Az új kolléga nagyon rendes, udvarias, segítőkész és precízen dolgozik. Sose okoz problémát. Ha nem tud valamit, kérdez, és elsőre megtanulja. Bárcsak mind ilyenek lennénk!
Éjt nappallá téve dolgozik, sose pihen, mindig szorgoskodik az új robot kolléga. Milyen vele együtt dolgozni? Elveszi majd az én munkámat is? Egy-két lusta és ügyetlen kollégát már elküldtek, mert ő jobban csinálja. Rám is sor kerül majd?
Milyen változást idéznek elő az új technológiák (mesterséges intelligencia, gépi tanulás, robotok) a munkahelyeken? Hogy alakul az alkalmazottak száma? Tömeges lesz az elbocsátás? Csökken vagy nő az alkalmazottak száma?
Általában csökkenést várnak, de abban nincs egyetértés az elemzők körében, hogy ez mekkora lesz. Akik növekedést jósolnak, azok ezt pusztán a történelemre alapozzák (eddig egyik ipari forradalom se csökkentette a munkahelyek számát).
Lássunk két jóslatot: 2015 és 2020 között az automatizálás és a technológiai fejlődés 7,1 millió munkahely eltűnését és 2 millió új munkahelyet jelenthet a 15 legnagyobb fejlett és fejlődő országban. Az eltűnő munkahelyek kétharmada az irodai és adminisztratív területen várható. Egy másik szerint pedig a jelenlegi technológia mellett a tevékenységek közel fele automatizálható. A foglalkozások kevesebb mint 5%-a automatizálható teljes mértékben. Az automatizálható tevékenységek 1,1 milliárd dolgozót érintenek.
Lesznek olyan munkahelyek, amelyek teljesen megszűnnek – sőt, nem csak lesznek, már meg is szűntek. Egy nagy biztosító az RPA (Robotic Process Automation) segítségével 81%-kal csökkentette az egyik osztályon a létszámot. A Deutsche Bank vezére szerint nagyon sok dolgozójuk munkája szűnik meg az automatizálás miatt. Az ő munkájuk nem igényel intelligenciát, csak egyszerű szabályok követését – így valóban nincs szükség emberre. Egy darabig még kell ember a szokatlan helyzetek és a kivételek kezelésére, de várhatóan azokat is meg lehet tanítani a gépnek. Ez már kezdi elérni a mesterséges intelligencia határát, és ezért IPA (Intelligent Process Automation) a neve. Mindkét megoldásban fontos, hogy nem igényel változtatást a cég folyamataiban. Egyszerűen „beültetik” a gépet az ember helyére. Nem kell hozzányúlni a folyamatokhoz, csak annyi a változás, hogy a gép gyorsabban és pontosabban végzi a munkát. Ha egy speciális helyzetben emberi beavatkozás kell, a megszokott programokat és képernyőket lehet használni.
Hogyan tanul a gép?
Több módszer is van a gépek „tanítására”. Az egyik a „felügyelt” tanítás (supervised learning): megmutatjuk a gépnek, hogy mit kell tennie, ha egy adott helyzetbe kerül. Ezt a dolgozók jól tudják, a munkájuk során kitapasztalták, tapasztalt kollégáiktól megtanulták, és ugyanígy tovább is adhatják a gépnek (ami majd elveszi az ő munkájukat), vagyis az emberek között is szokásos tanulási formáról van szó.
A megszerzett tudás átvitele egy másik területre (transfer learning vagy inductive transfer) is ismert. Új helyzetekben alkalmazzuk a már megszerzett ismereteket, például: megtanultuk egy képen felismerni a személyautókat, és ennek alapján a teherautókat is megtanuljuk felismerni. A daganatos betegségek diagnózisában használt okos gépet is szokták egyéb (nem orvosi) képeken tanítani.
Szintén ismerjük a saját emberi világunkból a jutalmazással és büntetéssel való megerősítést (reinforcement learning). Itt nem sokat magyarázunk a gépnek, hanem az elvégzett munka után plusz vagy mínusz pontokat adunk neki, ebből tanul. Az alkudozást tanították így meg gépeknek a Facebook egyik kísérletében. Azt a feladatot kapták, hogy alkudozzanak egymással néhány tárgyról, amik számukra különböző értéket képviseltek. Mindenképpen el kellett osztaniuk a tárgyakat, a saját maguk számára legjobb eredményt kellett elérniük, és nem ismerték egymás céljait. Előre be nem programozott viselkedési módokra jöttek rá a robotok, pl.: az alku elején úgy tettek, mintha valamelyik tárgy megszerzése nagyon fontos lenne, pedig az nem is kellett, csak az értékét akarták felverni. Ez már emberi viselkedés, ugye? Majd, amikor robottal kötünk üzletet, nem leszünk könnyű helyzetben, hiszen ő sokkal gyorsabban, sokkal több lehetőséget tud elemezni, és se fizikailag, se mentálisan nem fárad el.
