A munka jövője: Robotok veszik át a munkámat?

Az 1990-es években, amikor az amerikai bankok tömegesen kezdték telepíteni a pénztárgépeket, úgy tűnt, hogy a bankokban dolgozó emberi pénztárosok gyors elavulás elé néznek. Ha a gépek képesek voltak önállóan, éjjel-nappal készpénzt kiadni és betéteket elfogadni, kinek volt szüksége emberekre?

A bankoknak valójában igen. Igaz, hogy az ATM-ek lehetővé tették, hogy a bankfiókok sokkal kevesebb alkalmazottal működjenek: Átlagosan 13-mal, a korábbi 20 helyett. De a költségmegtakarítás csak arra ösztönözte az anyabankokat, hogy annyi új fiókot nyissanak, hogy a pénztárosok összlétszáma valójában nőtt.

Az olyan területeken találhatunk hasonló történeteket, mint a pénzügy, az egészségügy, az oktatás és a jog – mondja James Bessen, a Boston University közgazdásza, aki 2015-ben felhívta kollégái figyelmét az ATM-sztorira. “Az érv nem az, hogy az automatizálás mindig növeli a munkahelyek számát” – mondja – “hanem az, hogy ez lehetséges, és gyakran így is van.”

Ezt a tanulságot érdemes észben tartani, amikor a robotok és a mesterséges intelligencia korában a munka jövőjéről szóló, egyre feszültebb előrejelzéseket hallgatjuk. Gondoljunk csak a vezető nélküli autókra, vagy a meggyőzően emberi beszédszintézisre, vagy a hátborzongatóan élethű robotokra, amelyek képesek önállóan futni, ugrani és ajtót nyitni:

Ezt a kérdést olyan személyiségek fogalmazták meg a legapokaliptikusabban, mint a Tesla és a SpaceX alapítója, Elon Musk és a néhai fizikus, Stephen Hawking. Mindketten nyilvánosan figyelmeztettek arra, hogy a gépek előbb-utóbb meghaladják az emberi képességeket, az irányításunk alól kivonulnak, és talán még az emberi civilizáció összeomlását is kiváltják. De még a kevésbé drámai megfigyelők is aggódnak. 2014-ben, amikor a Pew Research Center közel 1900 technológiai szakértőt kérdezett meg a munka jövőjéről, majdnem a fele meg volt győződve arról, hogy a mesterségesen intelligens gépek hamarosan a munkahelyek gyorsuló megszűnéséhez vezetnek – egy széles körben idézett elemzés szerint a 2030-as évek elejére közel 50 százalékkal. Félelmük szerint ennek elkerülhetetlen következménye a tömeges munkanélküliség és a jövedelmi egyenlőtlenségek már ma is aggasztó mértékű növekedése lesz. Ez pedig valóban a társadalmi rend összeomlásához vezethet.

Vagy talán mégsem. “Mindig könnyebb elképzelni a ma létező és esetleg megsemmisülő munkahelyeket, mint a ma nem létező és esetleg létrejövő munkahelyeket” – mondja Jed Kolko, az Indeed online álláshirdető oldal vezető közgazdásza. Sok, ha nem a legtöbb szakértő ezen a területen óvatosan optimista a foglalkoztatással kapcsolatban – már csak azért is, mert az ATM-példa és sok más hasonló példa mutatja, hogy az automatizálás hatása mennyire ellentmondásos lehet. A gépi intelligencia még nagyon messze van attól, hogy az emberi képességek teljes skáláját elérje – mondja Bessen. Még ha figyelembe vesszük a most készülő fejlesztéseket is, szerinte “a következő 10 vagy 20 évben kevés okunk van arra, hogy tömeges munkanélküliség miatt aggódjunk.”

Szóval – merre fognak menni a dolgok?

Kolko szerint nem lehet biztosan tudni, amíg a jövő el nem érkezik. De talán – teszi hozzá – nem is ez a helyes kérdés: “A munkahelyek megszűnésének és a munkahely-gyarapodásnak az összesített hatásáról szóló vita elvakít bennünket más, ettől függetlenül fontos kérdésekkel szemben” – például azzal, hogy a mesterséges intelligencia és a robotika hatására hogyan változhatnak meg a munkahelyek, és hogyan fogja a társadalom kezelni ezt a változást. Például, vajon ezeket az új technológiákat csak egy újabb eszközként fogják-e használni az emberi munkaerő helyettesítésére és a költségek csökkentésére? Vagy arra fogják használni őket, hogy segítsék a munkásokat, felszabadítva őket az olyan egyedülállóan emberi képességek gyakorlására, mint a problémamegoldás és a kreativitás?

