Hogyan tanuljunk meg intelligens gépekkel dolgozni?

Egy készség elsajátításához vezető út évezredek óta ugyanúgy történik a világon mindenütt: szakember irányítása alatt kis, könnyebb feladatok elvégzését követően haladni a kockázatosabb, nehezebbek feladatok felé. Ám pillanatnyilag úgy használjuk a mesterséges intelligenciát, hogy azzal blokkoljuk ezt az utat – és feláldozzuk a tanulást, miközben a hatékonyságot hajszoljuk. Erről beszél Matt Beane szervezeti etnológus. Mit lehet tenni? Beane bemutatja elképzelését, amely a jelen helyzetet
segít átalakítani egy olyan megosztott, gépiesített mentorálássá, amely teljes mértékben kiaknázza a mesterséges intelligencia csodás lehetőségeit, miközben fejlesztjük képességeinket.

Reggel fél hét,

és Kristen épp begurítja a műtőbe
a prosztatás betegét.

Rezidens orvos, sebésznek készül.

Az a dolga, hogy tanuljon.

Reméli, ma elvégezheti
azt az igen finom, idegkímélő műveletet,

amely segít megőrizni
az erekciós funkciót.

Ez a vezető sebészen múlik,
ő viszont még nem érkezett meg.

A beteg altatásba kerül,

Kristen pedig megejti a kezdő, nagyjából
20 cm-es bemetszést a beteg alhasán.

Amint rögzíti a sebszájat, kéri a nővért,
értesítsék a vezető sebészt.

A sebész megérkezik, beöltözik.

Onnantól kezdve szinte végig
a betegben matatnak –

a sebész irányítja Kristen mozdulatait.

A prosztata-eltávolítás után (Kristen is
alkalmazhatta az idegkímélő műveleteket)

a sebész átöltözik.

Elkezdni a papírmunkát.

Kristen 8:15-re bezárja a beteget

egy fiatal rezidens segítségével,
aki őt figyeli.

Hagyja, hogy a fiatal rezidens
végezze el az utolsó öltéseket.

Kristen jól érzi magát a bőrében.

A beteg rendbe jön,

és Kristen kétségtelenül tapasztaltabb,
mint fél hétkor volt.

Rendkívüli munka ez.

Kristen viszont a legtöbbünkhöz
hasonlóan tanulja a dolgát:

egy tapasztalt személy megfigyelése után

könnyebb, biztonságos részfeladatot kap,

és halad a rizikósabb,
nagyobb kihívások felé,

amint úgy döntenek, készen áll rá.

Egész életemben csodáltam
ezt a fajta tanulási módszert.

Alapvetőnek tűnik, része annak,
amitől emberek vagyunk.

Különböző neveken illetik: gyakornokság,
betanítás, mentorálás, szakmai gyakorlat.

A sebészetben ez: "Figyelj meg egyet,
csinálj egyet, taníts egyet".

Ám a folyamat ugyanaz,

és az emberek évezredek óta így szereznek
a világon mindenütt szaktudást.

Jelenleg egy dolog áll ennek az útjában:
a mesterséges intelligencia.

A hatékonyság hajszolása
a tanulás rovására megy.

Én a sebészetben, az MIT-n
tapasztaltam meg először,

ám bizonyítékom van rá,
hogy mindenütt ez a helyzet,

teljesen különböző ágazatokban, teljesen
különböző mesterséges intelligenciákkal.

Ha semmit nem teszünk,
több millióan ütközünk majd falakba,

miközben igyekszünk
megtanulni az MI kezelését.

Vegyük példaként ismét a sebészetet.

Ugorjunk hat hónapot előre.

Reggel fél hét van, Kristen egy másik
prosztatás beteget gurít a műtőbe,

ám ezúttal a robotműtőbe.

A rangidős orvos irányításával

egy négykarú, féltonnás robotot
kapcsolnak a páciensre.

Mindketten levetik a műtősruhát,

majd 3-4 méterrel odébb vonulnak,
az irányítópulthoz.

Innentől Kristen csak figyel.

A robot hagyja, hogy a vezető orvos
maga végezze az eljárást,

aki így is jár el.

Kristennek gyakorolnia kellene.

Bár megkaphatná az irányítást,

a vezető orvos tudja,
Kristen lassabb, több hibát ejt,

és a beteg a legfontosabb.

Kristennek tehát esélye sincs az idegek
közelébe jutni e gyakorlat során.

Ha a négyórás művelet során 15 percnél
többet operálhat, szerencsés.

Kirsten tudja, ha bakizik,

a vezető orvos megérinti a képernyőt,
és ő újra megfigyelő lesz,

úgy érezve magát,
mint a sarokba állított kisgyerek.

Mint nyolc éve a robotok és a munka
kapcsolatáról szóló összes tanulmányomat,

ezt is egy nagy,
nyitott kérdéssel kezdtem:

Hogyan tanuljunk meg
intelligens gépekkel dolgozni?

Hogy kiderítsem, két és fél éven át
tanulmányoztam sebészeket és rezidenseket,

akik hagyományos
és robotsebészettel foglalkoznak,

és többnyire a rezidensekkel lógtam,
miközben tanulni próbáltak.

Jártam Amerika
18 legnagyobb oktatókórházában,

nem volt különbség köztük.

A legtöbb rezidens Kristen cipőjében járt.

Sokat láttak,

ám hogy csinálják is,
arra alig került sor.

Nem tudtak küzdeni, nem tanultak.

Ez fontos felfedezés volt a sebészetben,
ám tudni akartam, mennyire általános,

hol blokkolta még az MI használata
a tanulás folyamatát.

