; მეოთხე ინდუსტრიული რევოლუციისთვის საჭირო უნარები: თავი შეიკავეთ ადამიანური შრომის და დროის ფუჭად დაკარგვისგან - IT Academy STEP Tbilisi მეოთხე ინდუსტრიული რევოლუციისთვის საჭირო უნარები: თავი შეიკავეთ ადამიანური შრომის და დროის ფუჭად დაკარგვისგან - IT Academy STEP Tbilisi

თბილისი, ჯანო ბაგრატიონის 6

მეოთხე ინდუსტრიული რევოლუციისთვის საჭირო უნარები: თავი შეიკავეთ ადამიანური შრომის და დროის ფუჭად დაკარგვისგან

მეოთხე ინდუსტრიულმა რევოლუციამ მოგვცა შესაძლებლობა, რომ თავი დავიხსნათ ადამიანური რესურსების და დროის ფუჭად კარგვისგან! ხელოვნური ინტელექტი, მრეწველობა 4.0 და UBI გვიქადის მომავალს ფიზიკურად მძიმე სამუშაოების გარეშე…

ჩვენ მას ვუწოდებთ ინდუსტრია 4.0-ს, ეს იქნება მეოთხე ინდუსტრიული რევოლუცია, პირველი შემთხვევა, როცა ყურადღება ადამიანების პროდუქტიულობის გაზრდაზე კი არ გამახვილდება დროის განმავლობაში, არამედ ზოგადი პოდუქტიულობის გაზრდაზე იმავე რაოდენობის ადამიანებისთვის. უფრო მეტიც, ხალხის რაოდენობის პროგრესული შემცირება იქნება ძირითადი ყურადღების ნაწილი. მაგრამ, მეორეს მხრივ, ეს ალბათ ბოლო ინდუსტრიული რევოლუცია იქნება, რომლის მოწმენიც გავხდებით.

მომდევნო 30 წელი ტანჯვა იქნება: ეს რევოლუცია მოიტანს სოციალურ არასტაბილურობას, ისევე როგორც ყველა რევოლუცია – ამბობს ალიბაბას დამფუძნებელი, Jack Ma. რის შესახებ ვსაუბრობთ? ჩვენ ვსაუბრობთ ფართოდ გავრცელებულ შიშზე, რომ შემდეგი ინდუსტრიული რევოლუცია – რომელიც კართან მოგვდგომია – ავტომატიზაციას ისეთი დიდი მასშტაბით მოიტანს, რომ იგი გაანადგურებს შრომის ბაზარს.

მაგრამ ჩვენ უკვე ვიყავით იქ…არა?

ეს არ არის პირველი ინდუსტრიული რევოლუცია (ცხადია, რადგან მეოთხეზე ვსაუბრობთ)

ზოგადად, ინდუსტრიული რევოლუციის თემა მიუთითებს დემარკაციის პერიოდზე, ტექნოლოგიური სიახლეების გამო, ორ ისტორიულ ფაზას შორის. ისტორიულად თუ ვისაუბრებთ, შეიძლება ვთქვათ, რომ ჩვენ გავიარეთ ორი ინდუსტრიული რევოლუცია, რამაც დანერგა მასშტაბური მექანიზაცია და ეკონომიკა. სანამ მესამე, კომპიუტერებისა და ავტომატიზაციის გამოცდილების პერიოდში ვართ, ახლა უკვე მეოთხე, ხელოვნური ინტელექტის რევოლუციაც უნდა გავიაროთ.

1. მექანიზაცია, წყლის ძალა, ორთქლის ძალა

2. მასიური წარმოება, შეკრების ხაზი, ელექტრობა

3. კომპიუტრი და ავტომატიზაცია

4. კიბერ ფიზიკური სისტემები

პირველი სამი ინდუსტრიული რევოლუცია: მექანიზაციიდან საინფორმაციო ეპოქამდე

პირველმა ინდუსტრიულმა რევოლუციამ , მეთვრამეტე და მეცხრამეტე საუკუნეებს შორის, მაგალითად, დასავლური საზოგადოების ტრანსფორმაცია თითქმის სრულიად სოფლის მეურნეობიდან ინდუსტრიულამდე, ორთქლის ძრავების, მექანიკური სართავი მანქანებისა და რკინიგზის გამოგონების წყალობით. აღნიშნულმა ავტომატიზაციამ ძლიერი წვლილი შეიტანა საშუალო კლასის შექმნაზე, რაც გარკვეულწილად დღევანდელი კაპიტალისტური ეკონომიკის საფუძველია. თუმცა, მეორეს მხრივ, ამან გარდაუვლად განაპირობა მრავალი სამუშაო ადგილის გაუქმება.