“Sokféleképpen alakíthatjuk a világ állapotát” – mondja Derik Pridmore, az Osaro, az ipari robotok számára AI-szoftvereket gyártó San Francisco-i székhelyű cég vezérigazgatója, “és rengeteg döntést kell meghoznunk”.”

Automatizálás és munkahelyek: tanulságok a múltból

Legalábbis az Egyesült Államokban a mesterségesen intelligens gépekről és a munkahelyekről szóló mai vitát nem lehet nem színezni az elmúlt négy évtized emlékeivel, amikor az amerikai autógyártók, acélgyárak és más gyártók által foglalkoztatott munkavállalók összlétszáma hosszú, lassú csökkenésnek indult a 19-es csúcsról.5 millióról 2000-re körülbelül 17,3 millióra – majd a 2007-2009-es nagy recessziót követően hirtelen 11,5 milliós mélypontra zuhant. (Azóta az összlétszám némileg emelkedett, körülbelül 12,7 millióra; nagyjából hasonló változások voltak megfigyelhetők más, erősen automatizált országokban, például Németországban és Japánban). A bérnövekedés 1973 óta tartó stagnálása mellett ez a tapasztalat traumatikus volt.

Igaz, mondja Bessen, az automatizálás nem lehet a csökkenés teljes oka. “Ha visszamegyünk az előző száz évre” – mondja -, “az ipar ugyanolyan gyorsan vagy gyorsabban automatizált, és a foglalkoztatás erőteljesen nőtt”. Így jutottunk el egyáltalán a gyári munkások millióihoz. Ehelyett a közgazdászok a foglalkoztatás csökkenését a tényezők összefolyásának tulajdonítják, köztük a globalizációnak,a szakszervezetek hanyatlásának és az 1980-as évek vállalati kultúrájának az Egyesült Államokban, amely mindenekelőtt a méretcsökkentést, a költségcsökkentést és a negyedéves profitot helyezte előtérbe.

Az automatizálás azonban minden bizonnyal az egyik ilyen tényező volt. “A költségcsökkentésre való törekvésünkben kollektíven a legkisebb ellenállás útját választottuk” – mondja Prasad Akella, egy robotikus, aki alapítója és vezérigazgatója a Drishti nevű start-up cégnek a kaliforniai Palo Altóban, amely mesterséges intelligenciát használ arra, hogy segítsen a munkásoknak javítani teljesítményüket a futószalagon. “Ez pedig az volt, hogy ‘helyezzük át a legolcsóbb központba, így a munkaerőköltségek alacsonyak. És ha nem tudjuk offshore-olni, akkor automatizáljuk.”

AI és robotok a munkahelyen

Az automatizálás számos formát öltött, beleértve a számítógép-vezérelt acélműveket, amelyeket mindössze néhány alkalmazott tud működtetni, és az ipari robotokat, mechanikus karokat, amelyeket úgy lehet programozni, hogy egy szerszámot, például egy festékszórót vagy egy hegesztőpisztolyt mozgatnak egy mozgássorozaton keresztül. Ilyen robotokat az 1970-es évek óta folyamatosan növekvő számban alkalmaznak. Jelenleg világszerte mintegy 2 millió ipari robot van használatban, főként az autóiparban és az elektronikai szerelősorokon, amelyek mindegyike egy vagy több emberi munkás helyét veszi át.

Az automatizálás, a robotika és a mesterséges intelligencia közötti különbségtétel bevallottan meglehetősen homályos – és egyre homályosabbá válik, mivel a vezető nélküli autók és más fejlett robotok mesterségesen intelligens szoftvereket használnak a digitális agyukban. De egy durva ökölszabály szerint a robotok olyan fizikai feladatokat végeznek, amelyek egykor emberi intelligenciát igényeltek, míg a mesterséges intelligencia szoftverek olyan emberi szintű kognitív feladatokat próbálnak ellátni, mint a nyelv megértése és a képek felismerése. Az automatizálás egy olyan gyűjtőfogalom, amely nemcsak mindkettőt magában foglalja, hanem a közönséges számítógépeket és a nem intelligens gépeket is.