Egyelőre (a technika mai szintje mellett) viszonylag kevés olyan foglalkozás van, amiben teljesen kiváltható az ember robottal, de a munkahelyek többségét érintheti valamilyen mértékben. Lássunk néhány (elképzelt) esettanulmányt!
Kórházban és kereskedelemben
A sürgősségi osztályon a beérkező beteg azonnal kaphat egy okos karkötőt, ami méri az életfunkcióit (pulzust, vérnyomást, a vér oxigénszaturációját). Az első laborvizsgálatokat is lehet automatizálni. Sőt a laboreredményeket és a karkötő által mért értékeket összevető, összefüggéseiben értékelő szoftver is készen van már. Ez a nővér vagy rezidens keze alá dolgozik, segít a prioritások, a kezelési sorrend gyors eldöntésében. Maga a diagnózis is részben ezeken alapszik, de a beteggel való beszélgetés, a nem verbális jelek megfigyelése is fontos, így a végső szó az orvosé, akit a gépek segítenek, hogy gyorsabban és kevesebb hibával döntsön. A betegszállítás, a műszerek mozgatása és a gyógyszerkiadás is automatizálható. Az elért haszon nagyobb része a feleannyi emberi munkából, kisebb része a minőség javulásából származik (költségcsökkenés, rövidebb várakozás, kevesebb hiba). Ezekre igencsak szükség van, mert a várakozási idő tipikusan két óra feletti, és horribilis összegek mennek el műhibaperekre.
A kiskereskedelem is egyre több folyamatot tud digitálisan végezni, sőt akár buszmegállóban várakozva is meg tudjuk rendelni az árut, de még mindig sok dolgozóra van szükség a boltokban. Egy csomó egyszerű munkát átvehetnek a gépek: polcok feltöltése, takarítás, pénztár. Egy kis további technika bevetésével a boltba belépve felismerhet a virtuális eladó, személyre szólóan üdvözölhet és testreszabott információt és tanácsokat adhat. A polcok között automatikusan követhet a bevásárlókocsink. A polcról levett árut azonnal tudja pótolni az automatizált raktár. Az is egyszerűen megoldható, hogy ne legyen bevásárlókocsira szükségünk: csak megbökjük az árut, és a kijáratnál vár az összekészített csomag (vagy hazahozza a drón). A megtakarítás nagy hányada a kisebb alapterületű boltból és raktárból származik. Emellett jelentős lesz a munkaerő-megtakarítás is, 65% körüli. A technikai fejlesztések egyben a vásárlók jobb kiszolgálását, a vásárlói élmény javítását is jelentik. A költségek háromszorosa lehet a nyereség (akárcsak az előbbi egészségügyi példában).
Egy tanulmányban elemeznek még három példát: repülőgép-karbantartás, olaj- és gázkitermelés, jelzáloghitel-ügyintézés. Az első két területen kevesebb veszélyes munkát kell az embereknek végezniük, gyorsabb és koraibb a hibák észlelése, jobb a megelőző karbantartás. A hitelek esetében az emberi munka 55-85%-kal csökkenhet. A most átlagosan 37 napos elbírálási idő 6 nap is lehet. Ha még a folyamatokon is javítanak, akkor lecsökkenhet egy napra.
Mik azok a területek, amik a technológia mai szintjén nem vagy alig gépesíthetők? Ha több érzékszervünkből érkező információkat kell együtt kezelni és elemezni, akkor sokkal jobbak vagyunk a gépeknél. Új ötletek kitalálása vagy új összefüggések felfedezése se nagyon megy még a gépeknek, de az AlphaGo példája óvatosságra int. (Emlékeztetőül: úgy verte meg az egyik legjobb GO-játékost, hogy az nem is értette a gép lépéseinek a célját.) Nem megy a gépeknek még sok szereplő munkájának irányítása, koordinálása. Általában gyengék az emberi beszéd finomságainak megértésében, az érzelmek felismerésében, a megfelelő reakciókban. A gépesített eladó nem ismeri fel a betérő vevő érzelmi állapotát, ezért nem is tud megfelelően beszélgetni vele. Ezek azok a hiányosságok, amik miatt az „okos” gépek nem tudják teljesen átvenni az embertől a munkát, hanem csak egyes munkafolyamatokat lehet átadni nekik.
Eddig diploma nélkül betölthető munkakörökben láttuk a robotok jelentős elterjedését. Vajon mi a helyzet a diplomásokkal?
