What can machine learning do? Workforce implications

Les ordinateurs numériques ont transformé le travail dans presque tous les secteurs de l’économie au cours des dernières décennies (1). Nous sommes maintenant au début d’une transformation encore plus grande et plus rapide en raison des progrès récents en matière d’apprentissage de la machine (ML), qui est capable d’accélérer le rythme même de l’automatisation. Cependant, bien qu’il soit clair que ML est une « technologie d’usage général », comme la machine à vapeur et l’électricité, ce qui engendre une pléthore d’innovations et de capacités supplémentaires (2), il n’y a pas d’accord largement partagé sur les tâches où excellent les systèmes ML, et donc peu d’accord sur le spécifique prévu des répercussions sur la main-d’œuvre et sur l’économie plus largement. Nous discutons de ce que nous voyons des implications clés pour la main-d’œuvre, dessin sur notre rubrique de ce que la génération actuelle des systèmes ML peut et ne peut pas faire [voir les documents complémentaires (SM)]. Bien que certaines parties de nombreux emplois peuvent être « appropriés pour ML » (SML), d’autres tâches au sein de ces mêmes emplois ne correspondent pas aux critères de ML bien; par conséquent, les effets sur l’emploi sont plus complexes que l’histoire simple de remplacement et de substitution souligné par certains. Bien que les effets économiques de ML sont aujourd’hui relativement limitées, et nous ne sommes pas face à l’imminence de « fin du travail » comme il est parfois proclamé, les conséquences pour l’économie et la main-d’œuvre à l’avenir sont profondes. Traduit à l'aide de Google Translate