Az AI feladata a legnehezebb. Körülbelül 2010 előtt az alkalmazásokat egy paradoxon korlátozta, amelyre Michael Polanyi filozófus 1966-ban híres módon mutatott rá: “Többet tudunk, mint amennyit el tudunk mondani” – ami azt jelenti, hogy a legtöbb készség, ami átsegít minket a mindennapokon, begyakorolt, tudattalan és szinte lehetetlen megfogalmazni. Polanyi ezeket a készségeket hallgatólagos tudásnak nevezte, szemben a tankönyvekben található explicit tudással.

Képzeljük el, hogy megpróbáljuk pontosan elmagyarázni, honnan tudjuk, hogy egy bizonyos pixelmintázat egy kiskutya fényképe, vagy hogyan tudunk biztonságosan kanyarodni balra a szembejövő forgalommal szemben. (Elég könnyen hangzik, ha azt mondod, hogy “várj a forgalmi résre” – egészen addig, amíg meg nem próbálod elég jól definiálni a “rést” ahhoz, hogy egy számítógép felismerje, vagy hogy pontosan meghatározd, mekkora résnek kell lennie ahhoz, hogy biztonságos legyen.) Ez a fajta hallgatólagos tudás olyan sok finomságot, speciális esetet és “érzéssel” mért dolgot tartalmazott, hogy úgy tűnt, a programozóknak nincs módjuk kivonni, még kevésbé kódolni egy pontosan meghatározott algoritmusba.

Mára persze már egy okostelefonos alkalmazás is képes felismerni a kölyökképeket (általában), és az autonóm járművek rutinszerűen (ha nem is mindig tökéletesen) végrehajtják ezeket a balra kanyarodásokat. Ami csak az elmúlt évtizedben változott, az az, hogy a mesterséges intelligencia fejlesztői ma már hatalmas számítógépes teljesítményt vethetnek be hatalmas adathalmazokra – ezt a folyamatot “mélytanulásnak” nevezik. Ez lényegében annyit tesz, hogy megmutatunk a gépnek egymillió fotót kiskutyákról és egymillió fotót nem kiskutyákról, majd a mesterséges intelligencia szoftver addig állít be egymillió belső változót, amíg képes helyesen azonosítani a fotókat.

Bár ez a mélytanulási folyamat nem túl hatékony – egy emberi gyermeknek csak egy vagy két kiskutyát kell látnia -, átalakító hatással volt az olyan mesterséges intelligencia alkalmazásokra, mint az autonóm járművek, a gépi fordítás és minden, ami hang- vagy képfelismerést igényel. És ez az, ami megrémíti az embereket – mondja Jim Guszcza, a Los Angeles-i Deloitte Consulting amerikai vezető adattudósa: “Hűha – olyan dolgokat, amelyekhez korábban hallgatólagos tudásra volt szükség, most már számítógépek is elvégezhetnek!” Ezért az olyan területeken, mint a jog és az újságírás, ahol korábban nem kellett aggódni az automatizálás miatt, tömeges munkahelyvesztés miatt. És így a sok előrejelzés a bolti eladók, biztonsági őrök és gyorséttermi dolgozók, valamint a teherautó-, taxi, limuzin- és kézbesítőautó-sofőrök gyors elavulásáról.

Ismerd meg a kollégámat, a robotot

De akkor állítólag a banki pénztárosok is elavulni fognak. Ehelyett az történt – mondja Bessen -, hogy az automatizálás az ATM-eken keresztül nemcsak a pénztárosok piacát bővítette, hanem a munka jellegét is megváltoztatta: Mivel a pénztárosok kevesebb időt töltöttek a készpénzkezeléssel, több időt töltöttek azzal, hogy az ügyfelekkel beszélgessenek a hitelekről és más banki szolgáltatásokról. “És mivel az interperszonális készségek egyre fontosabbá váltak” – mondja Bessen – “a banki pénztárosok fizetése szerény mértékben emelkedett”, valamint a részmunkaidős helyett a teljes munkaidős pénztárosi állások száma is nőtt. “Tehát ez egy sokkal gazdagabb kép, mint azt az emberek gyakran képzelik” – mondja.”

Hasonló történetekkel számos más iparágban is találkozhatunk. (Még az online vásárlás és az önkiszolgáló pénztárak korában is okosan emelkednek például a kiskereskedelem foglalkoztatási számai.) Tény, hogy még most is nagyon nehéz teljesen helyettesíteni az emberi munkaerőt.

