對經(jīng)濟的影響可能超過以前的AI應(yīng)用程序

機器學(xué)習(xí)計算機系統(tǒng)隨著經(jīng)驗的提高而變得更好，它有可能像過去的蒸汽機和電力一樣改變經(jīng)濟。他們可以在許多任務(wù)中勝過人，盡管他們不可能在所有工作中取代人。

卡內(nèi)基梅隆大學(xué)的Tom Mitchell和麻省理工學(xué)院的Erik Brynjolfsson在政策論壇評論中說，將在12月22日出版的“ 科學(xué) ”雜志上發(fā)表。Mitchell在CMU創(chuàng)立了世界上第一個機器學(xué)習(xí)部門，而斯隆管理學(xué)院數(shù)字經(jīng)濟MIT計劃主任Brynjolfsson描述了評估任務(wù)或工作是否適合機器學(xué)習(xí)的21個標(biāo)準(zhǔn)(ML )。

他們寫道：“盡管今天ML 的經(jīng)濟影響相對有限，而且我們并未面臨有時宣布的'即將結(jié)束的工作'，但對經(jīng)濟和未來的勞動力的影響是深遠的。” 他們認為，人們選擇發(fā)展的技能和企業(yè)的投資將決定誰在日常生活中根深蒂固，誰會茁壯成長和躊躇不前。

ML是人工智能的一個要素。ML的快速進步已經(jīng)在面部識別，自然語言理解和計算機視覺方面取得了最近的進步。它已被廣泛用于信用卡欺詐檢測，推薦系統(tǒng)和金融市場分析，醫(yī)學(xué)診斷等新應(yīng)用即將出現(xiàn)。

預(yù)測ML將如何影響特定的工作或職業(yè)可能很困難，因為ML傾向于自動化或半自動化單個任務(wù)，但工作通常涉及多個任務(wù)，其中只有一些適合ML方法。

“我們不知道這一切將如何發(fā)揮作用，”CMU計算機科學(xué)學(xué)院的E. Fredkin大學(xué)教授Mitchell承認。例如，今年早些時候，研究人員表明，ML程序可以比皮膚科醫(yī)生更好地檢測皮膚癌。這并不意味著ML將取代皮膚科醫(yī)生，除了評估病變外，還做很多其他事情。

“我認為皮膚科醫(yī)生會發(fā)生什么，他們將成為更好的皮膚科醫(yī)生，并有更多的時間與患者共度，”米切爾說。“那些工作涉及人與人之間互動的人將變得更有價值，因為他們無法實現(xiàn)自動化。”

Mitchell和Brynjolfsson寫道，適合ML的任務(wù)包括可獲得大量數(shù)據(jù)的任務(wù)。例如，要學(xué)習(xí)如何檢測皮膚癌，ML程序能夠研究超過130,000個標(biāo)記的皮膚病變樣本。同樣，信用卡欺詐檢測程序可以通過數(shù)億個示例進行培訓(xùn)。

ML可以是已經(jīng)在線的任務(wù)的游戲改變者，例如日程安排。不需要靈活性，身體技能或移動性的工作也更適合ML。涉及根據(jù)數(shù)據(jù)做出快速決策的任務(wù)非常適合ML計劃; 如果決定取決于長長的推理鏈，不同的背景知識或常識，則不是這樣。

這組作者說，如果用戶需要詳細解釋如何做出決定，ML不是一個好的選擇。換句話說，ML在檢測皮膚癌方面可能比醫(yī)生更好，但皮膚科醫(yī)生更善于解釋為什么病變是癌性的。

然而，在“可解釋的”ML系統(tǒng)上正在開展工作。

作者說，了解ML在勞動力中的準(zhǔn)確適用性對于理解其可能的經(jīng)濟影響至關(guān)重要。今年早些時候，Mitchell和Brynjolfsson共同主持的國家科學(xué)院，工程和醫(yī)學(xué)院對信息技術(shù)和勞動力的研究指出，信息技術(shù)的進步導(dǎo)致了工資不平等的加劇。

“雖然有許多因素導(dǎo)致不平等，例如全球化程度的提高，但由于ML在很多情況下十年之內(nèi)發(fā)生巨大而迅速變化的可能性，這表明經(jīng)濟效應(yīng)可能具有高度破壞性，創(chuàng)造了贏家和輸家。”他們寫。“這需要政策制定者，商業(yè)領(lǐng)袖，技術(shù)專家和研究人員的高度關(guān)注。”