方格精選
你準備好跟AI機器成為同事了嗎？／Bastiane Huang
人工智慧賦予機器更多自主判斷能力，也造成人和機器互動關係的巨大變化，我們該如何面對人機共事的新時代？有一天，我們或許要聽從AI演算法的指示來完成人力工作；其實，這看似科幻小說的場景，已經是正在發生的進行式。
Bastiane Huang
Bastiane Huang目前在舊金山的AI/Robotics新創公司擔任產品經理，擁有近10年產品行銷及市場開發管理經驗；曾在美國《機器人商業評論》及《哈佛商業評論》發表文章及個案研究。如果你也對Robotics 2.0（AI-Enabled Robotics）、產品管理、Future of Work有興趣，歡迎追蹤她的最新訊息。
機器彷彿是我們最忠實的員工，一年365天從不抱怨；只要按下一個按鍵，工作就會自動完成。但你是否曾經想過：
有一天，你可能會為機器工作？
想像有一天，我們聽從AI演算法或機器的指示，來完成人力工作；而這看似科幻小說的場景，其實已經在世界上的許多角落開始發生了。
場景1 ： 用演算法管理員工
越來越多的公司開始使用演算法來管理員工（Algorithmic Management）。像是Uber或Lyft這樣的分享經濟公司，已經率先開發出許多自動工具，來管理遠端工作人員；包括使用者評分系統，以及自動向駕駛提醒或建議下一步動作的系統等等。
在物流業中，UPS和Amazon等公司正在使用自動化系統來追蹤員工、並且優化貨物處理量；這些演算法收集工作人原的資料，並做出（半）自動化的決策來提供即時激勵，以達到更高的產出。
有一些新創公司，也開始提供監視員工、或是管理駕駛行為的AI解決方案。與人工監督相比，這些自動化技術更容易擴展到更多運營據點，因此也被越來越多的公司採用。
場景2：為AI演算法工作的藍領勞工
之前我談到過機器學習（ML）主要有三種類型，包括：
- 監督學習（Supervised Learning）；
- 無監督學習（Unsupervised Learning）；
- 強化學習（Reinforcement Learning)。
直到今天，仍有超過90%使用中的ML演算法是以「監督學習」為基礎。
換句話說，多數AI演算法需要從標記好的訓練資料中學習。為了提供標記過的訓練資料，有一個高成長的行業應運而生：由人工標記影像或聲音資料，以便機器能夠消化和學習。
「Scale AI」是眾多與標籤工作者合作，對資料進行分類，以用於訓練AI模型的新創公司之一；該公司成立僅有三年，卻在最近融資獲得高達1億美元的資金。
場景3： 遠端控制和模仿學習
在使用大量資料進行訓練時，深度學習的效果優於傳統機器學習；然而，獲取高品質的訓練資料通常很困難、而且成本相當高昂。
解決資料效率問題的方法之一，是使用模仿學習（Imitation Learning），也就是「讓機器從專家的示範中學習」。
FortressIQ是應用模仿學習技術，為顧客自動化公司流程的美國新創企業之一；他們的系統可以分析人類和軟體的互動，以便之後將這些流程自動化。
另一方面，美國新創公司Cobalt提供利用機器學習來執行巡邏工作的保全機器人（上圖）。這種機器人可以識別異常情況，也能讓工作人員遠端監控、並在必要時接管控制權。
AI讓機器變得越來越聰明，不再需要人類的一個口令一個動作；在某些領域中，甚至能夠自動下指令給人類，而這些新型態的人機互動，正在真實上演之中。
但是，我們也開始看到這些新形態人機互動所帶來的副作用：
演算法缺乏透明度和同理心
研究者Lior Zalmanson和Robert W. Gregory在最近的一項研究中發現，Uber出租車司機都認為，演算法非常瞭解他們，但他們對演算法的原理和決策依據卻知之甚少。
此外，司機們也感覺到演算法的決策有些不人性的地方；他們質疑這個系統的公平性，尤其在他們沒有得到明確解釋、卻遭到處罰的情況下特別明顯。
有許多其他勞工也覺得自己被演算法監視。他們不知道這些監控資料會用在什麼地方，也不知道工作分配、評分或報酬是否公平；如果不公平，他們也不知道有沒有什麼途徑可以提出抱怨。
「缺乏透明度」一直是AI的主要問題之一。用這些自動化工具來管理員工，或許確實更有效率及擴充性；但生產力不應該是唯一的目標，必須也考慮到資訊的透明、以及對員工的同理心。
