211service.com
Kaip AI keičia žinių darbą: MIT Thomas Malone
Tinkamų dirbtinio intelekto algoritmų pagalba organizacijos gali išsivystyti į superprotus, kurie yra protingesni už atskirus jų narius.
2019 m. sausio 24 d
Thomas Malone'as yra MIT Sloano vadybos mokyklos vadybos profesorius, MIT kolektyvinio intelekto centro įkūrėjas ir direktorius bei 2018 m. Supermindai: nuostabi žmonių ir kompiuterių galia mąstant kartu . Knygoje nagrinėjami įvairūs žmonių grupių sprendimų priėmimo būdai ir kaip gali padėti naujos dirbtinio intelekto formos, ypač mašininis mokymasis. Malone'as prognozuoja, kad dirbtinis intelektas, robotika ir automatizavimas sunaikins daugybę darbo vietų, įskaitant aukštos kvalifikacijos žinių darbuotojus, ir tuo pat metu sukurs naujų. Jis sako, kad investuodamos į tinkamas dirbtinio intelekto rūšis, organizacijos gali padėti išlaikyti darbuotojus produktyvius ir laimingus ir užtikrinti, kad mūsų superprotai iš tikrųjų būtų protingesni už įprastus protus.
Šį epizodą remia „Citrix“ – įmonė, skatinanti skaitmeninę transformaciją įvairaus dydžio organizacijose. Antroje laidos pusėje „Citrix“ pasaulinis vyriausiasis technologijų pareigūnas Christianas Reilly paaiškina, kodėl mašininis mokymasis dabar yra jėgos daugiklis, todėl visų rūšių vartotojų ir įmonių programos tampa naudingesnės.
„Business Lab“ šeimininkauja Elizabeth Bramson-Boudreau, „MIT Technology Review“ generalinė direktorė ir leidėja. Laidą prodiusuoja Wade'as Roushas, padedamas Mindy Blodgett. Muzika Merlean, iš Epidemic Sound.
Rodyti pastabas ir nuorodas
MIT kolektyvinės žvalgybos centras
Supermindai: nuostabi žmonių ir kompiuterių galia mąstant kartu
Visas nuorašas
Elizabeth Bramson-Boudreau: Iš „MIT Technology Review“ aš esu Elizabeth Bramson-Boudreau, o tai yra „Business Lab“ laida, kuri padeda verslo lyderiams suprasti naujas technologijas, atsirandančias iš laboratorijos ir į rinką. Šį epizodą jums pristatė „Citrix“ – įmonė, skatinanti skaitmeninę transformaciją įvairaus dydžio organizacijose. Vėliau laidoje išgirsime iš pasaulinio Citrix vyriausiojo technologijų pareigūno Christiano Reilly.
Bet pirmiausia pakalbėsime su Tomu Malone'u. Tomas yra vienas protingiausių mano pažįstamų žmonių, tyrinėjančių, kaip mąsto organizacijos ir kaip kompiuteriai ir kartu dirbantys žmonės gali mąstyti protingiau.
Tomas yra M.I.T. vadybos profesorius. Sloano vadybos mokykla. Tomas taip pat yra M.I.T. įkūrėjas ir direktorius. Kolektyvinės žvalgybos centras. 1998 m. jis buvo vienas iš pirmųjų mokslininkų, atpažinusių el. lancing arba tai, ką dabar vadiname koncertų ekonomika, atsiradimą. 2018 m. Tomas išleido didelę knygą pavadinimu Superminds, kurioje apžvelgiami skirtingi būdai, kaip žmonės kartu priima sprendimus ir kaip gali padėti naujos dirbtinio intelekto formos, ypač mašininis mokymasis.
Technologijų apžvalgoje mus ypač domina, kaip A.I. žengia į žinių darbo pasaulį. Apžvelgėme, kaip robotika ir automatizavimas tam tikrais atžvilgiais apsunkina žemą atlyginimą turintiems žemos kvalifikacijos darbuotojams išlaikyti darbą. Tačiau šiomis dienomis yra ir ženklų, kad A.I. pakeis aukštesnės kvalifikacijos žinių darbuotojų darbą. Tai nereiškia, kad visi būsime pergudrauti kompiuterių. Tačiau tai reiškia, kad turėsime labiau galvoti apie tai, kaip organizacijos gali pritaikyti tinkamas A.I. kad darbuotojai būtų produktyvūs ir laimingi, ir ką jie gali padaryti, kad įsitikintų, jog mūsų superprotai iš tikrųjų yra protingesni už įprastus protus. Mano susitikimas su Tomu Malone'u buvo galimybė pakalbėti apie kai kurias ypatybes. Taigi čia yra mūsų pokalbis.
