经验丰富的机器学习计算机系统正在像蒸汽机和电力那样经济转型。他们可以在一些任务中胜过人,尽管他们不可能取代所有工作中的人。
所以,卡内基梅隆大学的汤姆·米切尔(Tom Mitchell)和麻省理工学院的埃里克·布莱恩霍夫(Erik Brynjolfsson)在“ 科学 ”杂志的12月22日发表的政策论坛评论中说。在CMU创立了世界上第一个机器学习部的Mitchell和MIT斯隆管理学院数字经济学计划主任Brynjolfsson描述了评估任务或工作是否适合机器学习的21个标准(ML )。
他们写道:“尽管今天ML的经济影响相对有限,而且我们并没有像有时宣称的那样面临即将到来的”工作结束“,但对经济和未来劳动力的影响是深远的。他们认为,一旦ML在日常生活中根深蒂固,人们选择发展的技能和企业所做的投资将决定谁会兴旺发达。
ML是被称为人工智能的一个元素。ML的快速发展最近取得了面部识别,自然语言理解和计算机视觉方面的改进。它已经被广泛用于信用卡欺诈检测,推荐系统和金融市场分析,以及医疗诊断等新应用。
预测ML如何影响特定的工作或职业可能是困难的,因为ML倾向于使个人任务自动化或半自动化,但工作往往涉及多个任务,其中只有一些任务适合于ML方法。
CMU计算机科学学院的E. Fredkin大学教授米切尔(Mitchell)表示:“我们不知道这些将会如何发挥。例如,今年早些时候,研究人员发现,ML计划可以比皮肤科医生更好地检测出皮肤癌。这并不意味着ML将取代皮肤科医生,除了评估病变之外,他们还做很多事情。
米切尔说:“我认为皮肤科医生会发生什么事情,他们会成为更好的皮肤科医生,并有更多的时间与病人在一起。“由于不能实现自动化,涉及人与人之间互动的工作将变得更有价值。”
ML可以使用的任务包括那些可获得大量数据的任务,Mitchell和Brynjolfsson写道。为了学习如何检测皮肤癌,例如,ML程序能够研究超过130,000个标记的皮肤损伤例子。同样,信用卡欺诈检测程序可以通过数亿个例子进行培训。
ML可以是已经在线的任务的游戏改变者,例如调度。不需要灵活性,身体技能或行动能力的工作也更适合于ML。涉及根据数据做出快速决策的任务非常适合ML计划。
这组作者说,如果用户需要详细解释如何作出决定,ML并不是一个好的选择。换句话说,在检测皮肤癌方面ML可能比医生好,但是皮肤科医生更好地解释病变为什么会发生癌变。
但是,“可解释的”ML系统的工作正在进行中。
虽然造成不平等的因素很多,比如全球化日益加剧,但由于ML的巨大而迅速的变化(在很多情况下十年内)潜力巨大,这表明对经济影响可能会造成高度的破坏性,造成赢家和输家“这将需要决策者,商界领袖,技术人员和研究人员的高度重视。”
本文来自企鹅号 - 你的第一媒体
如有侵权,请联系 cloudcommunity@tencent.com 删除。
本文来自企鹅号 - 你的第一媒体
如有侵权,请联系 cloudcommunity@tencent.com 删除。