Az acélművek olyan kivételek, amelyek igazolják a szabályt, mondja Bryan Jones, a JR Automation vezérigazgatója, a michigani Hollandban működő cég, amely különböző hardvereket és szoftvereket integrál az automatizálni kívánó ipari ügyfelek számára. “Egy acélmű igazán csúnya, kemény környezet” – mondja. De maga a folyamat – olvasztás, öntés, hengerlés és így tovább – lényegében ugyanaz, függetlenül attól, hogy milyen acélt gyártanak. Így a malmokat viszonylag könnyű volt automatizálni, mondja, ezért is szüntetett meg az acélipar annyi munkahelyet.

Ahol az emberek jobbak

“Ahol nehezebbé válik az automatizálás, az a nagyfokú változékonyság és testreszabhatóság” – mondja Jones. “Ez az egyik dolog, amit mostanában az autóiparban látunk: A legtöbb ember olyasmit szeretne, ami személyre szabott”, személyre szabott színválasztással, kiegészítőkkel vagy akár első és hátsó hűtőrácsokkal. Minden jármű, amely a futószalagról lejön, egy kicsit más lehet.

Az ilyen rugalmasság automatizálása nem lehetetlen, mondja Jones. Válasszon ki egy feladatot, és valószínűleg van valahol egy laboratóriumi robot, amelyik elsajátította. De ez nem ugyanaz, mint költséghatékonyan, méretarányosan megcsinálni. A való világban, ahogy Akella rámutat, a legtöbb ipari robot még mindig nagy, vak gép, amely végzi a mozdulatait, függetlenül attól, hogy ki vagy mi van az útjában, és amelyet a biztonság kedvéért el kell zárni az emberektől. Azt mondja, hogy az ilyen gépek esetében “a rugalmasság rengeteg átállítást és programozást igényel – és ez nem megy egyik napról a másikra.”

Ezzel szemben az emberi munkások állnak, mondja Akella. Az átprogramozás egyszerű: “Csak besétálsz a gyárba, és azt mondod: “Srácok, ma ezt készítjük, és nem ezt”. És ami még jobb, az emberek olyan képességekkel rendelkeznek, amelyekkel kevés robotkar ér fel, beleértve a finommotoros irányítást, a szem-kéz koordinációt és a váratlan helyzetek kezeléséhez való tehetséget.

Mindezek miatt a legtöbb autógyártó ma már nem próbál mindent automatizálni a futószalagon. (Bessen szerint néhányan mégis megpróbálkoztak vele a kezdetekben. De létesítményeik általában úgy végezték, mint a General Motors Detroit-Hamtramck összeszerelő üzeme,amely 1985-ös megnyitása után hamar hibaelhárítási rémálommá vált: robotjai ugyanolyan gyakran festették egymást, mint a Cadillaceket). Ehelyett az olyan vállalatok, mint a Toyota, a Mercedes-Benz és a General Motors a nagy, buta, elkerített robotokat olyan piszkos, veszélyes és ismétlődő feladatokra korlátozzák, mint a hegesztés és a festékszóró festés. Emberi munkásaikat pedig olyan helyekre küldik, mint a végső összeszerelési terület, ahol az utolsó darabokat is összerakhatják, miközben ellenőrzik az igazítást, az illeszkedést, a kivitelezést és a minőséget – és azt, hogy a végtermék megfelel-e az ügyfél egyedi kérésének.

Az emberi munkások megsegítésére sok gyártó (és nem csak az autógyártók) nagymértékben fektet be az együttműködő robotokba, vagy “cobotokba” – az ipari automatizálás egyik leggyorsabban növekvő kategóriájába.

Kollaboratív robotok: A gépek együtt dolgoznak az emberekkel

A robotok már legalább fél tucat cégtől kaphatók. De ezek mind olyan koncepciókon alapulnak, amelyeket egy Akella vezetésével dolgozó csapat dolgozott ki az 1990-es évek közepén, amikor a General Motorsnál dolgozó mérnök volt. A cél az volt, hogy olyan robotokat építsenek, amelyek körül biztonságosan lehet tartózkodni, és amelyek segíthetnek a stresszes vagy ismétlődő feladatokban, miközben az irányítás továbbra is az emberi dolgozóknál marad.

