Kielelezo cha awali kinapendekeza kuorodhesha AI na kazi za mahali pa kazi kwa uwezo wa utambuzi

Nini kilitokea

Chapa ya awali ya arXiv inatanguliza mbinu ya kukadiria ni kazi zipi za mahali pa kazi zinaweza kufaa kwa AI, wafanyakazi wa kibinadamu, au ushirikiano kati ya hizo mbili. Inalinganisha uwezo wa AI na mahitaji ya kazi kwa kutumia seti sawa ya vipimo vya utambuzi.

Karatasi ya arXiv inaelezea tatizo la upeo linalokabiliwa na mashirika yanayotumia AI: kuamua ni kazi zipi zinaweza kuwa za kiotomatiki, zipi zinapaswa kubaki na watu, na zipi zinapaswa kushirikiwa. Waandishi wanahoji kuwa alama za jumla za viwango hazifai kwa uamuzi huu kwa sababu alama moja ya jumla haionyeshi aina za kazi ambazo mfumo wa AI hushughulikia vyema au vibaya. Pia wanasema kuwa maamuzi ya kibinadamu kuhusu uwezo wa kielelezo yanaweza kupitwa na wakati kadiri mifumo inavyobadilika.

Bomba lililopendekezwa linatumia wasifu ulioshirikiwa wa uwezo msingi wa utambuzi. Mifumo ya AI inaonyeshwa wasifu kwa kupima utendakazi wake kwenye betri ya benchmark ambayo vipengee vyake vimefafanuliwa kwa madai ya utambuzi yanayohusika. Kazi za mahali pa kazi zinaonyeshwa wasifu tofauti kwa kuwauliza wataalam wa kikoa kupima umuhimu wa jamaa wa uwezo huo katika kazi zao. Kwa sababu pande zote mbili hutumia seti ya kawaida ya vipimo, karatasi inasema wasifu wa mfano na mahitaji ya kazi yanaweza kusasishwa kwa kujitegemea na kisha kuunganishwa.

Waandishi wanaripoti hatua tatu za uthibitishaji katika muhtasari. Wanajaribu kama mbinu hiyo inaweza kurejesha wasifu wa uwezo wa mawakala sintetiki, wasifu mifumo sita ya AI, na kukusanya tathmini za mahitaji ya kazi kutoka kwa wafanyikazi 410 katika vikoa sita vya kazi. Muhtasari hautambui vikoa hivyo, kutaja mifumo ya AI, kuelezea betri ya alama kwa kina, au kutoa alama za msingi. Kuachwa huko kunapunguza kile kinachoweza kuhitimishwa kutoka kwa chanzo pekee kuhusu chanjo ya utafiti na matokeo linganishi.

Karatasi inaripoti kwamba mifumo sita ya AI ilitofautiana zaidi katika vipimo vya utambuzi wa mtu binafsi kuliko familia za mfano. Pia inasema shughuli za mahali pa kazi ziliunganishwa kwenye msingi wa utambuzi ulioshirikiwa. Alama zinazotokana zinawasilishwa kama zana linganishi ya uwekaji kura katika kuchagua wagombeaji wanaoahidi kwa ajili ya miradi ya majaribio na kutambua maeneo ambayo mifumo ya sasa haiwezi kufaa vyema. Waandishi wanajadili zaidi kupanua mbinu ya kuwasifu wafanyakazi wa kibinadamu pamoja na mifumo ya AI, kwa lengo la muda mrefu la kusaidia ugawaji wa kazi ya mashine ya binadamu.

Maelezo ya chanzo: arxiv.org ↗

Kwa nini ni muhimu

Mfumo huo unaweza kuyapa mashirika njia mahususi zaidi ya kuweka wigo wa usambazaji wa AI kuliko kutegemea alama pana za mfano au maamuzi yasiyo rasmi. Thamani yake itategemea ikiwa wasifu unatabiri utendakazi katika maeneo halisi ya kazi na kama tathmini za wataalam zinanasa kwa usahihi mahitaji ya majukumu fulani.

Mchango wa vitendo ni mabadiliko kutoka kwa kuuliza ikiwa mfano wa AI kwa ujumla unaweza kuuliza ikiwa muundo wake wa uwezo unalingana na jukumu fulani. Muundo unaweza kufanya kazi kwa nguvu kwenye vipimo fulani na kwa unyonge kwa wengine, ilhali kazi inaweza kuweka uzito tofauti sana kwenye vipimo hivyo. Wasifu ulioshirikiwa unaweza kufanya kutolingana huko kuonekane kabla ya shirika kujitolea kusambaza au kuunda upya jukumu karibu na mfumo wa AI.

