Il futuro del lavoro: I robot prenderanno il mio lavoro?

Negli anni ’90, quando le banche americane iniziarono a installare in grande stile gli sportelli automatici, i cassieri umani che lavoravano in quelle banche sembravano andare incontro a una rapida obsolescenza. Se le macchine potevano distribuire contanti e accettare depositi da sole, 24 ore su 24, chi aveva bisogno di persone?

Le banche sì, in realtà. È vero che i bancomat hanno reso possibile la gestione di filiali bancarie con molti meno impiegati: 13 in media, da 20. Ma il risparmio sui costi ha solo incoraggiato le banche madri ad aprire così tante nuove filiali che l’impiego totale dei cassieri è effettivamente aumentato.

Si possono trovare storie simili in campi come la finanza, la sanità, l’istruzione e la legge, dice James Bessen, l’economista della Boston University che ha richiamato l’attenzione dei suoi colleghi sulla storia dei bancomat nel 2015. “L’argomento non è che l’automazione aumenta sempre i posti di lavoro”, dice, “ma che può e spesso lo fa.”

Questa è una lezione che vale la pena ricordare quando si ascoltano le previsioni sempre più fragili sul futuro del lavoro nell’era dei robot e dell’intelligenza artificiale. Pensate alle auto senza conducente, o alla sintesi vocale convincentemente umana, o ai robot spaventosamente realistici che possono correre, saltare e aprire le porte da soli: Dato il ritmo vertiginoso del progresso in queste applicazioni, per quanto tempo ci sarà ancora qualcosa da fare per le persone?

Questa domanda ha ricevuto la sua formulazione più apocalittica da figure come il fondatore di Tesla e SpaceX Elon Musk e il defunto fisico Stephen Hawking. Entrambi hanno pubblicamente avvertito che le macchine alla fine supereranno le capacità umane, andranno oltre il nostro controllo e forse scateneranno anche il collasso della civiltà umana. Ma anche osservatori meno drammatici sono preoccupati. Nel 2014, quando il Pew Research Center ha intervistato quasi 1.900 esperti di tecnologia sul futuro del lavoro, quasi la metà era convinta che le macchine artificialmente intelligenti avrebbero presto portato a un’accelerazione della perdita di posti di lavoro – quasi il 50% entro i primi anni 2030, secondo un’analisi ampiamente citata. Il risultato inevitabile, temevano, sarebbe stata la disoccupazione di massa e una brusca ripresa dei già preoccupanti livelli di disuguaglianza di reddito di oggi. E questo potrebbe davvero portare a una rottura dell’ordine sociale.

O forse no. “È sempre più facile immaginare i lavori che esistono oggi e che potrebbero essere distrutti che immaginare i lavori che non esistono oggi e che potrebbero essere creati”, dice Jed Kolko, capo economista del sito di annunci di lavoro online Indeed. Molti, se non la maggior parte, degli esperti in questo campo sono cautamente ottimisti sull’occupazione – se non altro perché l’esempio del bancomat e molti altri simili mostrano quanto possa essere controintuitivo l’impatto dell’automazione. L’intelligenza delle macchine è ancora molto lontana dall’eguagliare l’intera gamma di abilità umane, dice Bessen. Anche quando si tiene conto degli sviluppi che stanno arrivando, dice, “abbiamo poche ragioni nei prossimi 10 o 20 anni per preoccuparci della disoccupazione di massa.”

Quindi, da che parte andranno le cose?

Non c’è modo di saperlo con certezza finché il futuro non arriva, dice Kolko. Ma forse, aggiunge, questa non è la domanda giusta: “Il dibattito sull’effetto aggregato sulla perdita di posti di lavoro rispetto al guadagno di posti di lavoro ci rende ciechi ad altre questioni che saranno importanti a prescindere” – come il modo in cui i posti di lavoro potrebbero cambiare di fronte all’IA e alla robotica, e come la società gestirà questo cambiamento. Per esempio, queste nuove tecnologie saranno usate solo come un altro modo per sostituire i lavoratori umani e tagliare i costi? O saranno usate per aiutare i lavoratori, liberandoli per esercitare abilità unicamente umane come la risoluzione dei problemi e la creatività?

