1990年代、アメリカの銀行が自動預け払い機を大々的に導入し始めたとき、それらの銀行で働く人間の窓口係は急速に陳腐化するように見えました。 機械が24時間、勝手に現金を配り、預金を受け付けてくれるなら、誰が人間を必要とするのでしょうか。 確かにATMのおかげで、支店の銀行を少ない従業員で運営することが可能になりました。 平均20人から13人へ。 しかし、このコスト削減は、親銀行が多くの支店を新設することを促し、窓口担当者の雇用総額は実際には増加した。
金融、医療、教育、法律などの分野でも同様の話を見つけることができると、2015年にATMの話に同僚の注意を促したボストン大学の経済学者、ジェームズ・ベッセンは述べています。 「自動化が常に雇用を増やすという議論ではなく、自動化が可能であり、しばしばそうなるという議論です」
ロボットや人工知能の時代の仕事の未来について、ますます危うい予測を聞くときに、この教訓は覚えておくに値します。 運転手のいない車、説得力のある人間の音声合成、自分で走ったりジャンプしたりドアを開けたりできる不気味なほどリアルなロボットを思い浮かべてみてください。 5181>
1980年代初頭、自動預金支払機が銀行に普及し始め、この機械によって人間の銀行窓口が廃止されるという懸念が沸いた。 しかし、最初の落ち込みの後、銀行の正規従業員の数は実際に増加し始めました。
この質問は、テスラおよびスペースXの創設者イーロン・マスクや物理学者の故スティーブン・ホーキングなどの人物によって、最も黙示録的に表現されてきました。 両者とも、機械は最終的に人間の能力を超え、人間の制御を超え、おそらくは人類文明の崩壊の引き金になると公然と警告しています。 しかし、それほど劇的でない観察者たちも心配している。 2014年、Pew Research Centerが約1,900人のテクノロジー専門家を対象に仕事の未来について調査したところ、ある広く引用された分析によると、約半数が人工知能を備えた機械によって、間もなく加速的に仕事が失われると確信しており、2030年代初頭には50%近くが失われるという。 その結果、大量の失業者が発生し、すでに懸念されている所得格差が急激に拡大することを懸念している。
「今日存在しないが、創造されるかもしれない仕事を想像するよりも、今日存在し、破壊されるかもしれない仕事を想像する方が常に簡単だ」
Jed Kolko
あるいはそうではないかもしれませんね。 オンライン求人情報サイトIndeedのチーフエコノミストであるJed Kolko氏は、「現在存在せず、創出されるかもしれない仕事を想像するよりも、現在存在し、破壊されるかもしれない仕事を想像する方が常に簡単だ」と述べています。 この分野の専門家の多くは（ほとんどではないにせよ）、雇用について慎重に楽観視している。ATMの例や他の多くの例が、自動化の影響がいかに直感に反したものであるかを示しているからにほかならない。 ベッセンによれば、機械知能が人間の能力を完全に満たすには、まだかなりの時間がかかるという。 現在進行中の開発を考慮しても、「今後10年、20年の間に大量の失業者が出ることを心配する理由はほとんどない」と彼は言う。 しかし、もしかしたら、それは正しい質問ではないかもしれないと、彼は付け加えます。 「たとえば、AI やロボット工学に直面して仕事がどのように変化するか、また、社会がその変化をどのように管理するかなどです。 例えば、これらの新しいテクノロジーは、人間の労働者に代わってコストを削減するための単なる手段として使われるのだろうか？ それとも、労働者を助け、問題解決や創造性といった人間特有の能力を発揮させるために使われるのでしょうか。
「世界の状態を構成する方法は、さまざまに考えられます」と、サンフランシスコに拠点を置き、産業ロボット用のAIソフトウェアを製造するOsaro社のCEO、デリック プリドモア氏は述べています。「少なくとも米国では、人工知能搭載マシンと雇用をめぐる今日の議論は、過去 40 年間の記憶によって彩られるほかありません。その後、2007年から2009年にかけての大不況のあおりを受けて、1,150万人まで激減してしまった。 (その後、2007年から2009年にかけての大不況の影響で1,150万人まで激減した（その後、約1,270万人とわずかに回復しているが、ドイツや日本など他の自動化先進国でもほぼ同様の変化が見られた）。 1973年頃からの賃金上昇の停滞の上に、この経験はトラウマになった。
