تاثیر ChatGPT و هوش مصنوعی مولد بر مشاغل

ChatGPT و هوش مصنوعی مولد بر مشاغل چه تاثیری خواهد گذاشت؟ پیشرفت‌های اخیر در هوش مصنوعی مولد که مدل‌های زبانی بزرگ (LLM)، مانند ChatGPT OpenAI و Bard گوگل، از آن پشتیبانی می‌کنند همه را شگفت‌زده کرده است. این LLM‌ها اکنون می‌توانند وظایفی مانند نوشتن مقاله یا کد، قبولی در امتحانات و شرکت در گفت‌وگوهای عمیق درمورد موضوع‌های مختلف را انجام دهند.
این پیشرفت بحث‌ها را درمورد تأثیر بالقوه هوش مصنوعی بر جامعه و اقتصاد ما، ازجمله نگرانی درمورد اتوماسیون و ازدست‌دادن شغل دوباره شعله‌ور کرده است. در این مطلب، به‌طور عینی، اثرات بالقوه هوش مصنوعی مولد بر نیروی کار را بررسی می‌کنیم، درمورد پیامدهای مشاغل یقه‌سفید بحث می‌کنیم و پیشنهادهایی برای آماده‌سازی برای آینده‌ای که هوش مصنوعی آن را متحول کند ارائه می‌کنیم.

تاریخچه مختصری از تأثیر فناوری بر نیروی کار

قبل از آنکه تأثیر بالقوه هوش مصنوعی مولد بر مشاغل امروزی را بررسی کنیم، اجازه دهید به‌طور خلاصه بررسی کنیم چگونه فناوری بر کار و اقتصاد ما در مقاطع کلیدی تاریخ تأثیر گذاشته است.

۱۷۷۰ تا ۱۹۷۰: اتوماسیون به افزایش بهره‌وری کمک کرد!

در قرن نوزدهم در بریتانیا نیروی کار کم‌مهارت فراوان بود، درحالی‌که کارگران بسیار ماهر کمیاب بودند. در این مدت کارخانه‌ها مشاغلی که به مهارت خاص صنعتی احتیاج داشت، مانند نخ‌ریسی، را در صنعت نساجی خودکار کردند. این امر به افزایش بهره‌وری قابل‌توجه و همچنین اعتراضاتی، مانند شورش‌های Luddite، انجامید که در آن صنعتگران ماشین‌ها را نابود کردند تا از این اتوماسیون جلوگیری کنند. بااین‌حال از دهه ۱۹۷۰ فناوری‌های جدید عمدتاً با جایگزینی وظایف معمول غیرماهر یا نیمه‌ماهر که اغلب با مشاغل طبقه متوسط ​​انجام می‌شدند به‌نفع کارگران با مهارت بالا بود.

یک مثال خوب در اینجا اتوماسیون گسترده در بخش‌های کشاورزی است؛ ابتدا ماشین‌های اسب بخار و سپس موتور احتراقی که جایگزین کار دستی دشوار شد بخش کشاورزی را متأثر کردند.

۱۹۷۰ تا ۲۰۱۰: اتوماسیون به افزایش نابرابری کمک کرد!

از آنجا که گسترش تحصیل به افزایش گسترده در عرضه فارغ‌التحصیلان جوان با تحصیلات عالی انجامیده بود، روند نابرابری در دستمزدها بسیار عجیب بود. اتوماسیون غیرهوشمند، مانند ربات‌ها، همراه با برون‌مرزی، به‌طور گسترده، به‌ویژه در تولید، پیاده‌سازی شد و جایگزین مشاغل طبقه متوسط ​​سابق شد و اغلب کارهای معمول مستعد اتوماسیون را حذف می‌کرد.

برای نمونه کارهای مونتاژ مکرر، چیدن یا مرتب‌سازی و ثبت یا محاسبه از این نوع مشاغل بودند. اکسل مایکروسافت به‌وضوح مشاغل معمولی اداری را تغییر داد و مشاغلی مانند اپراتور تابلوهای برق عمدتاً ناپدید شدند. درعین‌حال مشاغلی که قبلاً شناخته شده نبودند معرفی شدند، مانند تحلیلگران داده، تکنسین‌های توربین بادی یا مشاوران سلامت روان. ظاهر این مشاغل مستقیماً اثر اتوماسیون نیست، اما اتوماسیون و افزایش بهره‌وری وقت و ذهن ما را آزاد کرد تا روی حوزه‌های جدید تمرکز کنیم.