“Ci sono molti modi diversi in cui potremmo configurare lo stato del mondo”, dice Derik Pridmore, CEO di Osaro, un’azienda di San Francisco che produce software AI per i robot industriali, “e ci sono un sacco di scelte che dobbiamo fare.”

Automazione e posti di lavoro: lezioni dal passato

Negli Stati Uniti, almeno, il dibattito di oggi sulle macchine artificialmente intelligenti e i posti di lavoro non può non essere colorato dai ricordi degli ultimi quattro decenni, quando il numero totale di lavoratori impiegati dalle case automobilistiche, dalle acciaierie e da altri produttori statunitensi ha iniziato un lungo e lento declino da un massimo di 19.5 milioni nel 1979 a circa 17,3 milioni nel 2000 – seguito da un precipitoso calo a un minimo di 11,5 milioni all’indomani della Grande Recessione del 2007-2009. (Il totale ha poi recuperato leggermente, a circa 12,7 milioni; cambiamenti sostanzialmente simili sono stati visti in altri paesi fortemente automatizzati come la Germania e il Giappone). Venendo in cima ad una stagnazione nella crescita dei salari dal 1973 circa, l’esperienza è stata traumatica.

Vero, dice Bessen, l’automazione non può essere l’intera ragione del declino. “Se si torna indietro ai cento anni precedenti”, dice, “l’industria si stava automatizzando a tassi altrettanto veloci o più veloci, e l’occupazione cresceva in modo robusto”. Ecco come siamo arrivati a milioni di operai in fabbrica, in primo luogo. Invece, gli economisti danno la colpa del calo dell’occupazione a una confluenza di fattori, tra cui la globalizzazione, il declino dei sindacati e una cultura aziendale degli anni ’80 negli Stati Uniti che ha enfatizzato il ridimensionamento, il taglio dei costi e i profitti trimestrali sopra ogni altra cosa.

Ma l’automazione era certamente uno di quei fattori. “Nella spinta a ridurre i costi, abbiamo preso collettivamente la via di minor resistenza”, dice Prasad Akella, un robotico che è fondatore e CEO di Drishti, una start-up di Palo Alto, California, che usa l’IA per aiutare i lavoratori a migliorare le loro prestazioni alla catena di montaggio. “E questo era: ‘Esternalizziamo nel centro più economico, così il costo del lavoro è basso. E se non possiamo offshorearlo, automatizziamolo.”

AI e robot sul posto di lavoro

L’automazione ha preso molte forme, comprese le acciaierie controllate dal computer che possono essere gestite solo da una manciata di impiegati, e i robot industriali, braccia meccaniche che possono essere programmate per muovere uno strumento come uno spruzzatore di vernice o una torcia di saldatura attraverso una sequenza di movimenti. Questi robot sono stati impiegati in numero sempre crescente a partire dagli anni ’70. Attualmente ci sono circa 2 milioni di robot industriali in uso a livello globale, soprattutto nelle linee di assemblaggio automobilistiche ed elettroniche, ognuno dei quali prende il posto di uno o più lavoratori umani.

Le distinzioni tra automazione, robotica e IA sono piuttosto confuse – e diventano sempre più confuse, ora che le auto senza conducente e altri robot avanzati stanno usando software artificialmente intelligenti nei loro cervelli digitali. Ma una regola generale è che i robot svolgono compiti fisici che una volta richiedevano l’intelligenza umana, mentre il software AI cerca di svolgere compiti cognitivi di livello umano come la comprensione del linguaggio e il riconoscimento delle immagini. L’automazione è un termine ombrello che non solo comprende entrambi, ma include anche i normali computer e le macchine non intelligenti.