Azért, hogy megértsük a problémát, mondja Akella, képzeljük el, hogy felveszünk egy akkumulátort egy futószalagról, két lépést sétálunk, bedobjuk az autóba, majd visszamegyünk a következőért – percenként egyszer, napi nyolc órában. “Magam is elvégeztem ezt a munkát” – mondja Akella – “és biztosíthatom önöket, hogy rendkívül fájdalmasan tértem haza”. Vagy képzelje el, hogy felemel egy 150 kilós “pilótafülkét” – az autó műszerfalát, az összes hozzácsatolt műszerrel, kijelzővel és légkondicionáló berendezéssel -, és úgy manőverezi a helyére az autó ajtaján keresztül anélkül, hogy bármit eltörne.

Egy robot kifejlesztése, amely ilyen feladatokban tud segíteni, akkoriban egészen újszerű kutatási kihívás volt, mondja Michael Peshkin, az illinois-i Evanstonban található Northwestern Egyetem gépészmérnöke, és egyike annak a több külsős kutatónak, akit Akella bevont a csapatába. “A terület a robotok autonómiájának, érzékelésének és változékonysági képességének növeléséről szólt” – mondja. De amíg ez a projekt nem jött létre, senki sem koncentrált túlságosan a robotok emberekkel való együttműködési képességére.”

Az első cobotjuk esetében tehát ő és Northwestern kollégája, Edward Colgate egy nagyon egyszerű koncepcióval kezdték: egy kis kocsival, amely emelőkészlettel van felszerelve, amely felemeli mondjuk a pilótafülkét, miközben az emberi munkás a helyére irányítja azt. De a kocsi nem csak passzív volt, mondja Peshkin: Érzékelte a helyzetét, és elfordította a kerekeit, hogy egy “virtuális kényszerfelületen” belül maradjon – tulajdonképpen egy láthatatlan légtölcsér, amely a pilótafülkét az ajtón keresztül a helyére vezette, és egy karcolás nélkül a helyére állította. A munkás ezután megerőltetés nélkül ellenőrizhetné a végső illeszkedést és a rögzítéseket.

Egy másik GM által támogatott prototípus a kocsit egy munkás által irányított robotkarral helyettesítette, amely a mennyezeten lévő mozgatható felfüggesztési ponton lógva képes volt autóalkatrészeket emelni. De ugyanaz volt az elv: gépi segítség és munkásvezérlés – ez az elv kritikusan fontosnak bizonyult, amikor Peshkin és kollégái kipróbálták prototípusaikat a General Motors összeszerelőszalagjának munkásain.

“Nagy ellenállásra számítottunk” – mondja Peshkin. “De valójában befogadóak és segítőkészek voltak. Teljesen megértették az ötletet, hogy megkíméljük a hátukat a sérülésektől”. És ami ugyanilyen fontos, a munkások szerették használni a cobotokat. Tetszett nekik, hogy egy kicsit gyorsabban vagy lassabban mozoghattak, ha úgy érezték. “Mivel 52 másodpercenként jön egy autó” – mondja Peshkin – “ez a kis önállóság nagyon fontos volt”. És szerettek a folyamat részesei lenni. “Az emberek azt akarják, hogy a képességeik megmutatkozzanak” – mondja. “Élvezik, hogy használják a testüket, és örömüket lelik a saját mozgásukban.” És a cobotok ezt megadták nekik, mondja: “Végigsuhanhattak a virtuális felületen, vezethették a pilótafülkét, és élvezhették a mozgást olyan módon, amit a rögzített gépek nem tettek lehetővé.”

Az AI és annak határai

Akella jelenlegi cége, a Drishti hasonlóan kedvező fogadtatásról számol be az AI-alapú szoftvereivel kapcsolatban. A részleteket Akella elmondása szerint titkosítják. Az alapötlet azonban az, hogy a fejlett számítógépes látástechnológiát úgy használják, mint egy GPS-t a futószalaghoz, amely menet közben kanyarodási utasításokat és figyelmeztetéseket ad a munkásoknak. Tegyük fel, hogy egy munkás éppen egy iPhone-t szerel össze, és a felülről figyelő kamera úgy véli, hogy a négy csavarból csak három van rögzítve: “Figyelmeztetjük a munkást, és azt mondjuk: “Hé, ezt a csavart is húzd meg, mielőtt továbbmegy a soron.””

