En su mayor parte, creo que la IA que conduce al desempleo masivo está sobrevalorada. Comenzaré por incluir mi respuesta a una pregunta similar [la respuesta de Prasoon Goyal a ¿Las herramientas como Amazon Machine Learning reemplazarán al científico de datos?]:
Según yo, el aprendizaje automático no reducirá significativamente la necesidad de programadores (si es que lo hace). Sin embargo, la capacitación y la naturaleza del trabajo para los programadores cambiarán.
Considere la capacitación y la naturaleza del trabajo de los programadores hace unas décadas: solía haber tarjetas perforadas y los programadores necesitaban escribir el código de ensamblaje. Si se les dijera sobre “software”, que permitiría escribir programas en lugar de perforar y tuviera la funcionalidad de retroceso , y “compiladores”, que convertirían el código de alto nivel en código de máquina automáticamente, podría haber una sensación de que los programadores no serían necesarios en el futuro. Sin embargo, todavía tenemos programadores. Tienen una capacitación más sofisticada, son más eficientes debido a estas herramientas y, en consecuencia, la complejidad de los programas y las expectativas de los programadores han aumentado.
- ¿Hay otra palabra para la automatización de procesos robóticos? ¿Es la inteligencia artificial la misma cosa?
- ¿Cuál es la mejor máquina analizadora hematológica?
- ¿Qué plataforma de bot es ideal para construir chatbots que admitan Facebook Messenger (todas las plantillas), slack, telegram y skype?
- ¿Por qué no podríamos usar una técnica similar al 'copyleft' para evitar que una IA fuerte cree otras IA que puedan sortear las restricciones de comportamiento incorporadas?
- ¿Qué significará la presidencia de Trump para la forma en que EE. UU. Se enfrenta al aumento de la toma de empleos por parte de AI / robot?
Creo que sucederá algo similar debido a la “revolución” del aprendizaje automático en el futuro previsible: podremos escribir programas a un nivel aún más alto, tal vez algo así como pseudocódigo, los datos y el hardware evolucionarán, y las aplicaciones evolucionarán. volverse más sofisticado Quizás en lugar de que la norma sea escribir software en la computadora, será una norma escribir código para robots y máquinas más complejas que interactúen con el usuario, con el programador que necesita escribir y probar código sobre cómo estas máquinas complejas interactúan con cada uno otro y el usuario. Cuestiones como la computación en la nube, big data, tiempo de respuesta extremadamente rápido y el uso de nuevos datos en línea probablemente se encuentren entre los temas clave que requerirán el tiempo de los programadores.
Tareas como el preprocesamiento de datos y probar varios algoritmos sobre un problema, que son relativamente sencillos, serán más accesibles para los programadores comunes sin capacitación especial en ciencia de datos. Sin embargo, la ciencia de datos se llama “ciencia” por una razón : alguien que tiene capacitación en ciencia de datos idealmente sabe cómo visualizar e interpretar los resultados de un modelo, puede analizar mejor los resultados de los modelos y, lo más importante, puede mejorar el modelo. de una manera basada en principios. Un programador sin esta capacitación y con solo herramientas como Amazon Machine Learning en sus manos, no puede hacer todo esto tan fácilmente.
En segundo lugar, como en la respuesta anterior, las expectativas de los científicos de datos crecerán. Es difícil predecir exactamente lo que se esperaría que los científicos de datos hicieran, dado que el campo del aprendizaje automático está evolucionando muy rápido.
Recuerde, a medida que resolvemos problemas actuales, creamos nuevos problemas. Piense en los teléfonos, por ejemplo. Hace aproximadamente un siglo, la comunicación era lenta. Entonces se inventaron los teléfonos fijos. Eso creó un nuevo problema: ¿podemos deshacernos del cableado? Y pocas décadas después, se inventaron los teléfonos móviles. Nuevamente, un nuevo problema: ¿podemos hacer algo más que llamadas telefónicas usando un teléfono? Y teníamos teléfonos inteligentes, para hacer todo tipo de cosas como navegar, buscar restaurantes cercanos, etc. Ahora tenemos datos de todas esas aplicaciones, y nos preguntamos: ¿cómo podemos utilizar los datos para extraer patrones y mejorar la experiencia del usuario?
Además, la transición de incluso trabajos de gama baja de humanos a IA no va a suceder de la noche a la mañana. Incluso cuando los sistemas de IA para resolver estas tareas estén disponibles comercialmente, inicialmente, sus costos serán relativamente altos, de modo que no todas las empresas podrán permitirse estos sistemas. En el transcurso de varios años, los sistemas de inteligencia artificial irán infiltrándose gradualmente en la industria, al igual que las computadoras se volvieron omnipresentes en la industria durante varias décadas, y finalmente veremos un equilibrio entre la demanda y la oferta de estos nuevos sistemas. Por lo tanto, habrá tiempo suficiente para que la industria experimente un cambio de paradigma, creando nuevos tipos de roles, así como para que la generación más joven se familiarice con la nueva tecnología.