Il lavoro dell’AI è più difficile. Prima del 2010 circa, le applicazioni erano limitate da un paradosso notoriamente sottolineato dal filosofo Michael Polanyi nel 1966: “Possiamo sapere più di quanto possiamo dire” – il che significa che la maggior parte delle competenze che ci fanno attraversare la giornata sono praticate, inconsce e quasi impossibili da articolare. Polanyi chiamava queste abilità conoscenza tacita, in opposizione alla conoscenza esplicita che si trova nei libri di testo.

Immaginate di cercare di spiegare esattamente come sapete che un particolare modello di pixel è la fotografia di un cucciolo, o come potete negoziare in sicurezza una svolta a sinistra contro il traffico in arrivo. (Sembra abbastanza facile dire “aspetta un’apertura nel traffico” – fino a quando non provi a definire un'”apertura” abbastanza bene perché un computer la riconosca, o a definire precisamente quanto grande deve essere lo spazio per essere sicuri). Questo tipo di conoscenza tacita conteneva così tante sottigliezze, casi speciali e cose misurate a “sensazione” che non sembrava esserci modo per i programmatori di estrarla, tanto meno di codificarla in un algoritmo definito con precisione.

Oggi, naturalmente, anche un’app per smartphone può riconoscere le foto dei cuccioli (di solito), e i veicoli autonomi stanno facendo quelle svolte a sinistra di routine (se non sempre perfettamente). Ciò che è cambiato solo nell’ultimo decennio è che gli sviluppatori di IA possono ora gettare una massiccia potenza di calcolo su enormi serie di dati – un processo noto come “apprendimento profondo”. Ciò equivale fondamentalmente a mostrare alla macchina uno zilione di fotografie di cuccioli e uno zilione di fotografie di non-cuccioli, poi il software dell’IA regola uno zilione di variabili interne fino a quando non riesce a identificare correttamente le foto.

Anche se questo processo di apprendimento profondo non è particolarmente efficiente – un bambino umano deve vedere solo uno o due cuccioli – ha avuto un effetto trasformativo sulle applicazioni IA come i veicoli autonomi, la traduzione automatica e tutto ciò che richiede il riconoscimento della voce o delle immagini. Ed è questo che spaventa la gente, dice Jim Guszcza, capo scienziato dei dati degli Stati Uniti presso Deloitte Consulting a Los Angeles: “Wow – cose che prima richiedevano una conoscenza tacita ora possono essere fatte dai computer! Così la nuova ansia per le massicce perdite di posti di lavoro in campi come la legge e il giornalismo che non hanno mai dovuto preoccuparsi dell’automazione prima. E così le molte previsioni di una rapida obsolescenza per i commessi dei negozi, le guardie di sicurezza e i lavoratori dei fast-food, così come per gli autisti di camion, taxi, limousine e furgoni per le consegne.

Conosci il mio collega, il robot

Ma allora, anche i cassieri di banca dovevano diventare obsoleti. Quello che è successo invece, dice Bessen, è che l’automazione tramite i bancomat non solo ha ampliato il mercato dei cassieri, ma ha anche cambiato la natura del lavoro: Mentre i cassieri passavano meno tempo a maneggiare semplicemente i contanti, passavano più tempo a parlare con i clienti di prestiti e altri servizi bancari. “E poiché le abilità interpersonali sono diventate più importanti”, dice Bessen, “c’è stato un modesto aumento degli stipendi dei cassieri di banca”, così come un aumento del numero di posizioni di cassiere a tempo pieno piuttosto che part-time. “Quindi è un quadro molto più ricco di quello che la gente spesso immagina”, dice.

Storie simili si possono trovare in molti altri settori. (Anche nell’era dello shopping online e del self-checkout, per esempio, i numeri dell’occupazione nel commercio al dettaglio stanno salendo in modo intelligente). Il fatto è che, anche ora, è molto difficile sostituire completamente i lavoratori umani.

