Daftar Isi:
- Bekerja untuk mesin
- Bekerja dengan mesin
- Sebelum teknologi dapat melakukan hal lain, ia harus melakukan tugas praktis yang akan menarik perhatian dan memberi manfaat kepada manusia dengan cara yang membuat orang ingin memiliki teknologinya sendiri.
- Algoritma pembelajaran mesin tidak kreatif, yang berarti manusia harus memberikan kreativitas yang meningkatkan pembelajaran mesin. Bahkan algoritma yang membangun algoritme lain hanya meningkatkan efisiensi dan akurasi hasil yang dicapai algoritme - mereka tidak dapat membuat algoritme yang melakukan jenis tugas baru. Manusia harus memberikan masukan yang diperlukan untuk mendefinisikan tugas-tugas ini dan proses yang dibutuhkan untuk menyelesaikannya.
- Saat ini, merancang lingkungan belajar mesin baru adalah bidang penelitian dan pengembangan perusahaan. Sekelompok spesialis yang sangat terlatih harus menciptakan parameter untuk lingkungan baru. Misalnya, NASA membutuhkan robot untuk mengeksplorasi Mars. Dalam hal ini, NASA mengandalkan keterampilan orang-orang di MIT dan Northeastern untuk melakukan tugas tersebut. Mengingat bahwa robot perlu melakukan tugas secara mandiri, algoritma pembelajaran mesin akan menjadi sangat kompleks dan mencakup beberapa tingkat pemecahan masalah.
Video: 5 Prospek Kerja Jurusan Teknik Mesin 2024
Anda dapat menemukan lebih dari beberapa artikel yang membahas hilangnya pekerjaan yang dapat dipelajari mesin dan teknologi terkaitnya. Robot sudah melakukan sejumlah tugas yang biasa digunakan manusia, dan penggunaan ini akan meningkat seiring berjalannya waktu. Anda juga harus mempertimbangkan bagaimana penggunaan baru tersebut berpotensi membebani Anda atau pekerjaan yang dicintai. Beberapa penulis telah melangkah lebih jauh dengan mengatakan bahwa masa depan mungkin memiliki skenario di mana belajar keterampilan baru mungkin tidak menjamin pekerjaan.
Faktanya adalah bahwa menentukan bagaimana pembelajaran mesin akan mempengaruhi lingkungan kerja sangat sulit, sama sulitnya bagi orang untuk melihat di mana revolusi industri akan membawa orang ke jalan massa -produksi barang untuk konsumen umum. Sama seperti para pekerja yang membutuhkan pekerjaan baru, sehingga orang-orang yang menghadapi kehilangan pekerjaan untuk belajar mesin saat ini perlu mencari pekerjaan baru.
Bekerja untuk mesin
Sangat mungkin Anda akan menemukan diri Anda bekerja untuk mesin di masa depan. Sebenarnya, Anda mungkin sudah bekerja untuk mesin dan tidak mengetahuinya. Beberapa perusahaan sudah menggunakan mesin belajar untuk menganalisa proses bisnis dan membuatnya lebih efisien. Misalnya, Hitachi saat ini menggunakan pengaturan seperti itu di manajemen menengah.
Dalam kasus ini, AI benar-benar mengeluarkan perintah kerja berdasarkan analisis alur kerja - seperti yang mungkin dilakukan oleh manajer menengah manusia. Bedanya, AI sebenarnya delapan persen lebih efisien daripada manusia yang digantikannya. Dalam kasus lain, Amazon mengadakan kontes di antara pakar pembelajaran mesin untuk mengetahui apakah perusahaan dapat memproses proses otorisasi karyawan dengan lebih baik secara otomatis dengan menggunakan pembelajaran mesin. Sekali lagi, intinya adalah untuk mengetahui bagaimana mengganti manajemen menengah dan memotong sedikit pita merah.
Namun, kesempatan kerja juga hadir dengan sendirinya. Pekerja di bawah AI melakukan tugas yang diminta AI untuk dilakukan, namun mereka dapat menggunakan pengalaman dan kreativitas mereka sendiri dalam menentukan bagaimana melakukan tugas tersebut. AI menganalisis proses yang digunakan pekerja manusia dan mengukur hasil yang dicapai. Setiap proses sukses ditambahkan ke dalam database teknik yang dapat diterapkan pekerja untuk menyelesaikan tugas. Dengan kata lain, manusia sedang mengajarkan teknik baru AI untuk membuat lingkungan kerja menjadi lebih efisien.
Bekerja dengan mesin
Orang sudah bekerja dengan mesin secara teratur - mungkin mereka tidak menyadarinya. Misalnya, saat Anda berbicara dengan ponsel cerdas Anda dan mengenali apa yang Anda katakan, Anda bekerja dengan mesin untuk mencapai tujuan yang diinginkan.Kebanyakan orang menyadari bahwa interaksi suara yang disertakan dengan smartphone meningkat seiring berjalannya waktu - semakin Anda menggunakannya, semakin baik mengenali suara Anda. Sebagai algoritma pelajar menjadi lebih baik disetel, menjadi lebih efisien dalam mengenali suara Anda dan mendapatkan hasil yang diinginkan. Tren ini akan terus berlanjut.
