک موهبت است نه تهدید.
به هر حال، فناوری جدید همیشه در مراحل اولیه اجرا و توسعه اثرات مخربی دارد و معمولا ارزش واقعی خود را پس از مدتی آشکار می‌کند.
با این حال، این واقعیت به این معنا نیست که ما باید صبورانه منتظر بمانیم تا زمانی که این ارزش در نهایت خود را نشان دهد کاملا برعکس! چالش اصلی ما به عنوان افراد تجاری این است که پیش‌بینی کنیم هوش مصنوعی در رابطه با نحوه تفکر و عمل با انسان‌ها چه عملکردی دارد و برای ادغام فناوری‌های جدید به طور جاه طلبانه و استراتژیک در سازمان‌هایمان تلاش کنیم. ما نمی‌توانیم منفعلانه منتظر باشیم تا از روش‌های سنتی پیشی بگیریم بنابراین، در این لحظه چه کاری می‌توانیم انجام دهیم تا از ادغام انواع هوش مصنوعی‌هااطمینان حاصل کنیم تا در سازمان‌هایمان به طور موثر کار کنند؟
اول تیم‌ها به تدریج از انسان‌ها و غیرانسان‌هایی تشکیل می‌شوند که با هم کار می‌کنند، که از آن به عنوان «تنوع جدید» یاد می‌کنیم. روانشناسی تنوع جدید این خطر را به همراه خواهد داشت که باورهای کلیشه‌ای و تعصبات می‌توانند به راحتی بر تصمیمات و کار تیمی‌تأثیر بگذارند. ماشین به عنوان یک همکار غیر انسانی ممکن است مانند سایر اعضای بیرونی گروه با بی اعتمادی و انتظارات منفی مواجه شود و به این ترتیب انسان‌ها را تشویق می‌کند، اطلاعات کم‌تری را به اشتراک بگذارند و از کار با ماشین خودداری کنند.
رهبران تیم باید برای پاسخگویی به چنین پویایی‌های منفی تیمی‌مستعد باشند و به گونه‌ای آموزش ببینند که واقعیت این باورهای منفی و پیامدهای آن را درک کنند.
دوم، شکل جدید تیم‌ها رهبرانی را می‌طلبد که در گرد هم آوردن تیم‌های مختلف مهارت داشته باشند. همانطور که نمونه‌های ذکر شده قبلی نشان می‌دهند، برای دستیابی به عملکرد بهتر با بکارگیری این تیم‌های متنوع یکی از نیازهای اصلی رهبران این است که خودشان را در هماهنگی و مربیگری فرآیندهای تیمی‌حرفه‌ای کنند.
سوم، فرآیندهای تیمی‌باید به طور موثر مدیریت شوند و این کار باید توسط یک انسان انجام شود.
برای این که انسان‌ها بتوانند، نقاط قوت و ضعف انسان و ماشین را همسو کنند، باید آموزش ببینند تا بفهمند هوش مصنوعی چگونه کار می‌کند، برای چه چیزی می‌توان از آن استفاده کرد و تصمیم گرفت، از توانایی‌ها قضاوت و هوش قابل اعتماد آن‌ها می‌توان برای تقویت عملکرد در خدمت منافع انسانی استفاده کرد.
هوش تکمیل شده به عنوان سومین نوع هوش مصنوعی، گامی‌رو به جلو برای آینده کار هوشمند است. آینده کار مفهومی‌است که برای نشان دادن رشد کارکنان و عملکرد آن‌ها به روش‌های کارآمدتر استفاده می‌شود و بحث در مورد این موضوع، با این حال، در مقاصد خود کاملا مبهم شده است.
به طور خاص، به دلیل روایت‌های استراتژی‌های کاهش هزینه، امروزه کسب‌وکارها در مرحله‌ای هستند که ماشین‌ها را، اغلب به عنوان کارمند فوق‌العاده و جدید معرفی می‌کنند که ممکن است انسان‌ها را در نهایت در نقشی پایین‌تر، برای خدمت به ماشین‌ها قرار دهد با این حال، عنصر اساسی یک نوع کار واقعاً هوشمندانه به این معنی است که ما نیروی کار را در جایی که هم انسان و هم ماشین بخشی از آن خواهند بود، گسترش می‌دهیم، اما با هدف بهبود انسانیت، رفاه و در عین حال کارآمدتر بودن در اجرای وظایف ما. بنابراین، هوش تکمیل شده واقعاً ماهیت مشارکتی دارد، اما همچنین واضح است که نشان دهنده تلاش مشترک برای در خدمت بودن انسان است.
این مقاله ترجه شده پست
https://hbr.org/2021/03/ai-should-augment-human-intelligence-not-replace-it
است
دیدگاهتان را بنویسید