ਜਿਵੇਂ ਕਿ ਸਾਰੇ ਉਦਯੋਗਾਂ ਦੇ ਪੇਸ਼ੇਵਰ ਨਕਲੀ ਖੁਫੀਆ ਸਾਧਨਾਂ ਨੂੰ ਅਪਣਾਉਣ ਦੀ ਦੌੜ ਵਿੱਚ ਹਨ, ਇੱਕ ਪਰੇਸ਼ਾਨ ਕਰਨ ਵਾਲਾ ਸਵਾਲ ਕਿਆਸ ਅਰਾਈਆਂ ਤੋਂ ਮਾਪੇ ਸਬੂਤ ਦੇ ਖੇਤਰ ਵਿੱਚ ਜਾ ਰਿਹਾ ਹੈ: ਕੀ ਅਸੀਂ ਉਹਨਾਂ ਹੁਨਰਾਂ ਨੂੰ ਗੁਆ ਰਹੇ ਹਾਂ ਜੋ ਇਹ ਸਾਧਨ ਸਹਾਇਤਾ ਲਈ ਸਨ?
ਨੇਚਰ ਵਿੱਚ ਪ੍ਰਕਾਸ਼ਿਤ ਇੱਕ ਰਿਪੋਰਟ ਵਿੱਚ ਪਾਇਆ ਗਿਆ ਹੈ ਕਿ ਸ਼ੁਰੂਆਤੀ ਨਤੀਜੇ ਆ ਰਹੇ ਹਨ — ਅਤੇ ਉਹ ਉਤਸ਼ਾਹਜਨਕ ਨਹੀਂ ਹਨ। AI-ਸੰਚਾਲਿਤ ਪ੍ਰਣਾਲੀਆਂ 'ਤੇ ਨਿਰਭਰਤਾ ਡਾਕਟਰਾਂ, ਸੌਫਟਵੇਅਰ ਇੰਜੀਨੀਅਰਾਂ ਅਤੇ ਹੋਰ ਹੁਨਰਮੰਦ ਕਾਮਿਆਂ ਦੀਆਂ ਯੋਗਤਾਵਾਂ ਨੂੰ ਖਤਮ ਕਰਨਾ ਸ਼ੁਰੂ ਕਰ ਰਹੀ ਹੈ, ਜਿਸ ਨਾਲ ਆਟੋਮੇਸ਼ਨ ਦੇ ਯੁੱਗ ਵਿੱਚ ਮਨੁੱਖੀ ਮੁਹਾਰਤ ਨੂੰ ਕਿਵੇਂ ਸੁਰੱਖਿਅਤ ਰੱਖਿਆ ਜਾਵੇ ਇਸ ਬਾਰੇ ਜ਼ਰੂਰੀ ਸਵਾਲ ਖੜ੍ਹੇ ਹੁੰਦੇ ਹਨ। For more context on this story, see our ongoing latest AI developments.ਡਾਕਟਰ AI ਤੋਂ ਬਿਨਾਂ ਹੋਰ ਵੀ ਮਾੜੇ ਪ੍ਰਦਰਸ਼ਨ ਕਰਦੇ ਹਨ
ਸਭ ਤੋਂ ਸਪੱਸ਼ਟ ਉਦਾਹਰਣਾਂ ਵਿੱਚੋਂ ਇੱਕ ਦਵਾਈ ਤੋਂ ਮਿਲਦੀ ਹੈ. ਐਂਡੋਸਕੋਪੀ ਵਿੱਚ ਮਾਹਰ ਪੋਲਿਸ਼ ਡਾਕਟਰਾਂ ਦੇ ਇੱਕ ਅਧਿਐਨ ਨੇ ਜਾਂਚ ਕੀਤੀ ਕਿ ਕੀ ਹੁੰਦਾ ਹੈ ਜਦੋਂ ਤਜਰਬੇਕਾਰ ਡਾਕਟਰ ਇੱਕ AI ਸਹਾਇਕ ਦੇ ਆਦੀ ਹੋ ਜਾਂਦੇ ਹਨ ਅਤੇ ਫਿਰ ਇਸ ਤੱਕ ਪਹੁੰਚ ਗੁਆ ਦਿੰਦੇ ਹਨ।
