Mengapa robot belum juga bisa merebut pekerjaan Anda?

Mengapa robot belum juga bisa merebut pekerjaan Anda?

Hak atas foto Getty Images Image caption Sejumlah robot yang menggunakan AI diajari untuk mengakses memori dan memberikan manfaat terhadapnya sehingga akhirnya dapat digunakan di sektor perawatan (Kredit: Getty Images)

Kita akan bekerja bersama-sama dengan robot lebih cepat dibandingkan yang kita pikirkan. Empat hal ini dapat membuat kita memahami mereka.

Madaline merupakan yang pertama.

Kembali ke tahun 1959 dia menggunakan kecerdasannya yang mengesankan untuk menyelesaikan masalah yang sebelumnya sulit untuk dipecahkan, gema pada saluran telepon. Pada saat itu, percakapan jarak jauh seringkali diganggu oleh suara dari penelpon sendiri yang memantul kembali setiap kali mereka berbicara.

Dia menyelesaikan masalah tersebut dengan mengenali ketika sebuah sinyal masuk sama dengan yang keluar, dan secara elektronik menghapusnya. Solusi tersebut sangat elegan dan masih digunakan pada saat ini. Tentu saja, dia bukanlah manusia - dia merupakan sebuah sistem Multi Elemen Linear Adaptif ( Multiple ADAptive LINear Elements), atau singkatnya Madaline. Itu merupakan petama kalinya intelijen artifisial digunakan di tempat kerja.

Robot meluncurkan album, akankah musisi manusia terancam? Alasan Korea Selatan adalah tempat ideal untuk perkembangan teknologi robot

Saat ini, secara computer berotak diterima dalam pekerjaan kita. Mereka akan menyelesaikan beban pekerjaan mingguan Anda sebelum Anda menyantap roti panggang di pagi hari - dan mereka tidak membutuhkan rehat minum kopi, dana pensiun atau bahkan tidur. Meskipun banyak pekerjaan yang akan diotomatis di masa depan, setidaknya dalam jangka pendek, generasi baru mesin super ini tampaknya akan bekerja bersama kita.

Hak atas foto Getty Images Image caption Menurut laporan McKinsey pada 2017, dengan teknologi saat ini hanya 5% pekerjaan yang benar-benar dapat diotomatitsasi, namuan 60% pekerjaan dapat dilihat sepertiga kemampuannya diambil alih oleh robot. (Kredit: Getty Images)

Meskipun memiliki prestasi luar biasa dalam berbagai profesi, termasuk kemampuan untuk menghentikan kecurangan sebelum terjadi dan mendeteksi kanker lebih baik dibandingkan dokter, bahkan AI mesin yang paling canggih saat ini tidak memiliki kemampuan mendekati kecerdasan umum.

Menurut laporan McKinsey pada 2017, dengan teknologi saat ini hanya 5% pekerjaan yang benar-benar dapat diotomatitsasi, namuan 60% pekerjaan dapat dilihat sepertiga kemampuannya diambil alih oleh robot.

Masalahnya adalah, kekurangan yang sama mencegah robot untuk mengambil alih dunia juga akan membuat mereka menjadi rekan kerja yang sangat frustasi.

Dan ini sangat penting untuk mengingat bahwa tidak semua robot menggunakan kecerdasan artifisial - beberapa melakukannya, banyak yang tidak. Masalahnya, kekurangan yang sama mencegah robot cerdas yang menggunakan AI mengambil alih dunia akan membuat mereka menjadi rekan kerja yang sangat frustasi.Dari kecenderungan terhadap rasisme sampai pada ketidakmampuan untuk menetapkan target mereka, menyelesaikan msalah atau menerapkan akal sehat, generasi baru pekerja ini kurang ketrampilan bahkan untuk sesuatu yang mudah dikerjakan oleh manusia.

Jadi, sebelum kita menjalankannya, ini yang butuh Anda ketahui mengenai bekerja dengan rekan kerja robot baru.