確かに、自動化が減少の理由のすべてであるはずがないとBessenは言う。 「過去100年間を振り返ると、産業は同じかそれ以上の速度で自動化され、雇用は力強く伸びていた」と彼は言う。 そうやって、そもそも何百万人もの工場労働者が生まれたのだ。 その代わりに、経済学者は雇用の減少を、グローバル化、労働組合の衰退、そしてダウンサイジング、コスト削減、四半期ごとの利益を何よりも重視する1980年代のアメリカの企業文化など、さまざまな要因の合体のせいだと非難しています。 ロボット工学者であり、カリフォルニア州パロアルトのスタートアップ企業 Drishti の創設者兼 CEO である Prasad Akella 氏は、「コスト削減を進める中で、我々は集団で最も抵抗の少ない道を選んだ」と述べています。 “そしてそれは、「最も安いセンターにオフショアしよう、そうすれば人件費は安くなる。 そして、オフショアできない場合は、自動化しましょう」
職場における AI とロボット
自動化は、ほんの一握りの従業員で操作できるコンピューター制御の製鉄所や、ペンキ吹き付け機や溶接トーチなどの工具を一連の動作で動かすようにプログラムできる機械アームである産業ロボットなど、多くの形態をとってきました。 このようなロボットは、1970年代以降、着実に数を増やしている。 自動化、ロボット工学、および AI の間の区別は、かなりあいまいであることは認められますが、運転手のいない車やその他の高度なロボットがデジタル頭脳に人工知能ソフトウェアを使用している現在、よりあいまいになってきています。 しかし、おおよその目安としては、ロボットはかつて人間の知性を必要とした物理的な作業を行い、AIソフトウェアは言語の理解や画像の認識といった人間レベルの認知作業を行おうとするものであると言える。 オートメーションとは、両者を包含するだけでなく、普通のコンピュータや非知能機械も含む包括的な言葉です。
AIの仕事は最も過酷です。 2010年頃までは、哲学者のマイケル・ポランニが1966年に指摘した有名なパラドックスによって、応用が制限されていた。 「つまり、私たちが一日を過ごすのに必要なスキルのほとんどは、実践され、無意識に行われ、明確にすることはほとんど不可能なのです。 ポランニーはこれらのスキルを暗黙知と呼び、教科書に載っている明示的な知識とは対照的です。
ピクセルの特定のパターンが子犬の写真であることをどうやって知るか、あるいは、対向車線に対して左折するときにどうやって安全に交渉するかを正確に説明しようとすると想像してみてください。 (コンピュータが認識できるほどうまく「隙間」を定義したり、安全であるために必要な隙間の大きさを正確に定義したりするまでは、「渋滞の隙間を待つ」と言えば簡単に聞こえます)。 この種の暗黙知には、非常に多くの微妙な点、特殊なケース、および「感触」によって測定されるものが含まれており、プログラマがそれを抽出する方法はなく、ましてや正確に定義されたアルゴリズムに符号化することは不可能に思えました。 過去 10 年間で変わったことは、AI 開発者が膨大なデータ セットに巨大なコンピューター パワーを投入できるようになったということです (「深層学習」として知られているプロセス)。 これは基本的に、機械に無数の子犬の写真と無数の子犬でない写真を見せ、AI ソフトウェアに、写真を正しく識別できるようになるまで無数の内部変数を調整させることに等しい。
この深層学習プロセスは特に効率的ではありませんが (人間の子供は 1 ～ 2匹の子犬を見るだけです)、自律自動車、機械翻訳、音声または画像認識を必要とするものなど、AI アプリケーションに変革的影響を及ぼしたのです。 ロサンゼルスにあるデロイト・コンサルティングの米国チーフデータサイエンティスト、ジム・ガスクザは、このことが人々を不安にさせていると言います。 「以前は暗黙知が必要だったものが、今ではコンピュータでできてしまうのですから。 こうして、法律やジャーナリズムのように、これまで自動化を心配する必要のなかった分野で、大規模な雇用喪失に対する新たな不安が生まれているのです。 そして、店員や警備員、ファストフード店の店員、トラックやタクシー、リムジン、宅配便のドライバーなどが急速に陳腐化するという多くの予測もある。 代わりに起こったことは、ATMによる自動化がテラーの市場を拡大しただけでなく、仕事の性質も変えてしまったと、ベッセンは述べています。 現金を扱うだけの時間が減り、融資やその他の銀行業務について顧客と話す時間が増えたのだ。 「対人スキルがより重要になるにつれ、銀行員の給料は少しずつ上がり、パートタイムからフルタイムのポジションも増えてきた。 「つまり、人々がよく想像するよりもずっと豊かな絵なのだ」と彼は言う。
似たような話は、他の多くの業界にも見られる。 (たとえば、オンライン ショッピングやセルフ レジの時代でも、小売業の雇用者数は順調に増えています)。
製鉄所は、ルールを証明する例外であると、ミシガン州ホランドにある JR Automation 社の CEO、Bryan Jones 氏は述べています。 「製鉄所は本当に過酷でタフな環境です。 しかし、製錬、鋳造、圧延などのプロセス自体は、どのような種類の鋼鉄を作る場合でも基本的に同じです。
