Küçük kasabalar küçülüyor ve orta sınıf yuvaları boş: Yapay zeka nasıl bir sosyal etki getirecek?
Metin | Yan Penggao Liu Peiyuan
Giriş
Günümüzde artan ekonomik dengesizlikle birlikte, AI teknolojisinin hızlı gelişimi kaçınılmaz olarak insanların büyük ölçekli teknik işsizlik konusunda endişelenmesine neden olacaktır. Teknolojik değişikliklerin neden olduğu kaostan kaçınmak için, hükümet uygulayıcılar için daha fazla iş fırsatı elde etmek için politikaları nasıl formüle etmelidir? Günümüzde otomasyon teknolojisinin hızla gelişmesiyle birlikte çalışanlar yeni pazara nasıl uyum sağlamalı? Yeni bir PNAS makalesi, devam eden teknolojik değişikliklere yanıt olarak yapay zekanın işgücü piyasası üzerindeki etkisini değerlendirmek için teknoloji-beceri pazarını kapsayan bir ağ çerçevesi önerdi.
Deneme konusu:
Yapay zekanın emek üzerindeki etkisini anlamaya doğru
Kağıt adresi:
https://www.pnas.org/content/116/14/6531
1. AI, iş piyasasını yeniden şekillendirir,
Ancak etkisini ölçmek zor
Oxford Üniversitesi'nin bir analiz organizasyonu olan Oxford Economics'in en son tahmin verilerine göre, dünya çapında 20 milyon imalat işi 2030'a kadar robotlarla değiştirilecek ve her yeni endüstriyel robot 1.6 üretim işini ortadan kaldıracak. Aslında, 2000 yılından bu yana robotlar, Avrupa'da 400.000, Amerika Birleşik Devletleri'nde 260.000 ve Çin'de 500.000'den fazlası dahil olmak üzere 1.7 milyon imalat işinin yerini aldı.
Düşük beceri seviyelerine sahip işlerin yanı sıra, bu tür işlerin yoğunlaştığı daha zayıf ekonomilere sahip alanların makinelerden etkilenme olasılığı daha yüksektir. İmalat işlerine ek olarak, hizmet sektöründeki bazı tekrarlayan düşük vasıflı işler, otomasyon teknolojisi tarafından kademeli olarak aşınacaktır.
Kötümserler, teknolojik gelişmelerin insan emeğini daha verimli hale getirdiğine inanırlar, ancak önemli iyileştirmelerin istihdam üzerinde zararlı etkileri olabilir. İyimserler, teknolojinin belirli emek türlerinin yerini almasına rağmen, diğer sektörlerde istihdamı da artırabileceğine inanıyor.
Bununla birlikte, gerçek sorun, akıllı teknolojik değişikliklerin kentsel işgücü üzerindeki etkisini doğru bir şekilde ölçmek için makul bir analiz çerçevesinin nasıl oluşturulacağıdır. Yapay zeka-emeğin nicel bir modelini kurmanın zor olmasının nedeni, esas olarak üç güçlükle karşı karşıyadır:
Öte yandan, gerçek dünyada çeşitli becerilere ilişkin istatistikler azdır Bilgisayar programlama becerileri bir istisnadır.Çoğu iş becerisi için ayrıntılı istatistik yoktur.
Öte yandan, teknolojinin piyasa üzerindeki etkisi önemli ölçüde belirsizliğe sahiptir ve bu da tahmin modelinin esnekliğine yüksek talepler getirir.
Daha da önemlisi, yapay zeka teknolojisinin farklı bölgelerdeki işgücü piyasası üzerindeki etkisi büyük farklılıklar gösteriyor.
2. Yeni PNAS modeli:
Teknoloji-Beceri-Pazar Ağı
2 Nisan 2019'da Ulusal Bilimler Akademisi "PNAS" Proceedings of the National Academy of Sciences "PNAS", "Yapay zekanın emek üzerindeki etkisini anlamaya doğru" başlıklı bir makale yayınladı ve ABD'yi tartışmak için örnek aldı. Yapay zekanın işgücü piyasası ve kentsel gelişim üzerindeki kalıcı etkisi ve bu etkileri gözlemlemek için sisin nasıl kaldırılacağı.
Bu araştırma, MIT Media Lab, Northwestern Üniversitesi Kellogg İşletme Fakültesi ve Santa Fe Enstitüsü gibi farklı geçmişlerden bilim insanlarını bir araya getirdi. Araştırmacılar, daha ayrıntılı bir çerçeve oluşturmak için belirli beceri türlerini mesleki hareketlilik ve tüm şehrin işgücüyle ilişkilendiriyor.