Mbinu hiyo pia inaweza kuboresha ubora wa majaribio ya mahali pa kazi ya hatua ya awali. Badala ya kutilia maanani utendakazi wa kichwa cha mfano kama ushahidi kwamba kiko tayari kwa kazi nzima, waajiri wanaweza kutumia mfumo huo kutambua kazi finyu zaidi za marubani wanaosimamiwa. Chanzo kinawasilisha alama kama linganishi na zinazofaa kwa upeo; haidai kwamba wanathibitisha mfumo wa AI unaweza kufanya kazi iliyochaguliwa kwa usalama au kwa ufanisi katika uzalishaji.

Utafiti wa mfanyakazi una uwezekano wa kuwa muhimu kwa sababu unajaribu kuunganisha tathmini ya mfano na mahitaji ya kazi halisi katika nyanja nyingi za kazi. Wakati huo huo, muhtasari hauelezi jinsi washiriki 410 walivyoajiriwa, jinsi walivyokuwa wawakilishi, jinsi kazi zilichaguliwa, au ikiwa wafanyikazi walikubaliana juu ya uwezo ambao kazi yao inahitaji. Maelezo hayo ni muhimu kwa sababu chaguo za uzani wa kazi zinaweza kubadilisha makadirio ya ufaafu yanayotokana.

Pendekezo la karatasi kwa wasifu wa wanadamu na mifumo ya AI linazua swali pana la utawala. Ikiwa maelezo mafupi kama haya yanatumiwa kutenga majukumu, yanaweza kusaidia mgawanyiko wa wazi wa kazi, lakini pia yanaweza kubadilisha makadirio ya uwezo usio na uhakika kuwa maamuzi ya juu kuhusu wafanyakazi. Chanzo hakielezei ulinzi, taratibu za uwajibikaji, ulinzi wa faragha au sheria za kupinga mgao. Hayo ni masuala ambayo hayajatatuliwa badala ya hitimisho lililowekwa na maandishi ya awali.

Nini cha kutazama baadaye

Jaribio linalofuata la karatasi ni uthibitishaji wa vitendo: ikiwa alama zake za kufaa zinalingana na matokeo ya marubani wa moja kwa moja wa mahali pa kazi. Mambo muhimu yasiyojulikana ni pamoja na vikoa sita vya kazi vilivyosomwa, kazi za kielelezo zilizotumika, utambulisho na utendakazi wa mifumo sita ya AI, na jinsi mfumo huo unavyoshughulikia mabadiliko ya mtiririko wa kazi, uwajibikaji, na uamuzi wa kibinadamu.

Ufuatiliaji muhimu zaidi ni ushahidi kutoka kwa matumizi halisi ya mahali pa kazi. Chanzo kinaripoti uthibitishaji wa wakala sintetiki, wasifu sita wa mfumo wa AI, na mahitaji yanayotolewa na wafanyakazi, lakini hakiripoti jaribio tarajiwa linaloonyesha kuwa alama hutabiri utendakazi wa kazi, viwango vya makosa, tija au matokeo ya mfanyakazi. Tathmini za kujitegemea zitasaidia kubaini kama mfumo huo ni muhimu zaidi ya muundo wa utafiti wa waandishi.

Wasomaji wanapaswa pia kutafuta maelezo ya kimbinu katika karatasi kamili: vipimo vya utambuzi, ujenzi wa kigezo, utaratibu wa kuweka alama, vitambulisho vya miundo, vikoa vya kazi, na kutokuwa na uhakika kwa kila kadirio. Bila habari hiyo, tofauti zilizoripotiwa kati ya mifumo ya AI na familia za mfano haziwezi kutathminiwa kwa uhuru kutoka kwa muhtasari pekee.

Hatimaye, mfumo utahitaji kuwajibika kwa kubadilisha mifano na kubadilisha kazi. Waandishi wanasema wasifu unaweza kusasishwa kwa kujitegemea, ambayo inaweza kusaidia kwa tatizo hilo, lakini chanzo hakionyeshi ni mara ngapi masasisho yanahitajika au jinsi mashirika yanapaswa kujibu wakati uwezo wa modeli, mtiririko wa kazi, au matokeo ya mabadiliko ya kutofaulu. Upanuzi unaopendekezwa wa mgao kwa mashine za binadamu unapaswa kutathminiwa kwa uangalifu hasa ambapo maamuzi yanaathiri ajira, usalama, ufikiaji wa huduma au wajibu wa kitaaluma.

Miongozo & maswali yanayohusiana