（文章來源：教育新聞網）

麻省理工學院最近的人工智能和未來工作會議上的幾位發(fā)言人說，人們談論由于人工智能(AI)和自動化而改變工作和工作方式的方式通常與現實不符。

在有關AI技術神話的小組討論中，許多演講者討論了AI如何無法僅僅完成人們所做的所有事情，以及人們如何成為正在開發(fā)的新流程的組成部分。Jobcase首席執(zhí)行官Fred Goff表示，我們有機會利用AI來“真正賦予人們權力”，而不僅僅是使用AI代替工人或任務。

高夫說，在過去的半個世紀中，技術一直在取代工作，最大的問題是工資停滯和就業(yè)不足。我們應該理解，人工智能和自動化可以完成任務，而不是工作，因此它們不能替代人類可以做的一切。高夫說，我們應該考慮“機器與人而不是機器或人”。

Goff指出的另一個問題是，我們認為人類在利用機器學習(ML)或AI來獲得正確答案時已經正確構造了問題。他談到了人們如何花時間適應新任務。他還談到了機器如何不必圍繞決策來處理所有輸入。例如，戈夫(Goff)談到了如何在人力資本和人才獲取中使用人工智能，他擔心此類系統(tǒng)往往會為找到工作而解決，而不是留住最優(yōu)秀的人才。?這些系統(tǒng)可能存在隱性偏見，他們傾向于查看潛在員工是否適合該公司的這份工作，而不是弄清楚該員工最適合與哪個團隊合作。他“害怕我們可能正在解決錯誤的問題”。

麻省理工學院的航空與航天系副教授朱莉·沙(Julie Shah)說，一個誤解是，我們只能根據已有的數據對因素進行自動設置。她在工廠車間花了很多時間，看著同事練習如何建立新模型。

她說：“我們不知道如何以最佳方式建立生產線。”這就是為什么“熄燈”的工廠沒有表現出改善的原因。取而代之的是，人類不斷在不斷變化的條件基礎上不斷迭代該過程，這一過程更為成功。摹卷板機前，系統(tǒng)需要了解我們，而我們需要了解系統(tǒng)行為。

莎阿(Shah)說，人類為決策帶來了如此多的知識和背景，以至于很難加以整理甚至描述。她指出，在當今的許多模型中，解釋決策通常是有問題的。相反，Shah建議使用“領域專家”來指導計算機的推理過程，從而幫助確定隱式想法和優(yōu)先級。戈夫(Goff)和沙阿(Shah)都認為，人工智能不應該決定結果，而是可以最好地用作人類決策的眾多工具之一。

高夫說：“再培訓和再培訓并不意味著人們需要坐在計算機和代碼前面。”他指出，人們經常談論對煤礦工人進行再培訓，以使其掌握編碼和類似想法。相反，他說，我們需要為人們提供廣泛的專上教育，但我們應該認識到“并非每個人都需要上大學”。他說，對諸如焊接和水管工等行業(yè)的人有很大的需求，他想知道“微型認證”是否有更大的機會。

Adobe Sensei工程部副總裁Scott Prevost堅稱，今天的AI實際上是在“賦予工人力量”，通過使人們必須要做但不想做的事情自動化來擴大創(chuàng)意者的體驗。74%的Adobe客戶表示，他們花費了一半的時間來執(zhí)行重復的非創(chuàng)意性任務。

Prevost期待有創(chuàng)意的助理和市場營銷的助理，以幫助您完成整個工作流程。他說，“創(chuàng)意人”和營銷人員不會消失，但是他們的角色可能會發(fā)生變化。創(chuàng)意者將更多地成為藝術總監(jiān)，而不是進行精細的制作。結果，重點將轉移到解決創(chuàng)造性問題，創(chuàng)新和良好協作上。
? ? ? ?