کد خبر: 182911                      تاريخ انتشار: 1404/12/05 - 12:04
مشاغلي که زير تيغ هوش مصنوعي رفته‌اند
 
هوش مصنوعي بسياري از مشاغل را تهديد مي‌کند و به نظر نمي‌رسد مشاغل علمي از اين قاعده مستثنا باشند. سوال اينجاست که کدام مشاغل بيشترين خطر جايگزيني با هوش مصنوعي را دارند؟
 
براي پاسخ به اين سوال، نشريه نيچر با بيش از ?? پژوهشگر در دانشگاه و صنعت که در کار خود از هوش مصنوعي استفاده مي‌کنند، صحبت کرده است. بسياري از آن‌ها مي‌گويند اوج‌گيري هوش مصنوعي همين حالا نيز تقاضا براي پژوهشگران انساني‌ را که مي‌توانند کد بنويسند يا تحليل داده پايه انجام دهند، کاهش داده است. اينها وظايفي هستند که اغلب توسط دانشجويان تحصيلات تکميلي، پژوهشگران پسادکتري يا افراد بدون تحصيلات تکميلي انجام مي‌شود.
به گفته شوآن‌هه ژائو (Xuanhe Zhao)، مهندس مکانيک در موسسه فناوري ماساچوست در کمبريج، منسوخ شدن برخي نقش‌هاي پايه در حوزه‌هايي مانند مدل‌سازي رايانه‌اي، بحث آينده نيز نيست و همين حالا در حال وقوع است، زيرا هوش مصنوعي اين کار را بسيار بهتر از دانشمندان تازه وارد انجام مي‌دهد. کارکنان در برخي مشاغل مانند ترجمه مقالات از يک زبان به زبان ديگر، نيز شاهد از دست رفتن حرفه خود هستند. پژوهشگران عموما فکر مي‌کنند که موقعيت‌هايي که شامل آزمايش عملي هستند، امن‌ترند، همان‌طور که مشاغل دانشمندان ارشد که پروژه‌هاي پژوهشي را سازمان‌دهي و هماهنگ مي‌کنند نيز امن‌تر به نظر مي‌رسند. اما برخي استدلال مي‌کنند که هوش مصنوعي حتي در اين کارکردهاي سطح بالاتر نيز در حال نزديک شدن به انسان‌هاست.
به گفته آنتون کورينک (Anton Korinek)، اقتصاددان در دانشگاه ويرجينيا در شارلوتزويل، مشاغلي که شامل وظايف صرفا شناختي هستند، نخستين موارد حذفي خواهند بود. او مي‌گويد: به طور سنتي، اين‌ها همان مشاغلي بودند که بيشترين ارتباط را با پژوهش علمي داشتند. آن‌ها به ‌زودي توسط هوش مصنوعي تصاحب خواهند شد.
نيرويي مخرب
پژوهشگران هم‌اکنون از ابزارهاي هوش مصنوعي براي بسياري از وظايف مانند ويرايش مقالات و خلاصه‌سازي مقالات علمي استفاده مي‌کنند. اما در حال حاضر، به گفته پژوهشگران، توانايي هوش مصنوعي در توليد کد و پردازش داده بيشترين اختلال را در بازار کار علمي ايجاد کرده است.
براي مثال، برخي آزمايشگاه‌هاي دانشگاهي برنامه‌نويسان پژوهشي را استخدام مي‌کنند تا بسته‌هاي کدي بنويسند که ديگر دانشمندان از آن‌ها استفاده کنند. به گفته برايان هاي (Brian Hie)، زيست‌شناس محاسباتي، با ظهور هوش مصنوعي، چنين مشاغلي اکنون منسوخ شده‌اند. شوآن‌هه ژائو موافق است که موقعيت‌هايي که بر ايجاد شبيه‌سازي‌ها و تحليل داده تمرکز دارند، اکنون مي‌توانند با هوش مصنوعي پر شوند.
