رشد سریع هوش مصنوعی (AI) به طور فزاینده‌ای در حال شکل‌دهی به صنایع مختلف است و پتانسیل قابل توجهی برای تغییر بازار کار دارد. این مقاله به بررسی این موضوع می‌پردازد که چگونه نوآوری‌های هوش مصنوعی می‌توانند بر مشاغل در ایالات متحده تأثیر بگذارند، با تمرکز بر تحلیل دقیق وظایف و مهارت‌های مورد نیاز در هر شغل.

در دنیای امروز، درک اثرات بالقوه هوش مصنوعی بر مشاغل از اهمیت بالایی برخوردار است. این مقاله با ارائه یک چارچوب روشمند برای ارزیابی این تأثیرات، به سیاست‌گذاران، متخصصان منابع انسانی، و افراد جویای کار کمک می‌کند تا برای آینده‌ای که به طور فزاینده‌ای توسط هوش مصنوعی شکل می‌گیرد، آماده شوند. اهمیت این مقاله در این است که به جای نگاه کلی به مشاغل، به تحلیل دقیق وظایف تشکیل‌دهنده هر شغل می‌پردازد، که دیدگاه دقیق‌تری از تأثیرات هوش مصنوعی ارائه می‌دهد.

این مقاله توسط علی اکبر سپتیاندری، ماریوس کنستانتینیدس، و دانیل کوئرچیا به نگارش درآمده است. تخصص این نویسندگان در زمینه‌های مختلفی از جمله علوم کامپیوتر، اقتصاد، و مدیریت استراتژیک، باعث شده است تا یک تحلیل جامع و چندوجهی از تأثیر هوش مصنوعی بر مشاغل ارائه دهند. این تحقیق در حوزه “کامپیوتر و جامعه” دسته‌بندی می‌شود و هدف آن بررسی تعامل پیچیده بین فناوری و نیروی کار انسانی است.

چکیده مقاله به این نکته اشاره دارد که تأثیر هوش مصنوعی به طور مستقیم بر مشاغل نیست، بلکه بر وظایف تشکیل‌دهنده هر شغل اثر می‌گذارد. رویکردهای پیشین برای ارزیابی این تأثیرات از روش‌های دستی یا تطبیق تقریبی استفاده می‌کردند. این مقاله با بهره‌گیری از پیشرفت‌های اخیر در یادگیری ماشین، این تطبیق تقریبی را با رویکردهای دقیق‌تر مبتنی بر یادگیری عمیق جایگزین می‌کند.

در این تحقیق، شاخص “تأثیر هوش مصنوعی” (AII) معرفی شده است. این شاخص با استفاده از پردازش زبان طبیعی مبتنی بر یادگیری عمیق، به طور خودکار پتنت‌های هوش مصنوعی را شناسایی می‌کند که می‌توانند بر وظایف مختلف شغلی در مقیاس بزرگ تأثیر بگذارند. روش‌شناسی این تحقیق بر یک مجموعه داده جامع از 17,879 شرح وظیفه استوار است و از طریق تجزیه و تحلیل 24,758 پتنت هوش مصنوعی ثبت شده در دفتر ثبت اختراعات و علائم تجاری ایالات متحده (USPTO) بین سال‌های 2015 تا 2022، تأثیر بالقوه هوش مصنوعی را کمّی می‌کند.

نتایج نشان می‌دهد که برخی مشاغل به طور بالقوه تحت تأثیر قرار خواهند گرفت و این تأثیر به طور پیچیده‌ای با مهارت‌های خاص مرتبط است. این شامل نه تنها وظایف روتین (که به صورت مجموعه‌ای از مراحل مدون شده‌اند)، بلکه وظایف غیر روتین (مانند تشخیص شرایط سلامتی، برنامه‌نویسی کامپیوتر و ردیابی مسیرهای پرواز) نیز می‌شود. با این حال، تأثیر هوش مصنوعی بر نیروی کار محدود است، زیرا برخی از مشاغل تحت تأثیر، بیشتر تقویت می‌شوند تا جایگزین (به عنوان مثال، متخصصان مغز و اعصاب، مهندسان نرم‌افزار، کنترل کنندگان ترافیک هوایی)، و بخش‌های تحت تأثیر با کمبود نیروی کار مواجه هستند (به عنوان مثال، فناوری اطلاعات، بهداشت و درمان، حمل و نقل).

روش‌شناسی این تحقیق شامل مراحل زیر است:

• جمع‌آوری داده: جمع‌آوری داده‌های مربوط به شرح وظایف شغلی از منابع مختلف و داده‌های مربوط به پتنت‌های هوش مصنوعی ثبت شده در USPTO.
• پیش‌پردازش داده: تمیز کردن و آماده‌سازی داده‌ها برای تجزیه و تحلیل، از جمله حذف نویز و استانداردسازی فرمت داده‌ها.
• مدل‌سازی با استفاده از یادگیری عمیق: استفاده از مدل‌های پردازش زبان طبیعی (NLP) مبتنی بر یادگیری عمیق برای شناسایی ارتباط بین پتنت‌های هوش مصنوعی و وظایف شغلی. به طور خاص، مدل‌ها برای درک معنای متون و شناسایی مفاهیم مرتبط آموزش داده می‌شوند.
• محاسبه شاخص AII: محاسبه شاخص تأثیر هوش مصنوعی (AII) بر اساس میزان ارتباط بین پتنت‌های هوش مصنوعی و وظایف شغلی. این شاخص نشان می‌دهد که هر شغل تا چه حد تحت تأثیر نوآوری‌های هوش مصنوعی قرار دارد.
• تجزیه و تحلیل نتایج: تجزیه و تحلیل نتایج به دست آمده برای شناسایی مشاغلی که بیشترین و کمترین تأثیر را از هوش مصنوعی می‌پذیرند، و همچنین بررسی ارتباط بین مهارت‌های مورد نیاز در هر شغل و میزان تأثیرپذیری آن از هوش مصنوعی.