სამუშაოების შემცირება თავიდან კარგად არ მიიღეს, რამაც ლუდიზმის მსგავსი საპროტესტო მოძრაობები გამოიწვია. თუმცა, მალევე აშკარა გახდა, რომ შრომის ბაზარი გარდაიქმნებოდა საშუალო ვადიან პერიოდად. უმძიმესი სამუშაოების მკვეთრი შემცირება შეესაბამებოდა ახალი სამუშაო ადგილების შექმნას, რაც საჭიროებდა ექსპერტიზასა და სპეციალიზაციას. არსებითად უფრო და უფრო მეტი ხელსაქმე დარჩა მანქანებისთვის და უფრო მეტი ახალი სამუშაო ადგილი შეიქმნა იგივე მანქანის მართვისთვის და ხელმისაწვდომი გახდა ხალხისთვის.

მეორე ინდუსტრიული რევოლუცია კიდევ უფრო ფართოა, მრავალი ინოვაციით მეცხრამეტე საუკუნეში, მაგალითად, უჟანგავი ფოლადი და ანესთეზია, ელექტრო განათება, ტელეფონი, უკაბელო ტელეგრაფი და ბენზინის ძრავა, რომ აღარაფერი ვთქვათ ალტერნატიულ დენზე. მაგრამ მიუხედავად ყველაფრისა, ეს იყო მასობრივი წარმოების ხანა, ფორდის მიერ შემოღებული შეკრების ხაზის წყალობით. ამ ინოვაციებმა რადიკალურად გარდაქმნა საზოგადოება, რამაც ქალაქებში დემოგრაფიული აფეთქება გამოიწვია, გაჩნდა კაპიტალიზაციისა და მომხმარებელთა ინტერესების დაცვაზე დაფუძნებული ეკონომიკური სისტემა და მთელი რიგი სოციალური ბრძოლა, რომელმაც საფუძველი მისცა ორ მსოფლიო ომს.

თუმცა, მეორეს მხრივ, როგორც ეს პირველი რევოლუციის დროს მოხდა, არასტაბილურობის პერიოდს (ყოველ შემთხვევაში, ყველაზე ინდუსტრიულ ქვეყნებში) დიდი ეკონომიკური ზრდის პერიოდი მოჰყვა. კვლავ გაქრა მრავალი რთული სამუშაო, ახალი და უფრო სპეციალიზირებული პროფესიების გაჩენის გამო, რამაც არსებითად შეუწყო ხელი საშუალო კლასის შემდგომ გაფართოებას. მაგრამ თუ პირველმა ორმა რევოლუციამ საფუძველი ჩაუყარა, შეიძლება ითქვას რომ ტექნოლოგიური ზრდა დაჩქარდა, მაგრამ მაინც შედარებით წრფივი იყო.

1925 წელს ტრანზისტორის გამოგონებამ და შემდეგ ინტეგრირებულმა სცენებმა გზა გაუხსნეს მცირე მინიატურულ რბოლას, ამან კი გორდონ მურს უბიძგა თავისი, მურის კანონის ჩამოყალიბებისკენ (უფრო ემპირიული დაკვირვება, ვიდრე ფორმალური კანონი). მურის კანონის თანახმად, პროცესორების წარმოებაში, ინტეგრირებული ტრანზისტორების რაოდენობა დაახლოებით 18 თვეში ორმაგდება. შედეგი ის არის, რომ ტელეფონის გამოგონებიდან ჩვენ მთვარეზე გადავედით 100 წელზე ნაკლებ დროში და შემდეგ პირველი მიკრო პროცესორებიდან სმარტფონებამდე, რომლებიც ათასჯერ უფრო ძლიერია, ვიდრე ყველა ტექნოლოგია, რომლებიც პირველი კოსმოსური მისიებისთვის გამოიყენეს. დაახლოებით 20 წელი გავიდა ინტერნეტიდან პირველ ავტონომიურ მანქანამდე…

ინფორმაციის ასაკი და ინტერნეტი პრაქტიკულად მესამე ინდუსტრიული რევოლუციაა, რომელსაც ახლა განვიცდით. ერა, რომელმაც აღნიშნა შრომის ბაზრის ევოლუცია, ბოლო 10 წლის განმავლობაში ტექნიკური პროფესიების ექსპონენტური ზრდით.

მეოთხე რევოლუცია, „ჩვენ უკვე იქ ვიყავით“ ფრაზის ილუზია და ცხენის მონახაზის პარადოქსი.

ამ ეტაპზე ყველაზე გავრცელებული კითხვაა „ჩვენ უკვე იქ ვიყავით, ინდუსტრიული რევოლუციები ყოველთვის ანადგურებდა სამუშაოებს, მაგრამ ისინი ყოველთვის ქმნიდნენ ახალს და განსხვავებულს, ასე რომ რატომ წუხხართ? ახლაც ასეა, სხვაგვარად ვერ იქნება“.

მოკლე პასუხი არის ის, რომ ამჯერად ეს სხვაგვარადაა და ალბათ, მომდევნო ინდუსტრიული რევოლუცია ბოლო იქნება.

