211service.com
Hur AI förändrar kunskapsarbete: MIT:s Thomas Malone
Med hjälp av rätt AI-algoritmer kan organisationer utvecklas till superminds som är smartare än sina enskilda medlemmar.
24 januari 2019
Thomas Malone är professor i management vid MIT:s Sloan School of Management, grundare och chef för MIT Center for Collective Intelligence och författare till 2018 års bok Superminds: The Surprising Power of People and Computers Thinking Together . Boken utforskar de olika sätt som grupper av människor fattar beslut på och hur nya former av artificiell intelligens, särskilt maskininlärning, kan hjälpa. Malone förutspår att AI, robotik och automation kommer att förstöra många jobb – inklusive högkvalificerade kunskapsarbetare – samtidigt som nya skapas. Genom att investera i rätt sorts AI, säger han, kan organisationer hjälpa till att hålla arbetarna produktiva och glada – och se till att våra supersinne faktiskt är smartare än våra vanliga sinnen.
Det här avsnittet sponsras av Citrix, företaget som driver den digitala transformationen inom organisationer av alla storlekar. I den andra halvan av showen förklarar Citrixs globala tekniska chef Christian Reilly varför maskininlärning nu är en kraftmultiplikator som gör alla typer av konsument- och företagsapplikationer mer användbara.
Business Lab är värd av Elizabeth Bramson-Boudreau, VD och utgivare för MIT Technology Review. Showen är producerad av Wade Roush, med redaktionell hjälp av Mindy Blodgett. Musik av Merlean, från Epidemic Sound.
Visa anteckningar och länkar
MIT Center for Collective Intelligence
Superminds: The Surprising Power of People and Computers Thinking Together
Fullständig avskrift
Elizabeth Bramson-Boudreau: Från MIT Technology Review heter jag Elizabeth Bramson-Boudreau, och det här är Business Lab, programmet som hjälper företagsledare att förstå ny teknik som kommer ut från labbet och in på marknaden. Det här avsnittet presenteras av Citrix, företaget som driver den digitala transformationen inom organisationer av alla storlekar. Senare i showen kommer vi att höra från Citrix globala tekniska chef, Christian Reilly.
Men först ska vi prata med Tom Malone. Tom är en av de smartaste jag känner som studerar hur organisationer tänker och hur datorer och människor som arbetar tillsammans kan tänka mer intelligent.
Tom är professor i management vid M.I.T. Sloan School of Management. Tom är också grundare och chef för M.I.T. Centrum för kollektiv intelligens. Redan 1998 var han en av de första forskarna som upptäckte uppkomsten av e-lancing eller vad vi nu kallar Gig Economy. 2018 publicerade Tom en stor bok som heter Superminds som tittar på de olika sätten som människor fattar beslut tillsammans och hur nya former av artificiell intelligens, särskilt maskininlärning, kan hjälpa.
Här på Technology Review är vi särskilt intresserade av hur A.I. når in i kunskapsarbetets värld. Vi har täckt hur robotteknik och automatisering gör det svårare på vissa sätt för låglöneanställda, lågkvalificerade arbetare att hålla fast vid jobb. Men nu för tiden finns det också tecken på att A.I. kommer också att förändra sättet högre kvalificerade kunskapsarbetare gör sina jobb. Det betyder inte att vi alla kommer att bli överlistade av datorer. Men det betyder att vi måste tänka hårdare på hur organisationer kan anta rätt typer av A.I. att hålla arbetarna produktiva och glada och vad de kan göra för att se till att våra superhjärnor faktiskt är smartare än våra vanliga sinnen. Mitt möte med Tom Malone var en chans att prata om några detaljer. Så här är vår chatt.
Så det är underbart att se dig igen Tom.
Tom Malone: Härligt att vara här.
Elizabeth: Så vi kommer att prata om boken du har skrivit och om de idéer som du har fört fram i din bok. Det kallas Superminds och det hävdar att en grupp människor i någon mening kan vara medvetna och intelligens ibland faktiskt mer intelligent än någon av individerna i gruppen. Du hävdar också att datorer kan göra dessa superhjärnor ännu smartare.
Så först, kanske berätta för oss vad som fick dig att börja tänka i de banorna och var det ett ögonblick då du tänkte, Hej, det finns tillräckligt här för att jag kanske borde titta på en bok, och du vet i princip bara berätta för oss vad som förde dig till den platsen.