Namun, pembelajaran mesin digunakan dengan berbagai cara yang mungkin tidak terpikirkan oleh Anda. Bila Anda mengarahkan kamera pada subjek dan kamera dapat meletakkan kotak di sekitar wajah (untuk membantu menargetkan gambar), Anda akan melihat hasil pembelajaran mesin. Kamera membantu Anda melakukan pekerjaan memotret dengan efisiensi jauh lebih besar.
Penggunaan bahasa deklaratif, seperti SQL (Structured Query Language), akan menjadi lebih jelas juga karena pembelajaran mesin akan memungkinkan kemajuan. Dalam beberapa hal, bahasa deklaratif hanya memungkinkan Anda menggambarkan apa yang Anda inginkan dan bukan cara mendapatkannya. Namun, SQL masih membutuhkan ilmuwan komputer, ilmuwan data, administrator database, atau beberapa profesional lainnya untuk digunakan. Bahasa berikutnya tidak akan memiliki batasan ini.
Akhirnya, seseorang yang dilatih untuk melakukan tugas tertentu dengan baik hanya akan memberi tahu asisten robot apa yang harus dilakukan dan asisten robot akan menemukan sarana untuk melakukannya. Manusia akan menggunakan kreativitas untuk menemukan apa yang harus dilakukan; rincian (bagaimana) akan menjadi domain mesin. Memperbaiki mesin
Sebelum teknologi dapat melakukan hal lain, ia harus melakukan tugas praktis yang akan menarik perhatian dan memberi manfaat kepada manusia dengan cara yang membuat orang ingin memiliki teknologinya sendiri.
Tidak masalah teknologi apa itu. Akhirnya, teknologinya akan pecah. Mendapatkan teknologi untuk melakukan sesuatu yang berguna adalah pertimbangan utama sekarang, dan puncak dari setiap impian tentang teknologi yang pada akhirnya akan terbentang bertahun-tahun ke depan, hal-hal sepele seperti memperbaiki teknologi akan tetap jatuh di bahu manusia. Sekalipun manusia tidak terlibat langsung dengan perbaikan fisik, kecerdasan manusia akan mengarahkan operasi perbaikan.
Beberapa artikel yang Anda baca online mungkin membuat Anda percaya bahwa robot yang memperbaiki diri sudah menjadi kenyataan. Misalnya, robot Stasiun Luar Angkasa Internasional, Dextre dan Canadarm, melakukan perbaikan kamera yang salah. Apa yang tidak dikatakan oleh cerita tersebut adalah bahwa manusia memutuskan bagaimana melakukan tugas tersebut dan mengarahkan robot untuk melakukan pekerjaan fisik. Perbaikan otonom tidak mungkin dilakukan dengan algoritma yang ada saat ini.
Membuat tugas belajar mesin baru
Algoritma pembelajaran mesin tidak kreatif, yang berarti manusia harus memberikan kreativitas yang meningkatkan pembelajaran mesin. Bahkan algoritma yang membangun algoritme lain hanya meningkatkan efisiensi dan akurasi hasil yang dicapai algoritme - mereka tidak dapat membuat algoritme yang melakukan jenis tugas baru. Manusia harus memberikan masukan yang diperlukan untuk mendefinisikan tugas-tugas ini dan proses yang dibutuhkan untuk menyelesaikannya.
Anda mungkin berpikir bahwa hanya ahli dalam pembelajaran mesin yang akan menciptakan tugas belajar mesin baru. Namun, cerita tentang manajer menengah dari Hitachi harus memberi tahu Anda bahwa segala sesuatunya akan berjalan berbeda dari itu. Ya, para ahli akan membantu membentuk dasar untuk menentukan bagaimana menyelesaikan tugas, namun penciptaan tugas sebenarnya akan datang dari orang-orang yang mengetahui industri tertentu dengan sebaik-baiknya. Cerita Hitachi berfungsi sebagai dasar untuk memahami keduanya bahwa masa depan akan melihat orang-orang dari semua lapisan masyarakat berkontribusi terhadap skenario pembelajaran mesin dan bahwa pendidikan tertentu mungkin bahkan tidak membantu dalam menentukan tugas baru.
Merancang lingkungan belajar mesin baru
Saat ini, merancang lingkungan belajar mesin baru adalah bidang penelitian dan pengembangan perusahaan. Sekelompok spesialis yang sangat terlatih harus menciptakan parameter untuk lingkungan baru. Misalnya, NASA membutuhkan robot untuk mengeksplorasi Mars. Dalam hal ini, NASA mengandalkan keterampilan orang-orang di MIT dan Northeastern untuk melakukan tugas tersebut. Mengingat bahwa robot perlu melakukan tugas secara mandiri, algoritma pembelajaran mesin akan menjadi sangat kompleks dan mencakup beberapa tingkat pemecahan masalah.
Akhirnya, seseorang akan dapat menggambarkan sebuah masalah dengan cukup rinci sehingga sebuah program khusus dapat menciptakan algoritma yang diperlukan dengan menggunakan bahasa yang sesuai. Dengan kata lain, rata-rata orang pada akhirnya akan mulai menciptakan lingkungan pembelajaran mesin baru berdasarkan gagasan yang mereka miliki dan ingin mereka coba.
Seperti menciptakan tugas belajar mesin, orang-orang yang menciptakan lingkungan masa depan akan menjadi ahli dalam bidang keahlian khusus mereka, daripada menjadi ilmuwan komputer atau ilmuwan data.
