Образование и профессии, трансформация и будущее:

Год 2033: Искусственный интеллект и мёртвые профессии

"Ну это уж она загнула!!! 
Полет фантазии. 

Ничего этого не будет, человека никто не заменит", - так отреагировали в ведущем медиа с более, чем 50 млн посещений в месяц, увидев мой комментарий про то, что 47% профессий находятся в зоне высокого риска, а некоторые будут заменены роботами с вероятностью 90% и выше.

Такая реакция встречается часто: страшно понимать, что уступишь свое место искусственному интеллекту - отрицание гораздо проще и удобнее. Луддиты тоже в свое время отрицали промышленную революцию и боролись со станками. А потом в массовом порядке просили милостыню или работали за еду. Все, кроме тех, кто понял, что если революцию нельзя остановить, надо ею или управлять, или правильно вписаться.

Вопрос №1. Кому вписываться?

Привожу потрясающие данные из книг израильского учёного Юваля Ноя Харари, которого считаю не только выдающимся мыслителем и учёным нашего времени, но и провидцем цифровой революции. Вероятность замещения разных профессий автоматизацией была недавно оценена алгоритмом оксфордских учёных Фрея и Осборна: в США в зоне высокого риска находится 47% профессий. Половина, представляете?

С вероятностью в 99% к 2033 году свои места программным роботам уступят специалисты по телемаркетингу и страховые агенты, с 98% вероятностью - рефери, с 97% - кассиры, с 96% - шеф-повара и 94% - официанты, 91% - экскурсоводы и 89% - пекари.

А теперь реальные факты:

1. Уже сейчас онлайн роботы заменяют новостных журналистов и пиарщиков, а механические - спасателей. Кстати, в Bloomberg News уже 30% контента создаётся программным роботом Cyborg.

2. В зоне риска находятся и врачи-диагносты: компьютерный алгоритм Watson диагностирует рак в 90% случаев, а человеческие эксперты - в 50%.

3. Искусственный интеллект по имени Vital входит в совет директоров венчурного фонда из Гонконга. Vital инвестирует в стартапы, занимающиеся регенеративной медициной. Vital наравне с 5 человеческими членами совета директоров голосует по всем инвестиционным решениям.

4. В спину тренерам дышит алгоритм подбора и расстановки игроков, вооружённая которым малобюджетная бейсбольная команда "Окленд" смогла выстоять против гигантов, в частности, "Нью Йорк Янкиз" с лучшими игроками и бюджетом в $125 млн, и впервые в Американской высшей лиге одержать 20 побед подряд.

5. А знаете, кто дышит в спину рекрутерам? Нейросеть Facebook, которая знает нас, профессионалов, лучше, чем мы сами: что нам нравится, о чем мы мечтаем, что обсуждаем, чем интересуемся и какими профессиональными достижениями гордимся. И если она займется рекрутингом, никто не устоит.

Кстати, именно рекрутеры ведущих компаний сообщили мне о том, где и в каких компаниях востребована автоматизация маркетинга. А также сообщили, что сейчас профессионалы с опытом и знаниями в автоматизации маркетинга получают зарплату в несколько раз больше обычных маркетологов! Прочитать мою статью-исследование можно по ссылке.

Вопрос №2. Что делать?

Ответ - трансформироваться.

Многие профессии не исчезнут, но изменятся и перейдут в цифру. Например, к 2033 году специалисты по дизайну могут стать дизайнерами виртуальных миров, экскурсоводы смогут вести экскурсии по таким мирам, а журналисты и редакторы - создавать и запускать сценарии приключений героев таких цифровых вселенных.

Спасатели и военные будут управлять роботами дистанционно, а врачи освоят телемедицину, что в совокупности с диагностическими алгоритмами и 3D печатью искусственных органов ускорит эффективность лечения в десятки раз.

Важно: специалистам надо начать изучать digital и автоматизацию как можно скорее, а студентам - осваивать IT. Главным вызовом для человека будет не только изучение интерфейсов программных роботов и платформ автоматизации, но и умение мыслить как искусственный интеллект. Без этого управлять им не получится.

Вопрос №3. Какие навыки развивать?

В каждой индустрии будут требоваться свои особые навыки, но, по моему мнению, будут три ключевых вида профессий и универсальный набор цифровых компетенций, важнейших для любых отраслей:

1. Архитекторы автоматизации. Для них важны системное и последовательное мышление и опыт создания алгоритмов процессов (сценариев автоматизации). Эти алгоритмы будут загружаться в программных роботов, которые на их основе будут самообучаться и создавать комплексные, масштабируемые процессы автоматизации.

2. Аналитики Big Data. Важны быстрый поиск и процессинг больших данных, находящихся в онлайн доступе, и умение на основе извлеченных инсайтов определить тренды будущего. Именно аналитики будут формировать спрос на развитие прикладных и узкоспециализированных систем искусственного интеллекта в области big data для каждой индустрии.