Tom: Det finns faktiskt ett mycket specifikt ögonblick 2005. Strax efter att min förra bok The Future of Work publicerades 2004, talade jag på en konferens i Palo Alto i Stanford och två av de andra talarna var Esther Dyson, den välkända datorn branschanalytiker och investerare, och Vernor Vinge, den välkände science fiction-författaren som bland annat hjälpte till att popularisera begreppet singularitet.
Så vi tre gick ut och åt middag efter att ha talat på konferensen den dagen. Och vi pratar om Vernors senaste bok som han just skulle avsluta vid den tiden, och pratade om saker som han var intresserad av, och Vernor pratade om vad han kallade övermänsklig intelligens, något som människor och datorer och sånt som den där. Och vi hade ett riktigt intressant samtal. Jag pratade om vad jag skulle göra och hade funderat på vad jag ville göra härnäst efter min förra bok. Och i slutet av den middagen hade jag en ovanlig känsla, vilket inte var att jag hade bestämt mig för vad jag skulle göra härnäst; känslan jag hade var att jag äntligen hade erkänt för mig själv vad jag skulle göra härnäst.
Och så vid den tiden kallade jag det superhuman computing eller superhuman intelligens. Senare tänkte jag att ett bättre ord för det var kollektiv intelligens. Och jag använde den termen ganska länge, inklusive fortfarande namnet på forskningscentret vid MIT som jag leder. Och sedan när jag skrev min bok, som var en slags sammanfattning av de senaste 10 eller 15 årens funderande kring detta ämne, insåg jag att på något sätt en ännu bättre term för den saken istället för kollektiv intelligens eller kollektivt intelligenta system, en bättre term för det var superminds.
Elizabeth: Vad var det du såg i världen vid den tiden som gjorde det ganska tydligt att det var dit du behövde gå.
Tom: Så i någon mening när jag skrev The Future of Work tänkte jag på att se mig omkring i världen och säga vad organisationer gör idag, och vilka är de logiska förlängningarna nästa steg de kan ta i den riktning de är redan på väg. Mer decentralisering var en av de saker jag nämnde eller betonade starkare i den boken. Och ur min synvinkel är en av de mycket trevliga sakerna med kollektiv intelligens som ett sätt att rama in allt detta att det inte säger något om vad som kommer härnäst. Det säger vad som är slutpunkten, och hur är vi på väg i den riktningen. Så i någon mening, även om folk inte brukar tänka på det här, i någon mening är anledningen till att ha en organisation i första hand så att någon grupp människor kan göra saker bättre tillsammans. Och ofta betyder det mer intelligent än de skulle kunna göra dem om de bara arbetade helt ensamma. Så i någon mening är slutpunkten perfekt kollektiv intelligens.
Och faktiskt i min bok talar jag om det som ett användbart sätt att tänka. Om du funderar på hur mitt företag skulle kunna vara smartare, är en användbar sak att tänka på vad vi skulle göra om vi var perfekt intelligenta. Om vi tog hänsyn till allt vettigt när vi fattade varje enskilt beslut. Naturligtvis i de flesta verkliga fall kan du inte börja göra det, eller åtminstone kan du inte göra det helt, men du kan börja göra det. Du kan tänka hur långt vi kan gå mot att bli perfekt intelligenta. Så i den meningen var det inte så mycket att titta runt på världen och säga att detta är nästa stora sak på grund av X. Det var att titta på världen och säga hur kan vi tänka på riktigt lång sikt här och sedan använda det som ett sätt att projicera nästa liten stund.
Elizabeth: Så boken Superminds var tydligt skriven med företagsledare, folk som lyssnar på detta, i åtanke som din publik. Så vad är de viktigaste sakerna du hoppas att de ska ta bort antingen från att läsa boken förhoppningsvis eller från den här diskussionen om boken?