Le acciaierie sono un’eccezione che dimostra la regola, dice Bryan Jones, CEO di JR Automation, una società in Olanda, Michigan, che integra varie forme di hardware e software per clienti industriali che cercano di automatizzare. “Un’acciaieria è un ambiente davvero brutto e difficile”, dice. Ma il processo stesso – fusione, colata, laminazione e così via – è essenzialmente lo stesso indipendentemente dal tipo di acciaio che si sta producendo. Quindi le acciaierie sono state relativamente facili da automatizzare, dice, ed è per questo che l’industria dell’acciaio ha perso così tanti posti di lavoro.

Quando le persone sono migliori

“Dove diventa più difficile da automatizzare è quando si ha un sacco di variabilità e personalizzazione”, dice Jones. “Questa è una delle cose che stiamo vedendo nell’industria automobilistica in questo momento: La maggior parte delle persone vuole qualcosa che sia su misura per loro”, con una scelta personalizzata di colori, accessori o anche griglie anteriori e posteriori. Ogni veicolo che scende dalla catena di montaggio potrebbe essere un po’ diverso.

Non è impossibile automatizzare questo tipo di flessibilità, dice Jones. Scegli un compito, e probabilmente c’è un robot di laboratorio da qualche parte che lo ha imparato. Ma questo non è lo stesso che farlo in modo economico, su scala. Nel mondo reale, come sottolinea Akella, la maggior parte dei robot industriali sono ancora grandi macchine cieche che eseguono i loro movimenti indipendentemente da chi o cosa si trovi sulla loro strada, e devono essere tenuti in gabbia dalle persone per motivi di sicurezza. Con macchine del genere, dice, “la flessibilità richiede una tonnellata di riattrezzamenti e una tonnellata di programmazione – e questo non avviene da un giorno all’altro.”

Contrasta questo con i lavoratori umani, dice Akella. La riprogrammazione è facile: “Basta andare in fabbrica e dire: ‘Ragazzi, oggi facciamo questo invece di quello'”. E meglio ancora, le persone sono dotate di abilità che pochi bracci robotici possono eguagliare, compreso il controllo motorio fine, la coordinazione occhio-mano e un talento per affrontare l’imprevisto.

Tutto questo è il motivo per cui la maggior parte delle case automobilistiche oggi non cerca di automatizzare tutto sulla catena di montaggio. (Alcuni di loro ci hanno provato all’inizio, dice Bessen. Ma le loro strutture generalmente finivano come l’impianto di assemblaggio di Detroit-Hamtramck della General Motors, che divenne rapidamente un incubo di debugging dopo la sua apertura nel 1985: i suoi robot si dipingevano a vicenda con la stessa frequenza con cui dipingevano le Cadillac). Invece, aziende come Toyota, Mercedes-Benz e General Motors limitano i robot grandi, stupidi e recintati a compiti che sono sporchi, pericolosi e ripetitivi, come la saldatura e la verniciatura a spruzzo. E inviano i loro lavoratori umani in luoghi come l’area di assemblaggio finale, dove possono mettere insieme gli ultimi pezzi mentre controllano l’allineamento, l’adattamento, la finitura e la qualità – e se il prodotto finale è d’accordo con la richiesta di personalizzazione del cliente.

Per aiutare questi lavoratori umani, inoltre, molti produttori (e non solo le case automobilistiche) stanno investendo pesantemente in robot collaborativi, o “cobot” – una delle categorie in più rapida crescita dell’automazione industriale oggi.

I robot collaborativi: Le macchine lavorano con le persone

I robot sono ora disponibili da almeno una mezza dozzina di aziende. Ma sono tutti basati su concetti sviluppati da un team che lavorava sotto Akella a metà degli anni ’90, quando era un ingegnere dello staff della General Motors. L’obiettivo era quello di costruire robot che fossero sicuri e che potessero aiutare con compiti stressanti o ripetitivi, lasciando comunque il controllo ai lavoratori umani.

