«Машины не могут работать там, где нет данных»: какие профессии в будущем не заменят роботы

«У меня есть племянница, которую зовут Яли. Сейчас ей девять месяцев. Мать Яли — врач, а отец работает адвокатом. К тому времени, как Яли пойдет в колледж, работа её родителей значительно изменится», — говорит Голдблум.
В 2013 году, продолжает предприниматель, ученые из Оксфордского университета провели исследование, в ходе которого выяснили, что специалисты каждой второй профессии рискуют в будущем оказаться полностью замененными роботами или другими специальными технологиями. Большинство из них будут заменены технологиями, использующими алгоритмы машинного обучения, утверждают исследователи.
«Машинное обучение — одна из самых мощных областей в развитии искусственного интеллекта. Такие технологии исследуют большие объёмы данных, обучаются на них и становятся способны частично имитировать человеческую деятельность, самостоятельно принимать решения. Моя компания работает как раз в этой отрасли. Мы общаемся с сотнями специалистов в этой области, и нам есть что сказать о том, что умеют и не умеют делать машины, каких специалистов они смогут заменить», — продолжает автор доклада.
Алгоритмы машинного обучения начали применяться в промышленности в начале 90-х годов, говорит Голдблум. Изначально они решали несложные задачи вроде оценки кредитных рисков по заявке, сортировки электронной почты и так далее. В последние несколько лет индустрия переживает стремительный рост.
«В 2012 году наша компания разработала алгоритм, который мог оценивать эссе учеников средней школы. В 2015 году мы создали алгоритм, который смог распознавать заболевание диабетическая ретинопатия по снимку человеческого глаза. Диагнозы совпали с диагнозами врачей-офтальмологов», — делится Голдблум.
У машин есть возможность обойти людей в таких областях — если дать им соответствующие данные. Учитель за всю свою жизнь может прочитать 40 тысяч эссе. Офтальмолог — осмотреть 50 тысяч пар глаз. Машина прочитает миллионы эссе и проанализирует миллионы пар глаз за несколько минут.
«У нас нет шансов конкурировать с машинами в тех областях, где для принятия решения нужно изучить большой объём данных», — утверждает автор выступления.
Но есть, по словам Голдблума, вещи, которые машинам не под силу. Это принятие решений в областях, где можно полагаться только на небольшой объём данных. Для успешной работы алгоритмов машинного обучения им нужна большая база знаний. «Там, где имеется только несколько, казалось бы, несопоставимых фактов, машины теряются и не могут сделать ничего принципиально нового».
В качестве примера автор доклада приводит американского инженера Перси Спенсера. Во времена второй мировой войны Спенсер как-то обратил внимание на то, что его шоколадка, лежавшая недалеко от лампы-магнетрона, расплавилась. Так к Спенсеру пришла идея создания микроволновой печи. «Машины не могут конкурировать с нами в областях, где требуются принципиально новые решения. На самом деле, человек принимает такие решения, хоть и в меньших масштабах, тысячи раз в день».
«Таким образом, будущее любой профессии сводится к вопросу: как часто специалистам приходится принимать решения, основываясь на больших объёмах данных и внушительном опыте, а как часто от них требуется нечто принципиально новое», — объясняет предприниматель.
В ближайшие несколько лет, полагает Голдблум, машины смогут заниматься аудитом и некоторыми шаблонными юридическим вопросами. Однако они по-прежнему не будут способны проводить комплексное налоговое структурирование и решать другие вопросы. Работу в области бухгалтерского учёта и юриспруденции всё ещё можно будет найти — просто её станет меньше.
«Машины не смогут заниматься маркетингом — для этого необходимо находить новые решения. Бизнес в значительной степени предполагает поиск новых ниш на рынке, и это тоже не под силу машине. Бизнес-стратегии, маркетинговые кампании — этим будут и дальше заниматься люди», — заключает предприниматель.
Так что, Яли, какой бы путь ты ни выбрала, пусть каждый день приносит тебе новые вызовы. И тогда ты всегда будешь впереди машин.
В 2023 я больше всех продавал на маркетплейсах в своей товарной категории, работал со всеми крупными ритейл-сетями, а всего бизнес приносил 1,1 млрд ₽ выручки и 55 млн ₽ прибыли в год.
Вы точно такого еще не видели! Забирайте этот гайд в хорошем качестве на канале Маркетинг для брендов.
Там 300+ лайфхаков, инструментов и кейсов из мира маркетинга для предпринимателей, которые хотят зарабатывать с интернет-маркетинга от 30% выручки.
Самые интересные новости финансов и технологий в России и мире за неделю: самозапрет кредитования через Госуслуги, Илон Маск рассылает DOGE-письма счастья бюрократам, новые передовые AI-модели Claude 3.7 и GPT-4.5 Orion, стартап для AI-управления потогонными фабриками в Индии, а также падение крипторынка.
Делимся результатами собственного исследования, в котором обнаружили корреляцию между метриками популярных инструментов для оценки ссылочного профиля Ahrefs и Majestic. Эта информация поможет SEO-специалистам использовать метрики совместно, более эффективно оценивать домены и принимать решения на основе комплексных данных.
Мода и красота всегда были неразрывно связаны, и в последние годы влияние модной индустрии на бьюти-тренды стало особенно заметным. Развитие технологий, изменение стилей жизни и глобальные события, такие как пандемия, заставили бьюти-бренды адаптироваться и трансформироваться, создавая новые тренды и подходы. В этой статье мы рассмотрим, как мода в…
С появлением ИИ-поисковиков и голосовых помощников пациенты перестали листать страницы выдачи Google. Вместо этого они доверяют алгоритмам, которые мгновенно анализируют запросы и выдают готовые ответы. Если раньше клиники боролись за первые строчки SEO-рейтинга, сегодня пользователи даже не смотрят результаты поисковой выдачи.