حتي اگر هوش مصنوعي هنوز به اخراج چنين کارکناني منجر نشده باشد، هم ‌اکنون نيز موقعيت‌هاي جديد در علم را محدود کرده است. هانا ويمنت استيل (Hannah Wayment-Steele) زيست‌شناس محاسباتي در دانشگاه ويسکانسين مديسون، مي‌گويد اگر پنج سال پيش در حال راه‌اندازي آزمايشگاهم بودم، فکر مي‌کردم استخدام يک برنامه‌نويس پژوهشي واقعا عالي است... اما حالا واقعا نيازي به آن نمي‌بينم، زيرا هوش مصنوعي مي‌تواند حتي کدنويسي سنگين را انجام دهد.
نانشو لو (Nanshu Lu)، مهندس مواد در دانشگاه تگزاس در آستين، با اين حرف موافق است. او مي‌گويد: ما در استخدام دستياران پژوهشي تحصيلات تکميلي و پژوهشگران پسادکتري آينده بسيار محافظه‌کارتر شده‌ايم که اين تا حدي به دليل عدم قطعيت‌ها در مورد حمايت‌هاي مالي و قطعا به خاطر هوش مصنوعي است.
برخي دانشمندان نسبت به خطرات احتمالي هشدار مي‌دهند و مي‌گويند دانشجويان کارشناسي، تحصيلات تکميلي و متخصص‌ها ممکن است ديگر نتوانند مشاغل آزمايشگاهي دانشگاهي به دست آورند که مشاغلي هستند که سکوي پرتابي به سوي ديگر موقعيت‌هاي علمي فراهم مي‌کنند. کلاس ويک (Claus Wilke)، زيست‌شناس محاسباتي در دانشگاه تگزاس، مي‌گويد: ممکن است موقتا به ازاي هر دلار، پژوهش بيشتري انجام دهيد، اما هزينه آن فروپاشي زنجيره تربيت نيرو و افول بلندمدت خواهد بود.
از دست رفتن مشاغل
شواهد نشان مي‌دهد که هوش مصنوعي هم‌ اکنون نيز در برخي حوزه‌هاي مرتبط با علم باعث از دست رفتن شغل شده است. با بهبود و گسترش مترجمان مبتني بر هوش مصنوعي، انجمن مترجمان آمريکا شاهد کاهش ?? درصدي عضويت در بخش علم و فناوري خود در کمتر از دو سال و نيم بوده است.
برخي مترجمان به کارهاي جديد روي آورده‌اند. براي مثال، جيمي راسل در چپل هيل، کاروليناي شمالي، که قبلا اسناد کارآزمايي‌هاي باليني را ترجمه مي‌کرد، اکنون مترجم پزشکي است و گفت‌وگوهاي شفاهي ميان بيماران و پزشکان را ترجمه مي‌کند. اما او مترجمان سابقي را مي‌شناسد که اکنون راننده سرويس تحويل غذا هستند. او مي‌گويد: خيلي ناراحت‌کننده است.
محدوديت‌هاي مدل
با اين وجود بسياري از پژوهشگران مي‌گويند که هوش مصنوعي هنوز نمي‌تواند وظايف سطح بالاتري را که دانشمندان انجام مي‌دهند، انجام دهد. براي مثال، تصميم‌گيري درباره اينکه کدام ايده‌ها را به‌عنوان پرسش‌هاي پژوهشي دنبال کنند. جاناتان اوپنهايم (Jonathan Oppenheim)، فيزيکدان کوانتومي در دانشگاه کالج لندن، با هوش مصنوعي بيگانه نيست و از آن مي‌خواهد پيش از ارسال هر يک از دست‌نوشته‌هايش به يک مجله، گزارش‌هاي داوري ساختگي ايجاد کند. او نقدهاي آن را مفيد مي‌داند، اما مي‌گويد هوش مصنوعي واقعا قادر به ارائه ايده‌هاي نو نيست.