Aturan pertama : Robot tidak berpikir seperti manusia

Di masa Madeline merevolusi panggilan telepon jarak jauh, filsuf Hungaria- Inggris Michael Polanyi berpikir keras mengenai intelijensia manusia. Polanyi menyadari bahwa beberapa kemampuan, seperti penggunaan tata bahasa yang akurat, dapat dengan mudah diturunkan menjadi aturan dan dijelaskan kepada yang lain, namun banyak yang tidak mampu.

Beberapa kemampuan seperti penggunaan tata bahasa yang akurat, dapat dengan mudah diturunkan menjadi aturan dan dijelaskan kepada yang lain, namun banyak yang tidak mampu.

Manusia dapat melakukan apa yang disebut kemampuan diam-diem tanpa sebelumnya disadarinya. Dalam kalimat Polanyi, "kami mengetahui lebih dari yang kami dapat katakan". Ini termasuk kemampuan praktis seperti mengendarai sepeda dan menguleni adonan, dan juga tugas-tugas tingkat tinggi lainnya. Dan sayang sekali, jika kita tidak mengetahui aturannya, kita tidak dapat mengajarkannnya kepada sebuah computer. Ini merupakan paradox Polanyi.

Alih-alih mencoba untuk merekayasa dibalik kecerdasan manusia, pakar computer bekerja dengan cara mereka untuk mengatasai masalah ini dengan mengembangkan AI untuk berpikir dengan cara yang benar-benar berbeda - dengan pikiran dikendalikan oleh data.

"Anda mungkin pernah berpikir bahwa cara AI bekerja adalah kita memahami manusia dan kemudian membuat AI yang benar-benar serupa," kata Rich Caruana, Peneliti Senior pada Microsoft Research. "Namun itu tak bekerja seperti itu." Dia memberikan contoh pesawat, yang kita temukan sejak dulu sebelum kita memahami secara detail mengenai penerbangan dalam burung dan oleh karena itu memiliki perbedaan aerodinamik. Namun, hari ini kita memiliki pesawat yang dapat terbang lebih tinggi dan lebih cepat dibandingkan hewan apapun.

Seperti Madaline, banyak agen AI yang memiliki "jaringan syaraf", artinya mereka menggunakan model matematika untuk mempelajari dengan menganalisa data kuantitatif yang sangat banyak. Sebagai contoh, Facebook melatih piranti lunak untuk mengenali wajah, DeepFace, pada satu kumpulan yang terdiri dari empat juta foto. Dengan mengenali pola dalam gambar berlabel yang sama dengan orang tersebut, itu benar-benar mempelajari mencocokkan wajah dengan kebenaran sekitar 97% dalam satu waktu.

Hak atas foto Getty Images Image caption Pemain top Go,berusia 19 tahun, Ke Jie, berupaya untuk mengalahkan program AI, AlphaGo dalam DeepMind Challenge Match (Kredit: Getty Images)

Agen AI seperti DeepFace merupakan pendatang baru yang bersinar di Silicon Valley, dan mereka telah mengalahkan penciptanya dalam mengemudi kendaraan, mengenai suara, menerjemahkan teks dari satu bahasa ke bahasa lainnya dan tentu saja menandai foto-foto. Di masa depan mereka diperkirakan akan menginfiltrasi sejumlah pekerjaan dari perawatan kesehatan sampai keuangan.

Aturan kedua: Teman robot baru Anda tidak sempurna. Mereka melakukan kesalahan

Namun pendekatan melalui data ini berarti mereka dapat membuat kesalahan yang spektakuler, seperti suatu jaringan syaraf menyimpulkan sebuah kura-kura yang dicetak 3D, faktanya, sebuah senapan. Program tidak dapat berpikir secara konseptual, sepanjang garisnya "dia memiliki sisik dan sebuah cangkang, jadi mungkin saja sebuah kura-kura". Alih-alih mereka berpikir batas pola - dalam kasus ini, pola visual dalam piksel. Akibatnya, mengubah satu piksel dalam ssebuah gambar dapat memberi petunjuk pada sebuah jawabab yang bijaksana untuk sesuatu yang sangat aneh.

