هوش مصنوعی (AI) تهدیدی جدید برای برخی جایگاه های شغلی ایجاد کرده است اما برخی از این فرصت ها در سایه آن درحال رشد هستند
به گزارش پایگاه خبری تجریش به نقل از WSJ ؛ وقتی کمپانی OpenAI سال گذشته نرمافزار ChatGPT انسان گونه خود را در جهان عرضه کرد، یک چیز واضح بود: این سیستمهای هوش مصنوعی به عنوان جایگزینی برای مشاغل ما آمدهاند. اما هنوز وجود انسان ها را نمی توان نادیده گرفت . بیش از یک قرن پیش، ظهور خودرو خبر بدی برای دست های پرتوان بود، اما برای مکانیک ها خوب بود. و هوش مصنوعی در حال ایجاد فرصت های جدید است که در این مقاله به تعدادی از آن اشاره خواهد شد.
هوش مصنوعی (AI) تهدیدی جدید برای برخی جایگاه های شغلی ایجاد کرده است اما برخی از این فرصت ها در سایه آن درحال رشد هستند :
توسعه دهندهگان داخلی مدل زبان بزرگ
الگو های زبان های بزرگ توسعه یافته مانند GPT OpenAI و LaMDA Google بر روی مقادیر انبوهی از دادههای ثبت شده از اینترنت به صورت متوالی آموزش دیده اند تا در تشخیص، تولید و پیشبینی فعالیت کنند .به طور مثال در صنعت مالی، این زبان ها همچون فارغ التحصیلان تازه کاری هستند که در امور تخصصی از آنها استفاده نمی شود.
توسعهدهندگان داخلی با معرفی الگوهای زبان با رویکردی متفاوت تغییرات خود را در راستای ایجاد تغییراتی بزرگ و رشد عملکردهایی همچون تهیه گزارش سالانه 10 هزار شرکت در مدت زمانی کوتاه تر و یا راهنمایی مشتری در فرآیند درخواست آن را تغییر خواهند داد.
اریک گیسلز، استاد اقتصاد، به نقل از چپل هیل از مسئولان امور مالی دانشگاه کارولینای شمالی ، میگوید: «چیزی که ما در حال حاضر به سمت آن میرویم، این است که تعداد کمی از شرکتها این مدلهای عظیم را توسعه میدهند و سپس مشتریان – مؤسسات مالی – آن مدلها را میگیرند و سپس آنها را برای اهداف خود در داخل آموزش میدهند.»
توسعه دهندگان داخلی، برنامه درسی این آموزش را با انتخاب داده های جدید و اغلب اختصاصی برای اجرای مدل ها طراحی خواهند کرد. آنها با پرسش و پاسخ و نگاهی سازنده در مورد پاسخ های آنها، مدل ها را به معنای قانونی و مالی کلماتی مانند "سود " و "قراردادهای مشتقه " عادت می دهند. در نهایت، آنها مدل ها را به شکل کاربر پسند به کارمندان و مشتریان تحویل می دهند.
گیسلز میگوید چالش موسسات مالی، یافتن افراد واجد شرایط برای انجام همه این کارها خواهد بود.
ارتقا دهندگان مهارت ها
از آنجایی که هوش مصنوعی قادر به انجام کارهای بیشتری است که اکنون توسط انسان ها انجام می شود، مردم باید مهارت های خود را با شدت بیشتری ارتقا دهند تا بهره وری و اشتغال بمانند. "باز آموزان "، نوع جدیدی از معلمان هستند که به انسان ها کمک می کند تا یک قدم جلوتر از ماشین ها بمانند.
با تکامل هوش مصنوعی، شرکت ها برای متخصصانی که می توانند چنین توسعه انسانی حیاتی را هدایت کنند، ارزش فزاینده ای قائل می شوند. معلمان در دوران انقلاب صنعتی وضعیت بدی داشتند. استفن مسر، یکی از بنیانگذاران و رئیس موسسه Collective ، مدلی بنیادی ایجاد کرده است که بینشی در مورد پیشبینی درآمد و رشد ایجاد میکند، میگوید: «حالا، من فکر میکنم معلمان در شرف گذراندن یک دوره هستند. انقلاب به دلیل هوش مصنوعی."
ارتقادهندگان مهارت باید استعدادهایی را که سازمانها به عنوان پیشرفت فناوری نیاز دارند، درک کنند. کیت پیریس، یکی از بنیانگذاران و مدیر اجرایی Tome،که یک شرکت استارت آپی است در زمینه داستان سرایی و ارائه مطالبت به صورت اصیل در قالب یک پلتفرم که مبتنی بر هوش مصنوعی فعالیت می کند ، می گوید: «این مسئولیتی را بر دوش کارمندان و شرکت ها می گذارد تا بروز بمانند .در دنیای قدیم، در قدم های ابتدایی هوش مصنوعی، شاید برای ساختن یک شرکت به 100 نفر نیاز داشتید... با هوش مصنوعی، شاید بتوانید آن شرکت را با 30 نفر بسازید."
به گفته پیریس که در زمینه مهندسی فناوری نانو آموزش دیده و از کهنه کاران فیس بوک و اینستاگرام است، در حال حاضر افزایش قابل توجهی در توسعه شغلی به دلیل هوش مصنوعی مولد شکل گرفته است. «متخصصان فروش در حال یادگیری توسعه ئر بستر وب و استفاده صحیح از کپی رایت هستند. او میگوید که بازاریابها بیشتر به طراحی گرافیک علاقهمند شدهاند."