When people are better
「どこで自動化が難しくなるかといえば、多くの可変性とカスタマイズ性がある場合です」、とジョーンズは語ります。 「これは、今、自動車産業で見られることの 1 つです。 色やアクセサリー、フロントグリルやリアグリルなど、自分好みにカスタマイズしたい人が多いのです。 組立ラインから流れてくる車はどれも少し違うかもしれません。
そのような柔軟性を自動化することは不可能ではありません、とJonesは言います。 タスクを選べば、おそらくそれをマスターした実験用ロボットがどこかにあるはずです。 しかし、それは、コスト効率よく、大規模に行うこととは別です。 現実の世界では、アケラが指摘するように、ほとんどの産業用ロボットはまだ大きくて盲目の機械で、誰がいても、何があっても、その動作に従わなければならず、安全のために人間から隔離されなければなりません。 そのような機械では、「柔軟性を確保するためには、大量の段取り替えとプログラミングが必要で、それも一夜にしてできることではありません」
これに対して、人間の労働者はというと、アキーラ氏は次のように言います。 再プログラムは簡単で、「工場の現場に行って、『みんな、今日はあれを作る代わりにこれを作るよ』と言えばいいだけです」。 さらに良いことに、人間には、細かい運動制御、手と目の協調、予期せぬことに対処する才能など、ロボット アームにはほとんどかなわない能力が備わっています。 (ベッセンによれば、いくつかのメーカーは初期にそれを試しました。 その工場は、1985年の操業開始後、すぐにデバッグの悪夢と化したのです。） その代わり、トヨタ、メルセデス・ベンツ、ゼネラル・モーターズのような企業は、大きく、間抜けで、フェンスに囲まれたロボットを、溶接やスプレー塗装のような汚くて危険で繰り返しの多い作業に限定しているのである。 そこで、アライメント、フィット、仕上げ、品質、そして最終製品が顧客のカスタマイズ要求に合っているかどうかをチェックしながら、最後の部品を組み立てることができます。
さらに、これらの人間の労働者を助けるために、多くのメーカー（自動車メーカーだけではありません）は、協調ロボットまたは「コボット」（今日の産業オートメーションの最も成長の速いカテゴリーの 1 つ）に多額の投資を行っています。
Rethink Robotics 社製の協働ロボット Sawyer は、ショップ フロアにおいて人間と一緒に安全に作業できるように設計された、こうした「cobot」シリーズの数々を代表する 1 つである。 Sawyer は、コンピュータビジョンシステムによって動きを誘導し、フォースフィードバックによって、どれだけ強く掴んでいるか（そして物を押しつぶさないようにしているか）を把握し、7 関節の腕を必要な動作に誘導するだけで新しい作業を行うように訓練することが可能です。 ディスプレイ上の目の表情が変わることで、「よく動く」「注意が必要」といったソーヤの状態がわかる。 機械が人と一緒に働く
現在、少なくとも半ダースの会社からコボットが発売されています。 しかし、それらはすべて、アケラがゼネラルモーターズのスタッフエンジニアだった1990年代半ばに、彼の下で働いていたチームによって開発されたコンセプトに基づいているのです。
この問題を理解するために、ベルトコンベアからバッテリーをピックアップし、2歩歩いて車に落とし、また次のバッテリーを取りに行くという作業を想像してみてください。 「私自身その仕事をしたことがあるが、非常に疲れて帰ってきたと断言できる」とアケラは言う。 また、150 ポンドの「コックピット」（車のダッシュボード、付属のすべての計器、ディスプレイ、空調装置）を持ち上げ、それを何も壊すことなく車のドアの隙間から所定の位置に移動させることを想像してください。 「この分野では、ロボットの自律性、センシング、変動への対応能力を高めることがすべてでした」と彼は言う。 つまり、リフターを備えた小型のカートで、例えばコックピットを持ち上げ、人間がそれを所定の位置に誘導するというものです。 しかし、この台車は単に受動的なものではなかったとペシュキンは言う。 コックピットの位置を感知して、車輪を回して「仮想拘束面」の中にとどまるようにするのだ。
コボットは、さまざまな製造環境で人間の作業者を助けるために適応させることが可能です。 ドイツのバーデン＝ヴュルテンベルク州にある中規模の磁石メーカー、MS Schramberg では、Sawyers と呼ばれる複数の協調ロボットが配備され、最も反復的な組み立て作業のいくつかから作業員を解放しています。
CREDIT: COURTESY OF RETHINK ROBOTICS INC.