Tom: Så enligt min åsikt är bokens viktigaste bidrag inte ett enda faktum eller en metod som du kan använda. Jag tror att det viktigaste bidraget, åtminstone hoppas jag det viktigaste bidraget, är ett nytt sätt att se på världen. Det är ett sätt att se på världen där du kan se superminds runt omkring dig, inte bara andra företag utan marknader och samhällen och demokratier och alla dessa typer av saker runt omkring oss hela tiden. I synnerhet som företagsledare tror jag att det betyder att du kan och bör tänka på din egen organisation som ett slags supermind. Det är en grej. Det är en enhet. Det är en intelligent enhet. Och då är en uppenbar fråga, hur kan jag göra min organisation smartare. Och så ger boken flera sätt att tänka kring det. Man tänker på de olika kognitiva processerna som varje supermind eller någon intelligent enhet behöver göra, som att tänka på vilken typ av beslut min organisation behöver fatta, mitt organisatoriska supermind. Vad måste den avgöra. Vad måste det kännas för om världen för att kunna fatta dessa beslut. Vad måste den komma ihåg om det förflutna för att fatta dessa beslut bra. Så var och en av dessa frågor leder dig till en massa andra möjligheter. Många som du kanske aldrig har tänkt på förut.
Elizabeth: När organisationer bestämmer sig för att de vill bli smartare genom att ta in mer datoranvändning eller mer A.I., vad ser du då som de enkla problemen för dem att tillämpa denna smarthet på, denna ytterligare smarthet på, och vilka är de svåra?
Tom: Ett slags lätt problem i en viss mening tror jag är den typ av problem man kan lösa med vad jag kallar hyperconnectivity. Vi har pratat mycket om AI i världen nyligen och även i den här intervjun hittills. Jag tror att en lika mycket om inte viktigare sak som datorer kan göra är att skapa hyperanslutning, att koppla människor till andra människor och ofta även till datorer, i skalor och på nya sätt som aldrig varit möjliga tidigare. Så vi har redan sett det här. Internet är kanske det bästa exemplet på en teknik för att skapa hyperanslutning och allt som är byggt på det. Sociala nätverk, Google-sökning, alla sådana saker. Och jag tror att ingen ny sorts dramatiskt svåra tekniska saker behöver hända för att vi ska kunna använda hyperconnectivity på många många nya sätt.
När vi går in på området för artificiell intelligens i motsats till hyperconnectivity så är de platser där AI kan hjälpa ofta de där du har tillräckligt med data som kan fångas in i maskinläsbar form för att lära ut och använda algoritmer för att göra saker som antingen människor gjorde förut eller kanske folk aldrig kunde göra förut. Så, till exempel, en funktion, affärsfunktion där detta ofta är ganska enkelt är i försäljningen. Det är lätt att mäta effekterna av försäljningen. Vissa människor säljer mer än andra och vi har dollarmått för det. Det är svårare att mäta ingångarna för försäljning men du kan också säkert räkna saker som hur många kundsamtal du ringer och hur ofta träffar du dem och sånt och om du gör det online, vad säger du . Så det finns mycket att lära sig, mycket som dagens maskininlärningssystem kan lära sig om saker om försäljningseffektivitet och så vidare. När det gäller försäljning är det svårare att generera de åtgärder som kan påverka resultaten. Så även om en dator kan räkna hur många gånger du ringer en säljprospekt, kan en dator inte lätt räkna ut vad du ska säga i början av mötet om din helg och dina barn.
Så det finns fortfarande ett behov av människor där, men datorer kan göra mycket av analysen för att hjälpa hela processen att bli mer effektiv i många fall. Jag antar att de svåraste delarna skulle vara där det är svårt att ens mäta in- och utdata. Så när du designar en ny mjukvaruprodukt eller en ny bil eller något är det inte självklart hur man ens ska mäta utdata eller ingångar.
Elizabeth: Hur tror du att företagsledare kan tänka på att investera i en AI eller maskininlärning, till att övergå från att se det som kostnadssänkande, så att ta bort arbetare eller göra de arbetare du har mer effektiva, och mer om att stärka kreativiteten, få arbetarna att känna mer självförverkligade och lyckligare, för att de ska behållas och därför mer produktiva, etc.?