ਡਾਕਟਰਾਂ, ਜਿਨ੍ਹਾਂ ਸਾਰਿਆਂ ਨੇ ਆਪਣੇ ਕਰੀਅਰ ਦੌਰਾਨ ਘੱਟੋ-ਘੱਟ 2,000 ਕੋਲੋਨੋਸਕੋਪੀਜ਼ ਕੀਤੀਆਂ ਸਨ, ਨੂੰ ਇੱਕ AI ਸਿਸਟਮ ਦਿੱਤਾ ਗਿਆ ਸੀ ਜੋ ਅਸਲ ਸਮੇਂ ਵਿੱਚ ਕੋਲੋਨੋਸਕੋਪੀ ਚਿੱਤਰਾਂ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਦਾ ਹੈ ਅਤੇ ਇੱਕ ਕਿਸਮ ਦੇ ਪੂਰਵ-ਅੰਦਰੂਨੀ ਜਖਮ ਨੂੰ ਫਲੈਗ ਕਰਦਾ ਹੈ ਜਿਸਨੂੰ ਐਡੀਨੋਮਾ ਕਿਹਾ ਜਾਂਦਾ ਹੈ। ਇਹ ਟੂਲ ਕੁਝ ਦਿਨਾਂ 'ਤੇ ਉਪਲਬਧ ਸੀ ਪਰ ਦੂਜਿਆਂ 'ਤੇ ਨਹੀਂ, ਇੱਕ ਕੁਦਰਤੀ ਪ੍ਰਯੋਗ ਬਣਾਉਣਾ.
ਨਤੀਜੇ ਤਿੱਖੇ ਸਨ। ਏਆਈ ਟੂਲ ਦੀ ਸ਼ੁਰੂਆਤ ਤੋਂ ਤਿੰਨ ਮਹੀਨਿਆਂ ਦੀ ਮਿਆਦ ਦੇ ਦੌਰਾਨ, ਮਾਹਿਰਾਂ ਨੇ ਕੋਲੋਨੋਸਕੋਪੀਜ਼ ਦੇ 28.4 ਪ੍ਰਤੀਸ਼ਤ ਦੇ ਦੌਰਾਨ ਘੱਟੋ ਘੱਟ ਇੱਕ ਐਡੀਨੋਮਾ ਪਾਇਆ. ਟੂਲ ਦੇ ਪੇਸ਼ ਕੀਤੇ ਜਾਣ ਤੋਂ ਬਾਅਦ, AI ਸਹਾਇਤਾ ਦੇ ਬਿਨਾਂ ਕੀਤੇ ਕੋਲੋਨੋਸਕੋਪੀਜ਼ ਲਈ ਐਡੀਨੋਮਾ ਖੋਜ ਦੀ ਦਰ ਘਟ ਕੇ 22.4 ਪ੍ਰਤੀਸ਼ਤ ਰਹਿ ਗਈ।
ਦੂਜੇ ਸ਼ਬਦਾਂ ਵਿੱਚ, ਇੱਕ ਵਾਰ ਜਦੋਂ ਡਾਕਟਰਾਂ ਨੇ ਏਆਈ ਸਿਸਟਮ 'ਤੇ ਭਰੋਸਾ ਕਰਨਾ ਸ਼ੁਰੂ ਕਰ ਦਿੱਤਾ, ਤਾਂ ਉਹਨਾਂ ਦੀ ਆਪਣੀ ਡਾਇਗਨੌਸਟਿਕ ਕਾਰਗੁਜ਼ਾਰੀ ਵਿੱਚ ਗਿਰਾਵਟ ਆਈ ਜਦੋਂ ਇਹ ਉਪਲਬਧ ਨਹੀਂ ਸੀ। ਖੋਜਾਂ ਨੂੰ ਪਿਛਲੇ ਅਕਤੂਬਰ ਵਿੱਚ ਦਿ ਲੈਂਸੇਟ ਗੈਸਟ੍ਰੋਐਂਟਰੋਲੋਜੀ ਐਂਡ ਹੈਪੇਟੋਲੋਜੀ ਵਿੱਚ ਪ੍ਰਕਾਸ਼ਿਤ ਕੀਤਾ ਗਿਆ ਸੀ।
ਅਧਿਐਨ ਦੇ ਲੇਖਕਾਂ ਨੇ ਸਿੱਟਾ ਕੱਢਿਆ ਕਿ ਅਜਿਹੇ ਸਾਧਨਾਂ ਦੇ ਲਗਾਤਾਰ ਸੰਪਰਕ ਵਿੱਚ ਡਾਕਟਰੀ ਕਰਮਚਾਰੀਆਂ ਨੂੰ "AI ਸਹਾਇਤਾ ਤੋਂ ਬਿਨਾਂ ਬੋਧਾਤਮਕ ਫੈਸਲੇ ਲੈਣ ਵੇਲੇ ਘੱਟ ਪ੍ਰੇਰਿਤ, ਘੱਟ ਧਿਆਨ ਕੇਂਦਰਿਤ ਅਤੇ ਘੱਟ ਜ਼ਿੰਮੇਵਾਰ" ਬਣ ਸਕਦਾ ਹੈ।