Taigi, nuostabu tave vėl matyti Tomai.
Tomas Malone'as: Puiku čia būti.
Elžbieta: Taigi mes kalbėsime apie knygą, kurią parašėte, ir apie idėjas, kurias pateikėte savo knygoje. Tai vadinama supermintais ir teigia, kad žmonių grupė tam tikra prasme gali būti sąmoninga, o intelektas kartais iš tikrųjų yra protingesnis nei bet kuris iš grupės individų. Jūs taip pat teigiate, kad kompiuteriai gali padaryti šiuos super protus dar protingesnius.
Taigi pirmiausia papasakokite, kas paskatino jus mąstyti taip ir ar buvo akimirka, kai pagalvojote: „Ei, čia užtenka, kad galėčiau pažiūrėti knygą, o jūs iš esmės tiesiog pasakykite mums, kas jus atvedė į tą vietą.
Tomas: Tiesą sakant, 2005 m. yra labai specifinis momentas. Netrukus po to, kai mano ankstesnė knyga „Darbo ateitis“ buvo išleista 2004 m., aš kalbėjau konferencijoje Palo Alto Stenforde, o du kiti pranešėjai buvo Esther Dyson, gerai žinoma kompiuteris. pramonės analitikas ir investuotojas bei Vernoras Vinge'as, gerai žinomas mokslinės fantastikos rašytojas, kuris, be kita ko, padėjo populiarinti singuliarumo sąvoką.
Taigi mes trys išėjome vakarieniauti po to, kai tą dieną kalbėjome konferencijoje. Ir mes kalbame apie naujausią Vernoro knygą, kurią jis tuo metu kaip tik ruošėsi baigti, ir apie dalykus, kurie jį domino, o Vernoras kalbėjo apie tai, ką jis vadino antžmogišku intelektu, kažką panašaus į žmones, kompiuterius ir panašius dalykus. kad. Ir turėjome tikrai įdomų pokalbį. Kalbėjau apie tai, ką daryti, ir galvojau, ką norėčiau daryti toliau po ankstesnės knygos. Ir tos vakarienės pabaigoje apėmė neįprastas jausmas, o ne tai, kad nusprendžiau, ką veiksiu toliau; jausmas buvo toks, kad pagaliau sau prisipažinau, ką veiksiu toliau.
Ir taip tuo metu aš tai pavadinau antžmogišku skaičiavimu arba antžmogišku intelektu. Vėliau pamaniau, kad geresnis žodis tai buvo kolektyvinis intelektas. Šį terminą vartojau gana ilgai, įskaitant vis dar MIT tyrimų centro, kuriam vadovauju, pavadinimą. Ir tada, rašydamas savo knygą, kuri buvo tarsi paskutinių 10 ar 15 metų mąstymo šia tema santrauka, supratau, kad tam tikra prasme dar geresnis terminas šiam dalykui vietoj kolektyvinio intelekto ar kolektyviai protingų sistemų. geresnis terminas buvo supermindai.
Elžbieta: Ką tuo metu matėte pasaulyje, kas leido suprasti, kad būtent čia jums reikia eiti.
Tomas: Taigi tam tikra prasme rašydamas „Darbo ateitį“ galvojau apie tai, kaip apsižvalgyti po pasaulį ir pasakyti, ką organizacijos veikia šiandien, ir kokie yra loginiai pratęsimai, kuriuos jos galėtų žengti tolimesnėmis kryptimis. jau vadovauja. Didesnė decentralizacija buvo vienas iš dalykų, kuriuos paminėjau arba pabrėžiau stipriau toje knygoje. Ir, mano požiūriu, vienas iš labai gražių dalykų, susijusių su kolektyviniu intelektu, kaip būdu visa tai suformuluoti, yra tai, kad nepasakoma, kas bus toliau. Tai sako, koks yra galutinis taškas, ir kaip mes einame ta kryptimi. Taigi, nors tam tikra prasme žmonės paprastai apie tai negalvoja, tam tikra prasme organizaciją pirmiausia reikia turėti tam, kad tam tikra žmonių grupė galėtų geriau daryti dalykus kartu. Ir dažnai tai reiškia protingiau, nei jie galėtų tai padaryti, jei dirbtų vieni. Taigi tam tikra prasme galutinis taškas yra tobulas kolektyvinis intelektas.
