|
数十年来，自动化使低技能工作面临风险。自动驾驶汽车，机器人和语音识别将继续这一趋势。但是，一些专家也看到了自动化时代的新机遇。冰山数据数据标注公司的最新消息可以到我们平台网站了解一下，也可以咨询客服人员进行详细的解答！https://mark.hk/
图片：SOF
去年，我国的一家工厂用机器人取代了90％的工人。在世界各地的客服呼叫中心，AI的声音正在取代人类客户服务代理。比较终，出租车和步司机可以被自动驾驶汽车取代。
技术进步使工人流离失所并不新鲜。媒体理论家道格拉斯拉什科夫（DR）在谷歌巴士上的新书扔石头（TR）追溯了数字工业主义的起源，这种数字工业主义已经越来越多地将人类排除在外，为企业和利益相关者赋予权力。
现变得越来越糟糕，R告诉TR。找工作更难，或者每个人用更少的钱工作更多时间。技术似乎让我们始终处于这样一个状态，即我们的劳动力，数据和时间都是从我们这里获取的。
但是一个主要的担忧是，不仅工作会消失，而且失踪将不成比例地影响低技能工人-所有新创造的工作岗位将转移到技术员工的精英部门，如软件开发人员，AI研究人员和络安全专家。
但负责创建W（负责掌控J的AI系统）的团队负责人GB告诉TR，情况并非如此。
B认为AI时代会有各种各样的工作。适用于各种技能水平的工人。对于技术水平较低的工人，数据处理提供了一个新的可能性领域。
数据标注是B所说的。这将是数据的整理，你可以在这里获取原始数据并清理它，你必须组织它来为机器摄取，他说。如果你看看我们今天所做的任何复杂的分析工作，那70％的工作可能与组织和清理数据有关。
我不认为人们过去曾经有过一种叫做数据贴标机的东西，B说。我认为它是数据工程。
B正在看到这些类型的工作在IBM的增长。我们正在招聘五年前我们没有招聘的人，他说。只是坐下来标注数据的人。
为什么这很重要这是机器学习。
没有标签，你就法训练一台有新任务的机器，他说。假设您想要训练一台机器识别飞机，你有一百万张照片，其中一些有飞机，其中一些没有飞机。你需要有人首先教电脑哪些图片有飞机和哪些图片没有飞机。因此，IBM聘请了贴标人员或外包工作。
大家可以参见文章：人工智能和自动化如何能够扼杀美国的就业市场
这种工作也适用于办公室外。
传感器的环境数据创建是巨大的，B说。想想所有存在并正在增长的传感器，并思考它们如何衡量环境。例如，喜欢收集有关天气模式的信息。你必须出去传出传感器。
如果您查看数据生命周期，请考虑生成数据的设备，然后考虑收集数据的设备，然后考虑在将其提供给此处的认知系统之前必须经历的所有处理。
新南威尔士大学人工智能教授托比沃尔什认为，数据标注也是未来的现，尽管他对此并不那么兴奋。
沃尔什说：这对未来来说有点令人沮丧。
我们通过深度学习看到的所有令人印象深刻的进步都来自于所谓的'监督学习'，其中数据被标记为'好'或'坏'，或'鲍勃'和'卡罗尔'，沃尔什说。
这是机器学习的必要部分。如果数据没有标记，我们也法进行监督学习，沃尔什说。人类的大脑在这项任务中表现非常出色。深度学习需要大量标记数据。这可能是一项非常重复且要求不高的任务。
拉什科夫认为，要求不高的任务的增加也在增加。他说：我们已经看到了从员工经济到演出经济的过渡，再到亚马逊机械土耳其人的长途演出经济，或类似的东西，你不是人类。人类习惯于完成对计算机来说际上太聊的任务。找到这张照片中的数字。不是，'哦，让我们让人们一起写剧本。'这是比较低级别的东西。
解决方案拉什科夫认为，我们已经达到了工作真正只是让人们拥有已经丰富的东西的理由的一种方式。如果我们找不到足够的工作给人们，那么我们必须摧毁东西。让人们做用的工作不是答案。
我们必须开始开发更具创意的产品市场。人们互相制作视频游戏，娱乐产品和其他东西。如果人们正在制作这些东西，那么它就是一个更有效的市场。
B同意人类对这一过程至关重要。并且，他认为，这对于思考人类在机器时代的贡献一般具有影响。
根据B的说法，有一种大错误的观念认为，如果一个人的某些事情很简单，那么对于一台电脑来说应该很简单。
这几乎是相反的，他说。艰难的事情变得更容易，容易的事情很难。你可以要求计算机解决微分方程，这比教电脑更容易，因为汽车必须始终触地。
我们知道IBM和其他大正在雇佣工人进行数据清理和标记，但却未能找到有关此类工作规模的确切数据。
目前人工智能产业有大观点
1机器学习允许计算机在不进行编程的情况下进行自学，在处理之前，需要大量的信息进行人工标记和清理。
2在许多蓝领工作将消失的时候，数据标注是低技能工人能够完成的工作。
3人类在教学机器如何理解信息方面仍然发挥着重要作用 |