ਇੱਕ ਸਰਵੇਖਣ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ ਚਿੰਤਾ ਵਿਆਪਕ ਹੈ
ਹੁਨਰ ਦੇ ਨੁਕਸਾਨ ਦਾ ਡਰ ਕੁਝ ਅਧਿਐਨਾਂ ਤੱਕ ਸੀਮਤ ਨਹੀਂ ਹੈ. ਜੂਨ ਦੇ ਸ਼ੁਰੂ ਵਿੱਚ ਪ੍ਰਕਾਸ਼ਿਤ ਯੂਐਸ ਹੈਲਥ-ਕੇਅਰ ਵਰਕਰਾਂ ਦੇ ਇੱਕ ਸਰਵੇਖਣ ਵਿੱਚ ਪਾਇਆ ਗਿਆ ਕਿ 70 ਪ੍ਰਤੀਸ਼ਤ ਨਰਸਾਂ ਅਤੇ 77 ਪ੍ਰਤੀਸ਼ਤ ਡਾਕਟਰ AI ਪ੍ਰਣਾਲੀਆਂ 'ਤੇ ਜ਼ਿਆਦਾ ਨਿਰਭਰਤਾ ਦੇ ਕਾਰਨ ਆਪਣੇ ਹੁਨਰ ਨੂੰ ਗੁਆਉਣ ਬਾਰੇ ਚਿੰਤਤ ਹਨ।
ਇਹ ਚਿੰਤਾ ਉਭਰ ਰਹੇ ਅੰਕੜਿਆਂ ਦੁਆਰਾ ਜਾਇਜ਼ ਜਾਪਦੀ ਹੈ. ਜਿਵੇਂ ਕਿ ਵਧੇਰੇ ਪੇਸ਼ੇਵਰ AI ਨੂੰ ਆਪਣੇ ਰੋਜ਼ਾਨਾ ਵਰਕਫਲੋ ਵਿੱਚ ਏਕੀਕ੍ਰਿਤ ਕਰਦੇ ਹਨ, ਉਹ ਤਕਨਾਲੋਜੀ ਨਾਲ ਕੀ ਕਰ ਸਕਦੇ ਹਨ ਅਤੇ ਇਸ ਤੋਂ ਬਿਨਾਂ ਉਹ ਕੀ ਕਰ ਸਕਦੇ ਹਨ ਵਿਚਕਾਰ ਪਾੜਾ ਵਧਦਾ ਜਾ ਸਕਦਾ ਹੈ।
ਸੈਰਾਕਿਊਜ਼ ਯੂਨੀਵਰਸਿਟੀ ਦੇ ਇੱਕ ਸੂਚਨਾ ਵਿਗਿਆਨੀ ਕੇਵਿਨ ਕ੍ਰੋਸਟਨ ਨੇ ਚੁਣੌਤੀ ਨੂੰ ਸਪਸ਼ਟ ਰੂਪ ਵਿੱਚ ਤਿਆਰ ਕੀਤਾ: "ਬਸ ਇਸ ਗੱਲ ਤੋਂ ਜਾਣੂ ਹੋਣਾ ਕਿ ਇਹ ਵਰਤਾਰਾ ਮੌਜੂਦ ਹੈ ਉਮੀਦ ਹੈ ਕਿ ਲੋਕ ਕਿਹੜੇ ਹੁਨਰਾਂ ਨੂੰ ਬਰਕਰਾਰ ਰੱਖਣਾ ਚਾਹੁੰਦੇ ਹਨ ਅਤੇ ਉਹ AI ਟੂਲਸ ਨੂੰ ਆਊਟਸੋਰਸ ਕਰਨ ਲਈ ਤਿਆਰ ਹਨ, ਇਸ ਬਾਰੇ ਕੁਝ ਸਵੈ-ਪ੍ਰਤੀਬਿੰਬ ਪੈਦਾ ਕਰਦਾ ਹੈ"।
ਸਾਫਟਵੇਅਰ ਇੰਜੀਨੀਅਰ ਸਮਾਨ ਪੈਟਰਨ ਦਿਖਾਉਂਦੇ ਹਨ