Ir iš tikrųjų savo knygoje kalbu apie tai kaip apie naudingą mąstymo būdą. Jei galvojate apie tai, kaip mano įmonė galėtų būti protingesnė, naudinga pagalvoti, ką darytume, jei būtume visiškai protingi. Jei priimdami kiekvieną sprendimą atsižvelgtume į viską, ką galima žinoti. Žinoma, daugeliu realių atvejų jūs negalite pradėti to daryti arba bent jau negalite to padaryti visiškai, bet galite pradėti tai daryti. Galite pagalvoti, kiek toli galime nueiti, kad būtume tobulai protingi. Taigi ta prasme buvo ne tiek žiūrėjimas į pasaulį ir sakymas, kad tai yra kitas didelis dalykas, nes X. būdas numatyti kitą trumpą laiką.
Elžbieta: Taigi knyga „Supermindai“ buvo aiškiai parašyta su verslo lyderiais, to klausančiais žmonėmis, turint omenyje jūsų auditoriją. Taigi, kokius pagrindinius dalykus tikitės, kad jie atims skaitydami knygą arba iš šios diskusijos apie knygą?
Tomas: Taigi, mano nuomone, svarbiausias knygos indėlis nėra koks nors vienas faktas ar metodas, kurį galite naudoti. Manau, kad svarbiausias, bent jau tikiuosi, svarbiausias indėlis yra naujas požiūris į pasaulį. Tai būdas pažvelgti į pasaulį, kai aplink save galite pamatyti superprotus, ne tik kitas įmones, bet ir rinkas, bendruomenes, demokratijas ir visus tokius dalykus, kurie mus supa visą laiką. Visų pirma, kaip verslo lyderis, manau, kad jūs galite ir turėtumėte galvoti apie savo organizaciją kaip apie savotišką superprotą. Tai dalykas. Tai subjektas. Tai protinga būtybė. Ir tada kyla akivaizdus klausimas, kaip galiu padaryti savo organizaciją protingesnę. Taigi knyga pateikia keletą būdų apie tai galvoti. Galvojame apie skirtingus pažinimo procesus, kuriuos turi atlikti bet kuris superprotas ar bet kuri protinga būtybė, pavyzdžiui, apie tai, kokius sprendimus turi priimti mano organizacija, mano organizacijos superprotas. Ką ji turi nuspręsti. Ką jis turi suvokti pasaulyje, kad galėtų priimti tokius sprendimus. Ką ji turi atsiminti apie praeitį, kad tuos sprendimus priimtų gerai. Taigi kiekvienas iš šių klausimų veda į daugybę kitų galimybių. Daugelis iš kurių galbūt niekada anksčiau nepagalvojote.
Elžbieta: Kai organizacijos nusprendžia, kad nori tapti išmanesnės pasitelkdamos daugiau skaičiavimo ar daugiau A.I, kokios, jūsų manymu, joms sunku pritaikyti šį išmanumą, papildomą išmanumą, o kurios yra sunkiausios?
Tomas: Viena iš lengvų problemų tam tikra prasme, manau, yra tokia, kurią galite išspręsti pasitelkę tai, ką aš vadinu hipersujungimu. Pastaruoju metu daug kalbėjome apie dirbtinį intelektą pasaulyje ir net šiame interviu iki šiol. Manau, kad lygiai taip pat, jei ne svarbesnis dalykas, kurį gali padaryti kompiuteriai, yra sukurti hiperjungiamumą, sujungti žmones su kitais žmonėmis, o dažnai ir su kompiuteriais, tokiu mastu ir turtingais naujais būdais, kurių anksčiau nebuvo įmanoma. Taigi mes tai jau matėme. Internetas yra bene geriausias technologijos, leidžiančios sukurti hiper ryšį ir visus juo sukurtus dalykus, pavyzdys. Socialiniai tinklai, Google paieška, visokie tokie dalykai. Ir aš manau, kad neturi įvykti naujų dramatiškai sudėtingų technologinių dalykų, kad galėtume panaudoti hipersujungimą daugybe naujų būdų.
Kai pereiname į dirbtinio intelekto sritį, o ne į hipersujungimą, AI dažnai gali padėti tose vietose, kur turite pakankamai duomenų, kuriuos galima užfiksuoti mašininiu būdu nuskaitoma forma, kad išmokytumėte ir naudotumėte algoritmus daryti dalykus, kuriuos darė bet kurie žmonės. anksčiau arba galbūt žmonės niekada negalėjo to padaryti. Taigi, pavyzdžiui, viena funkcija, verslo funkcija, kur tai dažnai yra lengva, yra pardavimas. Pardavimo poveikį nesunku išmatuoti. Kai kurie žmonės parduoda daugiau nei kiti, o tam turime dolerius. Sunkiau išmatuoti pardavimo indėlį, bet taip pat tikrai galite suskaičiuoti tokius dalykus, kaip, pavyzdžiui, kiek klientų skambinate ir kaip dažnai su jais susitinkate ir panašiai, o jei tai darote internetu, ką pasakyti . Taigi reikia daug ko išmokti, daug ko šiandienos mašininio mokymosi sistemos gali sužinoti apie pardavimo efektyvumą ir pan. Pardavimo atveju sunkiausia yra sugeneruoti veiksmus, kurie gali turėti įtakos rezultatams. Taigi, nors kompiuteris gali suskaičiuoti, kiek kartų skambinate potencialiam pirkėjui, kompiuteris negali lengvai suprasti, ką susitikimo pradžioje pasakysite apie savo savaitgalį ir vaikus.
