教育新闻网麻省理工学院最近的人工智能和未来工作会议上的几位发言人说，人们谈论由于人工智能(AI)和自动化而改变工作和工作方式的方式通常与现实不符。
在有关AI技术神话的小组讨论中，许多演讲者讨论了AI如何无法仅仅完成人们所做的所有事情，以及人们如何成为正在开发的新流程的组成部分。
Jobcase首席执行官Fred Goff表示，我们有机会利用AI来“真正赋予人们权力”，而不仅仅是使用AI代替工人或任务。
高夫说，在过去的半个世纪中，技术一直在取代工作，最大的问题是工资停滞和就业不足。我们应该理解，人工智能和自动化可以完成任务，而不是工作，因此它们不能替代人类可以做的一切。高夫说，我们应该考虑“机器与人而不是机器或人”。
Goff指出的另一个问题是，我们认为人类在利用机器学习(ML)或AI来获得正确答案时已经正确构造了问题。他谈到了人们如何花时间适应新任务。他还谈到了机器如何不必围绕决策来处理所有输入。例如，戈夫(Goff)谈到了如何在人力资本和人才获取中使用人工智能，他担心此类系统往往会为找到工作而解决，而不是留住最优秀的人才。Ť这些系统可能存在隐性偏见，他们倾向于查看潜在员工是否适合该公司的这份工作，而不是弄清楚该员工最适合与哪个团队合作。他“害怕我们可能正在解决错误的问题”。
麻省理工学院的航空与航天系副教授朱莉·沙(Julie Shah)说，一个误解是，我们只能根据已有的数据对因素进行自动设置。她在工厂车间花了很多时间，看着同事练习如何建立新模型。
她说：“我们不知道如何以最佳方式建立生产线。”这就是为什么“熄灯”的工厂没有表现出改善的原因。取而代之的是，人类不断在不断变化的条件基础上不断迭代该过程，这一过程更为成功。摹卷板机前，系统需要了解我们，而我们需要了解系统行为。
莎阿(Shah)说，人类为决策带来了如此多的知识和背景，以至于很难加以整理甚至描述。她指出，在当今的许多模型中，解释决策通常是有问题的。相反，Shah建议使用“领域专家”来指导计算机的推理过程，从而帮助确定隐式想法和优先级。
戈夫(Goff)和沙阿(Shah)都认为，人工智能不应该决定结果，而是可以最好地用作人类决策的众多工具之一。
高夫说：“再培训和再培训并不意味着人们需要坐在计算机和代码前面。”他指出，人们经常谈论对煤矿工人进行再培训，以使其掌握编码和类似想法。相反，他说，我们需要为人们提供广泛的专上教育，但我们应该认识到“并非每个人都需要上大学”。他说，对诸如焊接和水管工等行业的人有很大的需求，他想知道“微型认证”是否有更大的机会。
Adobe Sensei工程部副总裁Scott Prevost坚称，今天的AI实际上是在“赋予工人力量”，通过使人们必须要做但不想做的事情自动化来扩大创意者的体验。74%的Adobe客户表示，他们花费了一半的时间来执行重复的非创意性任务。
Prevost期待有创意的助理和市场营销的助理，以帮助您完成整个工作流程。他说，“创意人”和营销人员不会消失，但是他们的角色可能会发生变化。创意者将更多地成为艺术总监，而不是进行精细的制作。结果，重点将转移到解决创造性问题，创新和良好协作上。