ਡੈਸਕਿਲਿੰਗ ਪ੍ਰਭਾਵ ਦਵਾਈ ਤੱਕ ਸੀਮਿਤ ਨਹੀਂ ਹੈ. ਇਹ ਜਾਂਚ ਕਰਨ ਲਈ ਕਿ ਕੀ ਕੰਪਿਊਟਰ ਵਿਗਿਆਨ ਵਿੱਚ ਹੁਨਰ ਖਤਮ ਹੋ ਰਹੇ ਹਨ, ਏਆਈ ਫਰਮ ਐਂਥਰੋਪਿਕ ਦੇ ਖੋਜਕਰਤਾਵਾਂ ਨੇ 52 ਸੌਫਟਵੇਅਰ ਇੰਜੀਨੀਅਰਾਂ ਨੂੰ ਸ਼ਾਮਲ ਕਰਦੇ ਹੋਏ ਇੱਕ ਬੇਤਰਤੀਬ ਨਿਯੰਤਰਿਤ ਟ੍ਰਾਇਲ ਤਿਆਰ ਕੀਤਾ ਹੈ।
ਸਾਰੇ ਭਾਗੀਦਾਰਾਂ ਨੂੰ ਇੱਕ ਬੁਨਿਆਦੀ ਕੋਡਿੰਗ ਕਾਰਜ ਕਰਨ ਲਈ ਕਿਹਾ ਗਿਆ ਸੀ। ਹਰ ਇੰਜੀਨੀਅਰ ਵੈੱਬ ਦੀ ਖੋਜ ਕਰ ਸਕਦਾ ਹੈ ਅਤੇ ਇਸਨੂੰ ਕਿਵੇਂ ਪੂਰਾ ਕਰਨਾ ਹੈ ਇਸ ਬਾਰੇ ਨਿਰਦੇਸ਼ਾਂ ਤੱਕ ਪਹੁੰਚ ਕਰ ਸਕਦਾ ਹੈ। ਅੱਧਿਆਂ ਨੂੰ ਏਆਈ ਸਹਾਇਕ ਦੀ ਵਰਤੋਂ ਕਰਨ ਲਈ ਵੀ ਕਿਹਾ ਗਿਆ ਸੀ। ਅਧਿਐਨ, ਇੱਕ ਪੂਰਵ-ਪ੍ਰਿੰਟ ਵਜੋਂ ਜਾਰੀ ਕੀਤਾ ਗਿਆ ਸੀ, ਨੂੰ ਬੁਨਿਆਦੀ ਕੋਡਿੰਗ ਯੋਗਤਾ 'ਤੇ AI ਸਹਾਇਤਾ ਦੇ ਪ੍ਰਭਾਵ ਨੂੰ ਅਲੱਗ ਕਰਨ ਲਈ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਸੀ।
ਖੋਜਾਂ ਸਬੂਤਾਂ ਦੇ ਵਧ ਰਹੇ ਸਰੀਰ ਨੂੰ ਜੋੜਦੀਆਂ ਹਨ ਕਿ AI ਨੂੰ ਰੁਟੀਨ ਬੋਧਾਤਮਕ ਕੰਮ ਨੂੰ ਔਫਲੋਡ ਕਰਨਾ ਅੰਡਰਲਾਈੰਗ ਯੋਗਤਾਵਾਂ ਨੂੰ ਕਮਜ਼ੋਰ ਕਰ ਸਕਦਾ ਹੈ ਜੋ ਪੇਸ਼ੇਵਰਾਂ ਨੇ ਇੱਕ ਵਾਰ ਵਾਰ-ਵਾਰ ਅਭਿਆਸ ਦੁਆਰਾ ਵਿਕਸਤ ਕੀਤਾ ਸੀ। ਜਦੋਂ AI ਭਾਰੀ ਲਿਫਟਿੰਗ ਨੂੰ ਸੰਭਾਲਦਾ ਹੈ, ਤਾਂ ਮਨੁੱਖੀ ਪ੍ਰੈਕਟੀਸ਼ਨਰ ਨੂੰ ਮੁਹਾਰਤ ਬਣਾਉਣ ਅਤੇ ਬਣਾਈ ਰੱਖਣ ਦੇ ਘੱਟ ਮੌਕੇ ਮਿਲਦੇ ਹਨ।
ਡੈਸਕਿਲਿੰਗ ਦਾ ਮਕੈਨਿਕਸ