გრძელი პასუხი ის არის, რომ თუ ჩვენ ამაზე ვიფიქრებთ ნანახი ცხენის თვალსაზრისით, ინდუსტრიულმა რევოლუციებმა დაადგინა, რომ ყველა „სამუშაო“ მთლიანად არმოფხვრილია და არც ერთი „ახალი“ აღარ დარჩა გამოსაყენებელი. ცხენებს აღარ იყენებენ, ამიტომ რატომ უნდა ვაკეთოთ?

რატომ არის ეს განსხვავებული? ძირითად შემთხვევაში, წინა რევოლუციებთან შედარებით ორი განსხვავებაა:

მანქანების შესწავლა: წარსულში ინოვაციებმა წარმოშვა უფრო რთული იარაღები ჩვენი მხარდაჭერისთვის, მაგრამ ამჯერად ეს მხოლოდ სირთულის საკითხი არ არის, ამჯერად მანქანებს შეუძლიათ დავალებების შესრულება თავად ისწავლონ.

ევოლუციის სიჩქარე: ამჯერად, განსაკუთრებით მანქანათმცოდნეობის წყალობით, ჩვენ ვაპირებთ შევიდეთ ავტომატიზაციის ეპოქაში, რომელშიც იქმნება ახალი ტექნოლოგიები და ინდუსტრიები მუდმივად მზარდი სიჩქარით. ამასთან სიჩქარე, რა სიჩქარითაც იქმნება ახალი ტიპის სამუშაოები, ვერ შეედრება იმ „ძველ“ სამუშაო ადგილებს.

პროდუქტიულობა სულ უფრო და უფრო იზრდება, ხარჯები კიდევ უფრო იკლებს, მუდმივად ჩნდება ახალი ტიპის ბიზნესი, მაგრამ…სამუშაოებზე ასე არ არის. ამასთან ერთად მსოფლიო მოსახლეობაც იზრდება. უნდა გვახსოვდეს, რომ მთლიანი კაპიტალისტური სოციალური სისტემა ემყარება მომხმარებლების ინტერესთა დაცვას: მთელი წარმოების ქსელი ემყარება იმ ვარაუდს, რომ იარსებებს ვიღაც, ვინც შეიძენს საქონელს და მომსახურებას. დღეს სამსახურის გარეშე შემოსავალი არ არის, ხოლო შემოსავლის გარეშე მოხმარება არ არის, მომხმარებლების გარეშე კი მთლიანი სისტემა რისკავს საკუთარი თავის აფეთქებას.

თქვენი აზრით, თქვენი სამუშაო არ ჩანაცვლდება ხელოვნური ინტელექტით? შესაძლოა უკვე დროა ამას გადახედოთ.

შეიძლება ფიქრობთ, რომ ზემოთ მოცემული სცენარი გაზვიადებაა და საბოლოო ჯამში ყოველთვის ვიღაც იქნება საჭირო მანქანების მანევრირებისთვის და იმისთვის, რომ მანქანებს ასწავლონ რა უნდა გააკეთონ მანევრირების ან პროგრამირების გზით.

როგორც უკვე ვთქვი, ეს არის მანქანების შესწავლის ეპოქა, ამიტომ წარმოგიდგენთ Baxter-ს, პირველი ზოგადი დანიშნულების რობოტი, რომელსაც შეუძლია ისწავლოს დავალებების შესრულება, მხოლოდ მისი შესრულების პროცესში დაკვირვებით.

ხელით მუშაობა

მანქანების მიერ ჩანაცვლებული ხელით მუშაობის იდეა აშკარად პირველია, რაც გონებაში შეიძლება მოგვივიდეს, მაგრამ სამუშაოები, რომლებზეც აქ ვსაუბრობთ, არ არის ზუსტად შეკრების ხაზის სამუშაოები, რასაც ველოდებოდით. ამ კატეგორიაში ჩვენ მოვათავსეთ არა მხოლოდ ხელით სამუშაოები, როგორიცაა მუშები და ფერმერები, არამედ მომსახურების სამუშაოებიც, მაგალითად, კლერკები, მოლარეები და სატვირთო მანქანების მძღოლები.

სოფლის მეურნეობა: სოფლის მეურნეობაში ჩვენ უკვე ვსაუბრობთ „ზუსტი სოფლის მეურნეობის შესახებ“, სადაც ძალიან ცოტა ადამიანს შეუძლია მთლიანი ფერმების მართვა. ამ სექტორში მთელი ჯაჭვი ავტომატიზირებულია, დაწყებული დრონებით, რომლებიც დაფრინავენ ველებზე და ხმელეთზე არსებულ მონაცემებს აგროვებენ, დამთავრებული ხელოვნური ინტელექტით, რომლის დროსაც ამ მონაცემების საფუძველზე ხდება სარწყავი მანევრრები, ტრაქტორების და შემგროვებლების მოქმედება.