Tom: Nej jag tycker det är en bra fråga. Frågan om hur vi kan flytta tyngdpunkten. Jag tror att svaret i en viss mening är bara genom att göra det. Med andra ord av olika anledningar, som jag inte är säker på att jag förstår, har vi det här stora fokuset på AI i synnerhet att det kommer att göra saker som folk brukade göra och sedan sätta människor utan arbete. Och när du försöker utveckla AI-applikationer eller tillämpa AI i företag, tänker många på det så. Det är typ av tankesättet vi tar till problemet. Men det krävs absolut inte av ekonomi. I själva verket finns det två sätt att tjäna mer pengar på. En är att minska dina kostnader. Det andra är att skapa mer värde och kunna sälja det för mer. Så jag tror att vi har varit alldeles för fokuserade på AI-tillämpningar för kostnadsbesparingar och inte alls tillräckligt fokuserade på AI-applikationer för värdeskapande. Faktum är att även ur ekonomisk synvinkel misstänker jag att det är där den verkliga möjligheten finns. Du kan bara tjäna så mycket pengar genom att minska kostnaderna, men det finns i någon mening ingen gräns för hur mycket pengar du kan tjäna om du kan göra något nytt som folk vill ha som inte ens kunde göras tidigare. Det är mycket mer spännande i många fall ekonomiskt.
Elizabeth: Jag tror att det som är intressant med det – jag tror att du har helt rätt. Och jag tror att när det gäller budgetering är det alltid väldigt tydligt vad kostnaden är, men det är alltid mycket svårare att ta reda på vad den potentiella fördelen kommer att vara, eftersom du inte vet, egentligen. Så jag tror att det förmodligen är därför, en del av det och jag tror att vi ofta begränsas av vår egen kreativitet i det avseendet.
Tom: I mina tankar är det nyckeln. Det är vår egen fantasi våra egna tänkesätt eller vår egen världsbild som är den verkliga gränsen här. Till viss del kanske vi har en möjlighet, kanske till och med en skyldighet att hjälpa världen att gå mot ett tänkesätt som är mer produktivt, mer öppet för dessa nya möjligheter. Men om du spenderar din tid på att tänka på hur du skapar AI-applikationer som skapar jobb, för att använda dem behöver du fler människor för att göra nya saker, du kommer att tänka på några av dem. Och jag tycker att vi borde lägga mycket mer av vår tid på det
Elizabeth: Jag föreställer mig att du skrev den här boken i en tid när valet 2016 pågick och kanske till och med under de första månaderna av Donald Trumps presidentskap. Och jag tror att det var en tid då vi precis började förstå hur vissa typer av superminds som Facebook kan ge resultat som kanske inte enhetligt förstås vara bra. Så är du lika optimistisk om supersinne som du var när du började skriva boken?
Tom: Så du har rätt i att jag skrev min bok under kampanjen och direkt efter valet 2016. Din fråga är om jag är mer optimistisk nu än eller mindre optimistisk nu än när jag skrev boken. Jag tror aldrig att jag trodde att superminds alltid gjorde bra saker. Världen och världens historia är full av supersinne, varav några är smarta och några är dumma, av vilka några är goda och några är onda. Nazityskland till exempel skulle vara ett exempel som många människor skulle välja som ett supersinne som var, åtminstone medan det existerade, på många sätt mycket intelligent. Det uppnådde mål mycket effektivt. Men många människor skulle säga att målen som den uppnådde var onda och sättet den gjorde dem på var onda.
Så jag tror inte det jag trodde aldrig och jag tror inte att superminds alltid är bra. När jag skrev boken försökte jag medvetet betona de positiva möjligheterna men jag trodde inte att de alltid skulle hända. Och intressant nog precis när boken kom ut i maj 2013 förändrades tidsandan i världen. Fram till ungefär den tiden var alla glada över hur bra Facebook och Google och alla dessa saker är. Och precis vid den tiden hände Facebook Cambridge Analytica-skandalen, och typ världen pratade helt plötsligt om alla negativa möjligheter. Så när jag pratar om boken nu gör jag en poäng av att betona i början att datorer kan göra supermind smartare men de kan också göra superminds dummare. Som när falska nyheter påverkar väljarna i en demokrati. Det är ofta ett exempel där datorerna gör demokratin dummare. Och vad jag verkligen tror att vi behöver göra är att tänka på hur man använder dessa tekniker klokt på sätt som har de bästa chanserna att skapa bra resultat. Om du vill göra det tycker jag ändå att det är väldigt användbart att prata om vilka goda möjligheter vi bör sträva efter.
Elizabeth: Tom, du har pratat om hur artificiell intelligens och maskininlärning i framtiden kan eliminera vissa gamla jobb men också kan skapa nya jobb. Vad händer i övergångstiden? Det kan vara en hel del personer som påverkas av den övergången. Hur ska vi förbereda oss på det? Och hur ska det hur kommer det att kännas och se ut när vi är i det?