ਖੋਜਕਰਤਾਵਾਂ ਨੇ ਡੈਸਕਿਲਿੰਗ ਨੂੰ ਹੌਲੀ-ਹੌਲੀ ਪ੍ਰਕਿਰਿਆ ਦੱਸਿਆ ਹੈ। ਜਦੋਂ ਕੋਈ ਸਾਧਨ ਭਰੋਸੇਯੋਗ ਢੰਗ ਨਾਲ ਕਿਸੇ ਕੰਮ ਨੂੰ ਸੰਭਾਲਦਾ ਹੈ, ਤਾਂ ਅੰਡਰਲਾਈੰਗ ਹੁਨਰ ਦੇ ਨਾਲ ਇੱਕ ਕਰਮਚਾਰੀ ਦੀ ਸ਼ਮੂਲੀਅਤ ਘਟ ਜਾਂਦੀ ਹੈ। ਸਮੇਂ ਦੇ ਨਾਲ, ਸਾਲਾਂ ਦੇ ਅਭਿਆਸ ਦੁਆਰਾ ਨਿਸ਼ਚਤ ਕੀਤੇ ਗਏ ਤੰਤੂ ਮਾਰਗ ਅਤੇ ਨਿਰਣੇ ਫਿੱਕੇ ਹੋਣੇ ਸ਼ੁਰੂ ਹੋ ਜਾਂਦੇ ਹਨ।
ਦਵਾਈ ਵਿੱਚ, ਇਹ ਖਾਸ ਕਰਕੇ ਖਤਰਨਾਕ ਹੋ ਸਕਦਾ ਹੈ। ਇੱਕ ਡਾਕਟਰ ਜੋ ਇੱਕ ਵਾਰ ਸ਼ੱਕੀ ਟਿਸ਼ੂਆਂ ਨੂੰ ਲੱਭਣ ਲਈ ਡੂੰਘੀ ਦ੍ਰਿਸ਼ਟੀਗਤ ਨਿਰਣੇ 'ਤੇ ਨਿਰਭਰ ਕਰਦਾ ਸੀ, AI ਸਹਾਇਤਾ ਦੇ ਮਹੀਨਿਆਂ ਬਾਅਦ, ਸਿਸਟਮ ਦੇ ਪ੍ਰੋਂਪਟ 'ਤੇ ਨਿਰਭਰ ਹੋ ਸਕਦਾ ਹੈ। ਜੇਕਰ ਸਿਸਟਮ ਫੇਲ ਹੋ ਜਾਂਦਾ ਹੈ ਜਾਂ ਉਪਲਬਧ ਨਹੀਂ ਹੈ, ਤਾਂ ਡਾਕਟਰ ਦੀ ਗੈਰ-ਸਹਾਇਤਾ ਪ੍ਰਾਪਤ ਕਾਰਗੁਜ਼ਾਰੀ ਹੁਣ ਉਸ ਮਿਆਰ ਨੂੰ ਪੂਰਾ ਨਹੀਂ ਕਰ ਸਕਦੀ ਹੈ ਜੋ ਇਸਨੇ ਇੱਕ ਵਾਰ ਕੀਤਾ ਸੀ।
ਯੂਚੀ ਮੋਰੀ, ਓਸਲੋ ਯੂਨੀਵਰਸਿਟੀ ਦੇ ਇੱਕ ਡਾਕਟਰ-ਖੋਜਕਾਰ ਅਤੇ ਕੋਲੋਨੋਸਕੋਪੀ ਅਧਿਐਨ ਦੇ ਇੱਕ ਸਹਿ-ਲੇਖਕ, ਚੇਤਾਵਨੀ ਦਿੰਦੇ ਹਨ ਕਿ ਜੋ ਲੋਕ AI ਟੂਲ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਨ, ਉਹਨਾਂ ਨੂੰ ਇਹ ਸੁਚੇਤ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ ਕਿ ਉਹਨਾਂ ਨੂੰ ਆਪਣੇ ਕੁਝ ਹੁਨਰ ਗੁਆਉਣ ਦਾ ਖਤਰਾ ਹੈ। “ਇਸ ਸਮੇਂ ਡੈਸਕਿਲਿੰਗ ਵਿਰੁੱਧ ਕੋਈ ਸਥਾਪਤ ਹੱਲ ਨਹੀਂ ਹੈ,” ਉਸਨੇ ਕਿਹਾ। "ਅਗਲੇ ਦਹਾਕੇ ਵਿੱਚ ਇਹ ਇੱਕ ਬਹੁਤ ਹੀ ਗਰਮ ਖੋਜ ਵਿਸ਼ਾ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ."
