Isi kandungan:
- Bekerja untuk mesin
- Bekerja dengan mesin
- Membaiki mesin
- Mencipta tugas pembelajaran mesin baru
- Menyediakan persekitaran pembelajaran mesin baru
Video: 5 Prospek Kerja Jurusan Teknik Mesin 2024
Anda boleh mencari lebih daripada beberapa artikel yang membincangkan kehilangan pekerjaan yang pembelajaran mesin dan teknologi yang berkaitan akan menyebabkannya. Robot sudah melaksanakan beberapa tugas yang digunakan untuk menggaji manusia, dan penggunaan ini akan meningkat dari masa ke masa. Anda juga harus mempertimbangkan bagaimana kegunaan baru ini berpotensi membebankan anda atau orang yang dicintai pekerjaan. Beberapa penulis telah mengatakan bahawa masa depan mungkin mempunyai senario di mana pembelajaran kemahiran baru mungkin tidak menjamin pekerjaan.
Hakikatnya ialah memutuskan bagaimana pembelajaran mesin akan menjejaskan persekitaran kerja yang sukar, sama seperti sukar bagi orang untuk melihat di mana revolusi perindustrian akan membawa orang-orang dalam cara jisim -mengeluarkan barang untuk pengguna umum. Sama seperti pekerja yang diperlukan untuk mencari pekerjaan baru, maka orang yang menghadapi kehilangan pekerjaan untuk belajar mesin hari ini perlu mencari pekerjaan baru.
Bekerja untuk mesin
Sepenuhnya mungkin anda akan mendapati diri anda bekerja untuk mesin pada masa akan datang. Malah, anda mungkin sudah bekerja untuk mesin dan tidak tahu. Sesetengah syarikat sudah menggunakan pembelajaran mesin untuk menganalisis proses perniagaan dan menjadikannya lebih cekap. Sebagai contoh, Hitachi kini menggunakan tetapan seperti pengurusan pertengahan.
Dalam kes ini, AI sebenarnya mengeluarkan perintah kerja berdasarkan analisa aliran kerja - seperti yang mungkin dilakukan oleh seorang pengurus tengah manusia. Perbezaannya ialah AI sebenarnya lapan peratus lebih cekap daripada manusia yang digantikannya. Dalam kes lain, Amazon telah mengadakan peraduan di kalangan pakar-pakar pembelajaran mesin untuk mengetahui sama ada syarikat itu boleh memproses proses kebenaran pekerja secara automatik menggunakan pembelajaran mesin. Sekali lagi, perkara itu adalah untuk memikirkan bagaimana untuk menggantikan pengurusan pertengahan dan memotong sedikit pita merah.
Walau bagaimanapun, peluang pekerjaan juga membuktikan dirinya sendiri. Pekerja di bawah AI melakukan tugas-tugas yang AI memberitahu mereka untuk melakukannya, tetapi mereka boleh menggunakan pengalaman dan kreativiti mereka sendiri dalam menentukan cara melaksanakan tugas. AI menganalisis proses yang digunakan oleh pekerja manusia dan mengukur hasil yang dicapai. Sebarang proses yang berjaya dimasukkan ke dalam pangkalan data teknik yang pekerja boleh memohon untuk menyelesaikan tugas. Dengan kata lain, manusia mengajar teknik baru AI untuk menjadikan persekitaran kerja lebih berkesan.
Bekerja dengan mesin
Orang yang sudah bekerja dengan mesin secara teratur - mereka mungkin tidak menyedarinya. Sebagai contoh, apabila anda bercakap dengan telefon pintar anda dan ia mengenali apa yang anda katakan, anda bekerja dengan mesin untuk mencapai matlamat yang diingini.Kebanyakan orang menyedari bahawa interaksi suara yang disediakan dengan telefon pintar bertambah dengan masa - semakin banyak anda menggunakannya, semakin baik ia dapat mengenali suara anda. Oleh kerana algoritma pelajar menjadi lebih baik, ia menjadi lebih cekap untuk mengenali suara anda dan mendapatkan hasil yang diinginkan. Trend ini akan berterusan.
Walau bagaimanapun, pembelajaran mesin digunakan dalam pelbagai cara yang mungkin tidak berlaku kepada anda. Apabila anda menunjuk kamera pada subjek dan kamera boleh meletakkan kotak di sekeliling muka (untuk membantu menyasarkan gambar), anda melihat hasil pembelajaran mesin. Kamera ini membantu anda melaksanakan tugas mengambil gambar dengan kecekapan yang lebih tinggi.