اثرات کلی اقتصاد کلان این فناوری‌های جدید کمتر از حد انتظار بود. افزایش بهره‌وری از اوایل دهه ۱۹۷۰ به میزان قابل توجهی کاهش یافت. بحث گسترده‌ای درمورد دلایل آن وجود دارد که چرا رایانه‌ها بازدهی ما را بیشتر نکردند. دلایل دقیق آن همچنان بحث‌برانگیز است. چیزی که موردبحث نیست این واقعیت است که رشد بهره‌وری، در مقایسه با سی سال پس از جنگ جهانی دوم، نصف شد.

۲۰۱۰ تا COVID-19: رشد اشتغال در غیاب هوش مصنوعی و پیشرفت فناوری مرتبط با بیماری همه‌گیر

درحالی‌که بهبود و رشد بهره‌وری پس از این رکود بزرگ ناامیدکننده بود، تقاضا برای نیروی کار همچنان خوب بود. این دستاوردهای شغلی را عمدتاً عوامل غیرمرتبط با فناوری‌های جدید، مانند محرک‌های اقتصادی، نرخ‌های بهره پایین و افزایش مشارکت زنان در بازار کار ایجاد کردند.

از سال ۲۰۱۰ شرکت‌ها شروع به استخدام متخصصان مرتبط با هوش مصنوعی کردند. این روند دوباره در حدود سال ۲۰۱۵ شتاب گرفت. شواهدی وجود دارد که نشان می‌دهد آن مشاغل استخدام خود را در دیگر بخش‌های شرکت کاهش دادند؛ بااین‌حال تا زمان شروع همه‌گیری COVID-19 شواهد کمی وجود دارد که مدل‌های یادگیری ماشین اولیه بر اشتغال یا دستمزد تأثیر گذاشته باشند.

همه‌گیری کووید تأثیر پیش‌بینی‌نشده‌ای بر کسب‌وکارها و مشاغل گذاشت که در غیر این صورت یک دهه به طول می‌انجامید. دورکاری و دفترکار خانگی فراگیر شد؛ درحالی‌که قبل از کووید فقط حدود ۵ درصد از کارها از خانه انجام می‌شد، این میزان در اوج همه‌گیری به ۶۰ درصد افزایش یافت. از آن زمان تاکنون در حدود ۳۰ درصد از دفترکارهای خانگی باقی مانده است. بسیاری از شرکت‌ها نیز سرمایه‌گذاری خود را در اتوماسیون، برای مثال، ازطریق ربات‌ها یا ماشین‌های چک‌اوت خود تشویق کرده‌اند.

چگونه  LLM ها بر مشاغل یقه‌سفید تأثیر می‌گذارند؟

مطالبی که تا اینجا مطرح شد نشان می‌دهد که تأثیر تغییرات تکنولوژیکی بر مشاغل نامشخص است. اقتصاددانان می‌گویند که می‌تواند جایگزین مهارت (مانند قرن نوزدهم) یا افزایش‌دهنده مهارت (مانند قرن بیستم) باشد.

در مدل‌های اقتصادی مدرن ما فرض می‌کنیم که مشاغل از مجموعه‌ای از وظایف تشکیل شده‌اند و مهارت‌های انسانی یا گروه‌های آموزشی مختلفی وجود دارند که هر یک مزیت نسبی خود را دارند. این گروه‌ها می‌توانند جایگزین یکدیگر شوند، اما به‌طور ناقص. اینکه آیا فناوری‌های جدید جایگزین گروه‌های مهارتی خاصی خواهند شد، ازجمله به تقاضا برای وظایف خاص، عرضه یا دردسترس‌بودن این گروه‌ها و دستمزد آن‌ها بستگی دارد.

به‌طور کلی، کشورهای پیشرفته‌ای مانند آلمان، ژاپن و کره جنوبی که با سرعت بیشتری پیر می‌شوند، در پاسخ به کمبود کارگران تولیدی، ربات‌های بیشتری را به کار می‌گیرند. اگر کارگران ماهر کافی وجود نداشته باشند، اگر دستمزد افراد با مهارت بالا زیاد باشد یا اگر میان آنچه تقاضا و آنچه در دسترس است تطابق‌نداشتن مهارت وجود داشته باشد، شرکت‌ها تشویق می‌شوند که فناوری‌های جایگزین را توسعه دهند و به کار گیرند.