GM がスポンサーとなった別のプロトタイプは、カートに代わって作業員誘導型のロボットアームを採用し、天井の可動サスペンション ポイントにぶら下がって自動車部品を持ちあげることができるようにしました。 この原理は、Peshkin 氏と彼の同僚がゼネラルモーターズの組み立てラインの労働者にプロトタイプを試してみたときに、決定的に重要であることが証明されました。 「しかし、実際には、彼らは歓迎し、助けてくれました。 彼らは、自分たちの背中を怪我から守るという考えを完全に理解していたのです」。 そして、同様に重要なのは、作業員がコボットを使うことを気に入ったことです。 少し速く、少し遅くと、自分の気分で動けるのがいいのです。 「52秒ごとに車がやってくる中で、ちょっとした自主性はとても重要でした」とペシュキンさんは言います。 そして、彼らはそのプロセスに参加することが好きなのです。 「人々は自分の技術を見せたいのです」と彼は言う。 「自分の体を使い、自分の動きに喜びを感じているのです」。 仮想表面に沿って急降下し、コックピットを誘導し、固定機械が許さない方法で動きを楽しむことができます」
AI and its limits
Akella の現在の会社 Drishti は、その AI ベースのソフトウェアに対して同様の歓迎の反応を報告しています。 詳細は非公開だとアケラは言う。 しかし、基本的なアイデアは、高度なコンピュータビジョン技術を使って、組み立てラインのGPSのように機能させ、作業者にターンバイターンの指示と警告を与えることです。 例えば、ある作業員がiPhoneを組み立てているとき、頭上から見ているカメラが、4つのネジのうち3つしか固定されていないと判断したとします。 私たちは作業員に警告を出し、「おい、ラインに流す前に、そのネジもしっかり締めてくれよ」と言うのです。 「しかし、現場のオペレーターが非常に熱心になり、最終的には非常に感謝するようになった例をたくさん持っています」と、彼は言います。 「彼らは、自動化とロボット化の脅威をよく知っている。そして、これが、より効率的に、より正確に、最終的には会社にとってより価値のあるものにするためのツールであることを、非常に迅速に理解する。 そのため、会社は、従業員を方程式から排除するのではなく、従業員への投資をより積極的に行います」
このテーマ、つまり、人を置き換えるのではなく、人の仕事を助けるためにテクノロジーを使用することは、今後長い間、AI アプリケーションの特徴になる可能性があります。
CREDIT: COURTESY OF RETHINK ROBOTICS INC.
たとえば、医療を考えてみましょう。 ディープラーニングはすでに、人間の放射線技師と同等かそれ以上にX線を解釈できるソフトウェアを生み出していると、ワシントンDCのブルッキングス研究所でイノベーションを研究する政治学者、ダレル・ウェストは言う。 しかし、ソフトウェアが誰かに『あなたは今、癌の可能性があります』と伝えることを望むことはないでしょう」と、彼は言う。 「AI が観察したことが実際にそうであるかどうかを確認するために、放射線科医が必要です」 – そして、結果が悪い場合は、がんの専門家が患者にそのことを伝え、治療方針を立て始める必要があります。 より一般的に言えば、ディープラーニングベースのAIは、特徴を特定し、必要なところに注意を集中させることに長けているとGuszcza氏は言います。 しかし、不測の事態への対処、多くの多様な知識ソースの統合、常識の適用など、「人間が得意とするすべてのこと」に関しては、不十分です。 2016年の選挙キャンペーン中、Googleの翻訳ユーティリティをテストするために、彼は古典的な実験を試みました。 ヒラリーがバーニーにドアを閉める」という見出しを取り、それを英語からベンガル語に翻訳し、また元に戻すようグーグルに依頼したのです。 結果は以下の通りです。 「バーニーがクリントンをやっつける」。 1年後、Googleがディープラーニングを使って翻訳を大規模にアップグレードした後、Guszczaはこの実験を繰り返し、結果を出した。 “Hillary Barry opened the door.”