Itu juga berarti bahwa mereka tidak memiliki akal sehat, yang krusial di tempat kerja dan memerlukan pengetahuan yang sudah ada dan penerapannya dalam situasi baru.

Sebuah contoh klasik adalah DeepMind AI; kembali ke tahun 2015 diperintahkan untuk memainkan game klasik Pong sampai mahir. Seperti yang Anda duga, hanya butuh beberapa jam saja sebelum mengalahkan pemain manusia dan bahkan merintis cara-cara yang benar-benar baru untuk menang. Namun untuk menguasai permainan Breakout, AI harus memulai dari awal.

Meskipun mengembangkan pemindahan pembelajaran menjadi sebuah area penelitian yang besar, sebagai contoh sebuah sistem tunggal yang disebut IMPALA menunjukkan transfer pengetahuan yang positif antara 30 lingkungan.

Hak atas foto Getty Images Image caption Sebuah kostum naga digunakan untuk membuat robot industrial botol makan tampak sedikit lebih bersahabat (Kredit: Getty Images)Aturan nomor tiga: Robot tidak dapat menjelaskan mengapa dia mengambil keputusan

Masalah yang kedua dengan AI adalah sebuah paradox Polanyi yang modern. Karena kami tidak sepenuhnya memahami bagaimana otak kami belajar, kami membuat AI untuk berpikir seperti ahli statistik. Ironisnya adalah, bahwa saat ini kami memiliki ide yang sangat sedikit mengenai apa yang ada di dalam pikiran AI. Jadi, ada dua perangkat yang tidak kami ketahui.

Itu biasanya disebut sebagai "masalah kotak hitam", karena meskipun Anda tahu bahwa data yang Anda masukan dan Anda lihat merupakan hasil muncul, Anda tidak mengetahui bagaimana kotak di depan Anda sampai pada kesimpulan seperti itu. "Jadi saat ini kami memiliki dia jenis kecerdasan yang berbeda yang benar-benar tidak kami pahami," jelas Caruana.

Jaringan syaraf tidak memiliki kemampuan bahasa, jadi mereka tidak dapat menjelaskan kepada Anda apa yang mereka lakukan atau mengapa. Dan seperti semua AI, mereka tidak memiliki akal sehat.

Dunia terancam 'robot-robot pembunuh,' kata para ahli Apakah Anda mau berhubungan seks dengan robot? Apakah kita akan mengendarai robot raksasa di masa depan?

Selama beberapa dekade, Caruana menerapkan sebuah jaringan syaraf pada data medis. Itu termasuk sesuatu seperti gejala dan hasil-hasil mereka, dan tujuannya untuk menghitung risiko setiap pasien meninggal pada hari tertentu, jadi dapat melakukan aksi preventif. Tampaknya itu bekerja dengan baik, sampai satu malam seorang mahasiswa di Universitas Pittsburgh menyadari sesuatu yang aneh. Dia mengolah data yang sama dengan algoritma yang sederhana, jadi dia dapat membaca logikannya dalam membuat keputusan, baris demi baris. Salah satu yang terbaca "asma baik untuk Anda jika Anda mengindap pneumonia".

"Kami bertanya pada para dokter dan mereka mengatakan 'oh itu buruk, Anda ingin memperbaikinya," kata Caruana. Asma merupakan sebuah faktor risiko yang serius untuk perkembangan pneumonia, sejak keduanya berdampak pada paru-paru. Mereka tidak pernah tahu secara pasti mengapa mesin mempelajari aturan ini, namun satu teori adalah ketika pasien dengan riwayat asma mulai mendapatkan pneumonia, mereka pergi ke dokter, secepatnya. Ini mungkin secara artifisial berdampak pada tingkat kelangsungan hidup mereka.

Secara alami, jalan pintas heuristik akan memproduksi bias, dan itu benar untuk manusia dan intelijen artifisial, namun heuristik AI belum tentu milik manusia.

