நாம் தேவையான உராய்வு

மனித திறனில் AI இன் தாக்கம் பற்றிய பெரும்பாலான விவாதம் வேலைகளை மையமாக கொண்டுள்ளது. Communications Psychology இல் வெளியிடப்பட்ட ஒரு ஆய்வு டொரோண்டோ பல்கலைக்கழகத்தின் மனோவிஞ்ஞானிகளால் வெவ்வேறு மற்றும் மிகவும் கவலைக்குரிய கோணத்தை எடுக்கிறது. ஆசிரியர்கள் — Emily Zohar, Paul Bloom, மற்றும் Michael Inzlicht — AI அமைப்புகளின் பணிகளை மிக எளிதாக்குவதால் ஏற்படும் பெரிய நீண்ட கால செலவு பொருளாதாரம் அல்ல ஆனால் உளவியல் இருக்கலாம் என்று வாதிடுகின்றனர்.

இந்த ஆய்வு "Against Frictionless AI" என்று பெயரிடப்பட்டுள்ளது, AI கருவிகள் பயனற்றவை அல்லது வசதி ஆக்ரோஷப் என்று வாதிடுவதில்லை. இது உற்பத்தி உராய்வு — சாத்தியமான கடினம் வளர்ச்சியை இயக்குகிறது — மற்றும் உற்பத்தியற்ற உராய்வு — தடைக்கல்கள் நன்மை இல்லாமல் சுமை சேர்க்கிறது — இடையே வேறுபாடு செய்ய வாதிடுகிறது.

விரும்பத்தக்க சிரமங்கள்

பல தசாப்தங்களாக, பெரும் சிறப்பு மூளைக்கூறு விஞ்ஞானிகள் கடினமுறை கற்றல் — சிக்கல்களின் மூலம் வேலை செய்தல், தடைக்கல்களை சந்திர்தல், விளக்கங்களை உற்பத்தி செய்தல் — உபস்திதமான தகவலை செயல் இல்லாமல் உறிஞ்சும் விரைவை விட சிறந்த நீண்ட கால தாக்கம் மற்றும் மிகுந்த நমனீய புரிதல் உற்பத்தி செய்கிறது.

"உராய்வை ஆக்கம் முயற்சியின் போது சந்திக்கப்படும் எந்த கடினமும் என்று வரையறுத்திருக்கிறோம்," Zohar விளக்கினார். "வேலைகளின் சூழலில், இது மனஸ்சிற்றம் முயற்சி — சிந்தனை மற்றும் பிடிமுறு, ஒரு சிக்கலில் சிலவேளை இருந்தல்."

சமூக பரிமாணம்

மனுஷ்ய உறவுகள் உள்ளறையுய உராய்வுகளை சம்பந்தமாக — ஒப்பதுறை வேறுபாடு, சமற்ச்சை, பிழை வரம் மற்றும் அனுபவம் நீங்கள் அடுத்த மனிதனிடமிருந்து பெறாதது. ஆசிரியர்கள் இந்த அனுபவங்கள் மனுஷ்ய சமூக வாழ்கையில் கோளாறுகள் அல்ல ஆனால் பண்புகள் என்று வாதிடுகின்றனர்.

"நீங்கள் AI பழக்கப்படுவீர்கள் எப்போது ஒப்புக்கொண்டால் மற்றும் சரியாக, நீங்கள் உலகைத் தேடும் மற்றும் வேறுபட்ட கட்டியை பாதிர்ப் பழக்கப்படுவீர்கள் அல்ல," Zohar கூறினார்.

பிற்கால श्रम-बचत तंत्रज्ञानापासून AI काय विविध करते

पूर्वीच्या श्रम-बचत तंत्रज्ञानांनी मुख्यतः अशा कार्यांमधील शारीरिक किंवा यांत्रिक प्रयत्न काढून टाकले जेथे अडचण गतिविधीचा बिंदू नव्हती. AI वेगळे आहे कारण ते अधिकाधिक असे गतिविधीतून प्रयत्न काढून टाकत आहे जेथे अडचण आकस्मिक नाही तर अभिन्न आहे.

हा लेख IEEE Spectrum च्या रिपोर्टिंगवर आधारित आहे. मूळ लेख वाचा.