人與機器的角色責任分配不明確
以保全機器人為例，在機器人無法處理的情況下，人類的介入可能會有關鍵作用；但隨著機器人變得越來越聰明，機器可能會得出與人類不同的結論。
人類永遠能夠做出比機器人更好的決定嗎？誰有最終決定權？
另一個備受關注的例子：無人駕駛車。誰應該在自主的無人車中做決定？是車子本身、備用安全駕駛員、遠端監控的工作人員、還是乘客本身？
在什麼情況下、什麼時候介入？如果你只有一瞬間的反應時間，答案會有所不同嗎？誰應該對任何後果負責？科技公司？安全駕駛？還是設計演算法的工程師？
結語
在可預見的將來，我們仍然需要標記資料，讓機器變得更加自主。我們需要調整自己，與時俱進，我們需要學習與AI機器一起共存的最佳方式。我們準備好迎接如此劇烈的社會變革了嗎？我們可以做些什麼來創造我們想要的未來？
在下一篇文章中，筆者對這一點將會進行更多討論。
參考閱讀
為什麼會看到廣告
留言0
查看全部
你可能也想看
Google News 追蹤
嘿，大家新年快樂~ 新年大家都在做什麼呢？
跨年夜的我趕工製作某個外包設計案，在工作告一段落時趕上倒數。
然後和兩個小孩過了一個忙亂的元旦。在深夜時刻，看到朋友傳來的解籤網站，興致勃勃熬夜體驗了一下，覺得非常好玩，或許有人玩過了，但還是想寫上來分享紀錄一下~
刺青前 1 3 件事 做到不吃虧!
不管是第一次準備要去刺青的小萌新，還是刺青經驗豐富的人都可以先看看這篇喔!
AI的世界充滿了創新和潛力，涵蓋了許多領域，包括但不限於機器學習，自然語言處理、電腦視覺和機器人技術。AI對人類社會的影響是複雜而多層面的，既帶來了巨大的機遇，也提出了新的挑戰。社會需要在技術發展和倫理規範之間找到平衡，確保AI技術的應用能夠真正造福人類。
人工智慧正在改變我們的生活和工作方式。這篇文章介紹了一個由人類和AI助手組成的創作團隊，他們致力於通過人機協作模式激發更多原創思想，並探索人機協作的潛力。文章介紹了團隊成員以及他們的目標和期望。
長達兩個月的暑假又要來臨，你想好要如何運用這個難得的空閒時刻好好的大玩一場了嗎？如果還未有太多想法的朋友們，不妨來看看今天的暑假北海道旅遊團分享。這條日本跟團路線不僅安排了經典的小樽必訪景點，在餐食上更準備了多餐吃到飽並入住北海道知名飯店。還有更多關於這系列北海道旅遊團未解鎖的好康，就上AsiaYo
讓你的大腦像火箭一樣起飛！在我們的課程中，你將發現圍棋的魔法，從掌握基本知識到制定複雜策略。
我們的老師將用有趣的教學方法來啟發你的創造力和決策能力。
快來加入我們的團隊，一起在圍棋的世界中尋找冒險和樂趣吧！
生成式AI對話機器人產業市場預計在2030年達到36.2億美元。目前醫療保健、製造業、零售業與金融相關組織是採用生成式AI對話機器人的領先產業。文章介紹利用AI對話機器人(GeniAltX)能幫助個人及企業提升效率的情境與案例。企業正利用AI打造對話機器人，成為客戶服務或企業內部助理的關鍵角色。
通用型AI還沒那麼快出現
所以說人類的工作要全面被取代 目前不會發生
但如果是"部分"的專精工作 可以被模組化 高重複性 可被預測
與其說取代人類工作 不如說 AI可以替代部分"流程"
如果有專屬於法律條文聊天機器人 或是 專屬於公司內部規章的聊天機器人
遇到問題 或是不確定的流程 直接詢
厭倦了每日擁擠的捷運通勤，無止盡的電子郵件、無意義的會議以及了無新意的報告，看著辦公桌，以前熱愛的音樂工作照上，充滿笑容的自己，心想自己是不是可以回到音樂圈，做一個自由接案工作者？
行銷人下指令，AI生成自動執行
文／詹致中 圖／GoSky提供
2022年底ChapGPT橫空出世，身處海嘯第一排SaaS企業感受革命襲來。即便進入2024年，技術更迭仍未停歇。各家企業不斷思索，該如何搶上噴發的AI火箭，而不被甩下遭市場淘汰。台灣募資累積近億元、專注Social CRM（
嘿，大家新年快樂~ 新年大家都在做什麼呢？
跨年夜的我趕工製作某個外包設計案，在工作告一段落時趕上倒數。
然後和兩個小孩過了一個忙亂的元旦。在深夜時刻，看到朋友傳來的解籤網站，興致勃勃熬夜體驗了一下，覺得非常好玩，或許有人玩過了，但還是想寫上來分享紀錄一下~
刺青前 1 3 件事 做到不吃虧!