Taigi žmonių vis dar reikia, tačiau kompiuteriai gali atlikti daug analizės, kad daugeliu atvejų visas procesas būtų efektyvesnis. Manau, kad sunkiausios dalys būtų ten, kur sunku net išmatuoti įvestis ir išvestis. Taigi, kai kuriate naują programinės įrangos produktą, naują automobilį ar ką nors kita, neaišku, kaip išmatuoti išvestis ar įvestis.
Elžbieta: Kaip manote, ar verslo lyderiai gali galvoti apie investicijas į dirbtinį intelektą arba mašininį mokymąsi, kad tai nelaikytų sąnaudų mažinimu, taigi, pašalintų darbuotojus ar padidintų jūsų turimus darbuotojus efektyvesnius, o daugiau apie kūrybiškumo skatinimą, kad darbuotojai jaustųsi labiau save realizuoja ir laimingesni, kad jie būtų išlaikyti ir todėl būtų produktyvesni ir pan.?
Tomas: Ne, manau, tai puikus klausimas. Klausimas, kaip galime perkelti akcentus. Manau, kad tam tikra prasme atsakymas yra tiesiog tai darant. Kitaip tariant, dėl įvairių priežasčių, iš kurių ne visas aš esu tikras, kad suprantu, didelį dėmesį skiriame dirbtiniam intelektui, ypač tam, kad jis atliks tai, ką žmonės darydavo anksčiau, o paskui atleis žmones iš darbo. Kai bandote kurti AI programas arba taikyti AI įmonėse, daugelis žmonių apie tai galvoja. Tokį mąstymą mes pateikiame į problemą. Bet to tikrai nereikalauja ekonomika. Tiesą sakant, versle yra du būdai užsidirbti daugiau pinigų. Vienas iš jų yra sumažinti išlaidas. Kitas – sukurti daugiau vertės ir mokėti ją parduoti brangiau. Taigi manau, kad mes per daug susitelkėme į DI programas, kad sumažintume išlaidas, o beveik nepakankamai sutelkėme dėmesį į DI programas, skirtas vertę kurti. Tiesą sakant, net ir ekonominiu požiūriu įtariu, kad čia yra tikroji galimybė. Jūs galite uždirbti tiek pinigų tik mažindami išlaidas, tačiau tam tikra prasme nėra jokių apribojimų, kiek pinigų galite uždirbti, jei sugebate padaryti ką nors naujo, ko žmonės nori, ko nebuvo galima padaryti anksčiau. Daugeliu atvejų tai yra daug įdomiau ekonomiškai.
Elžbieta: Manau, kas čia įdomaus – manau, kad tu visiškai teisus. Ir aš manau, kad kalbant apie biudžeto sudarymą visada labai aišku, kokia yra kaina, bet visada daug sunkiau išsiaiškinti, kokia bus galima nauda, nes iš tikrųjų to nežinai. Taigi manau, kad tikriausiai dėl to iš dalies ir manau, kad šiuo atžvilgiu mus dažnai riboja mūsų pačių kūrybiškumas.
Tomas: Mano galva, tai yra pagrindinis dalykas. Tikroji riba čia yra mūsų pačių vaizduotė, mūsų pačių mąstymas ar mūsų pačių pasaulėžiūra. Tam tikru mastu galbūt turime galimybę, o gal net įsipareigojimą padėti pasauliui pereiti prie produktyvesnio mąstymo, atviresnio šioms naujoms galimybėms. Bet jei praleisite laiką galvodami apie tai, kaip sukurti dirbtinio intelekto programas, kurios sukurs darbo vietų, kad galėtumėte jas naudoti, jums reikės daugiau žmonių, kurie atliktų naujus dalykus, sugalvosite kai kuriuos iš jų. Ir manau, kad turėtume tam skirti daug daugiau savo laiko
Elžbieta: Įsivaizduoju, kad šią knygą rašėte tuo metu, kai vyko 2016 m. rinkimai ir galbūt net pirmaisiais Donaldo Trumpo prezidentavimo mėnesiais. Ir aš manau, kad tai buvo laikas, kai mes tik pradėjome suprasti, kaip tam tikros rūšies superprotai, tokie kaip „Facebook“, gali duoti rezultatus, kurie galbūt nėra vienodai suprantami kaip geri. Taigi ar esate toks optimistiškas superprotų atžvilgiu, kaip ir tada, kai pradėjote rašyti knygą?