Per avere un’idea del problema, dice Akella, immaginate di raccogliere una batteria da un nastro trasportatore, camminare per due passi, lasciarla cadere nella macchina e poi tornare indietro per la prossima – una volta al minuto, otto ore al giorno. “Ho fatto io stesso questo lavoro”, dice Akella, “e vi posso assicurare che sono tornato a casa estremamente dolorante”. Oppure immaginate di prendere un “abitacolo” di 150 libbre – il cruscotto dell’auto, con tutti gli strumenti collegati, i display e l’attrezzatura per l’aria condizionata – e manovrarlo in posizione attraverso la portiera dell’auto senza rompere nulla.

Inventare un robot che potesse aiutare con tali compiti era una sfida di ricerca piuttosto nuova all’epoca, dice Michael Peshkin, un ingegnere meccanico della Northwestern University di Evanston, Illinois, e uno dei diversi ricercatori esterni che Akella ha incluso nel suo team. “Il campo era tutto incentrato sull’aumento dell’autonomia dei robot, del rilevamento e della capacità di gestire la variabilità”, dice. Ma fino a questo progetto, nessuno si era concentrato troppo sulla capacità dei robot di lavorare con le persone.

Così per il loro primo cobot, lui e il suo collega della Northwestern Edward Colgate hanno iniziato con un concetto molto semplice: un piccolo carrello dotato di una serie di sollevatori che avrebbero sollevato, diciamo, la cabina di guida, mentre il lavoratore umano lo guidava in posizione. Ma il carrello non era solo passivo, dice Peshkin: Rilevava la sua posizione e girava le sue ruote per rimanere all’interno di una “superficie di vincolo virtuale” – in effetti, un invisibile imbuto a mezz’aria che avrebbe guidato l’abitacolo attraverso la porta e in posizione senza un graffio. L’operaio potrebbe poi controllare la misura finale e gli attacchi senza sforzo.

Un altro prototipo sponsorizzato da GM ha sostituito il carrello con un braccio robotico guidato dall’operaio che potrebbe sollevare componenti auto mentre pende da un punto di sospensione mobile sul soffitto. Ma condivideva lo stesso principio di assistenza della macchina più il controllo dell’operaio – un principio che si è rivelato criticamente importante quando Peshkin e i suoi colleghi hanno provato i loro prototipi sugli operai della catena di montaggio della General Motors.

“Ci aspettavamo molta resistenza”, dice Peshkin. “Ma in realtà, sono stati accoglienti e disponibili. Hanno capito perfettamente l’idea di salvare la loro schiena dagli infortuni”. E, cosa altrettanto importante, i lavoratori amavano usare i cobot. Gli piaceva potersi muovere un po’ più velocemente o un po’ più lentamente se ne avevano voglia. “Con una macchina che arriva ogni 52 secondi”, dice Peshkin, “quel po’ di autonomia era davvero importante”. E a loro piaceva essere parte del processo. “Le persone vogliono che le loro abilità siano in mostra”, dice. “Si divertono ad usare i loro corpi, a provare piacere nel loro movimento”. E i cobot davano loro questo, dice: “Si poteva piombare lungo la superficie virtuale, guidare la cabina di pilotaggio e godersi il movimento in un modo che le macchine fisse non permettevano.”

AI e i suoi limiti

L’attuale azienda di Akella, Drishti, riporta una risposta altrettanto accogliente al suo software basato sull’AI. I dettagli sono riservati, dice Akella. Ma l’idea di base è quella di utilizzare la tecnologia avanzata di visione del computer per funzionare un po’ come un GPS per la catena di montaggio, dando ai lavoratori istruzioni e avvertimenti turn-by-turn mentre vanno. Diciamo che un operaio sta mettendo insieme un iPhone, spiega, e la telecamera che guarda dall’alto ritiene che solo tre delle quattro viti siano state fissate: “Avvertiamo l’operaio e gli diciamo: ‘Ehi, assicurati di stringere anche quella vite prima che vada lungo la linea’”

Questo ha i suoi aspetti da Grande Fratello, ammette il direttore marketing di Drishti, David Prager. “Ma abbiamo un sacco di esempi di operatori sul campo che diventano molto impegnati e alla fine molto riconoscenti”, dice. “Conoscono molto bene lo spettro dell’automazione e della robotica che incombe su di loro, e vedono molto rapidamente che questo è uno strumento che li aiuta ad essere più efficienti, più precisi e in definitiva più preziosi per l’azienda”. Così l’azienda è più disposta a investire nelle sue persone, invece di farle uscire dall’equazione.”