საცალო ვაჭრობა: ამაზონი გარკვეული დროის განმავლობაში ცდიდა Amazon Go-ს, უოლმარტი კი იგივეს აკეთებდა Kepler-ით. ჩვენ ამას ჭკვიან საცალო ვაჭრობას ვუწოდებთ, რომელიც ერთის მხრივ, აუმჯობესებს მომხმარებლის გამოცდილებას, მაგრამ უპირველეს ყოვლისა, აკეთებს ხარჯების ოპტიმიზაიას და შემცირებას.

ტრანსპორტირება: მიუხედავად იმისა, რომ სრულიად ავტომატიზირებული

მეტრო და მატარებლები დღეს ახალია, კომპანიები Tesla და Otto უკვე აწარმოებენ თავიანთი საქალაქთაშორისო უმძღოლო სატვირთო ფლოტებს. სინამდვილეში Otto-ს პირველი უმძღოლო სატვირთო მანქანის (Uber-ის მიერ შეძენილი) სიახლე, რომლებმაც ავტონომიაში მიტანა განახორციელეს, 2016 წლიდან თარიღდება (იხ. ქვემოთ). თავის მხრივ, Elon Musk-მა გამოაცხადა პირველი ავტონომიური მიტანა, მისი ერთერთი „Seeds“-ს მიერ 7 მარტს.

ლოგისტიკა: საწყობების ავტომატიზაცია ახლა რეალობაა მრავალ კომპანიაში, როგორებიცაა Amazon-ი და Alibaba, რობოტებს შეუძლიათ მთლიანი თაროების გადაადგილება უკიდურესად ზუსტად, სწრაფად და დამოუკიდებლად. აქაც კი საჭირო აღარ არის მხოლოდ ჩვეულებრივი მექანიკური იარაღი, ავტომატიზაციებს შეუძლიათ გარემოში გადაადგილება უკვე სრულიად ავტონომიური გზით, შეჯახების თავიდან აცილების დროს ოპტიმიზებული მარშრუტების პოვნით. ამასთან, საქონლის ბოლო მილზე მიტანა დრონების ან ავტონომიური რობოტების საშუალებით უკვე ტესტირების პროცესშია.

საკანცელარიო სამუშაოები: არა მხოლოდ ლურჯი საყელოები

„თეთრი საყელოს“ სამუშაო ადგილები უკვე ის არის, რასაც ნაკლებად ველით, „მანქანის“ ტრადიციული კონცეფციით. ყველაფრის მიუხედავად, ისინი მოითხოვენ ანალიტიკურ უნარებს, სწავლის უნარებს, სიზუსტეს, მომწოდებელთან და მომხმარებელთან ინტერფეისის უნარს (შესაძლოა, თავის მხრივ, ვტომატიზირებულს). „ერთი წუთით მოითმინეთ“, ის არ არის, რასაც მანქანები ყველაზე კარგად აკეთებენ, არა? სწორედ.

პრესა: ბოლოდროინდელი საინტერესო მცდელობების მიუხედავად, შეიძლება ითქვას, რომ შემოქმედებითი მწერლობა ჯერ კიდევ ადამიანის პრეროგატივაა. თუმცა, ჩვენ ვხედავთ, რომ Automated Insights-ი, მას შემდეგ რაც Wordsmith-ის ავტომატიზირებული ფინანსური ანგარიშგების სერვისის შექმნა უკვე დიდი ხანია დაიწყო, იყენებს Associated Press-ს და Yahoo-ს! ახალი ამბების წარმოების სფეროში, Google-მა ცოტა ხნის წინ დააფინანსა პრეს ასოციაციის RADAR პროექტი.

ტურიზმი 4.0: მოგზაურობის ინდუსტრია, რა თქმა უნდა, არ არის გათავისუფლებული „ჭკვიანი“ ტალღისგან. კერძოდ, „ჭკვიანი მოგზაურობა“ (ან თუ გსურთ „მოგზაურობა 4.0“) მოწმობს ონლაინ სერვისების ფართოდ გავრცელებას და IoT-ის გამოყენებას. ახლა ხალხს საშუალება აქვს ორგანიზება გაუწიოს მოგზაურობას ავტონომიურად, ხოლო სააგენტოების მომსახურება ოპერატორებთან ერთად, რომელიც მზად არის ხალხს ზოგადი პაკეტები შესთავაზოს, მოძველებული ხდება. იგივე ავიახაზები გეგმავს IoT სიგნალების ინტენსიურად დანერგვას აეროპორტის მოგზაურთა გამოცდილების გასაუმჯობესებლად და ამავე დროს ამცირებს პერსონალის საჭიროებას.