Tomas: Taigi jūs teisus, kad savo knygą rašiau kampanijos metu ir iškart po 2016 m. rinkimų. Jūsų klausimas, ar dabar esu optimistiškesnis nei dabar, ar mažiau nei tada, kai rašiau knygą. Nemanau, kad kada nors maniau, kad superprotai visada daro gerus dalykus. Pasaulis ir pasaulio istorija pilna superprotų, kai kurie iš jų yra protingi, kiti – kvaili, kiti – geri, kiti – blogi. Pavyzdžiui, nacistinė Vokietija būtų pavyzdys, kurį daugelis žmonių pasirinktų kaip superprotą, kuris, bent jau egzistavęs, daugeliu atžvilgių buvo labai protingas. Tai labai efektyviai įgyvendino tikslus. Tačiau daugelis žmonių sakytų, kad tikslai, kuriuos ji pasiekė, buvo blogi, o tai, kaip jie juos įgyvendino, buvo blogi.
Taigi nemanau, kad niekada negalvojau ir nemanau, kad superprotai visada yra geri. Kai rašiau knygą, tyčia stengiausi pabrėžti teigiamas galimybes, bet nemaniau, kad jos įvyks visada. Įdomu tai, kad tuo metu, kai knyga pasirodė 2013 m. gegužę, pasaulio senatvė pasikeitė. Iki to laiko žmonės visi jaudinosi, kokie geri yra „Facebook“, „Google“ ir visi šie dalykai. Ir kaip tik tuo metu įvyko Facebook Cambridge Analytica skandalas, ir staiga pasaulis prabilo apie visas neigiamas galimybes. Taigi, kai dabar kalbu apie knygą, pradžioje norėčiau pabrėžti, kad kompiuteriai gali padaryti superprotus protingesnius, bet taip pat gali padaryti superprotus kvailesnius. Kaip tada, kai netikros naujienos daro įtaką rinkėjams demokratinėje valstybėje. Tai dažnai pavyzdys, kai kompiuteriai daro demokratiją dar kvailesnę. Ir aš tikrai manau, kad turime galvoti apie tai, kaip išmintingai naudoti šias technologijas taip, kad būtų sudarytos geriausios galimybės pasiekti gerų rezultatų. Jei norite tai padaryti, vis tiek manau, kad labai naudinga kalbėti apie tai, kokios yra geros galimybės, kurių turėtume siekti.
Elžbieta: Tomai, jūs kalbėjote apie tai, kad ateityje dirbtinis intelektas ir mašininis mokymasis gali panaikinti kai kurias senas darbo vietas, bet taip pat gali sukurti naujų darbo vietų. Kas nutinka pereinamuoju laikotarpiu? Toks perėjimas gali turėti įtakos nemažai žmonių. Kaip turėtume tam pasiruošti? O kaip tai turėtų atrodyti, kaip jausis ir atrodys, kai joje būsime?
Tomas: Labai svarbus klausimas, nes nors ilgainiui esu labai optimistiškai nusiteikęs, kad bus sukurta pakankamai naujų darbo vietų, kad būtų tiek žmonių, kiek nori dirbti, manau, kad yra pereinamasis laikotarpis, dėl kurio reikia susirūpinti. Ir tai nebūtinai yra teigiama visiems. Bus žmonių, kurių senieji darbai išnyks ir kurie dėl įvairių priežasčių negali arba nenori dirbti turimų naujų darbų. Taigi verta nerimauti dėl to, kaip mes tai valdome kaip visuomenė. Ir yra keletas galimybių, kaip tai padaryti. Vienas iš jų yra technologijų naudojimas, siekiant geriau suderinti žmones su darbo vietomis. Jei turite tai padaryti belsdami į duris, tai yra daug brangiau, nei tiesiog įdėjus savo gyvenimo aprašymą į „LinkedIn“ ar bet ką, ir jis automatiškai suderinamas. Kitas, ko gero, svarbesnis būdas yra išmokyti žmones daryti naujus dalykus, kuriuos reikia padaryti. Viena iš įdomių galimybių čia yra panaudoti technologijų galimybes, kad mokymai vyktų daug lankstesniais būdais. Užuot turėję aštuonias valandas per dieną sėdėti klasėje, mokydamiesi ko nors iš profesoriaus kambario priekyje, dabar, kaip iš esmės visiems aišku, galite didžiąją dalį mokymosi atlikti sėdėdami namuose arba sėdite dabartinėje darbo vietoje per pertrauką ar panašiai, uždirbate internetu įvairiais būdais.