Questo tema – usare la tecnologia per aiutare le persone a fare il loro lavoro piuttosto che sostituirle – sarà probabilmente una caratteristica delle applicazioni AI per molto tempo a venire. Proprio come con la robotica, ci sono ancora alcune cose importanti che l’IA non può fare.

Prendiamo la medicina, per esempio. L’apprendimento profondo ha già prodotto un software che può interpretare i raggi X bene come o meglio dei radiologi umani, dice Darrell West, uno scienziato politico che studia l’innovazione alla Brookings Institution di Washington, DC. “Ma non vogliamo che il software dica a qualcuno: ‘Hai appena ricevuto una possibile diagnosi di cancro'”, dice. “Avrete ancora bisogno di un radiologo per controllare l’IA, per assicurarsi che ciò che ha osservato sia effettivamente il caso” – e poi, se i risultati sono cattivi, uno specialista del cancro per dare la notizia al paziente e iniziare a pianificare un ciclo di trattamento.

Come nel diritto, dove l’IA può essere di grande aiuto nel trovare precedenti che potrebbero essere rilevanti per un caso – ma non nell’interpretarli, o utilizzarli per costruire un caso in tribunale. Più in generale, dice Guszcza, l’IA basata sull’apprendimento profondo è molto brava a identificare le caratteristiche e a concentrare l’attenzione dove è necessario. Ma è carente quando si tratta di cose come affrontare le sorprese, integrare molte fonti diverse di conoscenza e applicare il buon senso – “tutte le cose che gli esseri umani sono molto bravi a fare”

E non chiedete al software di capire effettivamente ciò che sta affrontando, dice Guszcza. Durante la campagna elettorale del 2016, per testare l’utilità di Google Translate, ha provato un esperimento classico: Prendete un titolo – “Hillary sbatte la porta a Bernie” – poi chiedete a Google di tradurlo dall’inglese al bengalese e viceversa. Risultato: “Barney sbatte la porta a Clinton”. Un anno dopo, dopo che Google aveva fatto un massiccio aggiornamento di Translate usando il deep learning, Guszcza ha ripetuto l’esperimento con il risultato: “Hillary Barry ha aperto la porta.”

“Non vedo alcuna prova che raggiungeremo il pieno ragionamento di buon senso con l’attuale AI”, dice, facendo eco a un punto fatto da molti ricercatori AI stessi. Nel settembre 2017, per esempio, il pioniere dell’apprendimento profondo Geoffrey Hinton, un informatico dell’Università di Toronto, ha detto al sito di notizie Axios che il campo ha bisogno di alcune idee fondamentalmente nuove se i ricercatori sperano di raggiungere l’IA a livello umano.

L’evoluzione del lavoro

Le limitazioni dell’IA sono un altro motivo per cui gli economisti come Bessen non la vedono causare presto una disoccupazione di massa. “L’automazione riguarda quasi sempre l’automazione di un compito, non l’intero lavoro”, dice, facendo eco a un punto fatto da molti altri. E mentre ogni lavoro ha almeno alcuni compiti di routine che potrebbero beneficiare dell’AI, ci sono pochissimi lavori che sono tutti di routine. Infatti, dice Bessen, quando ha esaminato sistematicamente tutti i lavori elencati nel censimento del 1950, “c’era solo un’occupazione che si può dire sia stata chiaramente automatizzata dall’esistenza – gli operatori degli ascensori”. Ce n’erano 50.000 nel 1950, ed effettivamente nessuno oggi.

