عوامل هوش مصنوعی خودمختار فرصت های شغلی جدیدی ایجاد می کنند

در زیر یک پست مهمان و نظر Zac Cheah ، بنیانگذار Ai Pundiبشر

Bruhaha بیش از مأمورین هوش مصنوعی خودمختار (AI) که مشاغل خود را به دست می آورند و صنایع را به شدت تغییر می دهند مانند مراقبت های بهداشتی و دارایی نیاز به بازرسی نزدیک دارند. استقلال طیف است ، جایی که حتی خودمختار ترین عوامل هوش مصنوعی به نوعی مداخله انسانی برای کار مناسب نیاز دارند.

مأمورین هوش مصنوعی کاملاً خودمختار غیرممکن هستند. و به جای اینکه شغل خود را بخورید ، عوامل هوش مصنوعی خودمختار فرصت های کاری جدیدی ایجاد می کنند که در آن انسان به عملکرد عوامل هوش مصنوعی در طول چرخه عمر خود کمک می کند.

متنوع سازی گزینه های شغلی در صنعت هوش مصنوعی

همه عوامل هوش مصنوعی خودمختار در مراحل تولید یا استقرار نیاز به اقدام انسانی دارند زیرا آنها نمی توانند به طور مستقل عمل کنند و از این طریق باعث ایجاد فرصت های شغلی می شوند. اگرچه عوامل هوش مصنوعی که در مقیاس فعالیت می کنند ، فراتر از ظرفیت های شناختی یک شخص واحد هستند ، اما هر نماینده دارای چندین تیم تحت رهبری انسان در خط لوله توسعه است.

این عوامل برای ساختن زیرساخت های اساسی ، کد کردن الگوریتم ، تهیه مجموعه داده های دارای برچسب انسانی برای آموزش و نظارت بر رویه های حسابرسی ، به توسعه دهندگان انسانی احتیاج دارند.

به عنوان مثال ، دقت یک عامل AI مستقل به آموزش داده های با کیفیت بالا و انجام آزمایش های تحلیلی مکرر بستگی دارد. جای تعجب نیست که 67 ٪ از مهندسان داده ها ساعت ها برای تهیه مجموعه داده ها برای آموزش مدل AI صرف می کنند.

از آنجا که مجموعه داده های تکه تکه شده منجر به مشکلات عملیاتی برای عوامل خودمختار می شود ، تیم های پروژه باید قبل از آموزش داده ها را تمیز کنند. علاوه بر این ، از آنجا که شکاف داده ها می توانند خروجی اشتباه ایجاد کنند ، توسعه دهندگان باید از طریق ارزیابی دقیق ، یکپارچگی و موقعیت بازار یک عامل هوش مصنوعی را تضمین کنند. بنابراین هر شرکت هوش مصنوعی به پاک کننده های داده های انسانی ، برچسب ها و ارزیابان نیاز دارد تا مدل های خود را اجرا کنند.

علاوه بر این ، حسابرسی های تحت نظارت انسان ، چک های لازم را برای جلوگیری از آسیب از عوامل خودمختار هوش مصنوعی که پس از استقرار عمل می کنند ، ارائه می دهند. چنین مکانیسم های دفاعی شامل تیم های کاملاً گسترده ای از جمله مدیریت شرکت ، کارگران خط مشی ، حسابرسان و سایر تکنسین های ماهر است. برای ساخت و نگهداری یک عامل هوش مصنوعی در طول چرخه عمر خود ، یک روستا طول می کشد. بنابراین ، عوامل هوش مصنوعی کاملاً خودمختار فرصت های شغلی متعدد ایجاد می کنند زیرا تخصص انسانی برای ایجاد ، استقرار و ارزیابی این عوامل لازم است.

عوامل هوش مصنوعی خودمختار فرصت های شغلی جدید انسان ایجاد می کنند

تجربیات انسانها به آنها کمک می کند تا درک اجتماعی ظریف را توسعه دهند ، که به نوبه خود به آنها کمک می کند تا استنتاج های منطقی و تصمیمات منطقی بگیرند. با این حال ، مأمورین خودمختار هوش مصنوعی نمی توانند محیط اطراف خود را تجربه کنند و همیشه بدون کمک انسانی در قضاوت های صحیح عمل نمی کنند.