იურისტები: იურისტებიც არ არისნ დაცული რევოლუციისგან. სკეპტიკოსებმა შეიძლება გააპროტესტონ, რომ ჩვენ ვსაუბრობთ სამუშაოზე, რომელიც მოითხოვს ადამიანის გამოცდილებას და პროფესიონალიზმს და არა „რობოტიზირებულ მუშაობას“, როგორ ჩავანაცვლოთ ის მანქანით? საქმე სწორედ იმაში მდგომარეობს, რომ „ის მოითხოვს გამოცდილებას“. Noory Bechor არის ისრაელის LawGeex-ის აღმასრულებელი დირექტორი, ის ქმნის პლათფორმას, რომელსაც შეუძლია გააანალიზოს კონტრაქტები უფრო სწრაფად, ვიდრე ნებისმიერ ადამიანს. მიუხედავად იმისა, რომ მისიის ამოცანა „დაეხმაროს იურიდიულ გუნდებს“ თავიანთ საქმიანობაში, აუცილებლად შეამჩნევთ, რომ ადამიანური შრომის ძალის საჭიროებამ აქაც შემცირება დაიწყო.

როგორ წავიდა ის კორპორატიული იურისტის თანამდებობიდან ხელოვნური ინტელექტის კომპანიაში გენერალურ დირექტორად, შეიძლება მის სერიოზულ გადაწყვეტილებას დავუკავშიროთ:

„მე ვთანამშრომლობდი უამრავ კონტრაქტზე, როგორც მცირე კომპანიებისთვის, ასევე ინვესტორებისთვის და მრავალეროვნული კომპანიებისთვის. ჩემთვის შოკისმომგვრელი იყო ის, რომ ხელახლა მიწევდა ველოსიპედის გამოგონება, ყოველთვის როცა ხელშეკრულების დაწერა ან განხილვა დამჭირდებოდა. მთელი ამ დროის განმავლობაში ამ ტიპის საქმიანობაზე მუშაობა დიდი ტკივილი იყო“.

თეთრი საყელოს მუშაობის მნიშვნელოვანი ნაწილი მოითხოვს წესების დამახსოვრებას, ნელი ტემპით შესწავლას სხვადასხვა შემთხვევებისა და მაგალითების ზემოქმედების გზით. სწავლა, რომელიც გვიბიძგებს სამუშაოს ეფექტურად წარმართვისთვის საჭირო განზოგადებისა და განსჯის შესაძლებლობის განვითარებას. პრობლემა ის არის, რომ ამ ტიპის სწავლაზე უკეთესი სწორედ 4.0 მანქანებია.

გარდა ამისა, თუ LawGeex-ზე ვისაუბრებთ, Bechor-ის აღწერილობამ შეიძლება ის საკუთარი გზით განმარტოს:

„შეგიძლიათ აიღოთ ახალი ხელშეკრულება, რომელიც აქამდე არასდროს გინახავთ, წაიკითხოთ ის და შეადაროთ ყველა იმ მსგავსი კონტრაქტების მონაცემთა ბაზას, რომელიც ადრე გინახავთ“.

მე ვიტყოდი, რომ მას შეუძლია ეს გააკეთოს ნებისმიერ ადამიანზე ბევრად უფრო ეფექტურად. IBM-ის აქტიურობდა იურიდიულ კვლევაში გარკვეული დროის განმავლობაში თავისი chatbot Ross-ით, შეეძლო დაეთვალიერებინა ათასობით დოკუმენტი და შეეთავაზებინა პროფესიონალური იურიდიული კონსულტაცია გაკოტრების, ინტელექტუალური საკუთრებისა და დასაქმების სფეროში.

მედიცინა: სამედიცინო დიაგნოსტიკა კიდევ ერთი სფეროა, რომელშიც ძლიერია ხელოვნური ინტელექტი და ის, რასაც ჩვენ განვიხილავთ, როგორც ადამიანის ჩვეულებრივ საქმიანობას.

მაგრამ, რაც შეეხება იურიდიულ სექტორს, ექიმის მიერ დიაგნოზის დასმის შესაძლებლობა შეძენილია სამედიცინო ცნობებისა და კლინიკური ტესტების მრავალწლიანი ანალიზის შემდეგ და მათი შედარებით წარსულში შეხვედრილი დაავადებების ტიპიურ სურათებთან. ესეც დავალებაა, სადაც ხელოვნური ინტელექტი ყველაზე ძლიერია.

ჭეშმარიტად, (ყოფილი Google Life Science) მაგალითად, მან შექმნა ხელოვნური ინტელექტი, რომელსაც შეუძლია დიაბეტის და გულის დაავადებების დიაგნოზის დასმა ისეთი სატარებელი მოწყობილობის მონაცემების გამოყენებით, როგორიცაა „ჭკვიანი“ საკონტაქტო ლინზები.