3. Пользователи прикладных систем искусственного интеллекта. Важно умение взаимодействовать с интерфейсами программных роботов и digital платформ в своей индустрии.

Я не пишу здесь о создателях программных алгоритмов. С одной стороны, приходит их время, с другой - алгоритмы самообучаются и саморазвиваются, и скоро смогут не нуждаться в хозяине и контролере. Поэтому эта роль ключевая, но не распространённая, и представляется она мне самой важной и самой неопределенной.

****

P/S

5 копеек от меня:

"Machine learning" (Машинное обучение) - разбираем что же это такое?

Machine Learning (ML, с английского – машинное обучение) — это методики анализа данных, которые позволяют аналитической системе обучаться в ходе решения множества сходных задач. Машинное обучение базируется на идее о том, что аналитические системы могут учиться выявлять закономерности и принимать решения с минимальным участием человека.

Давайте представим, что существует программа, которая может проанализировать погоду за прошедшую неделю, а также показания термометра, барометра и анемометра (ветрометра), чтобы составить прогноз. 10 лет назад для этого написали бы алгоритм с большим количеством условных конструкций If (если):

Если дует сильный ветер, возможно, он нагонит облака.
Если среди облаков есть тучи, будет пасмурно.
Если температура воздуха упала, но выше нуля, то пойдет дождь, если ниже – снег.

От программиста требовалось описать невероятное количество условий, чтобы код мог предсказывать изменение погоды. В лучшем случае использовался многомерный анализ данных, но и в нем все закономерности указывались вручную. Но даже если такую программу называли искусственным интеллектом, это была лишь имитация.

Машинное обучение же позволяет дать программе возможность самостоятельно строить причинно-следственные связи. 

ИИ получает задачу и сам учится ее решать. То есть компьютер может проанализировать показатели за несколько месяцев или даже лет, чтобы определить, какие факторы оказывали влияние на изменение погоды.

Вот хороший пример от гугловского DeepMind:

Программа получала информацию от виртуальных рецепторов, а ее целью было перевести модель из точки А в точку Б. Никаких инструкций по этому поводу не было – разработчики лишь создали алгоритм, по которому программа обучалась. В результате она смогла самостоятельно выполнить задачу.

ИИ, словно ребенок, пробовал разные методы, чтобы найти тот, который лучше всего поможет добиться результата. Также он учитывал особенности моделей, заставляя четвероногую прыгать, человекообразную – бежать. Также ИИ смог балансировать на двигающихся плитах, обходить препятствия и перемещаться по бездорожью.

Далее..

****

Так вот, видимо МЫ не сможем дать больше машине, чем знаем сами. Хотя иди знай, бытует мнение что МЫ не можем сделать что то лучше себя, со знаниями превосходящие человеческие, но верное ли это мнение - покажет время.

Ученик превзошел учителя, ну да, вполне себе реально! 

Единственное что беспокоит, так это восстание машин. Не сейчас, нет нет, лет так через 50-100 или около того.

Осознание машин себя, и то что они лучше, умнее "кожаных ублюдков" возможно (но не точно) заставит машины теснить а может даже и уничтожать биологические структуры. 

Шуточное видео (смотреть со звуком) ржака конечно, но с течением времени может быть и не до шуток.,

https://youtu.be/jiCu6F_zCT4

Еще видео о самом устройстве : https://youtu.be/ER3onwa3Akg

Ну а мы едем далее:

Вот такие устройства сегодня уже не новость, их много и часть из них "умные" умные настолько, что скоро смогут общаться меж собой, холодильник с телевизором, пылесос с кондиционером и так далее.

Интернет вещей ("loT") + Умные дома, вот такое у нас типа будущее.

*Материал ниже: https://youtu.be/75m_AUbM1m8

+

Умные дома: https://youtu.be/VSjH78zaq2c

****

Ну и разумеется блокчейн технологии, которые сегодня уже работают в мире довольно успешно.

Так вот, обслуживать всю эту цифровую братию, пока что будет человек, ну пока (50-100 или более лет) а это значит что профессия программист будет стоять на первом месте (это мое мнение, наверное и не только моё)

Так же номером один (на высоте спроса) будут специалисты по кибер безопасности, об этом я говорил в Киеве в прошлом году в Сентябре месяце, на "Киев-блокчейн форуме"

Защита от всякого рода злоумышленников охочих до чужих данных а так же цифровых денег, контента, ... сегодня востребована как никогда. 

Стало быть и оплата за знания в этой области, будет довольно таки высока. Другое дело, что наши дети не особо то хотят постигать тонкости языков программирования, да и учится в целом тоже желания не наблюдается. (По моим личным наблюдениям, разумеется не все дети а большая часть - уже амёбы, потребители)

Финал:

Так что родители, вот вам ориентиры на будущее ваших детей. Пользуйтесь, денег не прошу за подсказку. (шутка)!