جالب است که تا همین اواخر، بسیاری از مردم احتمالاً فکر می‌کردند که هوش مصنوعی جدید، مانند اتومبیل‌های خودران، در وهله اول جایگزین مشاغل یقه‌آبی، مانند راننده کامیون یا قطار و به‌طور کلی، کارگران، می‌شود. بااین‌حال برنامه‌های کاربردی هوش مصنوعی مولد که اخیراً راه‌اندازی شده‌اند مهارت‌های قابل‌توجهی را نشان می‌دهند که معمولاً کارگران یقه‌سفید یا همان کارمندان انجام می‌شود، مانند نوشتن مقاله، انجام‌دادن تحقیقات یا برنامه‌نویسی.

اگرچه تأثیر هوش مصنوعی مولد بر آموزش احتمالاً عمیق خواهد بود، به دستیارهای هوش مصنوعی‌ای فکر کنید که به دانش‌آموزان اجازه می‌دهند با سرعت خودشان یاد بگیرند. بااین‌حال بعید به نظر می‌رسد مشاغل آموزشی به‌زودی جایگزین شوند (زیرا آن‌ها نقش‌های مهمی فراتر از آنچه یک چت‌بات به شما آموزش می‌دهد دارند). بااین‌همه پیشرفت هوش مصنوعی مولد در تشخیص تصویر، متن و صدا ممکن است پیامدهای عمیقی بر تحقیقات، تشخیص پزشکی، خدمات مشتری یا تجزیه‌وتحلیل (داده‌ها) داشته باشد. این به‌این معنی نیست که این مشاغل ناپدید می‌شوند، اما ممکن است در آینده این مشاغل بسیار متفاوت باشند.

تأثیرات کوتاه‌مدت هوش مصنوعی مولد بر مشاغل

از آنجا که فناوری‌های جدید معمولاً به زمان پذیرش نیاز دارند، بهتر است از کوتاه‌مدت تا میان‌مدت را در اینجا در نظر بگیریم.

پرسش‌های حقوقی و اخلاقی درمورد پذیرش هوش مصنوعی مولد

هوش مصنوعی مولد احتمالاً سریع‌تر از اینترنت به کار گرفته می‌شود که یکی‌دو دهه طول کشید تا به جریان اصلی تبدیل شود. بااین‌حال حتی این فناوری‌ جدید هم با موانع خاصی برای غلبه بر آن مواجه خواهد بود. سؤالات حقوقی درمورد مشاغل پردرآمد یقه‌سفید و خودکارکردن وظایف در آموزش، پزشکی یا خدمات حرفه‌ای وجود دارد.

برای مثال، اگر هوش مصنوعی مولد مرتکب اشتباهی شود، چه‌کسی مسئول خواهد بود یا درمورد نقض احتمالی حق کپی‌رایت با استفاده از مطالب موجود در وب برای آموزش چنین مدل‌هایی چه کسی مسئول است؟ باید اضافه کرد که حتی شرکت‌هایی که LLM‌های اخیر را منتشر کرده‌اند اذعان می‌کنند که این مدل‌ها گاهی‌اوقات به‌طرز شگفت‌انگیزی شکست می‌خورند (و ارزیابی دقیق چرایی آن پیچیده است).

اختلال در مشاغل خاص به‌واسطه هوش مصنوعی مولد

این موانع برای همه مشاغل یقه‌سفید به‌یک اندازه نیستند. هوش مصنوعی مولد ممکن است بخش‌های خاصی از بازار کار ما را مختل کند. به بازاریابی فکر کنید که اغلب تهیه پیش‌نویس متون نسبتاً عمومی یا پشتیبانی مشتری را شامل می‌شود که در آن چت‌بات‌ها به‌شدت پیشرفت خواهند کرد (و در حال حاضر هم کارشان خوب است). به نظر می‌رسد که LLMها در ترجمه، ترکیب و حتی تفسیر متون به‌قدری توانایی دارند که تصور اینکه در آینده به‌همین تعداد از مترجمان نیاز داشته باشیم سخت است.

