چگونه کار کردن با ماشینهای هوشمند را یاد میگیریم؟
-
0:01 - 0:03ساعت۶:۳۰ صبح است،
-
0:04 - 0:08و کریستین بیمار پروستاتش را
روی صندلی چرخدار به سوی اتاق عمل میبرد. -
0:10 - 0:12او رزیدنت است، جراحی در حال آموزش دیدن.
-
0:12 - 0:14کارش یاد گرفتن است.
-
0:15 - 0:19امروز، خیلی امیدوار است تا بتواند
کار بازسازی عصب انجام دهد، -
0:19 - 0:23برشی بینهایت دقیق که میتواند
توانایی نعوظ را حفظ کند. -
0:24 - 0:27این کار جراح اصلی است،
اگرچه، هنوز به آنجا نرسیده. -
0:28 - 0:30او به همراه گروه مریض را بیهوش کردند،
-
0:30 - 0:34و او برش ۲۰ سانتیمتری را
در ناحیه زیر شکم انجام داد. -
0:35 - 0:39وقتی که آن را محکم کرد،
به پرستار گفت تا جراح اصلی را صدا کند. -
0:40 - 0:42او، با لباس مخصوص آمد،
-
0:42 - 0:48و از آنجا به بعد، چهار دست
آنها بیشتر داخل بیمار بود -- -
0:49 - 0:52او راهنمایی میکرد
اما کریستین هدایت میکرد. -
0:53 - 0:58وقتی پروستات بیرون آمد (بله، او اجازه
داد تا کریستین کمی بازسازی عصب انجام دهد،) -
0:58 - 0:59روکش لباسش را پاره کرد.
-
0:59 - 1:00کارهای نوشتاری را شروع کرد.
-
1:01 - 1:06و کریستین بستن بخیههای
بیمار را در ساعت ۸:۱۵، -
1:07 - 1:09وقتی که یک رزیدنت تازهکار
از او یاد میگرفت، تمام کرد. -
1:09 - 1:12و اجازه داد تا آخرین خط
بخیهها را او انجام دهد. -
1:13 - 1:16کریستین خیلی خوشحال بود.
-
1:16 - 1:18حال مریض خوب بود،
-
1:18 - 1:21و شکی نبود که از ساعت ۶:۳۰
حالا جراح بهتری شده بود. -
1:22 - 1:25این کاری سخت است.
-
1:25 - 1:29اما کریستین کارش را به شکلی یاد میگیرد
که بیشتر ما همین مسیر را رفتهایم: -
1:30 - 1:32کمی به متخصص نگاه کن،
-
1:32 - 1:35درگیر قسمتهای ساده و کم خطر کار بشو
-
1:35 - 1:37و بتدریج کارهای سختتر و پرخطرتر را
-
1:37 - 1:40وقتی که دیدند و تصمیم گرفتند
که آمادهای انجام بده. -
1:40 - 1:43تمام زندگیام مجذوب
این شیوه از آموزش بودم. -
1:43 - 1:47حسی از مقدم بودن دارد،
جزیی از آنچه ما را انسان میکند. -
1:48 - 1:53نامهای متفاوتی دارد: کارآموزی،
مربیگری، راهبری، آموزش در کار. -
1:54 - 1:57در جراحی، میگویند
«یکی ببین، یکی انجام بده، به یکی یاد بده». -
1:58 - 1:59اما فرآیندش همان است،
-
1:59 - 2:03و شیوه اصلی یادگیری مهارت
برای هزاران سال در جهان بوده است. -
2:04 - 2:09هماکنون، هوش مصنوعی را بگونهای استفاده
میکنیم که جلوی این راه را میگیرد. -
2:10 - 2:12ما آموزش را قربانی بهرهوری میکنیم.
-
2:13 - 2:16من اولین بار این را در جراحی
وقتی که در ام آی تی بودم فهمیدم، -
2:16 - 2:19اما الان شواهدی دارم
که همه جا اتفاق میافتد، -
2:19 - 2:22در صنایعی بسیار متفاوت
و با نوع متفاوتی از هوش مصنوعی. -
2:23 - 2:29اگر کاری نکنیم، میلیونها نفر از ما
با دیواری آجری برخورد خواهند کرد -
2:29 - 2:31تا بخواهیم استفاده از آن را یاد بگیریم.
-
2:33 - 2:35برای دیدن دلیل آن
بیایید به جراحی برگردیم. -
2:36 - 2:38اگر شش ماه به جلو برویم.
-
2:38 - 2:43دوباره ساعت ۶:۳۰ صبح است، و کریستن
بیمار پروستات دیگری را برای جراحی میبرد، -
2:43 - 2:46اما این بار به اتاق جراحی رباتیک.