「現在のAIで完全な常識的推論を実現するという証拠は見当たりません」と彼は言い、多くのAI研究者自身が指摘することを繰り返した。 たとえば2017年9月、深層学習のパイオニアであるトロント大学のコンピューター科学者ジェフリー・ヒントン氏は、ニュースサイトAxiosに対し、研究者が人間レベルのAIを実現したいと願うなら、この分野には根本的に新しいアイデアが必要だと語りました。
仕事の進化
AIの限界も、ベッセン氏などの経済学者が、それがすぐに大量の失業を引き起こすとは考えない理由の1つです。 「自動化はほとんどの場合、仕事全体ではなく、ある作業を自動化することです」と彼は言い、他の多くの人が指摘したことを繰り返しました。 どのような仕事にも、AIが役立つ定型的な作業が少なくともいくつかはありますが、すべてが定型的な仕事はほとんどありません。 実際、ベッセンは、1950年の国勢調査に記載されているすべての仕事を体系的に調べたところ、「明らかに自動化されていると言える職業は、エレベーターオペレーターだけでした」と言います。 1950 年には 5 万人いたが、現在は事実上ゼロだ。
一方、ワシントン DC の Pew Research Center でインターネットとテクノロジー研究のディレクターを務める Lee Rainie 氏は、職場に大規模な激変をもたらすために大量の失業者を必要とする必要はないと述べている。 「ロボットや人工知能によって仕事が増えるのか、減るのかについては、専門家の間でもほとんどコンセンサスが得られていません。 しかし、それらが仕事を変えることは確かです。スキルや機能の大きな選別が、見渡す限り続くと誰もが予想しています」
さらに悪いことに、レイニー氏は次のように述べています。 それは情報技術や人工知能、ロボット工学だけではない、と彼は言います。 ナノテクノロジー、バイオテクノロジー、3Dプリンター、通信技術など、数え上げればきりがないほどです。
Preparing for the future of work
If so, the resulting era of constant job churn may force some radical changes in the wider society.「変化はあまりにも多くの局面で起きており、我々の適応能力を圧倒するおそれがある」と彼は言います。 ピューの専門家などからの提案には、新しいスキルを求める成人のための継続教育や再教育の重視、職から職へ、場所から場所へ移動する人々を支援するために見直された社会的セーフティネットが含まれます。 AI やロボット工学の進歩がいずれは現在の限界を超え、大規模な職場の混乱が不可避となり、人々がクッションを必要とするという理論に基づいて、技術部門ではある種の年間所得保証を支持する動きさえ出てきています。 そして、現時点では、ピューの世論調査は、この問題が一般大衆の関心事ではないことを示していると、レイニーは言います。 多くの平均的な人々、平均的な労働者が、「ああ、他のみんなはこのせいで混乱するだろうけど、自分はそうならない」と言っています。 でも、私は違う。私の仕事はうまくいっている。 機械やソフトウェアがどのように私を置き換えるのか、想像もつかない」
しかし、これは緊急に行わなければならない議論だと、West氏は言います。 すでに計画されているものを見ただけでも、「技術革命の全容は2020年から2050年の間に起こるだろう」と彼は言う。 つまり、今、変化を起こし、20年かけて徐々に導入していけば、十分に対応可能なのです。 しかし、2040年まで待てば、おそらく対処不可能になるだろう」
編集部注：この記事は、Jim Guszcza氏の実験に関する詳細を訂正するため、8月1日に更新されました。 この記事では当初、2016年の選挙キャンペーン中に、ディープラーニングによってGoogleの翻訳能力がどの程度向上したかを確認するための実験が行われたとしていましたが、実際には、2016年の実験はGoogleがディープラーニングによって翻訳を完全にアップグレードする前に行われたものでした。 当初のテストでは、「バーニーがヒラリーにドアを閉める」ではなく、「ヒラリーがバーニーにドアを閉める」という見出しで行われました。 英語からベンガル語へ翻訳し、再び戻した結果得られた見出しは、”Barney slam the door on Clinton “であり、”Barry is blaming the door at the door of Hillary’s door “ではなかったのです。 ディープラーニングによる改良は、1年後に同じ最初の見出しでテストされ、ベンガル語に翻訳して戻った後の結果の見出しは、”Hillary Barry opened the door”
となったのです。
コメントを残す