ابزارهایی مانند Google Translate یا DeepL در حال حاضر در زمینه ترجمه عالی هستند و اولین مورداستفاده BERT گوگل دقیقاً ترجمه بود. در مرحله بعد مشاغل توسعه نرم‌افزار نسبتاً ساده و ایجاد محتوای استاندارد در رسانه و آموزش ممکن است تا حدی به ماشین‌ها برون‌سپاری شوند، همان‌طور که وظایف حقوقی یا مالیاتی هم در صف قرار می‌گیرند. مشاغل خدمات مشتری هم بدون شک، به‌دلیل پیشرفت چشمگیر در وظایف پشتیبانی، تحت‌تأثیر قرار خواهند گرفت.

تأثیر برون‌سپاری به ماشین‌آلات (اتوماسیون) و برون‌سپاری به کشورهای خارجی برای کارگران هم به‌همین شکل است. مشاغل آن‌ها را یا ربات‌های ارزان‌تر کدگذاری و به‌صورت محلی انجام می‌دهند یا ممکن است به‌صورت الکترونیکی منتقل یا به‌صورت فیزیکی به کشورهای دیگر ارسال شود و نیروی کار ارزان‌تر آن‌ها را انجام دهند.

تأثیرات بلندمدت هوش مصنوعی مولد

تأثیر هوش مصنوعی مولد بر اقتصاد ما در میان‌مدت تا بلندمدت مطمئناً عمیق خواهد بود. اگر با فناوری‌های دیگر، مانند رباتیک، ترکیب شود، بیشتر مشاغل به درجات متفاوتی تحت‌تأثیر قرار می‌گیرند (البته معلمان مهدکودک، خدمه‌ها یا مددکاران اجتماعی هنوز امن هستند).

در دهه‌های اخیر افزایش تقاضا و دستمزدها، به‌ویژه برای مشاغل با مهارت بالا، را شاهد بوده‌ایم، درحالی‌که تعداد مشاغل طبقه متوسط ​​کاهش یافته و دستمزدها برای مشاغل کم‌درآمد اغلب راکد بوده است، اما ما همچنین شاهد روند دیگری بودیم که به دوقطبی‌شدن در بازار کار انجامید: افزایش تقاضا برای مشاغل خدماتی، اغلب با دستمزد پایین. این‌ موارد تحویل بسته‌ها، پرکردن قفسه‌های سوپرمارکت، کار در انبار و خدمات شخصی مانند نظافت، امنیت یا مراقبت از جوانان یا افراد مسن را شامل است؛ البته رانندگان کامیون، راه‌آهن یا Uber را اضافه کنید.

۳ سناریو محتمل برای آینده توسعه هوش مصنوعی مولد

اگر فناوری‌های اتوماسیون بیشتر پیشرفت کنند و ربات‌ها هم هوشمند شوند و هم توانایی بهتری در انجام‌دادن کارهای سه‌بعدی غیرضروری پیدا کنند، بسیاری از این مشاغل ممکن است مستعد تغییر باشند. می‌توان در اینجا سه ​​سناریو مختلف را متصور شد:

• ما شاهد یک نقطه‌عطف هستیم و هوش مصنوعی مولد یک فناوری موفقیت‌آمیز، مانند ماشین‌های چاپ، موتور بخار یا تولید ترانزیستور، است که به تغییرات قابل‌توجهی در نحوه کار و زندگی ما می‌انجامد و انتظار بهبود مستمر در میان مدت می‌رود.

• هوش مصنوعی مولد ممکن است به چندین دهه توسعه نیاز داشته باشد تا بتواند به‌طور ایمن وظایف انسانی را فراتر از حوزه‌های خاص جایگزین کند، مانند اتومبیل‌های خودران که با وجود پیشرفت‌های درخور توجه در یک دهه پیش، بدون نظارت انسان با محدودیت‌هایی در ایمنی مواجه هستند.

• فناوری‌های کنونی ممکن است در حال حاضر به اوج خود رسیده باشند و چیزهای بیشتری در راه نباشد، مشابه موتورهای جست‌وجو که در آن رتبه صفحه گوگل در اوایل سال ۲۰۰۰ جست‌وجو را متحول کرد (سهم بازار را از یاهو و Altavista گرفت) و از آن زمان به پیشرفت فزاینده‌ای انجامید.