Aşağıdaki şekilde gösterildiği gibi, teknolojik değişiklikleri, mesleki becerileri ve gelecekteki istihdam eğilimlerini bir ağ olarak inceleyen birleşik bir çerçeve önerdiler.
Şekil 1 (Orijinal makalenin Şekil 1C'si): Teknolojik değişiklikleri, mesleki becerileri ve gelecekteki istihdam eğilimlerini incelemek için çok katmanlı bir ağ çerçevesi.
Şekil 1'de gösterildiği gibi, soldaki resim iki bağımsız iş piyasasını, yani orta şehir ve kırsal alanı göstermektedir. İkisi bağımsız olsa da, uygulayıcılar ve ürünler bu iki pazar arasında akabilir; ortadaki diyagram farklı meslekler arasındaki aktarılabilir ilişkiyi gösterir; örneğin, orta ve üst düzey yöneticiler ve programcılar geçiş yapabilirken barmenler Orta ve üst düzey yöneticiler arasında geçiş yapmak mümkün değildir.
Sağdaki şekil, uygulayıcıların beceri karışımını göstermektedir Bu beceriler genellikle belirli profesyonel ihtiyaçları karşılamak için bir araya getirilmiştir. Gelişmekte olan teknolojiler, belirli mesleklerin beceri gereksinimlerini değiştirecek ve bu da beceri çiftleri arasındaki ilişkiyi değiştirecektir. Örneğin, makine vizyon yazılımının geliştirilmesi ile vizyonla ilgili görevler için insan gücü talebi etkilenecek, bu değişiklikler birikerek tüm sisteme yayılacak ve böylece gelecekteki istihdam eğilimlerini etkileyecektir.
Araştırmacılar, model yapım sürecinde ortaya çıkabilecek engeller ışığında, çözümleri tek tek buldular:
3. İş gücü verileri azsa ne yapmalı
İşgücü istihdamı eğilimleri üzerine yapılan araştırmada, geleneksel yöntemlerde kullanılan verilerin çoğu, ücret verileri gibi ulusal istatistiklerden elde edilmektedir. Şekil 2'de farklı gelire sahip kişiler ile istihdam payındaki değişimler arasındaki ilişki gösterilmekte, düşük gelirli ve yüksek gelirli mesleklerin istihdam payının arttığı, orta gelirli mesleklerin istihdam payının azaldığı ve orta gelirli mesleklerde "boşluk" olgusunun ortaya çıktığı görülmektedir.
Şekil 2 (Makalenin orijinal şekli 1A): Farklı gelir grupları arasındaki ilişki ve istihdam payındaki değişiklikler. Kırmızı çizgi 1999-2007'yi ve mavi çizgi 2007-2016'yı temsil eder.
Eğitim seviyesi verileri, istihdam eğilimlerini tahmin etme doğruluğunu artırabilir.Örneğin, lisans derecesi gerektiren meslekler, AI'dan kolayca etkilenmeyen meslekler olarak tanımlanabilir. Ancak, gelecekteki istihdam eğilimlerini yalnızca ücret seviyesi ve eğitim seviyesi verilerine dayanarak doğru bir şekilde tahmin etmek imkansızdır.Şekil 2'de gösterildiği gibi, medyan kişisel gelir ve verimlilik eğrisi 1981'den 2015'e kadar değişmektedir. 2000'den önce, ortalama kişisel gelir, üretkenlikteki artışla birlikte kademeli olarak arttı, ancak 2000'den sonra, "büyük bir ayrışma" (artan üretkenlik ancak durgun gelir seviyeleri) oldu Bu, otomasyon teknolojisi ile uyumludur. İş verimliliğindeki artışla ilgilidir.
Şekil 3 (makalenin orijinal şekli 1B): kişisel gelir ve zaman içindeki üretkenlik eğrisi. Mavi çizgi üretkenliği ve yeşil çizgi ortalama kişisel geliri temsil eder.
Bu nedenle, ücret seviyesi ile eğitim seviyesi ve hatta iş becerilerinin birleşimi, bu veriler meslekleri doğru bir şekilde ayırt etmek için çok kabadır. Bu nedenle, bu verileri farklı teknolojilerin etkisini ayırt etmek veya değişen beceri gereksinimlerini tahmin etmek için kullanmak çok pratik değildir. Bu, modelin yapımında yanıltıcı olabilir. Bu nedenle, gerçek zamanlı olarak güncellenen iş beceri verileri son derece önemlidir.