حتي کساني که نسبت به توانايي هوش مصنوعي براي توليد ايده‌هاي پژوهشي خوش‌بين‌تر هستند، مي‌گويند انسان‌ها هنوز در آن موارد نقش دارند. کارو سانکارالينگام (Karu Sankaralingam) دانشمند علوم رايانه دانشگاه ويسکانسين مديسون، فکر مي‌کند بهترين راه براي ايده‌پردازي درباره مسيرهاي پژوهشي ترکيب داده‌هاي انساني و هوش مصنوعي است، زيرا توليد فرضيه نيازمند حضور يک فرد در چرخه براي مهندسي پرامپت‌هاي دقيق است. او مي‌گويد: من زمان فوق‌العاده زيادي را صرف فکر کردن به پرامپت مي‌کنم. چنين دقتي براي جلوگيري از «توهمات» هوش مصنوعي لازم است. توهمات به خروجي‌هاي ساختگي‌ که سامانه‌هاي هوش مصنوعي مي‌توانند توليد کنند، گفته مي‌شود.
با اين حال، آنتون کورينک (Anton Korinek) بر اين باور است که حتي مشاغل پژوهشي ارشد نيز اگر بر شناخت متمرکز باشند، آسيب‌پذيرند. او مي‌گويد: انتظار دارم رياضيدانان در سال تحصيلي آينده تأثير آن را ببينند. هرچند رياضيدانان اين ديدگاه را که هوش مصنوعي به جايگزين آن‌ها شدن نزديک است، رد مي‌کنند.
کار عملي
در مقايسه، متخصص‌هاي آزمايشگاه و پژوهشگراني که آزمايش‌هاي «آزمايشگاه مرطوب» انجام مي‌دهند، دست‌کم فعلا در موقعيت امن‌تري هستند. آزمايشگاه‌هاي خودکار مبتني بر هوش مصنوعي و رباتيک هنوز از انجام بسياري از وظايف ناتوان‌اند و در تفسير نتايج مشکل دارند. اوپنهايم مي‌گويد هوش مصنوعي براي مدتي نسبتا طولاني تأثير زيادي بر کار آزمايشگران نخواهد داشت.
يک مطالعه در ماه فوريه در حوزه? زيست‌شناسي ساختاري اطمينان مي‌دهد که برخي مشاغل با وجود ظهور هوش مصنوعي باقي خواهند ماند. ابزار هوش مصنوعي آلفافولد ? (AlphaFold?) وظيفه دشوار برون‌يابي از توالي‌هاي اسيد آمينه به ساختار پروتئين را انجام مي‌دهد و ساختار حدود ?? درصد از پروتئين‌هاي شناخته‌شده را با اطمينان «بسيار بالا» پيش‌بيني مي‌کند.
با اين حال، يک پيش‌چاپ که در روز ? فوريه منتشر شد، نشان داد که روش‌هاي دستي و پرزحمت تصويربرداري از ساختار پروتئين هنوز استفاده مي‌شوند. بسياري از پروتئين‌هايي که به‌صورت دستي مشخصه‌يابي شده بودند، همان‌هايي بودند که ابزار هوش مصنوعي در درک آن‌ها مشکل داشت که نشان مي‌دهد پژوهشگران به مسائلي روي آورده‌اند که در آن‌ها انسان‌ها «مزيت نسبي» دارند.
پژوهشگران مي‌گويند چنين انعطاف‌پذيري‌ شايد مسير پيشِ روي علم باشد.
ترنس تائو (Terence Tao)، رياضيدان در دانشگاه کاليفرنيا در لس انجلس، مي‌گويد: اگر با هوش مصنوعي سازگار شويم که فکر مي‌کنم مجبور به اين کار باشيم، آن‌گاه دوام خواهيم آورد و در برخي موارد، حتي مي‌توان شکوفا شد.
خبرآنلاين
انتهاي پيام/ن