-
2:48 - 2:49دستیارهای اتاق عمل
-
2:49 - 2:52یک ربات چهار دست ۵۰۰ کیلویی را
به بیمار متصل میکنند. -
2:53 - 2:55هر دوشان روپوش پلاستیکی را پاره میکنند،
-
2:55 - 2:58و به سمت کنسول هدایت میروند
که ۳ یا ۴/۵ متر دورتر است، -
2:59 - 3:03و کریستن فقط نگاه میکند.
-
3:04 - 3:07ربات اجازه میدهد تا جراح
خودش تمامی عمل را انجام دهد، -
3:07 - 3:09که اساسا این کار را میکند.
-
3:10 - 3:12او میداند که کریستن نیاز به تمرین دارد.
-
3:12 - 3:14میخواهد که هدایت را به بسپارد.
-
3:14 - 3:18اما میداند که کندتر است
و اشتباهات بیشتری خواهد کرد، -
3:18 - 3:19و مریض مهمتر است.
-
3:20 - 3:25پس کریستین امیدی برای نزدیک شدن به
آن عصبها در این مرحله ندارد. -
3:25 - 3:30اگر بتواند ۱۵ دقیقه در یک عمل چهار ساعته
جراحی کند شانس آورده است. -
3:30 - 3:33و وقتی که اشتباه میکند این را میداند،
-
3:33 - 3:36جراح روی صفحه لمسی را فشار میدهد،
و او دوباره تماشا میکند، -
3:37 - 3:40احساسی شبیه به تنبلهایی
که کنار در کلاس میایستند. -
3:42 - 3:45مانند تمام تحقیقهایی که در باره رباتها
و کار در هشت سال اخیر انجام دادم، -
3:45 - 3:47این یکی را هم با یک سوال بزرگ شروع کردم:
-
3:47 - 3:50چطور کار کردن با ماشینهای
هوشمند را یاد میگیریم؟ -
3:51 - 3:57برای فهمیدنش، دوسال و نیم را به بررسی
دهها رزیدنت و جراح گذراندم -
3:57 - 4:00که جراحیهای معمولی و رباتیک
انجام میدادند، با آنها مصاحبه کردم -
4:00 - 4:03و با رزیدنتهایی که میخواستند
یاد بگیرند رفت و آمد کردم. -
4:04 - 4:08۱۸ بیمارستان سطح بالای آموزشی
در آمریکا در بررسی من بودند، -
4:08 - 4:09و داستان همه جا یکی بود.
-
4:10 - 4:12شرایط بیشتر رزیدنتها شبیه به کریستن بود.
-
4:13 - 4:15امکان «دیدنش» خیلی زیاد بود،
-
4:16 - 4:18ولی «انجام دادنش» به سختی ممکن.
-
4:18 - 4:21در نتیجه تلاش زیادی نمیکردند،
و چیزی هم یاد نمیگرفتند. -
4:21 - 4:25برای جراحان این خبر مهمی بود، اما باید
میفهمیدم که این موضوع چقدر گسترده است؟ -
4:25 - 4:29چه جاهای دیگری استفاده از هوش مصنوعی
مانع از آموزش در کار شده؟ -
4:30 - 4:35برای فهمیدنش، با گروه کوچک
اما در حال رشدی از محققین مرتبط شدم -
4:35 - 4:38که کارهای میدانی در استفاده از هوش مصنوعی
-
4:38 - 4:41در موضوعات خیلی مختلفی مانند
استارت آپها، نیروی انتظامی، -
4:41 - 4:44بانکداری سرمایهای
و آموزش از راه دور انجام میدادند. -
4:44 - 4:49مثل من، حداقل یکسال و صدها ساعت
مشاهده انجام داده بودند، -
4:50 - 4:53مصاحبه و اغلب کار در کنار
آدمهایی که رویشان تحقیق میکردند. -
4:54 - 4:58ما اطلاعاتمان را با هم به اشتراک گذاشتیم
و من به الگوها توجه کردم. -
4:58 - 5:03مهم نبود که کار هوش مصنوعی
در چه موضوعی است، داستان مشابه بود. -
5:04 - 5:08سازمانها بیشتر و بیشتر سعی میکردند تا
از هوش مصنوعی نتیجه بگیرند، -
5:08 - 5:11و هرچه بیشتر کارآموزان را
از کار تخصصی دور میکردند. -
5:12 - 5:15مدیران استارت آپها قرارداد
مشتریانشان را برون سپاری میکردند. -
5:16 - 5:20پلیس باید استفاده از سیستمهای پیش بینی
جرایم را بدون پشتیبانی متخصصین بیاموزد. -
5:21 - 5:24خرده بانکدارها از توانایی
تحلیلهای پیشرفته محروم میشوند، -
5:24 - 5:28و استادان باید دروس آموزش
از راه دور را بدون کمک بسازند. -
5:29 - 5:32و تاثیر همه اینها مانند جراحی است.