ABD Çalışma Bakanlığı'nın O * NET veri tabanının mesleki becerileri ayrıntılı olarak sınıflandırması ve 2014'ten bu yana yılda iki kez güncellenmesi kutlanmaya değer. Bununla birlikte, veritabanının mesleki becerilerin statik sınıflandırılmasıyla ilgili bazı sorunları vardır.
Şekil 4A'da gösterildiği gibi, O * NET'e göre, "kurulum" becerileri programcılar ve tesisatçılar için eşit derecede önemlidir, ancak bu iki meslekteki çalışanlar "kurulum" görevlerini yerine getirir ve bunların özel işlemleri çok farklıdır. Mesleki becerilerin bu statik sınıflandırması, değişen dış ortamlar için uygun değildir.
Şekil 4 (makalenin orijinal şekli 2): (A) O * NET veri tabanındaki kamyon şoförlerinin, tesisatçıların ve yazılım geliştiricilerin beceri karşılaştırması, (B) ve farklı programlama dillerinin zaman içindeki popülerliğinin eğrisi.
O * NET veritabanında, "programlama" sadece profesyonel bir beceridir. Hepimizin bildiği gibi, farklı çalışma senaryolarında gerekli olan programlama dilleri farklıdır, bu da O * NET'in mesleki beceriler bölümünde yeterince esnek olmadığını göstermektedir. Şekil 4B, farklı programlama dillerinin popülerliğini (Google'da karşılık gelen eğitimlerin popülerliğini araştırın) ve zaman içindeki eğilimi (farklı renklerdeki çizgiler farklı programlama dillerini temsil eder) gösterir. Python dilinin popülaritesinin giderek arttığı, yani "programlamanın" profesyonel becerilerinin, örneğin Python programlama ve Java programlama gibi bazı alt kategorilerde daha ayrıntılı olarak sınıflandırılması gerektiği görülebilir.
Özetle, yapay zeka teknolojisinin işgücü üzerindeki mikroskobik etkisini netleştirmek için, ince taneli beceri verileri son derece önemlidir. Örnek olarak çevrimiçi kariyer web sitelerini ele alalım: İnce ayrıntılı meslek ve beceri bilgileri sunabilen çalışan özgeçmiş verilerini ve iş ilanı verilerini sağlayabilirler. Ancak, gizlilik sorunları nedeniyle, bu veri kaynaklarına erişim kısıtlanmıştır ve bu nedenle, araştırmacıların bu verileri paylaşmak için güvenli bir ortam oluşturmaları gerekmektedir.
4. Teknolojinin etkisi belirsizdir,
Modelin esnekliğe ihtiyacı var
Teknolojinin istihdam üzerindeki etkisinin belirsizliği nedeniyle işgücü piyasası da belirsizlik yaratacaktır Tahmin modeli esnek olmayacak ve beklenmedik durumlarla baş edemeyecektir.
Şekil 5'de görüldüğü gibi, yasal asistanların iş sayısı azalırsa hangi işler onlara uygun olabilir?
O * NET veri tabanı, yasal asistanların AI teknolojisi ile tanımlanabilecek hukuki bilgiye, bilgi işleme yeteneğine, tıbbi bilgiye, büro yeteneğine, bilgisayar bilgisine ve idari yeteneğe sahip olduğunu, hukuk asistanları ve insan kaynakları uzmanlarının ofis becerisine, bilgisayar bilgisine ve idari beceriye sahip olduğunu göstermektedir. Örtüşme var. Buna ek olarak, insan kaynakları uzmanlarının sosyal becerilere de ihtiyaçları vardır, bu nedenle yasal asistanlar, insan kaynakları uzmanlarına dönüşmek için yeniden eğitim programları aracılığıyla sosyal beceriler konusunda eğitilebilir.
Şekil 5 (makalenin orijinal şekil 3B'si): Hukuk yardımcılarını insan kaynakları uzmanlarına dönüştürme sürecinde, ikisinin gerektirdiği becerilerin bağlantısı ve karşılaştırması.
Bu nedenle, mesleki becerilerin içsel bağımlılığının açıklığa kavuşturulması, yalnızca bireylerin kariyerlerine yardımcı olmak için hangi mesleklerin yeni teknolojilerle değiştirileceğini veya geliştirileceğini belirlemekle kalmaz, aynı zamanda hükümetin büyük teknolojik değişiklikler karşısında daha uygun istihdam fırsatları yaratmasına yardımcı olur. .
