يمكن للذكاء الاصطناعي أن يقدم المزيد من العمل لنا ، بدلاً من تبسيط حياتنا

هناك تصور شائع بأن الذكاء الاصطناعي (AI) سيساعد في تبسيط عملنا. بل إن هناك مخاوف من أن يؤدي ذلك إلى القضاء على الحاجة إلى بعض الوظائف تمامًا.

لكن في دراسة لمختبرات العلوم أجريتها مع ثلاثة زملاء في جامعة مانشستر ، فإن إدخال العمليات الآلية التي تهدف إلى تبسيط العمل – وتوفير وقت الناس – يمكن أيضًا أن يجعل هذا العمل أكثر تعقيدًا ، ويولد مهامًا جديدة قد يؤديها العديد من العمال. ينظر إليها على أنها دنيوية.

في الدراسة المنشورة في Research Policy ، نظرنا في عمل العلماء في مجال يسمى علم الأحياء التركيبي ، أو synbio باختصار. يهتم Synbio بإعادة تصميم الكائنات للحصول على قدرات جديدة. تشارك في زراعة اللحوم في المختبر ، بطرق جديدة لإنتاج الأسمدة وفي اكتشاف عقاقير جديدة.

تعتمد تجارب Synbio على منصات آلية متقدمة لنقل عدد كبير من العينات بشكل متكرر. كما أنهم يستخدمون التعلم الآلي لتحليل نتائج التجارب واسعة النطاق.

هذه بدورها تولد كميات كبيرة من البيانات الرقمية. تُعرف هذه العملية باسم “الرقمنة” ، حيث تُستخدم التقنيات الرقمية لتحويل الأساليب التقليدية وطرق العمل.

تتمثل بعض الأهداف الرئيسية لأتمتة العمليات العلمية ورقمنتها في توسيع نطاق العلم الذي يمكن القيام به مع توفير الوقت للباحثين للتركيز على ما يعتبرونه عملًا “أكثر قيمة”.

نتيجة متناقضة

ومع ذلك ، في دراستنا ، لم يتم تحرير العلماء من المهام المتكررة أو اليدوية أو المملة كما قد يتوقع المرء. بدلاً من ذلك ، أدى استخدام المنصات الآلية إلى تضخيم وتنويع أنواع المهام التي يتعين على الباحثين القيام بها. هناك عدة أسباب لذلك.

من بينها حقيقة أن عدد الفرضيات (المصطلح العلمي للتفسير القابل للاختبار لبعض الظواهر المرصودة) والتجارب التي يجب إجراؤها زادت. مع الطرق الآلية ، يتم تضخيم الاحتمالات.

قال العلماء إنه سمح لهم بتقييم عدد أكبر من الفرضيات ، إلى جانب عدد الطرق التي يمكن للعلماء من خلالها إجراء تغييرات طفيفة على الإعداد التجريبي. كان لهذا تأثير في زيادة حجم البيانات التي تحتاج إلى التدقيق والتوحيد والمشاركة.

أيضًا ، كانت الروبوتات بحاجة إلى “تدريب” على إجراء تجارب تم إجراؤها يدويًا مسبقًا. يحتاج البشر أيضًا إلى تطوير مهارات جديدة لإعداد الروبوتات وإصلاحها والإشراف عليها. تم ذلك للتأكد من عدم وجود أخطاء في العملية العلمية.

غالبًا ما يتم الحكم على العمل العلمي بناءً على مخرجات مثل المنشورات والمنح التي يراجعها الأقران. ومع ذلك ، فإن الوقت المستغرق لتنظيف واستكشاف الأخطاء وإصلاحها والإشراف على الأنظمة الآلية يتنافس مع المهام التي تتم مكافأتها تقليديًا في العلوم. قد تكون هذه المهام الأقل قيمة أيضًا غير مرئية إلى حد كبير – لا سيما لأن المديرين هم الذين لن يكونوا على دراية بالعمل العادي بسبب عدم قضاء الكثير من الوقت في المختبر.

لم يكن علماء synbio الذين قاموا بهذه المسؤوليات يتقاضون أجورًا أفضل أو أكثر استقلالية من مديريهم. قاموا أيضًا بتقييم عبء العمل الخاص بهم على أنه أعلى من أولئك الذين فوقهم في التسلسل الهرمي للوظائف.

دروس أوسع

من الممكن أن تنطبق هذه الدروس على مجالات عمل أخرى أيضًا. ChatGPT عبارة عن روبوت محادثة يعمل بالذكاء الاصطناعي “يتعلم” من المعلومات المتاحة على الويب. عندما تُطرح أسئلة من المستخدمين عبر الإنترنت ، يقدم chatbot إجابات تبدو متقنة الصنع ومقنعة.

وفقًا لمجلة Time ، من أجل تجنب ChatGPT رد الإجابات التي كانت عنصرية أو متحيزة جنسيًا أو مسيئة بطرق أخرى ، تم تعيين العمال في كينيا لتصفية المحتوى السام الذي يقدمه الروبوت.

غالبًا ما يكون هناك العديد من ممارسات العمل غير المرئية اللازمة لتطوير وصيانة البنية التحتية الرقمية. يمكن وصف هذه الظاهرة بأنها “مفارقة الرقمنة”. إنه يتحدى الافتراض القائل بأن كل شخص يشارك أو يتأثر بالرقمنة يصبح أكثر إنتاجية أو يكون لديه وقت فراغ أكبر عندما تتم أتمتة أجزاء من سير العمل.

المخاوف بشأن انخفاض الإنتاجية هي الدافع الرئيسي وراء الجهود التنظيمية والسياسية لأتمتة العمل اليومي ورقمنة. لكن لا ينبغي لنا أن نأخذ وعودًا بتحقيق مكاسب في الإنتاجية بالقيمة الاسمية.

بدلاً من ذلك ، يجب أن نتحدى الطرق التي نقيس بها الإنتاجية من خلال النظر في الأنواع غير المرئية من المهام التي يمكن للبشر إنجازها ، بما يتجاوز الأعمال الأكثر وضوحًا والتي تتم مكافأتها عادةً.

نحتاج أيضًا إلى التفكير في كيفية تصميم هذه العمليات وإدارتها بحيث يمكن للتكنولوجيا أن تضيف بشكل أكثر إيجابية إلى القدرات البشرية.