-
5:32 - 5:35کارآموزی هر روز سختتر میشود.
-
5:37 - 5:38این نمیتواند ادامه پیدا کند.
-
5:40 - 5:44مَکنزی پیشبینی میکند که
بین نیم تا یک میلیارد نفر از ما -
5:44 - 5:48باید هوش مصنوعی را
در کارهای خود تا ۲۰۳۰ وارد کنیم. -
5:49 - 5:51و ما فرض میکنیم که آموزش در کار
-
5:51 - 5:53در آن موقع قابل استفاده خواهد بود.
-
5:54 - 5:58بررسی از کارمندان «اَکسنچر» نشان میدهد
که بیشتر کارکنان مهارتهای اصلی خود را -
5:58 - 6:00در کار آموختهاند، نه در آموزشهای رسمی.
-
6:01 - 6:05حالا که درباره تاثیرات
آینده آن صحبت میکنیم، -
6:05 - 6:09بیشتر ویژگیهای هوش صنوعی که
همین حالا خیلی مهم است -
6:09 - 6:12این است که ما بگونهای عمل میکنیم
که مانع از آموزش در حین کار میشود -
6:12 - 6:14درست وقتی که به آن خیلی نیاز داریم.
-
6:15 - 6:22حالا میان همه این محلها، اقلیت کوچکی
راهی برای آموزش پیدا کرده است. -
6:24 - 6:27و آن را با تغییر و شکستن
قواعد انجام دادهاند. -
6:27 - 6:32راههای مورد قبول کار نمیکنند،
پس آنها قواعد را شکستند و تغییر دادند -
6:32 - 6:34تا بتوانند تجربههای عملی
با متخصصین ایجاد کند. -
6:34 - 6:39در مورد من، رزیدنتها در آموزشگاههای
پزشکی مشغول به عملهای رباتیک شدند -
6:39 - 6:43به هزینه آموزشهای عمومیشان.
-
6:44 - 6:50و آنها صدها ساعت اضافه را در شبیهسازها
و بررسی نوارهای ضبط شده گذراندند، -
6:50 - 6:53چیزی که باید در اتاق عمل یاد بگیری.
-
6:53 - 6:57و شاید از همه مهمتر،
آنها راهی برای تلاش -
6:57 - 7:01در عملهای واقعی با کمترین
نظارت متخصص پیدا کردند. -
7:02 - 7:06من نام این را «آموزش در سایه»
گذاشتهام، چون قوانین را تغییر میدهد -
7:06 - 7:08و کارآموزان این کار را
مخفیانه انجام میدهند. -
7:10 - 7:14و همه بخاطر اینکه نتیجه بخش است
خود را به ندیدن میزنند. -
7:14 - 7:17یادتان باشد، اینها
همه گلهای سرسبد هستند. -
7:18 - 7:21مشخصا، این کار درست نیست،
و مناسب هم نیست. -
7:22 - 7:24هیچکس نباید در خطر اخراج باشد
-
7:24 - 7:26تا مهارتهای لازم
برای انجام کار را پیدا کند. -
7:27 - 7:29اما ما باید از اینها یاد بگیریم.
-
7:30 - 7:32که برای آموختن،
خطرات واقعی را پذیرفتهاند. -
7:33 - 7:37فهمیدهاند که تلاش و چالش را
در محیط کارشان نگهدارند -
7:37 - 7:40تا بتوانند به خود برای حل
مشکلات سخت فشار بیاورند -
7:40 - 7:42درست تا اندازه ظرفیتشان.
-
7:42 - 7:45همچنین مطمئن میشدند
که متخصصی در دسترس هست -
7:45 - 7:48تا راهنمایی کند و در صورت نیاز
از فاجعه جلوگیری کند. -
7:49 - 7:52بگذاید تا این شیوه تلاش
و پشتیبانی متخصص را -
7:53 - 7:55برای هر نوع پیادهسازی دیگر
هوش مصنوعی هم استفاده کنیم. -
7:56 - 7:59این مثالی واضح است
که میتوانم برایتان بیاورم. -
8:00 - 8:01قبل از روباتها،
-
8:01 - 8:06اگر یک متخصص خنثی کردن بمب بودید، در
مورد بمب غیر معمول باید به سویش میرفتید. -
8:07 - 8:10و یک افسر رده پایین
هم صدها متر دورتر ایستاده بود، -
8:10 - 8:13و فقط نگاه میکرد و اگر شما میگفتید
امن است کمک میکرد -
8:13 - 8:15و به آنها میگفتید که نزدیک بیایند.