ਸਟੈਂਡਰਡ ਟੈਸਟਿੰਗ ਸਮੱਸਿਆ ਕਿਉਂ ਖੁੰਝ ਜਾਂਦੀ ਹੈ
ਡੈਸਕਿਲਿੰਗ ਨੂੰ ਸੰਬੋਧਿਤ ਕਰਨ ਵਿੱਚ ਮੁਸ਼ਕਲ ਦਾ ਇੱਕ ਹਿੱਸਾ ਇਹ ਹੈ ਕਿ ਇਹ ਉਦੋਂ ਤੱਕ ਅਦਿੱਖ ਹੁੰਦਾ ਹੈ ਜਦੋਂ ਤੱਕ AI ਨੂੰ ਹਟਾਇਆ ਨਹੀਂ ਜਾਂਦਾ। ਜਦੋਂ ਟੂਲ ਵਰਤੋਂ ਵਿੱਚ ਹੁੰਦਾ ਹੈ ਤਾਂ ਪ੍ਰਦਰਸ਼ਨ ਮਾਪਦੰਡ ਮਜ਼ਬੂਤ ਦਿਖਾਈ ਦਿੰਦੇ ਹਨ, ਹੇਠਾਂ ਮਨੁੱਖੀ ਸਮਰੱਥਾ ਦੇ ਹੌਲੀ-ਹੌਲੀ ਖਾਤਮੇ ਨੂੰ ਮਾਸਕਿੰਗ ਕਰਦੇ ਹੋਏ।
ਇਹ ਇੱਕ ਫੀਡਬੈਕ ਲੂਪ ਬਣਾਉਂਦਾ ਹੈ। ਵਰਕਰ AI ਨਾਲ ਬਿਹਤਰ ਪ੍ਰਦਰਸ਼ਨ ਕਰਦੇ ਹਨ, ਇਸਲਈ ਉਹ ਇਸਦੀ ਜ਼ਿਆਦਾ ਵਰਤੋਂ ਕਰਦੇ ਹਨ। ਜਿੰਨਾ ਜ਼ਿਆਦਾ ਉਹ ਇਸਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਨ, ਓਨਾ ਹੀ ਘੱਟ ਉਹ ਗੈਰ-ਸਹਾਇਕ ਹੁਨਰ ਦਾ ਅਭਿਆਸ ਕਰਦੇ ਹਨ। ਜਦੋਂ ਤੱਕ ਗਿਰਾਵਟ ਸਪੱਸ਼ਟ ਹੋ ਜਾਂਦੀ ਹੈ - ਜਦੋਂ ਟੂਲ ਬੰਦ ਹੁੰਦਾ ਹੈ, ਸੇਵਾਮੁਕਤ ਹੁੰਦਾ ਹੈ, ਜਾਂ ਬਦਲਿਆ ਜਾਂਦਾ ਹੈ - ਹੁਨਰ ਪਹਿਲਾਂ ਹੀ ਘੱਟ ਹੋ ਸਕਦਾ ਹੈ।
ਇਹ ਵਰਤਾਰਾ ਇਸ ਬਾਰੇ ਵੀ ਸਵਾਲ ਉਠਾਉਂਦਾ ਹੈ ਕਿ ਸੰਗਠਨਾਂ ਨੂੰ ਸਿਖਲਾਈ ਅਤੇ ਮੁਲਾਂਕਣ ਨੂੰ ਕਿਵੇਂ ਢਾਂਚਾ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ। ਜੇਕਰ AI ਸਹਾਇਤਾ ਦੇ ਸਰਗਰਮ ਹੋਣ ਦੌਰਾਨ ਪੇਸ਼ੇਵਰ ਯੋਗਤਾ ਨੂੰ ਵੱਧ ਤੋਂ ਵੱਧ ਮਾਪਿਆ ਜਾਂਦਾ ਹੈ, ਤਾਂ ਮੁਲਾਂਕਣ ਇਹ ਦੱਸ ਸਕਦੇ ਹਨ ਕਿ ਕਰਮਚਾਰੀ ਅਸਲ ਵਿੱਚ ਆਪਣੇ ਆਪ ਕੀ ਕਰ ਸਕਦੇ ਹਨ।