ეს ყველაფერი არ არის: Google-ის მიერ გამოქვეყნებულმა ბოლოდროინდელ სტატიაში ნათქვამია, თუ როგორ უნდა მოხდეს ძუძუს კიბოს ადრეული დიაგნოზის დასმა ხელოვნური ინტელექტის საშუალებით. ფილადელფიის მკვლევართა გუნდმა შეძლო 99% სიზუსტით დაედო ტუბერკულოზის ანალიზის არსებობა ან არარსებობა გულ-მკერდზე რენტგენის სკანირების დროს GoogLeNet-სა და AlexNet-ისგან შექმნილი სამუშაო ნაკადის გამოყენებით. ბოლო, მაგრამ არა ნაკლებ მნიშვნელოვანია ანესთეზია, სადაც, მაგალითად, Johnson & Johnson-ის მიერ წარმოებულმა Sedasys-მა, შეძლო გარკვეული ტიპის ანესთეზიის ჩატარება და ამით სპეციალისტის ღირებულება დაზოგა.

რა თქმა უნდა, ამ უკანასკნელ შემთხვევაში უნდა ითქვას, რომ Sedasys-ის სასურველი წარმატება არ ჰქონია, რამაც ის Johnson & Johnson-ის მხრიდან უარის თქმამდე მიიყვანა (იდეით აღშფოთებული ათასობით სპეციალისტის გამოხმაურება), ოფიციალური მიზეზით ცუდი გაყიდვების გამო. ამასთან, სიღრმისეული ანალიზის შემდეგ, ამ „წარუმატებლობის“ მიზეზი კვლევის არასრულყოფილი მდგომარეობა უფროა (ის 2016), ვიდრე პროცესის ავტომატიზაციის აბსოლუტური შეუძლებლობა.

პროგრამული უზრუნველყოფა: მაგრამ თუ მანქანები ჩაგვანაცვლებს ამდენ სამუშაოში, ყოველთვის ვიღაც იქნება საჭირო მათ დასაპროგრამირებლად, არა? ეჭვგარეშეა, დღეს ჩვენ მონაცემთა მეცნიერების და ხელოვნური ინტელექტის დეველოპერებზე მოთხოვნის აფეთქების მოწმენი ვართ, მოთხოვნა, რომელიც დღეს მაინც აჭარბებს შეთავაზებას. მაგრამ მიზანშეწონილი არ არის ამ ტენდენციას ძალიან დიდხანს ველოდოთ, რადგან ხელოვნური ინტელექტი სწრაფად ხდება „პროდუქტი“ და მალე ამ სფეროში მუშაობის შესაძლებლობამ შეიძლება შეწყვიტოს დისკრიმინაცია. 

თავის მხრივ, აპლიკაციებისა და ხელოვნური ინტელექტის სისტემების რიცხვი ექსპონენტურად იზრდება, ბევრად უფრო სწრაფად, ვიდრე ის შესაძლებლობები, რომლებითაც ჩვენ უნდა მოვამზადოთ ახალი სპეციალისტები. ამ სირთულის გამო Google-მა აღმოაჩინა პრობლემა (არც არის გასაკვირი) და გამოამჟღავნა, რომ მანქანების შესწავლის დეველოპერის პროფესიონალიზმის დიდი ნაწილი გულისხმობს მათემატიკური უნარების შეძენას და მრავალი მოდელისა და შემთხვევის შესწავლას, განზოგადების საჭირო უნარების განვითარების მიზნით.

გარდა ამისა, ნერვული ქსელის შექმნისა და განვითარების პროცესი მეტწილად მოიცავს მრავალი მოდელის ექსპერიმენტებზე ჩატარებულ ცდებს და შეცდომებს მანამ, სანამ სანდო შედეგები არ მიიღეს. ეს იმ ნიმუშს ჰგავს, რომელიც გვინახავს? დიახ, ჰგავს: ეს ის უნარ-ჩვევებია, სადაც მანქანების შესწავლა სძლევს და Google-ი თვლის, რომ ამან მკვეთრად შეამცირა უნარების უკმარისობის პრობლემა მათ Auto ML-თან ერთად, პლათფორმა, რომელსაც შეუძლია…ავტონომიური ნერვული ქსელების განვითარება.

საშუალო მენეჯმენტი

ძნელი სათქმელია თუ სადამდე შეიძლება მიგვიყვანოს პროცესმა, მაგრამ ამ ეტაპზე, გასაგები უნდა იყოს, რომ ნებისმიერი სამუშაო, რომლის ოპტიმიზაციაც შესაძლებელია, რაც მოითხოვს გამოთვლებს, ანალიზს და თუნდაც გადაწყვეტილებებს, შესაძლოა (და ალბათ იქნება) ადრე თუ გვიან მანქანებმა ჩაანაცვლოს.

მენეჯერის სამუშაოც არ არის გამონაკლისი, განსაკუთრებით დიდი მონაცემების ეპოქაში. რას მოიცავს მენეჯერის სამუშაო? პასუხი აშკარად განსხვავდება დეტალებსა და ნიუანსებში, კონტექსტიდან კონტექსტში, მაგრამ ძირითად შემთხვევებში, მენეჯერის ამოცანების უმეტესობა მიეკუთვნება ისეთ სფეროებს, როგორიცაა ზოგადი საოფისე სამუშაო, ბიუჯეტის მენეჯმენტი, დაგეგმვა, ბიზნეს გადაწყვეტილებები, პრობლემის გადაჭრა სხვადასხვა დონეზე.