Dinamik işgücü piyasasında istihdam yörüngelerini belirlemek de önemlidir (örneğin, mesleki becerilerin bir bireyin kariyer yörüngesini nasıl belirlediği). Mesleki becerilerin benzerliği ne kadar yüksek olursa, meslekler arasında geçiş yapmak o kadar kolay olur. Ancak gelişen teknolojilerin gelişmesiyle birlikte belirli mesleklerin beceri gereksinimleri azalacak ve bu sürecin etkisi Şekil 6'da gösterilebilir. Şekil 6'da, oldukça benzer beceri ihtiyaçları olan meslekler çiftler halinde birbirine bağlanmıştır Meslekler arasındaki bağlantılar yoğuntan seyrekleştikçe (gelişen teknolojilerin gelişmesinin olası etkisi), istihdam oranı da azalmaktadır. Bu değişim eğilimi düzgün bir eğri değildir.Grafikte bir sınır noktası olduğu bulunabilir.Bu sınır noktasını çözerek araştırmacı iş piyasasının esnekliğini ölçebilir.
Şekil 6 (Makalenin orijinal şekli 3A): Farklı meslekler arasındaki ilişki zayıfladıkça, istihdam oranı değişiyor.
Peki beceriler ve meslekler nasıl haritalandırılır? Belki de gelişmiş yapay zeka teknolojisi bu sorunu çözebilir. Makine öğrenimi (ML) ve doğal dil işleme (NLP) araçları, karmaşık yüksek boyutlu verilerdeki potansiyel yapıları yakalayabilir.Örneğin, NLP, beceri verilerini bir meslek adları sözlüğünde işlemek ve O * NET veritabanındakine benzer bir biçime dönüştürmek için kullanılabilir. ML, işe alım verilerini uzunlamasına işlemek ve beceri talebi değişikliklerinin eğilimini belirlemek için kullanılabilir.
5. Bölgesel farklılıklar:
AI'nın küçük şehirler üzerinde daha büyük bir olumsuz etkisi var
AI teknolojisinin istihdam üzerindeki etkisi, işgücüne, kentsel-kırsal farklılıklara ve gelir dağılımına yansıyan farklı bölgelerde büyük ölçüde değişiklik göstermektedir.
Teknolojik değişiklikler belirli meslekler için beceri gereksinimlerini değiştirmiş olsa da, mevcut mesleki beceriler veritabanı bölgesel farklılıkları ayırt edememektedir. Örneğin, büyük şehirlerde yüksek teknolojili işler hakimken, küçük şehirlerde ve kırsal alanlarda el emeği meslekler daha yaygındır ve bu el işçiliği kolaylıkla makinelerle değiştirilebilir. Bu gözlem, bir ülke içindeki servet uçurumunun esas olarak büyük şehirler ile küçük şehirler arasındaki servet uçurumuna yansıdığını göstermektedir.
Ek olarak, şehirler arasındaki bağların güçlendirilmesi ulusal ekonominin istikrarlı işleyişini sürdürebilir. Bu nedenle, hükümetin yerel ekonominin direncini değerlendirmek için yerel işgücü piyasası ile diğer şehirlerin işgücü piyasaları arasındaki bağlantıları anlaması gerekir. İstihdam fırsatları insanların göçünün özü olduğundan, beceri eşleştirme, iş eşleştirme süreci için çok önemlidir. Yerel mesleki beceri setini anlamak, çalışanların mekansal hareketlilik modeli için bilgi sağlayabilir ve modelin istihdam hareketliliği anlayışını iyileştirebilir ve gelişmeye yardımcı olabilir. İstihdam teşvik politikaları.
Altıncı, ağ modelinin nasıl öngördüğü
AI'nın istihdam eğilimleri üzerindeki etkisi
Önceki analiz sayesinde, araştırmacılar, AI teknolojisinin gelecekteki istihdam eğilimleri üzerindeki etkisini tahmin etmek için öngörücü bir model önerdiler.Modelin iş akışı Şekil 7'de gösterilmektedir ve spesifik ifade aşağıdaki gibidir:
Teknolojik değişimle ilgili meslekleri ve ayrıntılı mesleki beceri verilerini belirleyen ve bölgesel farklılıkları yansıtan yapılandırılmış ve yapılandırılmamış veriler dahil olmak üzere veri girişi;
Veri sıralama ve temizleme, çeşitli verileri entegre etme ve formu dönüştürme, uzmanların kullanımına elverişlidir;
Modelleme sürecinde, şehirler arasında (çalışanların göçü) ve şehirler içinde (yerel mesleki hareketlilikteki değişiklikler) istihdam eğilim modelini oluşturmak için harmanlanmış verileri kullanın;
Tahmin süreci, bu kısım, hükümete politikaları formüle etme konusunda rehberlik etmek ve kişisel kariyer planlamasına katkıda bulunmak için istihdam değişikliklerinin eğilimini öngörür.