Ezeknek is megvannak a Nagy Testvér aspektusai, ismeri el a Drishti marketingigazgatója, David Prager. “De sok példánk van arra, hogy az operátorok a helyszínen nagyon elkötelezettek és végső soron nagyon hálásak” – mondja. “Nagyon jól ismerik az automatizálás és a robotika rájuk leselkedő kísértetét, és nagyon gyorsan belátják, hogy ez egy olyan eszköz, amely segít nekik abban, hogy hatékonyabbak, pontosabbak és végső soron értékesebbek legyenek a vállalat számára”. Így a vállalat inkább hajlandó befektetni az embereibe, minthogy kivonja őket az egyenletből.”

Ez a téma – a technológia alkalmazása az emberek munkájának segítésére, nem pedig az emberek helyettesítésére – valószínűleg még sokáig jellemző lesz az AI-alkalmazásokra. Csakúgy, mint a robotikában, még mindig vannak olyan fontos dolgok, amelyeket az AI nem tud elvégezni.

Vegyük például az orvostudományt. Darrell West, a washingtoni Brookings Institution innovációval foglalkozó politológusa, Darrell West szerint a mélytanulás már olyan szoftvereket hozott létre, amelyek ugyanolyan jól vagy jobban tudják értelmezni a röntgenfelvételeket, mint az emberi radiológusok. “De nem akarjuk, hogy a szoftver azt mondja valakinek: “Most kaptál egy lehetséges rákdiagnózist”” – mondja. “Még mindig szükség lesz egy radiológusra, aki ellenőrzi a mesterséges intelligenciát, hogy megbizonyosodjon arról, hogy amit megfigyelt, az valóban igaz-e” – és ha az eredmények rosszak, akkor egy rákszakértőre, aki közli a hírt a beteggel, és elkezdi megtervezni a kezelés menetét.

Valamint a jogban, ahol a mesterséges intelligencia nagy segítség lehet abban, hogy megtalálja az ügy szempontjából fontos precedenseket – de abban nem, hogy értelmezze azokat, vagy felhasználja őket a bírósági ügy felépítéséhez. Guszcza szerint általánosságban elmondható, hogy a mélytanuláson alapuló mesterséges intelligencia nagyon jó a jellemzők azonosításában és a figyelem oda összpontosításában, ahol arra van szükség. De alulmarad, amikor olyan dolgokról van szó, mint a meglepetések kezelése, a sokféle tudásforrás integrálása és a józan ész alkalmazása – “mindazok a dolgok, amelyekben az emberek nagyon jók.”

És ne kérjük a szoftvertől, hogy ténylegesen megértse, mivel foglalkozik, mondja Guszcza. A 2016-os választási kampány idején, hogy tesztelje a Google fordítóprogramjának hasznosságát, egy klasszikus kísérletet próbált ki: Vegyünk egy főcímet – “Hillary becsapja az ajtót Bernie-re” -, majd kérjük meg a Google-t, hogy fordítsa le angolról bengálira és vissza. Az eredmény: “Barney rácsapja az ajtót Clintonra”. Egy évvel később, miután a Google elvégezte a Translate masszív frissítését mélytanulás segítségével, Guszcza megismételte a kísérletet az eredménnyel: “Hillary Barry kinyitotta az ajtót.”

“Nem látok semmilyen bizonyítékot arra, hogy a jelenlegi mesterséges intelligenciával teljes józan gondolkodást fogunk elérni” – mondja, visszhangozva azt, amit maguk az AI-kutatók is sokan hangoztatnak. 2017 szeptemberében például a mélytanulás úttörője, Geoffrey Hinton, a Torontói Egyetem informatikusa az Axios hírportálnak azt mondta, hogy a területnek néhány alapvetően új ötletre van szüksége, ha a kutatók valaha is remélik, hogy elérik az emberi szintű mesterséges intelligenciát.

Job evolúció

Az AI korlátai a másik ok, amiért a Bessenhez hasonló közgazdászok nem látják, hogy a közeljövőben tömeges munkanélküliséget okozna. “Az automatizálás szinte mindig egy feladat automatizálásáról szól, nem pedig az egész munkakör automatizálásáról” – mondja, és ezzel sokan mások is ezt mondják. És bár minden munkakörben van legalább néhány olyan rutinfeladat, amely profitálhat a mesterséges intelligenciából, nagyon kevés olyan munka van, amely csak rutinfeladat. Valójában, mondja Bessen, amikor szisztematikusan megvizsgálta az 1950-es népszámlálásban felsorolt összes munkakört, “csak egyetlen olyan foglalkozás volt, amelyről azt lehetett mondani, hogy egyértelműen automatizálták – a liftkezelők”. 1950-ben 50 000 volt, ma pedig gyakorlatilag egy sem.