Penggunaan bahasa deklaratif, seperti SQL (Structured Query Language), akan menjadi lebih ketara juga kerana pembelajaran mesin akan membuat kemajuan yang mungkin. Dalam sesetengah keadaan, bahasa perisytiharan hanya membolehkan anda menerangkan apa yang anda mahu dan bukan bagaimana untuk mendapatkannya. Walau bagaimanapun, SQL masih memerlukan saintis komputer, saintis data, pentadbir pangkalan data, atau beberapa profesional lain untuk digunakan. Bahasa-bahasa masa depan tidak akan mempunyai batasan ini.
Akhirnya, seseorang yang terlatih untuk melaksanakan tugas tertentu dengan baik akan memberitahu pembantunya robot apa yang harus dilakukan dan pembantu robot akan menemui cara untuk melakukannya. Manusia akan menggunakan kreativiti untuk mengetahui apa yang perlu dilakukan; butiran (bagaimana) akan menjadi domain mesin.
Membaiki mesin
Sebelum teknologi dapat melakukan apa-apa lagi, ia mesti melaksanakan tugas praktikal yang akan menarik perhatian dan memberi manfaat kepada manusia dengan cara yang membuat orang ingin memiliki teknologi itu sendiri.
Tidak kira apa teknologi itu. Akhirnya, teknologi akan pecah. Mendapatkan teknologi untuk melakukan sesuatu yang berguna adalah pertimbangan utama sekarang, dan kemunculan impian apa yang teknologi akhirnya akan membentangkan tahun ke masa depan, begitu perkara biasa seperti membaiki teknologi masih akan jatuh pada bahu manusia. Walaupun manusia tidak terlibat secara langsung dengan pembaikan fizikal, kecerdasan manusia akan mengarahkan operasi pembaikan.
Sesetengah artikel yang anda baca dalam talian mungkin membuat anda percaya bahawa robot membaiki diri sudah menjadi kenyataan. Contohnya, Robot Stesen Angkasa Antarabangsa, Dextre dan Canadarm, melakukan pembaikan kamera yang rosak. Apa yang tidak dikatakan cerita ialah manusia memutuskan cara melaksanakan tugas dan mengarahkan robot untuk melakukan kerja fizikal. Pembaikan berkuasa tidak mungkin dengan algoritma yang ada hari ini.
Mencipta tugas pembelajaran mesin baru
Algoritma pembelajaran mesin tidak kreatif, yang bermaksud manusia mesti menyediakan kreativiti yang meningkatkan pembelajaran mesin. Bahkan algoritma yang membina algoritma lain hanya meningkatkan kecekapan dan ketepatan hasil yang dicapai oleh algoritma - mereka tidak dapat membuat algoritma yang melakukan tugas-tugas baru. Manusia mesti memberikan input yang diperlukan untuk menentukan tugas-tugas ini dan proses-proses yang diperlukan untuk memulakan menyelesaikannya.
Anda mungkin berfikir bahawa hanya pakar dalam pembelajaran mesin akan mencipta tugas pembelajaran mesin baru. Walau bagaimanapun, cerita mengenai pengurus pertengahan dari Hitachi harus memberitahu anda bahawa perkara akan berfungsi dengan berbeza daripada itu. Ya, para ahli akan membantu membentuk dasar untuk menentukan cara menyelesaikan tugas, tetapi penciptaan tugas yang sebenarnya akan berasal dari orang-orang yang tahu industri yang terbaik. Kisah Hitachi berfungsi sebagai asas untuk memahami kedua-dua masa depan yang akan melihat orang dari semua lapisan masyarakat yang menyumbang kepada senario pembelajaran mesin dan bahawa pendidikan khusus mungkin tidak membantu dalam menentukan tugas baru.
Menyediakan persekitaran pembelajaran mesin baru
Pada masa ini, mencipta persekitaran pembelajaran mesin baru adalah bidang penyelidikan dan syarikat pembangunan. Sekumpulan pakar yang terlatih mesti membuat parameter untuk persekitaran yang baru. Sebagai contoh, NASA memerlukan robot untuk meneroka Marikh. Dalam kes ini, NASA bergantung pada kemahiran orang di MIT dan Northeastern untuk melaksanakan tugas itu. Memandangkan robot perlu melakukan tugas secara autonomi, algoritma pembelajaran mesin akan menjadi agak rumit dan termasuk beberapa tahap penyelesaian masalah.
Akhirnya, seseorang akan dapat menggambarkan masalah dengan terperinci yang cukup bahawa program khusus dapat membuat algoritma yang diperlukan menggunakan bahasa yang sesuai. Dengan kata lain, orang biasa akhirnya akan mula mencipta persekitaran pembelajaran mesin baru berdasarkan idea yang mereka miliki dan ingin mencuba.
Seperti membuat tugas pembelajaran mesin, orang yang mencipta persekitaran masa depan akan menjadi pakar dalam kraf tertentu mereka, bukannya saintis komputer atau saintis data.