ਮਨੁੱਖੀ ਮੁਹਾਰਤ ਨੂੰ ਸੁਰੱਖਿਅਤ ਰੱਖਣਾ
ਖੋਜਕਰਤਾ ਅਤੇ ਕਾਰਜ ਸਥਾਨ ਦੇ ਮਾਹਰ ਹੁਣ ਬਹਿਸ ਕਰ ਰਹੇ ਹਨ ਕਿ ਏਆਈ ਯੁੱਗ ਵਿੱਚ ਮਹੱਤਵਪੂਰਣ ਮਨੁੱਖੀ ਹੁਨਰਾਂ ਨੂੰ ਕਿਵੇਂ ਸੁਰੱਖਿਅਤ ਰੱਖਿਆ ਜਾਵੇ। ਹੱਲ ਅਜੇ ਸਪੱਸ਼ਟ ਨਹੀਂ ਹਨ, ਪਰ ਕਈ ਸਿਧਾਂਤ ਉਭਰ ਰਹੇ ਹਨ।
ਪਹਿਲਾਂ, ਜਾਗਰੂਕਤਾ ਮਹੱਤਵਪੂਰਨ ਹੈ। ਸਿਰਫ਼ ਇਹ ਸਮਝਣਾ ਕਿ ਡੈਸਕਿਲਿੰਗ ਹੋ ਸਕਦੀ ਹੈ, ਵਿਅਕਤੀਆਂ ਅਤੇ ਸੰਸਥਾਵਾਂ ਨੂੰ ਜਾਣਬੁੱਝ ਕੇ ਗੈਰ-ਸਹਾਇਤਾ ਪ੍ਰਾਪਤ ਅਭਿਆਸ ਨੂੰ ਕਾਇਮ ਰੱਖਣ ਲਈ ਪ੍ਰੇਰਿਤ ਕਰ ਸਕਦਾ ਹੈ। ਦੂਜਾ, ਪੇਸ਼ੇਵਰਾਂ ਨੂੰ ਇਸ ਬਾਰੇ ਸੁਚੇਤ ਚੋਣ ਕਰਨ ਦੀ ਲੋੜ ਹੋ ਸਕਦੀ ਹੈ ਕਿ ਕਿਹੜੇ ਹੁਨਰ ਨੂੰ ਤਿੱਖਾ ਰੱਖਣਾ ਹੈ ਅਤੇ ਕਿਸ ਨੂੰ ਸੌਂਪਣਾ ਹੈ। ਹਰ ਹੁਨਰ ਪੂਰੀ ਤਾਕਤ ਨਾਲ ਸੁਰੱਖਿਅਤ ਰੱਖਣ ਯੋਗ ਨਹੀਂ ਹੈ, ਪਰ ਕੁਝ - ਖਾਸ ਤੌਰ 'ਤੇ ਸੁਰੱਖਿਆ, ਨਿਦਾਨ, ਅਤੇ ਨਾਜ਼ੁਕ ਨਿਰਣੇ ਨਾਲ ਜੁੜੇ ਹੋਏ - ਸਪੱਸ਼ਟ ਤੌਰ 'ਤੇ ਹਨ।
ਤੀਜਾ, ਸੰਗਠਨਾਂ ਨੂੰ ਵਰਕਫਲੋ ਨੂੰ ਮੁੜ ਡਿਜ਼ਾਇਨ ਕਰਨ ਦੀ ਲੋੜ ਹੋ ਸਕਦੀ ਹੈ ਤਾਂ ਜੋ ਕੋਰ ਬੋਧਾਤਮਕ ਕੰਮ ਨੂੰ ਬਦਲਣ ਦੀ ਬਜਾਏ ਏਆਈ ਨੂੰ ਵਧਾਇਆ ਜਾ ਸਕੇ। ਟੂਲ ਨੂੰ ਸੋਚਣ ਦੇਣ ਦੀ ਬਜਾਏ, AI ਨੂੰ ਮਨੁੱਖੀ ਨਿਰਣੇ 'ਤੇ ਜਾਂਚ ਦੇ ਤੌਰ 'ਤੇ ਰੱਖਿਆ ਜਾ ਸਕਦਾ ਹੈ, ਜਿਸ ਲਈ ਪੇਸ਼ੇਵਰ ਨੂੰ ਸਿਸਟਮ ਨਾਲ ਸਲਾਹ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ ਜਵਾਬ 'ਤੇ ਪਹੁੰਚਣ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ।