Tom: En väldigt viktig fråga, för även om jag på sikt är väldigt optimistisk att det kommer att skapas tillräckligt många nya jobb för att ge arbete åt så många som vill arbeta, så tror jag att det finns en övergångsperiod som vi behöver oroa oss för. Och det är inte nödvändigtvis positivt för alla. Det kommer att finnas några individer vars gamla jobb försvinner och som av olika anledningar antingen inte kan eller vill göra de nya jobb som finns. Så det är värt att oroa sig lite för hur vi klarar det som samhälle. Och det finns flera möjligheter för hur man gör det. En är att använda teknik för att göra ett bättre jobb med att matcha så att matcha människorna till jobben. Om du måste göra det genom att knacka dörr är det mycket dyrare än om du bara lägger in ditt CV på LinkedIn eller vad som helst och det matchas automatiskt. Ett annat viktigare, förmodligen, sätt är att utbilda människor att göra de nya saker som behöver göras. En av de intressanta möjligheterna här är att använda teknikens möjligheter för att tillåta den utbildningen att ske på mycket mer flexibla sätt. Istället för att behöva gå och sitta i ett klassrum åtta timmar om dagen och lära sig något av en professor längst fram i rummet, är det nu, vilket är uppenbart för alla i princip, att det nu är möjligt för dig att göra mycket av den inlärningen när du sitter hemma eller sitter på din nuvarande arbetsplats på en rast eller vad som helst, tjänar online på alla möjliga sätt.
Jag tror att det till och med har möjligheter till nya typer av lärlingsutbildningar där du kan inte bara lära dig i en klass utan du kan delta i arbetet på ett sätt som är lite överflödigt med annat arbete som pågår. Så i många av de nya typerna av beslutsfattande som möjliggörs av denna teknik vill du ha mer än en persons åsikt. Inte bara en läkare som ställer en diagnos utan kanske fem personer ställer en diagnos. Och vissa av dessa människor behöver inte vara fullfjädrade, legitimerade läkare. Kanske kan de vara läkarstudenter. Eller på andra domäner vet du att om du försöker förutsäga om konkurrenten kommer att lansera en ny produkt i en viss kategori till ett visst datum, kanske du inte behöver ha världens bästa marknadsforskare som gör dessa förutsägelser. Kanske kan du ha MBA-studenter eller personer som skulle vilja bli MBA-studenter som gör dessa förutsägelser. Och om de gör ett bra jobb med att förutsäga så etablerar de sina egna meriter. Och även om de inte gör det lägger de fortfarande till fler datapunkter till medelvärdena så att det gör förutsägelserna och så har de bidragit med lite värde och lärt sig hur man gör det på vägen.
Elizabeth: Tom, jag vill tacka dig för att du tog dig tid med oss idag. Detta är fascinerande samtal. Det är alltid intressant att prata med dig om ditt senaste arbete. Och än en gång tack för att du är här och delar dina idéer med oss.
Tom: Tack. Det är ett nöje.
****
Elizabeth: Detta är det sista avsnittet av en tredelad miniserie om framtiden för kunskapsarbete producerad med sponsring från Citrix. Företaget använder molnserverteknik för att se till att kunskapsarbetare har tillgång till apparna och den data de behöver var de än befinner sig en viss dag. När du hanterar så många applikationer och så mycket data visar det sig att du kan använda AI på några intressanta sätt för att få det hela att passa ihop bättre, och till och med göra livet mer tillfredsställande och produktivt för dina kunskapsarbetare. Nyligen hade jag en chans att sitta ner och prata med Citrixs globala tekniska chef Christian Reilly, och jag började med att fråga honom vad Citrix gör för att bygga in mer intelligens i hur de levererar applikationer till arbetare.