Manau, kad tai netgi turi galimybių naujoms pameistrystės rūšims, kai galite ne tik mokytis klasėje, bet ir dalyvauti darbe tokiu būdu, kuris yra šiek tiek perteklinis, palyginti su kitais vykstančiais darbais. Taigi daugelyje naujų sprendimų priėmimo būdų, kuriuos suteikia ši technologija, reikia daugiau nei vieno žmogaus nuomonės. Diagnozę nustato ne vienas gydytojas, o gal penki žmonės. Ir kai kurie iš tų žmonių nebūtinai turi būti visaverčiai, įgalioti gydytojai. Galbūt jie gali būti medicinos studentai. Arba kitose srityse jūs žinote, jei bandote nuspėti, ar konkurentas ketina iki tam tikros datos pristatyti naują produktą tam tikroje kategorijoje, galbūt jums nereikia, kad geriausi pasaulio rinkos tyrinėtojai tai prognozuotų. Galbūt jūs galite turėti MBA studentų arba žmonių, kurie norėtų būti MBA studentais, kurie prognozuoja. Ir jei jie gerai nuspėja, tada jie nustato savo įgaliojimus. Ir net jei jie to nedaro, jie vis tiek prideda daugiau duomenų taškų prie vidurkių, kad būtų galima daryti prognozes, taigi jie prisidėjo šiek tiek vertės ir išmoko tai padaryti.
Elžbieta: Tomai, noriu padėkoti tau, kad šiandien praleidai laiką su mumis. Tai žavus pokalbis. Visada įdomu pasikalbėti su jumis apie jūsų naujausius darbus. Ir dar kartą ačiū, kad esate čia ir dalinatės idėjomis su mumis.
Tomas: Ačiū, man tai malonu.
****
Elžbieta: Tai paskutinė trijų dalių mini serialo apie žinių darbo ateitį, sukurto remiant „Citrix“, epizodas. Bendrovė naudoja debesų serverių technologiją, kad užtikrintų, jog žinių darbuotojai turėtų prieigą prie programų ir reikalingų duomenų, kad ir kur jie būtų konkrečią dieną. Kai tvarkote tiek daug programų ir tiek duomenų, paaiškėja, kad dirbtinį intelektą galite naudoti įdomiais būdais, kad visa tai geriau derėtų ir netgi kad jūsų žinių darbuotojų gyvenimas būtų malonesnis ir produktyvesnis. Neseniai turėjau galimybę prisėsti ir pasikalbėti su „Citrix“ pasauliniu vyriausiuoju technologijų pareigūnu Christianu Reilly ir pradėjau paklausdamas jo, ką „Citrix“ daro, siekdama daugiau išmanyti, kaip jie teikia programas darbuotojams.
Christianas Reilly: Taigi manau, kad to esmė yra pačių programų kraštovaizdžio pasikeitimas. Turiu omenyje tai, kaip mes šiandien galvojame apie programas, nei prieš 20 25 metus, ir manau, kad didžioji to dalis yra tai, kaip mes iš tikrųjų galvojome apie tai, ką programa bando padaryti. Ir tuo noriu pasakyti, kad žinote, kad istoriškai mes turėjome daugybę didelių sudėtingų įmonių programų, kurios buvo labai pagrįstos funkcijomis. Jūs žinote, kad jie atlieka visą verslo funkciją ir atlieka visa tai, nuo pavedimo iki grynųjų pinigų, kaip puikų programos, kuri paprastai būtų tai atlikusi istorine prasme, pavyzdį. Matydami debesijos paslaugų atsiradimą, kaip matėme mobiliųjų įrenginių ir mobiliųjų programų atsiradimą, matėme, kaip programos pasikeitė į, sakyčiau, labiau specifinį procesą. Taigi atskiros programos tampa daug mažesnės ir iš tikrųjų suteikia tam tikrą verslo proceso poaibį ir verslo rezultatų poaibį. Taigi, žinoma, didelės programos vis dar egzistuoja, tačiau mažesnės tampa daug populiaresnės, kai mes bendraujame. Taigi, jei sudėsite tai ir galvojate apie tradicines programas, kurios buvo sudėtingos, jas buvo sunku naudoti. Dėl daugybės skirtingų priežasčių buvo sukurta daugybė skirtingų jų versijų. Ir mes turime šį mažesnių, lengvesnių ir judresnių programų antplūdį. Manau, kad tai, ką mes iš tikrųjų išsiaiškinome, yra tai, kad yra įdomus našumo ir esamų programų iššūkio gretinimas, o sumanūs žmonės iš tikrųjų pradėjo galvoti apie mašininį mokymąsi tokiais būdais, kurie yra tikrai sudėtingi mūsų darbo atlikimo būdui.