چطور از ماجرا عقب نمانیم؟

شما، به‌عنوان فردی که مسئولیت موفقیت کسب‌وکارتان را بر عهده دارید، چه کاری می‌توانید انجام دهید تا از هوش مصنوعی مولد بهترین استفاده را ببرید؟ به نظر می‌رسد که از همین حالا یک تغییر تکنولوژیکی جدید پیشگامانه را شاهد باشیم؛ بنابراین درک اصول اولیه هوش مصنوعی مولد می‌تواند گام خوبی برای شروع باشد. اما چطور می‌توان این کار را کرد؟ برای مثال، می‌توانید این فناوری‌های جدید را امتحان کنید (به‌طور مثال کار با ChatGPT  را یاد بگیرید) و یا در دوره‌های آموزشی شرکت کنید. اگر در مورد LLMها اطلاعات بیشتری دارید، می‌توانید برخی از مقاله‌های تحقیقاتی مرتبط را نیز بخوانید و درمورد پیشرفت‌های جدید به‌روز باشید. سعی کنید به‌هر شکلی از پیشرفت‌های هوش مصنوعی مولد مطلع باشید و حتی درمورد آن‌ها آموزش ببینید.

پیشنهاد می‌کنیم درباره ChatGPT یا چت‌ جی‌ پی‌ تی هم مطالعه کنید.

پرسش‌های متداول

آیا هوش مصنوعی مولد در بخش‌های خاصی از بازار کار بیشتر تأثیر خواهد گذاشت؟

بله، هوش مصنوعی مولد ممکن است بر بخش‌هایی مانند بازاریابی، ترجمه، توسعه نرم‌افزار و خدمات مشتری تأثیر بیشتری بگذارد. در این بخش‌ها پردازش زبان طبیعی و توانایی‌های تحلیلی AI می‌توانند به‌طور درخور توجهی وظایف را بهبود بخشند یا جایگزین کنند.

چه نوع تغییراتی در آموزش برای مواجهه با چالش‌های AI موردنیاز است؟

آموزش باید بر توسعه مهارت‌هایی متمرکز شود که AI نمی‌تواند به‌راحتی جایگزین کند، مانند تفکر نقادانه، خلاقیت و مهارت‌های میان‌فردی. همچنین آموزش درمورد خود AI و نحوه کار با این تکنولوژی‌ها برای افزایش بهره‌وری و خلاقیت در محیط کار ضروری است.

هوش مصنوعی بر مهارت‌های موردنیاز در بازار کار چه تاثیری می‌گذارد؟

هوش مصنوعی تغییر نیازهای مهارتی در بازار کار را رقم می‌زند، افزایش تقاضا برای مهارت‌های تکنیکی مرتبط با AI و داده‌ها، همچنین مهارت‌های نرم مانند خلاقیت و حل مسئله که AI نمی‌تواند به‌راحتی جایگزین آن‌ها شود.

آیا هوش مصنوعی می‌تواند به ایجاد مشاغل جدید کمک کند؟

بله، هوش مصنوعی می‌تواند به ایجاد مشاغل جدید بینجامد، به‌ویژه در زمینه‌های مرتبط با توسعه، نظارت و تحلیل سیستم‌های AI و همچنین در بخش‌های که به تلفیق مهارت‌های انسانی و توانایی‌های AI نیاز دارند.

چگونه می‌توان بهترین استفاده را از هوش مصنوعی در زمینه آموزش و پرورش داشت؟

استفاده از AI در آموزش و پرورش می‌تواند شامل سفارشی‌سازی مسیرهای یادگیری برای دانش‌آموزان، فراهم کردن بازخوردهای فوری و دقیق، و ارائه منابع آموزشی پیشرفته باشد. این استفاده باید با در نظر گرفتن تقویت مهارت‌های انسانی و خلاقیت همراه باشد.

یادگیری ماشین لرنینگ و دیتا ساینس را از امروز شروع کنید!

دنیای داده‌ها جذاب است و دانستن دیتا ساینس یا علم داده، توانایی تحلیل داده‌ یا بازاریابی مبتنی بر داده شما را برای فرصت‌های شغلی بسیاری آماده می‌کند. فارغ از رشته‌ و پیش‌زمینه‌ تحصیلی و کاری‌تان، می‌توانید همین حالا یادگیری دیتا ساینس را شروع کنید و از سطح مقدماتی تا پیشرفته پیش بروید. اگر دوست دارید به این حوزه وارد شوید، پیشنهاد می‌کنیم با کلیک روی لینک زیر اولین قدم را بردارید.

مشاوران و استادان کافه‌تدریس به شما کمک می‌کنند مسیر یادگیری برای ورود به این حوزه را شروع کنید:

دوره جامع دیتا ساینس و ماشین لرنینگ