Jogászok, orvosok
Egy, már létező példa a jogi dokumentumok relevanciájának elemzése. Angliában már születtek olyan bírósági határozatok, amik elismerték szoftver alkalmazását dokumentumok kiválogatására. Egy ügyben 3 millió közül kellett kiválogatni a vita eldöntésében lényegeseket. Ez emberi erővel sok pénzbe és időbe került volna. Gépi tanulást alkalmaztak: kisebb mintán megmutatták a szoftvernek, hogy mik a fontos dokumentumok, majd az eredmények egy részét megvizsgálták emberek, visszajeleztek a gépnek, hogy jól dolgozott-e, ami ennek alapján tanult, ügyesedett.
Ez még csak a kezdet, itt a gépnek még csekély szerepe van a per eldöntésében, de már ezen a kezdeti szinten is számít a szoftver minősége és az esetleges szándékosan beleírt „hiba”. A kutatók szerint hamarosan ennél komolyabb igazságszolgáltatási szerepe lesz a gépnek, ezért a mesterséges intelligencia alapelvei között is esik szó erről.
Itt még nem érnek véget a lehetőségek! Egy fiatal programozó egy év munkával, az IBM Watson felhasználásával megalkotta a DoNotPay szolgáltatást. Ez kezdetben csak a parkolási büntetések megfellebbezésében segített, kikérdezte az ügyfelet a körülményekről, majd a válaszok alapján megírta a fellebbezést. Már az első pár hónapban 3 millió dollárt szerzett vissza az ügyfeleinek. Idén nyár óta már az USA 50 államában és az Egyesült Királyságban segít 1000 különböző típusú jogi eljárásban.
Ez csak egy apró szelete a nagy tortának. A nagy játékosok sokkal több időt, pénzt és szakértelmet tudnak bevetni, mint ez a fiatal programozó. Ma főleg a kezdő jogászok munkáját tudja gyorsabban, pontosabban és olcsóbban elvégezni a gép. A jogászok összes munkájának 23%-át lehet így automatizálni a technika mai szintjén. A friss diplomások mellett gépek lesznek a jogi csapatok tagjai, őket fogják a tapasztalt vezetők irányítani. Érdekes jövő! Ismerve a világcégek szemléletét (a kezdőkből a lelket is kipréselik, elképesztő óraszámban dolgoztatják, és apró hibákért is kirúgják őket), a napi 24 órában, villámgyorsan, kevés hibával dolgozó robotok lesznek a főnökök kedvenc munkatársai.
Szintén jogi alkalmazás Lisa, az elfogulatlan robot. Arra találták ki, hogy szerződések kidolgozásában segítse egyszerre mindkét felet. Az ügyvédek nem dolgozhatnak egyszerre mindkét oldalnak, de a robot megteheti. A felek elmondják neki, hogy mit akarnak elérni, és segítséget kapnak tőle (akár egy elkészített szerződés formájában), hogy megtalálják a kölcsönösen előnyös megoldást.
Az orvosok munkájának egy részét is kiválóan tudja végezni a gép. Arról nincs szó, hogy egy orvos minden feladatát el tudná látni, de fontos részterületeken gyors, pontos és olcsó tud lenni. Nincs messze az idő, amikor néhány hordható egészségügyi eszköz és a felhőben ülő elemzőrendszer segít az egészségügyi alapellátásban. Ha videókapcsolatba is lehet lépni az orvossal, aki minden mérési eredményünket és azok gépi kiértékelését látja, akkor gyorsabban, pontosabban, olcsóbban lesz elsődleges diagnózisunk. Erre is vannak már működő példák – nem meglepő módon elsősorban Amerikában. Jó hír, hogy itthon is vannak olyan háziorvosok, akik örömmel fogadják, ha a betegük otthoni mérések eredményeit hozza a rendelőbe. Így sokkal megalapozottabb lehet a diagnózis, mint egy-egy mérés alapján.
Milyen tudás kell ahhoz, hogy az elkövetkező évtizedekben legyen jó és érdekes munkája az embernek? Hivatkoznék Bőgel professzor három évvel ezelőtti előadására: adattudóssá kell válni, olyan emberré, aki a gépek által összegyűjtött mérhetetlen mennyiségű és változatosságú adat feldolgozását, elemzését tudja irányítani. Ehhez érdemes több szakmában járatosnak lenni. Az adattudósok manapság főleg orvosok, biológusok, fizikusok, asztrofizikusok. Mi bennük a közös? A szakmájuk tudásanyaga szerteágazó. A lényeg az, hogy sok dolog iránt kell érdeklődni, sok tudományághoz kell érteni (köztük a matematikához is, de nem kell matematikusnak lenni).
Forrás: eletestudomány, KERÉKFY PÁL