Másrészt nincs szükség tömeges munkanélküliségre ahhoz, hogy a munkahelyek tömegesen felforduljanak, mondja Lee Rainie, a washingtoni Pew Research Center internetes és technológiai kutatási igazgatója. “A szakértők aligha állnak közel a konszenzushoz abban, hogy a robotika és a mesterséges intelligencia több vagy kevesebb munkahelyet eredményez-e majd” – mondja – “de az biztos, hogy megváltoztatják a munkahelyeket. Mindenki arra számít, hogy a készségek és funkciók nagyfokú szétválogatása folytatódni fog, ameddig a szem ellát.”

Még rosszabb, mondja Rainie, “a mintánkban szereplő legaggasztóbb szakértők szerint a történelem során még soha nem szembesültünk ilyen gyorsan ilyen mértékű változással”. Nem csak az informatikáról, a mesterséges intelligenciáról vagy a robotikáról van szó – mondja. Hanem a nanotechnológia, a biotechnológia, a 3D nyomtatás, a kommunikációs technológiák – és így tovább. “A változások olyan sok fronton zajlanak, hogy azzal fenyegetnek, hogy meghaladják alkalmazkodóképességünket” – mondja.

Felkészülés a munka jövőjére

Ha ez így van, a munkahelyek állandó váltakozásának korszaka radikális változásokat kényszeríthet ki a társadalom egészében. A Pew szakértőinek és másoknak a javaslatai között szerepel, hogy nagyobb hangsúlyt kell fektetni az új készségeket kereső felnőttek továbbképzésére és átképzésére, valamint egy olyan szociális védőhálóra, amelyet úgy alakítottak át, hogy segítsen az embereknek munkahelyről munkahelyre és helyről helyre vándorolni. A technológiai szektorban még a garantált éves jövedelem valamilyen formáját is támogatják, arra az elméletre alapozva, hogy a mesterséges intelligencia és a robotika fejlődése előbb-utóbb túllép a jelenlegi korlátokon, és elkerülhetetlenné teszi a masszív munkahelyi zavarokat, ami azt jelenti, hogy az embereknek szükségük lesz egy párnára.

Ez az a fajta vita, ami nagyon gyorsan nagyon politikai lesz. És jelenleg, mondja Rainie, a Pew közvélemény-kutatásai azt mutatják, hogy ez nem igazán van a közvélemény radarján: “Sok átlagos ember, átlagos munkavállaló azt mondja: “Igen, mindenki másnak rosszul fog ez esni – de nekem nem. Az én vállalkozásom jó formában van. Nem tudom elképzelni, hogy egy gép vagy egy szoftver hogyan helyettesíthetne engem.”

De West szerint erre a vitára sürgősen szükség van. Ha csak azt nézzük, hogy mi van már előkészületben, azt mondja, “a technológiai forradalom teljes ereje 2020 és 2050 között fog lezajlani. Ha tehát most változtatunk, és a következő 20 évben fokozatosan vezetjük be a dolgokat, akkor ez tökéletesen kezelhető. De ha 2040-ig várunk, akkor valószínűleg lehetetlen lesz kezelni.”

Szerkesztői megjegyzés: A cikket augusztus 1-jén frissítettük, hogy javítsuk Jim Guszcza kísérletének részleteit. A cikkben eredetileg az állt, hogy a 2016-os választási kampány idején végeztek egy kísérletet annak megállapítására, hogy a mélytanulás mennyit javított a Google Translate képességén; valójában a 2016-os kísérletet még azelőtt végezték, hogy a Google teljesen frissítette volna a Translate-et mélytanulással. Az eredeti tesztet “Hillary rácsapja az ajtót Bernie-re” főcímmel végezték, nem pedig “Bernie rácsapja az ajtót Hillary-ra”, ahogy eredetileg állt. Az angolról bengálira és vissza fordítás után kapott főcím a következő volt: “Barney slam the door on Clinton”, nem pedig “Barry az ajtót Hillary ajtajára csapja”. A mélytanulási fejlesztéseket egy évvel később ugyanezzel az eredeti főcímmel tesztelték, és a bengálira fordítás és visszafordítás után kapott főcím a következő volt: “Hillary Barry nyitotta ki az ajtót.”