Fiatal kutatók kis létszámú, ám növekvő
csapatával vettem fel a kapcsolatot,

akik különböző körülmények között –
például start-up cégek, rendészet,

befektetési bankok és online oktatás –
aktívan tanulmányozták

a mesterséges intelligenciával
történő munkavégzést.

Hozzám hasonlóan legalább egy évet
és sok száz órát töltöttek megfigyeléssel,

interjúk készítésével, a megfigyeltekkel
gyakran vállvetve munkálkodva.

Séma után kutatva elkezdtük
átnézni az adatainkat.

Függetlenül az ipartól, munkától, MI-től,
mindenhol ugyanaz volt a helyzet.

A szervezetek folyamatosan
eredményekért hajszolták az MI-t,

közben a tanulók elestek a munkavégzéssel
szerzett fejlődés lehetőségétől.

A start-up menedzserek kiszervezték
a vevői kapcsolattartást.

A rendőröknek szakmai
támogatás nélkül kellett

bűnügyi előrejelzésekkel foglalkozniuk.

Kezdő bankárok nem végezhettek
összetett elemzéseket,

professzoroknak segítség nélkül kellett
összeállítaniuk online tanfolyamokat.

Az eredmény ugyanaz, mint a sebészetben.

Nehezebbé vált a szakma elsajátítása.

Ez így nem tartható soká.

McKinsey becslése szerint 2030-ra
fél-egy milliárdan kell megszokjuk,

hogy a munkánkat
mesterséges intelligencia segíti.

A munka közbeni betanulás lehetőségét

pedig készpénznek vesszük.

Az Accenture friss felmérése szerint
az alapkészségeket a dolgozók

nem formális oktatással,
hanem a munkavégzés során sajátították el.

Szóval miközben rengeteget beszélünk
róla, milyen hatással van a jövőnkre,

az MI egyik jelenlegi
legfontosabb aspektusa,

hogy felhasználása során önmagunkat
gátoljuk a munka elsajátításában akkor,

amikor a leginkább szükségünk volna rá.

A vizsgált területeken lévők közül
kevesen jöttek rá, hogyan tanulhatnak.

Úgy, hogy áthágták
és átalakították a szabályokat.

Az engedélyezett módszerek nem váltak be,
így átalakították, áthágták a szabályokat,

hogy valós tapasztalatra tegyenek szert.

Esetemben a rezidensek az orvosi képzésen
ismerkedtek meg a robotsebészettel,

mégpedig általános oktatásuk rovására.

Túlórák százait töltötték szimulátorokkal
és műtéti feljegyzésekkel,

miközben a műtőben
kellett volna tanulniuk.

Ami pedig talán a legfontosabb:
megtalálták a módját,

hogy korlátozott szakfelügyelet mellett is
tanuljanak a műtéti eljárás során.

Úgy hívom a jelenséget: "árnyéktanulás",
mert átalakítja a szabályokat,

és a diákok mintegy mellékesen teszik.

Senki nem foglalkozik vele,
mivel eredményes.

Ne feledjék, ők az éltanulók a csapatban.

Ez nyilvánvalóan nincs így rendben,
és nem lehet tartós megoldás.

Nem lenne szabad
állásuk kockáztatásával elsajátítaniuk

a munkájukhoz szükséges készségeket.

De tanulnunk kell ezektől az emberektől.

Komoly kockázatot vállaltak a tanulásért.

Tudták, hogy szükségük van a munkában
küzdelemre és kihívásra,

hogy így kényszerítsék magukat
teljesítőképességük határán

nehéz problémák megoldására.

Biztosították szakember jelenlétét is,

aki irányt mutathatott,
és megfékezhette a katasztrófát.

Tegyük a mesterséges intelligencia
alkalmazásának részévé

a küzdelemnek és a szakmai
támogatásnak e kombinációját.

Íme, egy terepen szerzett,
egyértelmű példa:

A robotok előtt a tűzszerész odament
a házilag készült robbanószerhez,

hogy hatástalanítsa.

Az újonc több tíz méter távolságban volt;

figyelni és segíteni csak akkor tudott,
ha a tűzszerész előrehívta őt,

mert biztonságosnak
ítélte a körülményeket.

Most egymás mellett ülnek
egy páncélozott járműben,

nézik a bejövő képeket.

Egy robotot irányítanak a távolban,
a tűzszerész hangosan irányít.

Az újoncok jobban teljesítenek,
mint a robotok előtt.

Ezt alkalmazni lehet a sebészetben,
a start-up cégeknél, a rendészetben,

a befektetési bankoknál,
az online oktatásban és más területeken.

A jó hír: ehhez új eszközök
állnak rendelkezésünkre.

Az internet és a felhőszolgáltatás miatt
nem kell minden újonc mellé egy szakember,

nem kell fizikálisan egymás közelében,
de még csak egy szervezetben sem lenniük.

Építhetünk olyan MI-t, amely segíthet
a küszködő tanoncokat oktatni,

és képzi a szakembereket oktatás közben,

továbbá intelligens megoldásokkal
összeköti e két csoportot.

Már most is vannak,
akik ilyen rendszerekben dolgoznak,

ám esetükben elsősorban
a szabályos képzésen van a hangsúly.

A nagyobb baj a munka közbeni
betanulásnál van.

Jobb megoldásra van szükségünk.

A ma problémái
több erőfeszítést igényelnek

olyan munkák megteremtésében, amelyek
úgy aknázzák ki az MI csodás lehetőségeit,

hogy közben képességeinket is fejlesztik.

Gyerekként effajta jövőről álmodoztam.

Most itt az idő, hogy valóra váltsuk.

Köszönöm.

(Taps)