به عنوان مثال، برای تعیین اینکه یک پتنت خاص هوش مصنوعی می‌تواند بر وظایف یک متخصص مغز و اعصاب تأثیر بگذارد، مدل NLP می‌تواند متن پتنت را تجزیه و تحلیل کند و ارتباط آن را با وظایف کلیدی متخصصان مغز و اعصاب، مانند تشخیص بیماری‌های عصبی یا تفسیر تصاویر پزشکی، بررسی کند. اگر مدل تشخیص دهد که پتنت به طور مستقیم با این وظایف مرتبط است، شاخص AII برای این شغل افزایش می‌یابد.

یافته‌های کلیدی این تحقیق عبارتند از:

• هوش مصنوعی نه تنها بر وظایف روتین، بلکه بر وظایف غیر روتین نیز تأثیر می‌گذارد. این نشان می‌دهد که دامنه تأثیر هوش مصنوعی گسترده‌تر از آن چیزی است که قبلاً تصور می‌شد. به عنوان مثال، هوش مصنوعی می‌تواند در تشخیص شرایط سلامتی به پزشکان کمک کند یا در برنامه‌نویسی کامپیوتر به مهندسان نرم‌افزار یاری برساند.
• تأثیر هوش مصنوعی بر مشاغل به طور پیچیده‌ای با مهارت‌های مورد نیاز در هر شغل مرتبط است. مشاغلی که به مهارت‌های خاصی نیاز دارند که می‌توانند توسط هوش مصنوعی خودکار شوند، بیشتر در معرض خطر قرار دارند.
• برخی از مشاغل تحت تأثیر، بیشتر تقویت می‌شوند تا جایگزین. این بدان معناست که هوش مصنوعی می‌تواند به افراد در انجام وظایف خود کمک کند، اما لزوماً جایگزین آنها نمی‌شود. به عنوان مثال، هوش مصنوعی می‌تواند به متخصصان مغز و اعصاب در تشخیص دقیق‌تر و سریع‌تر بیماری‌ها کمک کند، اما همچنان به تخصص و قضاوت انسانی آنها نیاز است.
• بخش‌های تحت تأثیر با کمبود نیروی کار مواجه هستند. این نشان می‌دهد که حتی اگر هوش مصنوعی برخی از وظایف را خودکار کند، همچنان به نیروی کار انسانی در این بخش‌ها نیاز خواهد بود.

به عنوان مثال، در بخش حمل و نقل، هوش مصنوعی می‌تواند در ردیابی مسیرهای پرواز به کنترل کنندگان ترافیک هوایی کمک کند. این می‌تواند به بهبود کارایی و ایمنی پروازها کمک کند، اما همچنان به کنترل کنندگان ترافیک هوایی برای نظارت بر سیستم و تصمیم‌گیری در شرایط اضطراری نیاز است.

این تحقیق دارای کاربردها و دستاوردهای متعددی است:

• ارائه چارچوبی برای ارزیابی تأثیر هوش مصنوعی بر مشاغل: این چارچوب می‌تواند توسط سیاست‌گذاران، متخصصان منابع انسانی، و افراد جویای کار برای درک بهتر تأثیر هوش مصنوعی بر بازار کار استفاده شود.
• شناسایی مشاغلی که بیشتر در معرض خطر قرار دارند: این اطلاعات می‌تواند به افراد جویای کار کمک کند تا مهارت‌های خود را برای مشاغلی که کمتر در معرض خطر هستند، ارتقا دهند.
• شناسایی فرصت‌های جدید شغلی: هوش مصنوعی می‌تواند فرصت‌های جدید شغلی را در زمینه‌هایی مانند توسعه، پیاده‌سازی و نگهداری سیستم‌های هوش مصنوعی ایجاد کند.
• کمک به سیاست‌گذاران برای تدوین سیاست‌های مناسب: این تحقیق می‌تواند به سیاست‌گذاران کمک کند تا سیاست‌هایی را تدوین کنند که از انتقال عادلانه نیروی کار به عصر هوش مصنوعی حمایت کند.

به عنوان مثال، نتایج این تحقیق می‌تواند به وزارت کار ایالات متحده کمک کند تا برنامه‌های آموزشی و بازآموزی را برای مشاغلی که تحت تأثیر هوش مصنوعی قرار دارند، طراحی کند. این برنامه‌ها می‌توانند به افراد کمک کنند تا مهارت‌های جدیدی را کسب کنند که برای مشاغل آینده مورد نیاز است.

این مقاله نشان می‌دهد که هوش مصنوعی پتانسیل قابل توجهی برای تغییر بازار کار دارد، اما این تأثیر پیچیده و چندوجهی است. درک این تأثیرات برای آماده شدن برای آینده‌ای که به طور فزاینده‌ای توسط هوش مصنوعی شکل می‌گیرد، ضروری است. با استفاده از رویکردهای دقیق‌تر مبتنی بر یادگیری عمیق، می‌توان تأثیر بالقوه هوش مصنوعی بر مشاغل را به طور دقیق‌تری ارزیابی کرد و سیاست‌ها و برنامه‌های مناسبی را برای حمایت از نیروی کار در عصر هوش مصنوعی تدوین کرد. به طور کلی، یافته‌های این پژوهش نه تنها دیدگاه‌های ارزشمندی در مورد آینده کار ارائه می‌دهند، بلکه به عنوان یک منبع اطلاعاتی قابل اعتماد برای تصمیم‌گیری‌های آگاهانه در زمینه‌های مختلف مرتبط با هوش مصنوعی و بازار کار عمل می‌کنند.