AI ਯੁੱਗ ਲਈ ਇੱਕ ਪਰਿਭਾਸ਼ਿਤ ਚੁਣੌਤੀ
ਕੁਦਰਤ ਰਿਪੋਰਟ ਸਪੱਸ਼ਟ ਕਰਦੀ ਹੈ ਕਿ ਡੈਸਕਿਲਿੰਗ ਹੁਣ ਕੋਈ ਕਲਪਨਾਤਮਕ ਚਿੰਤਾ ਨਹੀਂ ਹੈ। ਸਬੂਤ, ਅਜੇ ਵੀ ਸ਼ੁਰੂਆਤੀ ਹੋਣ ਦੇ ਬਾਵਜੂਦ, ਖੇਤਰਾਂ ਵਿੱਚ ਇਕਸਾਰ ਹੈ: ਜਦੋਂ ਮਨੁੱਖ AI ਨੂੰ ਬੋਧਾਤਮਕ ਕੰਮ ਸੌਂਪਦੇ ਹਨ, ਤਾਂ ਅੰਡਰਲਾਈੰਗ ਹੁਨਰ ਕਮਜ਼ੋਰ ਹੋ ਸਕਦੇ ਹਨ।ਲੱਖਾਂ ਪੇਸ਼ੇਵਰਾਂ ਲਈ ਜੋ ਹੁਣ AI ਨੂੰ ਆਪਣੇ ਰੋਜ਼ਾਨਾ ਦੇ ਕੰਮਾਂ ਵਿੱਚ ਜੋੜ ਰਹੇ ਹਨ, ਦਾਅ ਨਿੱਜੀ ਅਤੇ ਸਮਾਜਿਕ ਵੀ ਹਨ। ਇੱਕ ਸਰਜਨ ਜੋ ਟਿਊਮਰ ਦਾ ਪਤਾ ਲਗਾਉਣ ਲਈ ਛੋਹ ਗੁਆ ਦਿੰਦਾ ਹੈ, ਇੱਕ ਇੰਜਨੀਅਰ ਜੋ ਭੁੱਲ ਜਾਂਦਾ ਹੈ ਕਿ ਬਿਨਾਂ ਕਿਸੇ ਸਹਾਇਕ ਦੇ ਡੀਬੱਗ ਕਿਵੇਂ ਕਰਨਾ ਹੈ, ਇੱਕ ਨਰਸ ਜਿਸਦੀ ਕਲੀਨਿਕਲ ਸੂਝ ਮੱਧਮ ਹੋ ਜਾਂਦੀ ਹੈ - ਇਹ ਅਮੂਰਤ ਜੋਖਮ ਨਹੀਂ ਹਨ।
ਜਿਵੇਂ ਕਿ ਮੋਰੀ ਨੇ ਨੋਟ ਕੀਤਾ, ਅਜੇ ਤੱਕ ਕੋਈ ਸਥਾਪਤ ਹੱਲ ਨਹੀਂ ਹੈ। ਪਰ ਪਹਿਲਾ ਕਦਮ, ਖੋਜਕਰਤਾ ਸਹਿਮਤ ਹਨ, ਧਮਕੀ ਨੂੰ ਗੰਭੀਰਤਾ ਨਾਲ ਲੈ ਰਹੇ ਹਨ। ਸ਼ੁਰੂਆਤੀ ਨਤੀਜੇ ਆ ਗਏ ਹਨ, ਅਤੇ ਉਹ ਇੱਕ ਚੇਤਾਵਨੀ ਹਨ: ਸਾਨੂੰ ਬਿਹਤਰ ਬਣਾਉਣ ਲਈ ਤਿਆਰ ਕੀਤੇ ਗਏ ਸਾਧਨ, ਜੇ ਲਾਪਰਵਾਹੀ ਨਾਲ ਵਰਤੇ ਗਏ ਹਨ, ਤਾਂ ਸਾਨੂੰ ਪਹਿਲਾਂ ਨਾਲੋਂ ਘੱਟ ਸਮਰੱਥ ਬਣਾ ਸਕਦੇ ਹਨ।
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