Taigi iš labai paprastos perspektyvos pateikčiau vieną pavyzdį, kai galbūt mes esame organizacija, kuri samdo 20 000 žmonių. Ir mes turime sistemą, kuri leidžia žmonėms prašyti laisvo laiko. Taigi istoriškai mes turėjome įeiti į paraišką, paprašyti laisvo laiko, o tada kažkas kitas turės tai patvirtinti. Tačiau dabar, naudodamiesi mašininiu mokymusi, iš tikrųjų galime suprasti, ei, jūs žinote, kad kiekvieną trečiadienį einate į šią programą ir patikrinate, ar komandoje dirbate laisvalaikį. O kas, jei mes galėtume tai suprasti ir kas būtų, jei galėtume pateikti jums paprastą mechanizmą, kaip pasakyti „labai, žinai“, užuot tai darę kiekvieną trečiadienį, aš pažvelgsiu į tai, kaip jūs naudojate tą verslo procesą ir Iš to pasimokysiu ir pateiksiu jums kitokį būdą tai padaryti, o tai galiausiai duos jums geresnių rezultatų, nes tai greičiau. Tai nepakeičia jūsų dėmesio nuo to, ką darėte. Ir aš iš tikrųjų suprantu, ką tu ketini daryti. Ir mano mašininis mokymasis arba šiuo atveju dirbtinio intelekto metodas iš tikrųjų suprastų, ką jūs darote sistemoje, ir suteiktų jums kitokį darbo būdą.
Elžbieta: Taigi, aš manau, kad tai, ką jūs aprašote, Kristianai, yra tokia mintis, kad AI ir mašininis mokymasis gali ne tik puikiai atlikti platformoje vykstančių dalykų analizę, bet ir turėti įtakos programoms ir visų pirma kuriamos operacinės sistemos.
Kristianas: Taip absoliučiai. Aš turiu galvoje, kad tai, kas yra tikrai įdomi, didžiulė tendencija, kurią matome, yra, ir žinote, galbūt turėčiau šiek tiek grįžti atgal ir pakalbėti apie tai, kaip žinote pirmuosius dirbtinio intelekto, AI, metus. Tai nėra nauja koncepcija. Jis gyvuoja nuo šeštojo dešimtmečio. Tačiau tikrai įdomu ir, manau, būti jėgos daugikliu, yra tai, kad dabar galime panaudoti mašininio mokymosi modelius ir galimybes kaip debesies paslaugas. Taigi mašininio mokymosi diegimo kliūtis iš tikrųjų vis mažėja. Žodžiu, savaitė po savaitės mėnuo po mėnesio. Taigi iš šios perspektyvos įdomu yra tai, kad ne tik kuriamos naujos programos, turinčios įgimtą dirbtinį intelektą ir mašininio mokymosi galimybes, bet ir tradicinės programos, kurias iš tikrųjų galime pritaikyti prie tos pačios koncepcijos ir galiausiai užtikrinti didesnę verslo naudą bei didesnius verslo rezultatus. Taigi manau, kad tai, kaip dabar kuriame programas, viskas bus integruota dirbtiniu intelektu. Nesvarbu, ar tai išmanusis televizorius, ar namų įrenginys, naujas nešiojamas kompiuteris, naujas telefonas, visi turės tam tikrą mašininį mokymąsi arba AI galimybė. Tačiau iš tikrųjų įdomu tai, kad dabar egzistuoja debesų paslaugų rinkiniai, skirti išspręsti tikrai sudėtingas problemas ir jas palyginti supaprastinti. Taigi bendras mūsų turimų galimybių rinkinys yra daug didesnis, o tų galimybių pritaikomumas yra daug platesnis. Ir manau, kad tai tampa tikrai įdomu, nes galime gauti tikrą verslo naudą ne tik naujoms programoms, bet ir tradiciniame versle.
Elžbieta: Daugelis iš mūsų girdi pasakojimą apie tai, kaip dirbtinis intelektas ir mašininis mokymasis padės sumažinti išlaidas. Taigi, atleidžiant darbuotojus, nukreipiant žmones dirbti efektyviau. Koks yra pasakojimas, iliustruojantis šią koncepciją, kad dirbtinis intelektas ir mašinų mokymasis iš tikrųjų yra teigiamas dalykas, todėl ateityje dirbsime maloniau ir ugdome?