პირველი ორი ფუნქცია ძალიან აშკარად ავტომატიზირებულია, ბოლო სამი კატეგორიის შესახებ შეიძლება ზოგადი გადაწყვეტილებების მიღება. ახლა, საჭიროა აღვნიშნოთ, თუ რამდენად ცოტა რამ ვიცით მენეჯერების მიერ გადაწყვეტილებების მიღების პროცესის ბოლოს, ან სხვა სიტყვებით რომ ვთქვათ, როგორ იღებენ გადაწყვეტილებას მენეჯერები. Eccles-ი და Wood-ი, 70-იანი წლების ცნობილ სტატიაში, რომელიც გამოქვეყნდა Journal of Management Studies-ში, შესავალში წერდნენ:

„გადაწყვეტილებები მენეჯმენტის პროცესის თვალსაჩინო პროდუქტია, ამასთან ჩვენ თითქმის არაფერი ვიცით მენეჯერული გადაწყვეტილების მიღების რეალური კონტექსტის შესახებ“.

გადაწყვეტილებების ნაწილს იღებენ გამოცდილების საფუძველზე, რომლის ხელახლა გადაღება შესაძლებელია უკვე არსებული სცენარების შედარებისას. სხვა გადაწყვეტილებები ემყარება იმას, რასაც ადამიანები განსაზღვრავენ, როგორც „ინტუიციას“ (შანსი?). ან „თანამედროვე“ მენეჯერების შემთხვევაში, აღწერილობით ან/და პროგნოზირების ანალიზზე დაყრდნობით. მაგრამ თანამედროვე ანალიზების გამოყენების შემთხვევაშიც კი, ამ ანალიზებს ასრულებენ ალგორითმები, რომლებიც ამუშავებენ მონაცემების უზარმაზარ რაოდენობას და შემდეგ გრაფიკულად წარმოადგენენ მათ ისე, რომ ადამიანმა მენეჯერმა შეძლოს მისი გაგება. ყოველ შემთხვევაში, ანალიზის ჩატარების შემდეგ, KPI-ს (ასეთი არსებობის შემთხვევაში) განსაზღვრის შემდეგ, ძნელია იმის გარკვევა, თუ რატომ არ უნდა მოხდეს ეს ავტომატიზაცია ამ გზით.

უნივერსალური ძირითადი შემოსავალი (UBI): გამოსავალი?

აქამდე დახატული სურათი შეიძლება კატასტროფულად გამოიყურებოდეს: სამუშაო ადგილები უფრო და უფრო მასიური რაოდენობით ქრება, მათ მანქანები ანაცვლებს, იქმნება უფრო და უფრო ნაკლები ახალი სამუშაო ადგილები, ფეთქებადი უმუშევრობის გამო მომხმარებლობა ქრება და საზოგადოება საბოლოოდ მარცხს განიცდის საკუთარ თავზე.

ამასთან, ეს ბნელი სცენარი გარდაუვალი არ არის, თუ საზოგადოება სერიოზულად აღიქვამს საფრთხეს და მოახერხებს საკუთარი თავის რეორგანიზაციას სათანადო წესით. ნაკლები სამუშაო არ ნიშნავს უფრო მეტ სიღარიბეს: გამოსავალი შეიძლება იყოს უბრალო საქონლის გარდა, მანქანებისთვის სიმდიდრის შექმნა. ამჟამინდელი კაპიტალისტური საზოგადოება ემყარება მომხმარებლიზმს: დღეს მუშაობის გარეშე არ არსებობს ფული, მოხმარება, ხოლო მოხმარების გარეშე ყველაფერი ჩერდება. მაგრამ ეს არის პირველი ვარაუდი, რომელიც შეიძლება შეიცვალოს უნივერსალური ძირითადი შემოსავლის (UBI) დანერგვის გზით.

UBI არის კონცეფცია, რომელსაც მოაქვს მოქალაქეების შემოსავალი, რომლის შესახებაც ხშირად გვსმენია და რომლის ფუნდამენტური წერტილი უპირობოა. უპირობო ნიშნავს, რომ იგი არ უკავშირდება უმუშევრობას ან სოციალურ ან ეკონომიკურ სტატუსს: იგი მოცემულია და სხვა არაფერი არ არის საჭირო.

მაგრამ ამ შემთხვევაში არსებობს იმის რისკი, რომ ამან ადამიანებს უსაქმურობისკენ უბიძგოს?

სინამდვილეში არა, ევროპაში ჩატარებულმა რამდენიმე ექსპერიმენტმა აჩვენა, რომ ძირითადი შემოსავლის მიღმა, ადამიანებს უფრო მეტად მოუწოდებენ ინვესტიციები ჩადონ ტრენინგებში, მოსინჯონ ახალი გზები, როგორიცაა საკუთარი ბიზნესის წამოწყება, იმის წყალობით, რომ გაკოტრების შემთხვევაში მყარად იყვნენ. სინამდვილეში, მჟღავნდება მარცხის რისკი, რომელთან გამკლავებაც დღევანდელ საზოგადოებაში ძალიან ცოტას შეუძლია.