Şekil 7 (makalenin orijinal şekli 4): AI teknolojisinin gelecekteki istihdam eğilimini tahmin etmek için modelin şematik diyagramı
Ağ mimarisine ek olarak, bu yeni tahmin modeli veri toplamaya odaklanıyor. İşgücü özgeçmişlerinden ve kurumsal işe alım ihtiyaçlarından yapılandırılmamış bilgiler çıkararak ve patent verilerini ve kentsel işgücü göçü / aktarım verilerini test ederek, gelecekte teknolojinin işgücü piyasası üzerindeki etkisine ilişkin daha derin bir anlayışa sahip olunması beklenmektedir.
Yedi, akıllı çağ geliyor
Bu "yumuşak becerilere" daha çok ihtiyacınız var
AI teknolojisi, beceri, istihdam fırsatları ve çalışanların dağılımına yönelik talebi yeniden şekillendirebilir. Bununla birlikte, araştırmacılar ve politika yapıcılar doğuştan bilgiden yoksun oldukları için, AI teknolojisinin iş piyasası üzerindeki etkisini ölçmek için modeller oluşturmak zordur.
Araştırmacılar, bu makaledeki modelde, ayrıntılı iş becerisi verilerini toplayarak, işgücü piyasasındaki değişikliklere gerçek zamanlı olarak yanıt vererek ve coğrafi farklılaşmayı göz önünde bulundurarak, politika yapıcılara karşı önlemleri formüle etmede yardımcı olabilecek iyi tasarlanmış bir model oluştururlar. Teknoloji büyük değişikliklere uğradığında, insanlar için daha fazla iş fırsatı arayabilir ve toplumun verimli çalışmasını sağlayabilir.
Birey olarak, teknolojik değişikliklerin iş piyasası üzerindeki etkisiyle nasıl başa çıkılır? 2018'deki önceki bir PNAS makalesinde ve büyük veri analizi yoluyla, bir araştırma ekibi iletişim, yönetim ve takım çalışması gibi sosyal becerilerin gelecekte daha önemli olacağını öne sürdü.
Araştırmacılar, devasa işe alım bilgileri, bilimsel araştırma ve eğitim bilgilerindeki 13.000 beceri anahtar kelimesinin dağılımının sistematik analizi yoluyla, programlama, finans ve istatistik gibi zor becerilere yönelik pazar talebi arttıkça, bu zor becerilere uyan iletişim, yönetim ve yönetim olduğunu buldular. Takım çalışması gibi yumuşak beceriler gittikçe daha önemli hale gelecektir, ancak gerçek bilimsel araştırma ve öğretimde yumuşak becerilerin eğitimi yetersiz olmaktan uzaktır. Bu, sosyal beceriler açısından şirketler ve okullar arasında arz ve talep arasında bir dengesizliğe yol açmıştır.
Piyasa dengesizliği bireyler için bir fırsattır. Yapay zeka ve otomasyon geleceğin ana üreticileri olmaya mahkum olduğunda, yalnızca makinelerle iletişim kurma yeteneğine sahip olmanız değil, aynı zamanda insanlarla iletişim kurma ve işbirliği yapma ve anlam oluşturma becerisine de sahip olmanız gerekir.
Referans malzemeleri:
Yapay zekanın emek üzerindeki etkisini anlamaya doğru,
https://www.pnas.org/content/116/14/6531
Robotlar, 2030'a kadar '20 milyona kadar fabrika işinin yerini alacak',
https://www.bbc.com/news/business-48760799
Araştırma, eğitim ve işler arasındaki beceri tutarsızlıkları, veri ekonomisi için sosyal beceriler sağlamaya yönelik kritik ihtiyacı ortaya koymaktadır.
https://doi.org/10.1073/pnas.1804247115
Bu makale Jizhi Club'dan yeniden basılmaya yetkilidir.