روان شناسی در قالب هوش مصنوعی
شرکتهای مالی که برای پیشبینی و تصمیمگیری به هوش مصنوعی تکیه میکنند، به افرادی نیاز دارند که محرکهای تفکر یک مدل را تشخیص دهند. برخلاف نرم افزارهای معمولی، منطق پشت خروجی برنامه هایی مانند ChatGPT OpenAI معمولاً مبهم است. دینش نیرمال، معاون ارشد محصولات، نرمافزار IBM، میگوید: وقتی از آنها برای تولید چیزهایی مانند دستور العملها و اشعار استفاده میشود، ممکن است خوب باشد، اما اگر برای مواردی مانند تخصیص امتیازات اعتباری، بهینهسازی پرتفوی سرمایهگذاری و پیش بینی مانده نقدینگی به آنها اتکا شود، خوب نیست.
نیرمال میگوید هوش مصنوعی تجاری یا سازمانی، که به شرکتها و سازمانها خدمت میکند، به «قابلیت توضیح» بستگی دارد. مشتریان می خواهند بدانند که چرا درخواست وام آنها رد شده است. قانون گذاران بانکی باید برخی تصمیمات را توضیح دهند.
روان درمانگران هوش مصنوعی با بررسی دقیق داده های آموزشی برای خطاها و سوگیری منابع ، تدوین یک مدل را ارزیابی خواهند کرد. آنها ممکن است مدلهای هوش مصنوعی را با بررسی سؤالات آزمایشی پیشنهاد نمایند . شرکتهایی مانند آیبیام، گوگل و مایکروسافت در حال رقابت برای انتشار ابزارهای جدیدی هستند که فرآیندهای فکری هوش مصنوعی را تعیین و ترسیم میکند، اما مانند تستهای Rorschach از افراد میخواهند که خروجیهایشان را تفسیر کنند.
الکسی سورکوف، شریک و رئیس جهانی مدیریت ریسک مدل در Deloitte & Touche میگوید درک استدلال هوش مصنوعی تنها نیمی از کار خواهد بود. نیمی دیگر آمادگی ذهنی یک مدل برای کار در حال انجام است. Surkov میگوید: «مهم نیست که مدلها و سیستمها چقدر پیچیده باشند، ما به عنوان انسان در نهایت مسئول نتایج استفاده از آن سیستمها هستیم.»
پذیرش "روان درمانگر" ممکن است برای یک عنوان شغلی در برخی از شرکت های مالی ممکن است مدت زمان طولانی را در برگیرد که Surkov مدیر ریسک یا کنترل کننده هوش مصنوعی را به عنوان جایگزین پیشنهاد می کند.
مهندسی سریع
مهندسی سریع چگونگی یک سیستم هوش مصنوعی مانند ChatGPT را برنامه ریزی می کنید که می تواند مانند یک انسان با شما صحبت کند یا به طور دقیق تر امکان مکالمه را بین انسان و هوش مصنوعی را طرح ریزی می نماید ، شما یک مهندس فوری را برای انجام این کار استخدام می کنید. مهندسی سریع یک طبقه از مشاغل در حال ظهور است که جایی بین برنامه نویسی و مدیریت قرار گرفته است. مهندسان سریع به جای استفاده از زبان های برنامه نویسی کامپیوتری پیچیده مانند پایتون یا جاوا، دستورالعمل های خود را برای سیستم های هوش مصنوعی به زبان انگلیسی ساده بیان می کنند و راه های جدیدی برای استفاده از قدرت سیستم های هوش مصنوعی زیربنایی ایجاد می کنند.
این کاری است که کلاس جدید مهندسان سازنده نرمافزار حقوقی Casetext با دستیار حقوقی مبتنی بر هوش مصنوعی خود به نام CoCounsel انجام میدهند. جیک هلر، مدیر اجرایی این شرکت، میگوید که در حال استخدام مهندسان سریع است تا تواناییهای CoCounsel را با آموزش به چت ربات هوش مصنوعی، در هزاران کلمه یا بیشتر، چگونه انجام دهد. زبانی که مهندسان سریع استفاده می کنند دقیق و دقیق است و نحوه بررسی اسناد، خلاصه کردن تحقیقات یا بررسی و ویرایش قرارداد را توضیح می دهد. به عنوان مثال، یک مهندس سریع ممکن است با نشان دادن سطح تخصص مورد نیاز، دستورالعملها را برای یادداشت CoCounsel ترسیم کند: «هدف شما این است که یادداشت سطح درک، تفاوتهای ظریف و توجه به جزئیاتی را که از یک استیناف فدرال انتظار میرود را نشان دهد. قاضی در حال تنظیم نظر حقوقی.»
هلر میگوید بهترین مهندسان سریع افرادی هستند که میتوانند دستورالعملهای بسیار واضحی ارائه دهند، اما اصول کدنویسی را نیز درک میکنند. به عبارت دیگر، آنها اغلب مدیران فنی عالی هستند. او میگوید به جز با مهندسان سریع، این یک کارمند نیست که آنها را مدیریت میکنند. "این یک هوش مصنوعی است."
منبع : روبرت مک میلان ،مجله وال استریت
مترجم : عبدالرضا پورزمان
5 اکتبر 2023