¿Cuáles son las cosas tecnológicas que más impactarán en el futuro de los trabajos (aprendizaje automático, aprendizaje profundo, redes neuronales, etc.)?

La predicción de las tendencias tecnológicas SIEMPRE ha sorprendido a la gente, pero déjame consentir. Aquí está mi visión de la tecnología que podría ser perjudicial (en el orden de mi evaluación de su impacto en los trabajos):

  • IA para datos estructurados : la IA, incluido el aprendizaje profundo y otros algos de datos estructurados, ya está alterando mucho. Los avances reales aún no se han imaginado. El impacto será variado: aunque se crearán más trabajos en la programación de IA, desaparecerán muchos trabajos de gama baja.
  • AI para datos no estructurados : separo esto porque las técnicas tradicionales de AI no son adecuadas para el lenguaje natural, pero está surgiendo una nueva innovación, por ejemplo, Calibrated Quantum Mesh. En realidad, esto afectará muchos trabajos de cuello blanco y provocará cambios drásticos en las políticas de gestión del talento.
  • Robótica : con los robots cada vez más inteligentes con más y más inteligencia artificial, y cada vez más baratos, muchos trabajos manuales están en riesgo.
  • Presencia virtual : ya está en marcha un movimiento silencioso en el que muchas empresas eligen habilitar el teletrabajo. A medida que el mundo se reduce aún más, es probable que esta tendencia perturbe masivamente los mercados de talentos. El impacto no será en la cantidad de trabajos, sino en el grupo de talentos: de repente, un ingeniero de Silicon Valley comenzará a competir con algún niño en Tasmania.

Como he escrito varias veces antes, todas estas tendencias en realidad crearán muchos empleos y aumentarán enormemente la productividad humana. No estoy preocupado por el desempleo masivo en el corto plazo.

Otras tendencias:

  • Blockchain : puede cambiar la naturaleza de los empleadores, pero es probable que no tenga un gran impacto en la naturaleza exacta de los trabajos.
  • Internet de las cosas : a medida que la inteligencia artificial se desarrolle y la potencia informática aumente, las personas descubrirán formas de utilizar de manera efectiva todos los datos que IoT ya está generando. Sospecho que los trabajos automatizados por IoT no existen hoy en día.
  • Los viajes espaciales también pasarán por discontinuidades en los próximos 20 años, creo, pero pueden no tener un impacto inmediato en los empleos.

TL; DR Hasta donde podemos predecir, muchas actividades que requieren menos de un segundo de pensamiento para realizar pueden ser reemplazadas por una máquina. Sin embargo, de acuerdo con la ley de Amara, tendemos a sobreestimar el impacto de una tecnología a corto plazo y a subestimarla a largo plazo.

En términos generales, los tres ejemplos están en el mismo dominio. NN es una de las muchas técnicas para el aprendizaje basado en datos (por ejemplo, la regresión lineal / clasificación, SVM, los árboles de decisión son algunos ejemplos de aprendizaje no basado en datos NN). Además, según Andrew NG, el aprendizaje profundo son redes neuronales, por lo que, técnicamente hablando, no hay necesidad de hacer una distinción entre ellas.

En términos de qué tecnologías impactarán más en el futuro de los trabajos, puedo asegurarle con 100% de certeza que aún no lo sabemos. Me refiero a la ley de Amara para responder a esta pregunta.

“Tendemos a sobreestimar el efecto de una tecnología a corto plazo y subestimar el efecto a largo plazo”.

Uno puede mirar esta declaración con una posición optimista o pesimista. Mirando hacia atrás en la historia, con una posición optimista, consideremos los teléfonos inteligentes. Aunque podríamos predecir con bastante certeza que crearía empleos en la industria de desarrollo de sitios web / aplicaciones móviles, pocas personas vieron que se crearían muchos empleos en la industria del transporte (Uber, Lyft, etc.) Las pocas personas visionarias que solicitaron El esfuerzo de hacer tales aplicaciones hizo una fortuna con esta predicción.

Una regla práctica que se puede usar para ayudar en esta predicción, como lo afirma Andrew Ng, dice que muchas tareas que requieren menos de un segundo de pensamiento para realizarse pueden ser sustituidas por una inteligencia artificial. Teniendo en cuenta que actualmente las tecnologías están entrando en la fase de madurez, piense en los trabajos relacionados con la transcripción de audio, la traducción, la clasificación visual, como la traducción simultánea, la subtitulación, el mantenimiento de puertas, etc. No puedo ver todavía.

fuentes:

El pionero de la robótica Rodney Brooks desacredita la exageración de la IA de siete maneras

y

Editar: algunos errores en inglés.

Esta es una buena infografía sobre eso: https://alansimpson.me/pages/fut

El aprendizaje automático de TBH y las redes neuronales son parte del aprendizaje profundo. Entonces sí, el aprendizaje profundo sería la respuesta.

More Interesting

¿Tiene sentido entrenar clasificador para cada clase?

¿Ha publicado Factual.com algún trabajo de investigación (o algún asunto técnico importante) sobre las técnicas de aprendizaje automático que utilizan para rastrear y extraer de la web?

¿Cómo toman decisiones las neuronas del cerebro? ¿Funcionan de la misma manera que las neuronas artificiales en ANN?

¿Cuáles son los temas candentes / nuevos en el aprendizaje estadístico?

¿Cómo funciona el entrenamiento multi-gpu?

¿Qué debo aprender para convertirme en desarrollador de software para robótica, inteligencia artificial y aprendizaje automático?

En una CNN, cuando la convolución se realiza entre 6 fuentes y 16 mapas como en LeNet, ¿cómo se hacen las convoluciones?

¿Cuán relevantes son las redes neuronales atractoras en la investigación actual del aprendizaje automático?

Cómo entrenar a cualquier clasificador basado en características de texto en un documento EMR

Redes neuronales convolucionales: ¿Qué están haciendo los regresores de cuadro delimitador en Fast-RCNN?

¿Cuáles son los componentes básicos del reconocimiento de voz desde el punto de vista DSP?

¿Se puede utilizar el aprendizaje automático para mejorar la situación de los agricultores en los países en desarrollo? En caso afirmativo, ¿cuál sería su enfoque?

¿Qué opinas del TensorFlow Eager en comparación con Pytorch?

¿Cuál es la relación entre los clasificadores uno contra uno, conjunto y SVM?

¿Cuáles son los problemas de investigación abiertos en el aprendizaje automático para la detección de intrusos?