-
8:15 - 8:19حالا شما در کنار هم در یک
ماشین ضد بمب نشستهاید. -
8:19 - 8:21هر دو شما به تصویر ویدئو نگاه میکنید.
-
8:21 - 8:25یک ربات را از راه دور هدایت میکنند،
و شما کار را با صدای بلند هدایت میکنید. -
8:25 - 8:28کارآموزان به شکلی بهتر
از قبل از ربات یاد میگیرند. -
8:29 - 8:33میتوانیم همین کار را در جراحی،
استارت آپها، نیروی انتظامی، -
8:33 - 8:36بانکداری سرمایه، آموزش از راه دور
و دیگر موارد انجام دهیم. -
8:36 - 8:39خبر خوب اینکه ما ابزارهای
جدیدی برای این کار داریم. -
8:40 - 8:44اینترنت و پردازش ابری یعنی ما همیشه
نیاز به یک متخصص برای هر کارآموز نداریم، -
8:44 - 8:49تا بصورت واقعی نزدیک همدیگر باشند
یا حتی در یک سازمان کار کنند. -
8:49 - 8:52و میتوانیم برای کمک هوش مصنوعی بسازیم:
-
8:53 - 8:58تا آموزش دهندهها را در مشکلاتشان راهنمایی
کند، راهنمای متخصصین در آموزش باشد -
8:58 - 9:01و این دو گروه را به شکلی هوشمند مرتبط کند.
-
9:03 - 9:06در کار افرادی هستند با ساختارهایی مشابه،
-
9:06 - 9:09اما آنها بیشتر بر آموزشهای رسمی متمرکزند.
-
9:09 - 9:12و بحران عمیقتر در آموزش در کار است.
-
9:12 - 9:14باید بهتر عمل کنیم.
-
9:14 - 9:17مشکلات امروز نیازمند کارایی بهتر ماست
-
9:17 - 9:22تا کارهای بسازیم که از مزیتهای کامل
هوش مصنوعی استفاده کند -
9:23 - 9:26و همچنان مهارتهای ما را افزایش دهد.
-
9:26 - 9:29این آیندهای است که وقتی
کودک بودم آرزویش را داشتم. -
9:29 - 9:32و زمان ایجادش حالاست.
-
9:32 - 9:34متشکرم.
-
9:34 - 9:37(تشویق)
- Title:
- چگونه کار کردن با ماشینهای هوشمند را یاد میگیریم؟
- Speaker:
- مت بین
- Description:
-
راه مهارت پیدا کردن برای هزاران سال در سرتاسر جهان یکسان بوده است: زیر نظر یک متخصص آموزش ببین و کارهای سادهتر و کوچکتر را قبل از کارهای سختتر و پر خطر انتخاب کن. اما هماکنون، ما از هوش مصنوعی به گونهای استفاده میکنیم که این مسیر را تغییر میدهد -- و نهایتاً یادگیری در مسیر ما بسوی بهرهوری قربانی خواهد شد، این موضوع را تبارشناس سازمانی، «مت بین» عنوان میکند. چه میشود کرد؟ بین، نگاهی را با ما درمیان میگذارد که داستان امروز ما را به یکی از آموزشهای توسعه یافته با کمک رایانه تغییر دهد، و با استفاده از تواناییهای خارقالعاده هوش مصنوعی مهارتهای ما هم توسعه یابد.
- Video Language:
- English
- Team:
- closed TED
- Project:
- TEDTalks
- Duration:
- 09:50
sadegh zabihi approved Persian subtitles for How do we learn to work with intelligent machines? | ||
sadegh zabihi edited Persian subtitles for How do we learn to work with intelligent machines? | ||
sadegh zabihi accepted Persian subtitles for How do we learn to work with intelligent machines? | ||
sadegh zabihi edited Persian subtitles for How do we learn to work with intelligent machines? | ||
Nima Pourreza edited Persian subtitles for How do we learn to work with intelligent machines? | ||
Behdad Khazaeli edited Persian subtitles for How do we learn to work with intelligent machines? | ||
Behdad Khazaeli edited Persian subtitles for How do we learn to work with intelligent machines? | ||
Behdad Khazaeli edited Persian subtitles for How do we learn to work with intelligent machines? |