Có một nhận thức chung rằng trí tuệ nhân tạo (AI) sẽ giúp hợp lý hóa công việc của chúng tôi. Thậm chí có những lo ngại rằng nó có thể xóa sạch hoàn toàn nhu cầu đối với một số công việc.

Nhưng trong một nghiên cứu trong số các phòng thí nghiệm khoa học mà tôi đã thực hiện cùng với ba đồng nghiệp tại Đại học Manchester, việc giới thiệu các quy trình tự động nhằm mục đích đơn giản hóa công việc—và giải phóng thời gian của mọi người—cũng có thể khiến công việc đó trở nên phức tạp hơn, tạo ra các nhiệm vụ mới mà nhiều công nhân có thể cho là tầm thường.

Trong nghiên cứu, được công bố trong Chính sách nghiên cứu, chúng tôi đã xem xét công việc của các nhà khoa học trong một lĩnh vực được gọi là sinh học tổng hợp, hay gọi tắt là synbio. Synbio quan tâm đến việc thiết kế lại các sinh vật để có những khả năng mới. Nó tham gia vào nuôi thịt trong phòng thí nghiệm, trong những cách mới để sản xuất phân bón và trong việc khám phá ra những loại thuốc mới.

Các thí nghiệm Synbio dựa vào các nền tảng robot tiên tiến để di chuyển lặp đi lặp lại một số lượng lớn các mẫu. Họ cũng sử dụng máy học để phân tích kết quả của các thí nghiệm quy mô lớn.

Đổi lại, những thứ này tạo ra một lượng lớn dữ liệu kỹ thuật số. Quá trình này được gọi là “số hóa”, trong đó các công nghệ kỹ thuật số được sử dụng để chuyển đổi các phương pháp và cách thức làm việc truyền thống.

Một số mục tiêu chính của việc tự động hóa và số hóa các quy trình khoa học là mở rộng quy mô khoa học có thể thực hiện được đồng thời tiết kiệm thời gian cho các nhà nghiên cứu để tập trung vào những gì họ cho là công việc “có giá trị” hơn.

Kết quả nghịch lý

Tuy nhiên, trong nghiên cứu của chúng tôi, các nhà khoa học không được giải phóng khỏi các nhiệm vụ lặp đi lặp lại, thủ công hoặc nhàm chán như người ta có thể mong đợi. Thay vào đó, việc sử dụng các nền tảng robot đã khuếch đại và đa dạng hóa các loại nhiệm vụ mà các nhà nghiên cứu phải thực hiện. Cái này có một vài nguyên nhân.

Trong số đó có thực tế là số lượng các giả thuyết (thuật ngữ khoa học cho một lời giải thích có thể kiểm chứng cho một số hiện tượng quan sát được) và các thí nghiệm cần được thực hiện đã tăng lên. Với các phương pháp tự động, các khả năng được khuếch đại.

Các nhà khoa học cho biết nó cho phép họ đánh giá nhiều giả thuyết hơn, cùng với số cách mà các nhà khoa học có thể thực hiện những thay đổi tinh tế đối với thiết lập thử nghiệm. Điều này có tác dụng tăng khối lượng dữ liệu cần kiểm tra, chuẩn hóa và chia sẻ.

Ngoài ra, robot cần được “đào tạo” để thực hiện các thí nghiệm được thực hiện thủ công trước đây. Con người cũng cần phát triển các kỹ năng mới để chuẩn bị, sửa chữa và giám sát rô-bốt. Điều này đã được thực hiện để đảm bảo không có sai sót trong quy trình khoa học.

Công trình khoa học thường được đánh giá dựa trên đầu ra, chẳng hạn như các ấn phẩm và tài trợ được bình duyệt. Tuy nhiên, thời gian dành cho việc dọn dẹp, khắc phục sự cố và giám sát các hệ thống tự động cạnh tranh với các nhiệm vụ được tưởng thưởng theo cách truyền thống trong khoa học. Những nhiệm vụ ít giá trị hơn này cũng có thể phần lớn là vô hình—đặc biệt bởi vì các nhà quản lý là những người sẽ không biết về những công việc trần tục do không dành nhiều thời gian trong phòng thí nghiệm.

Các nhà khoa học synbio thực hiện những trách nhiệm này không được trả lương cao hơn hoặc tự chủ hơn những người quản lý của họ. Họ cũng đánh giá khối lượng công việc của mình cao hơn những người ở trên họ trong hệ thống phân cấp công việc.

Bài học rộng hơn

Có thể những bài học này cũng có thể áp dụng cho các lĩnh vực công việc khác. ChatGPT là một Chatbot hỗ trợ bởi AI mà "học" từ thông tin có sẵn trên web. Khi được nhắc bởi câu hỏi từ người dùng trực tuyến, chatbot đưa ra câu trả lời xuất hiện tốt-crafted và thuyết phục.

Theo Thời gian tạp chí, để ChatGPT tránh trả lại các câu trả lời phân biệt chủng tộc, phân biệt giới tính hoặc gây khó chịu theo những cách khác, công nhân ở Kenya đã được thuê để lọc nội dung độc hại do bot cung cấp.

Có nhiều thực hành công việc thường vô hình cần thiết cho phát triển và duy trì cơ sở hạ tầng kỹ thuật số. Hiện tượng này có thể được mô tả như một “nghịch lý số hóa”. Nó thách thức giả định rằng tất cả mọi người tham gia hoặc bị ảnh hưởng bởi quá trình số hóa đều trở nên năng suất hơn hoặc có nhiều thời gian rảnh hơn khi các phần trong quy trình làm việc của họ được tự động hóa.

Những lo ngại về sự suy giảm năng suất là động lực chính đằng sau những nỗ lực của tổ chức và chính trị nhằm tự động hóa và số hóa công việc hàng ngày. Nhưng chúng ta không nên hứa hẹn tăng năng suất theo mệnh giá.

Thay vào đó, chúng ta nên thách thức cách chúng ta đo lường năng suất bằng cách xem xét các loại nhiệm vụ vô hình mà con người có thể hoàn thành, ngoài những công việc hữu hình hơn thường được khen thưởng.

Chúng ta cũng cần xem xét cách thiết kế và quản lý các quy trình này để công nghệ có thể bổ sung tích cực hơn vào khả năng của con người.

Bài viết này được tái bản từ Conversation theo giấy phép Creative Commons. Đọc ban đầu bài viết.

Ảnh: Gerd Altmann từ Pixabay

• Phân phối nội dung và PR được hỗ trợ bởi SEO. Được khuếch đại ngay hôm nay.
• Platoblockchain. Web3 Metaverse Intelligence. Khuếch đại kiến ​​thức. Truy cập Tại đây.
• nguồn: https://singularityhub.com/2023/03/24/ai-could-make-more-work-for-us-instead-of-simplifying-our-lives/