Dengan meningkatnya ketertarikan dalam penggunaan AI untuk kepentingan publik, banyak ahli industri menjadi semakin khawatir. Tahun ini, penerapan regulasi Uni Eropa akan memberikan hak individu untuk memperoleh penjelasan mengenai dibalik logika keputusan AI. Sementara itu, kelompok peneliti militer AS, Badan Proyek Penelitian Lanjutan Pertahanan Darpa menanamkan modal sebesar $70 juta ke dalam program baru untuk menjelaskan AI.

"Baru-baru ini ada perintah peningkatan ukuran dalam seberapa akurat yang dapat dilakukan sistem ini," kata David Gunning, yang merupakan pelaksana proyek di Darpa. "Namun harga yang kami bayar untuk sistem ini sangat kabur dan kompleks, kami tidak mengetahui mengapa, Anda tahu, ini merekomendasikan item tententu atau mengapa membuat gerakan dalam sebuah game."

Aturan keempat: Robot mungkin bias

Muncul peningkatan kekhawatiran terhadap algoritma mungkin menyembunyikan bias yang dengan tak sengaja, seperti seksisme atau rasisme. Sebagai contoh, baru-baru ini sebuah program piranti lunak yang ditugasi untuk memberikan nasihat pada terpindana kasus kriminal yang mungkin akan melakukan pelanggaran lebih lanjut, terungkap bersikap lebih keras pada orang kulit hitam.

Itu semua bagaimana algoritma dilatih. Jika data yang mereka masukkan tidak dapat terbantahkan, keputusan mereka sangat mungkin benar. Namun seringkali ada bias manusia yang telah tertanam. Satu contoh yang sangat mencolok adalah kemudahan akses pada google translate. Para peneliti sains merujuk pada majalah Medium pada tahun lalu, jika Anda menerjemahkan "Dia (laki-laki) seorang perawat. Dia (perempuan) adalah seorang dokter," ke dalam bahasa Hungaria, dan kembali diterjemahkan ke bahasa Inggris, algoritma akan mengeluarkan kalimat yang berlawanan "Dia ( perempuan) seorang perawat, Dia (laki-laki) seorang dokter,.".

Algoritma telah dilatih pada teks dari sekitar trilliunan situs. Namun ssemua yang dapat dilakukannya adalah menemukan pola, seperti pada dokter tampaklebih mungkin laki-laki dan perempuan lebih mungkin perempuan.

Algoritma telah dilatih pada teks dari sekitar triliunan situs. Namun semua yang dapat dilakukannya adalah menemukan pola, seperti pada dokter tampaklebih mungkin laki-laki dan perempuan lebih mungkin perempuan.

Bias juga dapat menyelinap melalui pembobotan. Seperti halnya manusia, AI rekan kerja kita akan menganalisa data dengan memberi "bobot" padanya - pada dasarnya hanya memutuskan yang mana parameter yang lebih atau kurang penting. Sebuah algoritma mungkin memutuskan bahwa kode pos seseorang relevan dengan skor kreditnya - sesuatu yang telah terjadi di AS - dengan demikian diskriminasi terhadap orang-orangd dari etnis minoritas, yang cendering hidup di lingkungan yang lebih miskin.

Dan ini tak hanya sekedar masalah rasisme dan seksisme. Akan ada bias yang tidak pernah kita duga. Peraih Nobel ekonomi Daniel Kahneman, yang menghabiskan hidupnya untuk meneliti bias yang irasional terhadap pikiran manusia, menjelaskan masalah dengan baik dalam sebuah wawancara dengan blog Freakonomics 2011. " Secara alami, jalan pintas heuristik akan memproduksi bias, dan itu benar untuk manusia dan intelijen artifisial, namun heuristik AI belum tentu milik manusia."

Para robot telah datang, dan mereka akan mengubah masa depan pekerja selamanya. Namun sampai mereka sedikit lebih mirip dengan manusia, mereka akan membutuhkan kita disisinya. Dan luar biasanya, tampaknya rekan silicon kita akan membuat kita terlihat bagus.

Anda bisa membaca tulisan aslinya dalam Why a robot wont steal your job yet

Menuju Sumber Berita