Автор Трэвис Аддэйр, старший инженер-программист Uber. Первоначально опубликовано на Quora.

Спросите кого-нибудь из технических специалистов, чем они занимаются каждый день. Если они могут дать вам пошаговое объяснение своей работы без нематериальных активов или других двусмысленностей, которые нельзя точно указать, то вполне вероятно, что когда-нибудь в не столь отдаленном будущем какой-то предприниматель найдет способ автоматизировать ее. .

В целом рабочие места, основанные на решении проблем, творчестве, исследованиях, дизайне и навыках межличностного общения, с меньшей вероятностью будут автоматизированы, чем работы с четко определенными шагами, которые необходимо выполнять каждый день.

Вот несколько примеров, которые приходят на ум в сфере технологий:

  • Инженер-программист (решение проблем, творчество, дизайн)
  • Менеджер по продукту (навыки межличностного общения, дизайн)
  • Ученый-исследователь (исследования, творчество)
  • Технический менеджер (навыки межличностного общения)
  • Продуктовый дизайнер (дизайн, творчество)

А теперь обязательная оговорка для паникеров по сингулярности.

30 лет - это большой срок. 30 лет назад я даже не родился, так что практически невозможно экстраполировать время дольше, чем я жив. Возможно, произойдет какой-то технологический прорыв, который сделает все рабочие места устаревшими. Может быть, машинное обучение станет настолько креативным, настолько хорошо решающим все наши проблемы, что нам больше не понадобятся квалифицированные технические специалисты. Может быть. Возможно. Может быть.

Дело в том, что люди склонны совершать ошибку, полагая, что, поскольку сегодня машинное обучение становится все лучше и лучше при решении определенных типов проблем, которые люди умеют решать, это только вопрос времени, когда оно станет более «умные» (что бы это ни значило), чем люди в целом. Это заблуждение.

Машинное обучение хорошо умеет находить закономерности и корреляции в данных и воздействовать на них для составления прогнозов. Нет критического мышления, логики или рассуждений. Итак, пока эти дыры не будут заполнены подходящим новым научным прорывом, мы говорим, что машинное обучение не годится для сложных задач, таких как решение проблем или дизайн в целом.

Автор Трэвис Аддэйр, старший инженер-программист Uber. Первоначально опубликовано на Quora.

Чтобы узнать больше об актуальных технических ответах от Quora, посетите HackerNoon.com/quora.