პრაქტიკაში ჯერჯერობით შედეგები მეტყველებს იმას, რომ ძირითად შემოსავალს ხალხი აღიქვამს როგორც საკუთარი გზების პოვნის საშუალებას, ვიდრე უფასო ფულს ონლაინ სათამაშოდ. შესაძლებლობები, რომლებიც არ იარსებებს ჩვენს ამჟამინდელ საზოგადოებაში, სადაც ადამიანები კვირაში 40 საათზე მეტს მუშაობენ, არ აქვთ დრო, რომ სცადონ სხვა რამე და აშკარად არ შეუძლიათ საკუთარი საქმის მიტოვება ამისთვის.

რაც შეეხება უმუშევრობის სუბსიდიებს

უმუშევრობის სიბსიდიები ნამდვილად არ არის გამოსავალი, არა მხოლოდ იმის გამო, რომ ყველა ქვეყანას აქვს ეს სიბსიდიები, არამედ ძირითადად იმიტომ, რომ ეს სისტემა ხალხს აიძულებს მიიღოს ნებისმიერი სამუშაო, რაც მათ შესთავაზეს, წინააღმდეგ შემთხვევაში მათ შეიძლება სუბსიდიები დაეკარგათ. ამასთან, სუბსიდიის შეწყვეტა ხდება (ცხადია), როგორც კი მიმღები მოახერხებს სამუშაოს პოვნას თავისით. ეს არ არის ის, რაც ხალხს სტიმულს აძლევს.

მაგრამ ძირითადი შემოსავლის უზრუნველყოფა ძვირია, როგორ მოვიძიოთ სახსრები?

მრავალი გზა იყო შემოთავაზებული, დაწყებული სახელმწიფო ხარჯების რაციონალიზაციიდან, დამთავრებული გადასახადების თავიდან აცილებით. უპირველეს ყოვლისა, ყველაზე გონივრული პროცესი ის არის, რომ ამ შემოსავლის დაფინანსება მოხდეს მათ მიერ, ვინც ფლობს მანქანებს და შესაბამისად, წარმოებას. ბევრი ალტერნატივა არ არსებობს: თუ ვერავინ შეძლებს საქონლის შეძენას, ციკლი შეფერხდება და წარმოება თავისთავად დამთავრდება. თავად ფორდმა ორმოცდაათიან წლებში გააცნობიერა, რომ მომხმარებლებს უნდა შეეძლოთ მის მიერ წარმოებული მანქანების შეძენა.

მოსაზრებები

ინდუსტრია 4.0 აქ არის, სამუშაოები არ გაქრება ერთ ღამეში, მაგრამ პროცესი დაიწყო და აშკარად შეუქცევადია. დარწმუნებით ვერ ვიტყვი, იქნება თუ არა UBI ყველაფრის გამოსავალი, მაგრამ ნათელია, რომ ამჟამინდელი სოციალური სტრუქტურა მზად არ არის დარტყმისთვის და აუცილებელია გონივრული თვალსაზრისით გაკეთებული რეორგანიზაცია.

მე მიყვარს მსოფლიოს წარმოსახვა, სადაც არავინ არ არის იძულებული შეასრულოს საშინელი სამუშაოები მხოლოდ იმიტომ, რომ „მე რამე უნდა გავაკეთო, იმისთვის, რომ ვიცხოვრო“ და სადაც ყველგან გვხვდებიან მხოლოდ ის ადამიანები, რომლებიც მოტივირებული არიან რაღაცის აშენებაზე. ეს ძალიან პოეტური ოცნებაა, მაგრამ საბოლოოდ, ეს არ უნდა იყოს ტექნოლოგიის მიერ მიღწეული სახის პროგრესი? 

კეთილი იყოს თქვენი მობრძანება IT აკადემია STEP -ში, სტეპერების უზარმაზარ ოჯახში…
მუდამ თქვენთან! საერთაშორისო ბრენდი, მთელ მსოფლიოში 82 ფილიალიდან ერთერთი
IT აკადემია  STEP საქართველოს ფილიალი

დაგვიკავშირდით ეხლავე !

თბილისი,
34/34ბ ალექსანდრე ყაზბეგის გამზირი
+995 (32) 215-55-51
+995 (32) 215-50-05

შემოგვიერთდით აკადემიაში!

დარეკეთ ან დარეგისტრირდით ეხლავე, ჩვენი კვალიფიციური სპეციალისტები დაგიკავშირდებიან უმოკლეს დროში

რეგისტრაცია

სახელი, გვარი*
ტელეფონი*
E-mail*
სად გაეცანით ინფორმაციას ღია კარის დღის შესახებ?*


ახალი ამბები