Christian Reilly: Så jag tror att kärnan i det är förändringen i landskapet för själva applikationerna. Jag menar hur vi tänker om applikationer är väldigt annorlunda idag än för 20 25 år sedan och jag tror att en stor del av det är hur vi faktiskt har tänkt på vad applikationen försöker göra. Och med det menar jag att du vet att vi historiskt sett har haft massor av stora komplexa företagsapplikationer som har varit väldigt funktionsbaserade. Du vet att de tar en hel affärsfunktion och de tjänar allt detta, från t.ex. beställning till kontanter som ett bra exempel på en applikation som vanligtvis skulle ha gjort det i historisk mening. När vi såg tillkomsten av molntjänster, som vi såg tillkomsten av mobila enheter och mobila applikationer, har vi sett applikationer förändras till vad jag skulle säga är ett mer processspecifikt sätt. Så individuella applikationer blir mycket mindre och ger faktiskt en slags delmängd av affärsprocesser och en delmängd av affärsresultat. Så naturligtvis finns de stora applikationerna fortfarande men de mindre blir mycket mer populära på det sätt som vi interagerar. Så om du sätter ihop det och tänker på traditionella applikationer som har varit komplexa, har de varit svåra att använda. Det har funnits många olika versioner av dem av många olika anledningar. Och vi har det här inflödet av de mindre, lättare och smidigare applikationerna. Jag tror att det vi faktiskt har kommit fram till är att det finns en intressant sammanställning mellan produktivitet och utmaningen med dessa befintliga applikationer och de smarta människorna har verkligen börjat tänka på maskininlärning på sätt som verkligen utmanar det sätt som vi får jobbet gjort.
Så ur ett mycket enkelt perspektiv skulle jag ge ett exempel där vi kanske är en organisation som anställer 20 000 personer. Och vi har ett system som låter människor begära ledigt. Så historiskt sett har vi varit tvungna att gå in i ansökan, begära ledighet, och sedan skulle någon annan behöva godkänna den. Men nu med maskininlärning kan vi faktiskt förstå hej du vet att du går in i den här applikationen varje onsdag för att kontrollera din ledighet i ditt team. Tänk om vi kunde förstå det och tänk om vi bara kunde ge dig en enkel mekanism för att säga hej du vet, istället för att du gör det här varje onsdag, ska jag titta på hur du använder den affärsprocessen och jag kommer att lära av det och jag kommer att ge dig ett annat sätt att göra detta som i slutändan har ett bättre resultat för dig eftersom det går snabbare. Det ändrar inte din uppmärksamhet från vad du gjorde. Och jag kan faktiskt förstå vad det är du tänker göra. Och min maskininlärning, eller i det här fallet, en syn på artificiell intelligens, skulle faktiskt förstå vad du gör i systemet och ge dig ett annat sätt att arbeta.
Elizabeth: Så vad jag tror att det du beskriver, Christian, är denna idé att AI och maskininlärning kanske inte bara har intelligens för att göra bra analyser av saker som pågår inom plattformen, utan också spelar en roll i hur applikationerna och operativsystem är designade i första hand.
Christian: Ja absolut. Jag menar, jag tror att det som verkligen är intressant, en enorm trend som vi ser, är, och du vet, jag kanske borde gå tillbaka lite och prata om att du känner till de första åren av artificiell intelligens, AI. Det är inget nytt koncept. Det har funnits sedan 1950-talet. Men det som verkligen är intressant och jag tror är att vara kraftmultiplikatorn, är det faktum att vi nu kan utnyttja maskininlärningsmodeller och möjligheter som molntjänster själva. Så inträdesbarriären för att implementera maskininlärning blir faktiskt lägre och lägre. Bokstavligen vecka efter vecka månad efter månad. Så det som är intressant ur det perspektivet är att inte bara nya applikationer som utvecklas som har inneboende artificiell intelligens och maskininlärningsförmåga utan traditionella applikationer som vi faktiskt kan bygga om samma koncept till, och i slutändan skapa större affärsnytta, större affärsresultat. Så jag tror absolut, på det sätt som vi designar applikationer nu, kommer allt att ha artificiell intelligens inbyggd. Oavsett om det är en smart TV eller en hemenhet, en ny bärbar dator, en ny telefon, kommer alla att ha någon form av maskininlärning eller AI-förmåga. Men det som verkligen är intressant är att det nu finns uppsättningar av molntjänster för att ta riktigt komplexa problem och göra dem relativt enkla. Så den övergripande kapacitetsuppsättningen som vi har är mycket större, och tillämpligheten av dessa kapaciteter är mycket bredare. Och jag tror att det blir riktigt intressant av hur vi kan skapa verkliga affärsfördelar, inte bara för nya tillämpningar utan i traditionell verksamhet.