不管是第一次準備要去刺青的小萌新，還是刺青經驗豐富的人都可以先看看這篇喔!
AI的世界充滿了創新和潛力，涵蓋了許多領域，包括但不限於機器學習，自然語言處理、電腦視覺和機器人技術。AI對人類社會的影響是複雜而多層面的，既帶來了巨大的機遇，也提出了新的挑戰。社會需要在技術發展和倫理規範之間找到平衡，確保AI技術的應用能夠真正造福人類。
人工智慧正在改變我們的生活和工作方式。這篇文章介紹了一個由人類和AI助手組成的創作團隊，他們致力於通過人機協作模式激發更多原創思想，並探索人機協作的潛力。文章介紹了團隊成員以及他們的目標和期望。
長達兩個月的暑假又要來臨，你想好要如何運用這個難得的空閒時刻好好的大玩一場了嗎？如果還未有太多想法的朋友們，不妨來看看今天的暑假北海道旅遊團分享。這條日本跟團路線不僅安排了經典的小樽必訪景點，在餐食上更準備了多餐吃到飽並入住北海道知名飯店。還有更多關於這系列北海道旅遊團未解鎖的好康，就上AsiaYo
讓你的大腦像火箭一樣起飛！在我們的課程中，你將發現圍棋的魔法，從掌握基本知識到制定複雜策略。
我們的老師將用有趣的教學方法來啟發你的創造力和決策能力。
快來加入我們的團隊，一起在圍棋的世界中尋找冒險和樂趣吧！
生成式AI對話機器人產業市場預計在2030年達到36.2億美元。目前醫療保健、製造業、零售業與金融相關組織是採用生成式AI對話機器人的領先產業。文章介紹利用AI對話機器人(GeniAltX)能幫助個人及企業提升效率的情境與案例。企業正利用AI打造對話機器人，成為客戶服務或企業內部助理的關鍵角色。
通用型AI還沒那麼快出現
所以說人類的工作要全面被取代 目前不會發生
但如果是"部分"的專精工作 可以被模組化 高重複性 可被預測
與其說取代人類工作 不如說 AI可以替代部分"流程"
如果有專屬於法律條文聊天機器人 或是 專屬於公司內部規章的聊天機器人
遇到問題 或是不確定的流程 直接詢
厭倦了每日擁擠的捷運通勤，無止盡的電子郵件、無意義的會議以及了無新意的報告，看著辦公桌，以前熱愛的音樂工作照上，充滿笑容的自己，心想自己是不是可以回到音樂圈，做一個自由接案工作者？
行銷人下指令，AI生成自動執行
文／詹致中 圖／GoSky提供
2022年底ChapGPT橫空出世，身處海嘯第一排SaaS企業感受革命襲來。即便進入2024年，技術更迭仍未停歇。各家企業不斷思索，該如何搶上噴發的AI火箭，而不被甩下遭市場淘汰。台灣募資累積近億元、專注Social CRM（