Kristianas: Na, manau, kad mes bendrai nerimaujame dėl automatizavimo darbo pabaigos šimtmečius. JK yra garsus pavyzdys, kaip karalienė Elžbieta I atsisakė patentuoti automatinę mezgimo mašiną, nes buvo susirūpinusi dėl automatizavimo padarinių toms moterims, kurios tuo metu mezgė pragyvenimui. Ir galiausiai ji buvo gana pasirengusi nepatenkinti patento, bet negalėjo sustabdyti automatizavimo, todėl daug organizacijų įsigijo šias mezgimo mašinas, o per tam tikrą laiką mezgimo darbų skaičius iš tikrųjų išaugo eksponentiškai. Taigi buvo gana įdomu sekti. Yra daugybė kitų panašių pavyzdžių. Ir aš manau, kad dabar esame tokioje pačioje situacijoje, kai kalbame apie AI grėsmes. Žinoma, manau, kad kai kuriems darbams kyla grėsmė. Pažvelkite į tradicinius darbus, kurie gali būti tokie, kaip skambučių centrai ar kontaktų centrai, kuriuos gana paprastai galima papildyti tam tikru mašininio mokymosi dirbtiniu intelektu.
Taigi manau, kad tikrai bus momentas, kai kai kurie darbai bus prarasti dėl automatizavimo, mašininio mokymosi. Bet aš manau, kad iš tikrųjų reikia pažvelgti į tai, kaip mes galime tai pritaikyti moraliai teisingai, kad galėtume pašalinti kai kurias tikrai daug pastangų reikalaujančias užduotis, kurias atlieka žmonės, nesvarbu, ar tai yra gydytojo vizitas, ar net kirpėjo paskyrimas. arba tvirtinant darbo laiko apskaitos žiniaraštį. Tai nėra pridėtinės vertės dalykai mums, žmonėms. Taigi manau, kad kuo labiau galime pritaikyti mašininį mokymąsi, galime pritaikyti skaitmeninius asistentus ir virtualius asistentus, kad iš tikrųjų susidorotume su dalykais, kurie kartojasi ir nesukuria daug pridėtinės vertės. Manau, kad iš tikrųjų galime atlaisvinti laiko, atlaisvinti protų, galime atlaisvinti išteklių, kad žmonės būtų kūrybiškesni, todėl užuot susirūpinę teorija tarp dirbtinio bendro intelekto ir pasaulio užvaldyti ateinančių robotų. sutelkti dėmesį į dirbtinį siaurą intelektą, dalykus, kuriuos matome kiekvieną dieną naudodami „Siri“ arba „Cortana“, arba „Google Assistant“, arba turime rekomendaciją iš „Amazon“, arba matome, kad vis daugiau šios technologijos yra įdiegta verslo taikomųjų programų linija, kuri iš tikrųjų praryja tas daug darbo reikalaujančias, daug pastangų reikalaujančias ir pasikartojančias užduotis. Manau, kad mes sutelkiame dėmesį į tai. Mes atlaisviname šiek tiek intelektualinio kapitalo, kad žmonės būtų kūrybingesni, pabėgtų nuo kasdienybės. Čia, manau, galime pridėti didžiausią vertę ir galbūt neturėtume taip jaudintis dėl robotų, kurie užvaldys mūsų pasaulį, nes, mano nuomone, to tikriausiai niekada nebus.
Elžbieta: Puiku. Na, tai palengvėjimas. Kristianai, ačiū. Tai buvo nuostabu. Buvo nuostabu išgirsti iš jūsų apie šias problemas ir sužinoti daugiau apie „Citrix“.
Kristianas: Ką gi, ačiū.
Elžbieta: Štai šiai „Verslo laboratorijos“ serijai. Aš esu jūsų šeimininkė Elizabeth Bramson-Boudreau. Esu „MIT Technology Review“ generalinis direktorius ir leidėjas. Mes buvome įkurti 1899 m. Masačusetso technologijos institute. Mus galite rasti spaudoje, internete, dešimtyse tiesioginių renginių kiekvienais metais, o dabar ir garso formatu. Norėdami gauti daugiau informacijos apie mus, apsilankykite mūsų svetainėje adresu technologyreview.com.
Ši laida pasiekiama visur, kur gaunate podcast'us. Jei jums patiko ši serija, tikimės, kad skirsite šiek tiek laiko įvertinti ir peržiūrėti mus „Apple Podcasts“. „Business Lab“ yra „MIT Technology Review“ produkcija. Šio epizodo prodiuseris yra Wade'as Roushas, kuriam redakcinė pagalba padėjo Mindy Blodgett. Dėkojame mūsų rėmėjui Citrix – įmonei, kurianti į žmones orientuotus sprendimus geresniam darbo būdui. Ačiū, kad išklausėte. Netrukus grįšime su kita serija.