D’altra parte, non c’è bisogno di disoccupazione di massa per avere uno sconvolgimento massiccio sul posto di lavoro, dice Lee Rainie, direttore della ricerca su internet e tecnologia al Pew Research Center di Washington, DC. “Gli esperti sono a malapena vicini a un consenso sul fatto che la robotica e l’intelligenza artificiale produrranno più o meno posti di lavoro”, dice, “ma certamente cambieranno i posti di lavoro. Tutti si aspettano che questo grande smistamento di competenze e funzioni continuerà per quanto l’occhio possa vedere.”

Peggio, dice Rainie, “gli esperti più preoccupati del nostro campione dicono che non abbiamo mai affrontato nella storia questo livello di cambiamento così rapidamente.” Non è solo la tecnologia dell’informazione, o l’intelligenza artificiale, o la robotica, dice. Sono anche le nanotecnologie, le biotecnologie, la stampa 3-D, le tecnologie di comunicazione – e così via. “I cambiamenti stanno avvenendo su così tanti fronti che minacciano di sopraffare la nostra capacità di adattamento”, dice.

Prepararsi per il futuro del lavoro

Se così fosse, la risultante era di costante cambiamento di lavoro potrebbe forzare alcuni cambiamenti radicali nella società in generale. I suggerimenti degli esperti di Pew e di altri includono una maggiore enfasi sulla formazione continua e sulla riqualificazione degli adulti in cerca di nuove competenze, e una rete di sicurezza sociale rinnovata per aiutare le persone a spostarsi da un lavoro all’altro e da un posto all’altro. C’è anche un sostegno emergente nel settore tecnologico per un qualche tipo di reddito annuale garantito, sulla teoria che i progressi nell’IA e nella robotica alla fine trascenderanno le attuali limitazioni e renderanno inevitabili massicce interruzioni del posto di lavoro, il che significa che le persone avranno bisogno di un cuscinetto.

Questo è il tipo di discussione che diventa davvero politica molto velocemente. E al momento, dice Rainie, i sondaggi di opinione di Pew mostrano che non è davvero sul radar del pubblico: “C’è un sacco di gente media, lavoratori medi che dicono, ‘Sì, tutti gli altri stanno per essere rovinati da questo – ma io no. Il mio business è in buona forma. Non riesco a immaginare come una macchina o un pezzo di software possa sostituirmi”.”

Ma è una discussione che deve avvenire con urgenza, dice West. Solo guardando a ciò che è già in cantiere, dice, “la piena forza della rivoluzione tecnologica avrà luogo tra il 2020 e il 2050. Quindi, se facciamo cambiamenti ora e introduciamo gradualmente le cose nei prossimi 20 anni, è perfettamente gestibile. Ma se aspettiamo fino al 2040, sarà probabilmente impossibile da gestire.”

Nota del redattore: Questa storia è stata aggiornata il 1 agosto per correggere i dettagli di un esperimento di Jim Guszcza. La storia originariamente diceva che un esperimento durante la campagna elettorale del 2016 era stato condotto per vedere quanto il deep learning avesse migliorato la capacità di Translate di Google; in realtà, l’esperimento del 2016 è stato condotto prima che Google avesse completamente aggiornato Translate con il deep learning. Il test iniziale è stato fatto con il titolo “Hillary sbatte la porta a Bernie”, non “Bernie sbatte la porta a Hillary” come originariamente indicato. Il titolo che risultava dopo la traduzione dall’inglese al bengalese e viceversa era “Barney sbatte la porta a Clinton”, non “Barry sta dando la colpa alla porta di Hillary”. I miglioramenti dell’apprendimento profondo sono stati testati un anno dopo con lo stesso titolo iniziale e il titolo risultante dopo la traduzione in bengalese e viceversa era “Hillary Barry ha aperto la porta.”

.