Elizabeth: Det finns en berättelse där ute som de flesta av oss hör, om hur AI och maskininlärning kommer att gå långt mot kostnadsbesparingar. Så, avskeda arbetare, styra människor att arbeta mer effektivt. Vad är berättelsen som illustrerar detta koncept att AI och maskininlärning faktiskt är positivt och gör det sätt som vi arbetar på i framtiden till en roligare och utvecklande upplevelse?
Christian: Tja, jag tror att vi kollektivt har oroat oss för slutet på arbetet med automatisering i århundraden. Det finns faktiskt ett berömt exempel i Storbritannien på drottning Elizabeth I som vägrade patent på en automatisk stickmaskin eftersom hon var orolig över effekterna av automatisering på damerna vid den tiden som stickade för att leva. Och i slutändan var hon ganska villig att inte underhålla patentet men kunde inte stoppa automatiseringen och många organisationer skaffade dessa stickmaskiner och sedan växte antalet stickjobb exponentiellt över en tidsperiod. Så det har varit ganska intressant att följa. Det finns ett antal andra liknande exempel. Och jag tror att vi är vid samma sorts tillfälle nu när vi pratar om hoten från AI. Visst finns det ett hot tror jag för vissa jobb. Titta på traditionella jobb som kanske gillar callcenter eller kontaktcenter som relativt enkelt kan utökas med en del av maskininlärningens artificiella intelligens.
Så jag tror att det definitivt kommer att finnas en punkt där vissa jobb går förlorade till automatisering, till maskininlärning. Men jag tror att sättet att se på det egentligen är, hur kan vi faktiskt tillämpa detta på ett moraliskt korrekt sätt som gör det möjligt för oss att eliminera några av de riktigt mödosamma uppgifter som människor gör, oavsett om det är ett läkarbesök eller om du till och med känner till ett frisörbesök, eller godkänna en tidrapport. Dessa är inte mervärdessaker för oss som människor. Så jag tror att ju mer vi faktiskt kan tillämpa maskininlärning kan vi använda digitala assistenter och virtuella assistenter för att faktiskt hantera de saker som är repetitiva och som inte tillför ett stort värde. Jag tror att vi faktiskt kan frigöra tid, vi kan frigöra hjärnkraft, vi kan frigöra resurser för människor att vara mer kreativa, så istället för att vara oroliga över teorin mellan artificiell allmän intelligens och robotarna som kommer att ta över världen, låt oss fokusera på den artificiella smala intelligensen, de saker som vi ser varje dag när vi använder Siri, eller vi använder Cortana, eller vi använder Google Assistant, eller så har vi en rekommendation från Amazon, eller så ser vi att mer och mer av denna teknik byggs in i linje av affärsapplikationer som verkligen tär på de arbetsintensiva mödosamma och repetitiva uppgifterna. Jag tror att vi fokuserar på det. Vi frigör lite intellektuellt kapital för människor att bli mer kreativa, för att komma bort från vardagens slit. Det är där jag tror att vi kan tillföra mest värde och vi kanske inte borde vara lika oroliga över att robotarna kommer att ta över vår värld, för hej enligt min åsikt kommer det förmodligen aldrig att hända.
Elizabeth: Bra. Det är en lättnad. Christian, tack. Det här har varit underbart. Det har varit underbart att höra från dig om dessa frågor och att lära dig mer om Citrix.
Christian: Tack.
Elizabeth: Det var allt för det här avsnittet av Business Lab. Jag är din värd, Elizabeth Bramson-Boudreau. Jag är VD och utgivare för MIT Technology Review. Vi grundades 1899 vid Massachusetts Institute of Technology. Du kan hitta oss i tryckt form, på webben, vid dussintals liveevenemang varje år och nu i ljudform. För mer information om oss, vänligen kolla in vår hemsida på technologyreview.com.
Den här showen är tillgänglig var du än får dina poddar. Om du gillade det här avsnittet hoppas vi att du tar dig tid att betygsätta och recensera oss på Apple Podcasts. Business Lab är en produktion av MIT Technology Review. Producenten för det här avsnittet är Wade Roush med redaktionell hjälp från Mindy Blodgett. Tack till vår sponsor Citrix, företaget som skapar människor centrerade lösningar för ett bättre sätt att arbeta. Tack för att du lyssnar. Vi kommer snart tillbaka med vårt nästa avsnitt.