بنابراین انسان باید با دقت تهیه مجموعه داده ها ، ارزیابی دقت مدل و تفسیر تولید خروجی را برای اطمینان از ثبات و قابلیت اطمینان عملکردی. ارزیابی انسان برای شناسایی پیش داوری ها ، کاهش تعصب و اطمینان از اینکه عوامل هوش مصنوعی با ارزش های بشردوستانه و معیارهای اخلاقی همسو هستند ، بسیار مهم است.

یک رویکرد مشترک بین هوش انسان و ماشین برای جلوگیری از وقایع تولید مبهم تولید ، درک تفاوت های ظریف و حل مشکلات پیچیده ضروری است. با داشتن پایگاه دانش متنی انسان ، استدلال عقل سلیم و کسر منسجم ، عوامل هوش مصنوعی در شرایط واقعی زندگی بهتر عمل می کنند.

بنابراین ، عوامل هوش مصنوعی خودمختار نقش های شغلی و فرصت های شغلی جدیدی را در صنعت هوش مصنوعی ایجاد می کنند تا اینکه شغل خود را بدست آورند. برای این منظور ، Pundi AI با توانمندسازی انسانها برای کمک مستقیم به روایت رشد صنعت ، نوآوری هوش مصنوعی را هدایت می کند.

علاوه بر قدرت محاسباتی ، مدل های هوش مصنوعی برای آموزش مدل و متخصصان دامنه برای تنظیم دقیق داده ها برای عملکرد مدل کارآمد ، نیاز به دسترسی به داده های با کیفیت بالا دارند. اما megacorporations کنترل انحصاری بر داده های تولید شده توسط انسان برای ساخت مدل های AI-ML دارد.

Pundi AI یک راه حل داده غیرمتمرکز ارائه می دهد و فرصت های عادلانه ای را برای همه فراهم می کند تا شرکت های بزرگ از تولید کنندگان داده سوءاستفاده نکنند. بنابراین ، انسان می تواند کنترل داده های خود را حفظ کرده و مستقیماً از استفاده از آن برای آموزش مدل هوش مصنوعی بهره ببرد و گزینه های جدید شغلی مربوط به هوش مصنوعی را ایجاد کند.

براساس بررسی گارتنر ، شرکت ها به دلیل عدم دسترسی به داده های آماده AI ، بیش از 60 ٪ از پروژه های هوش مصنوعی را رها می کنند. راه حل هایی مانند AIFX Pundi AI به توسعه دهندگان و کاربران توانمندسازی می کند تا دارایی های داده آماده AI را ایجاد کنند و آنها را به صورت زنجیره ای تجارت کنند و مشوق های مالی را برای تهیه مجموعه داده های قوی ارائه می دهند.

فراتر از مجموعه داده های قبل از پردازش ، عوامل هوش مصنوعی همچنین در مراحل پردازش (استنتاج) و پس از پردازش (استقرار) به کمک انسان نیاز دارند. چندین روش ، مانند یادگیری تقویت با بازخورد انسانی (RLHF) و انسان در حلقه (HITL) ، برای ارزیابی عوامل هوش مصنوعی در طول آموزش یا عملیات در زمان واقعی برای تولید مؤثر و بهینه سازی مدل ضروری است.

به همین ترتیب ، اشکال زدایی تعاملی به حسابرسان انسانی کمک می کند تا پاسخ های عوامل هوش مصنوعی را مورد بررسی قرار دهند و آنها را در برابر معیارهای اجتماعی تصمیم گیری منصفانه ارزیابی کنند. بعضی اوقات ، برنامه های عامل حساس به یک روش ترکیبی نیاز دارند که اعتبار سنجی سطح انسانی را با پاسخ های تولید شده توسط دستگاه برای حذف عدم قطعیت ها و ایجاد اعتماد به نفس ترکیب کند.

شهود و خلاقیت بشر برای توسعه عوامل جدید هوش مصنوعی مهم است که می توانند به طور مستقل در جامعه عمل کنند بدون آنکه صدمه ای به وجود آورد. علاوه بر تقویت هوش عمومی عوامل AI خودمختار ، نظارت انسانی عملکرد بهینه را برای عوامل با عملکرد بالا در تنظیمات مستقل تضمین می کند.

بنابراین ، یک رویکرد غیرمتمرکز در ساخت و استقرار عوامل هوش مصنوعی با توزیع مجدد داده ها و آموزش مدل در بین افراد با پیشینه های مختلف ، کاهش تعصب ساختاری و ایجاد مشاغل جدید ، صنعت هوش مصنوعی را دموکراتیک می کند.