[論文レビュー] A multidisciplinary task-based perspective for evaluating the impact of AI autonomy and generality on the future of work

Enrique Fernández‐Macías, Emília Gómez+5 more|arXiv (Cornell University)|Jul 6, 2018

Digital Transformation in Industry参考文献 22被引用数 9

ひとこと要約

本論文は、AIの自律性と汎用性が労働の未来に与える影響を評価するための多分野的でタスク指向の枠組みを提案する。この枠組みは、タスクの社会経済的および計算的視点を統合し、それらを人間とAIの能力と結びつける。本論文は、AI分野の進歩を測る基準を、タスク固有のパフォーマンスから自律性と汎用性の評価へと転換する必要があると主張し、自動化の広範な労働市場への影響を予測できるようにする。

ABSTRACT

This paper presents a multidisciplinary task approach for assessing the impact of artificial intelligence on the future of work. We provide definitions of a task from two main perspectives: socio-economic and computational. We propose to explore ways in which we can integrate or map these perspectives, and link them with the skills or capabilities required by them, for humans and AI systems. Finally, we argue that in order to understand the dynamics of tasks, we have to explore the relevance of autonomy and generality of AI systems for the automation or alteration of the workplace.

研究の動機と目的

• 異なる部門におけるAIシステムが業務のタスクをどのように自動化または変容させるかについて、包括的な理解が不足していることに対処する。
• とりわけ人間とAIの能力に関して、社会経済的および計算的分野における「タスク」の定義の相違を是正すること。
• 自律性と汎用性が、人間労働と従来の自動化とを区別する中で、将来的な労働のあり方をどのように形作るかを検討すること。
• 個別のタスクパフォーマンスではなく、スキル、自律性、汎用性に基づいてAIシステムを一貫して評価する枠組みを構築すること。
• AIの評価をパフォーマンスの観点だけでなく、公平性、透明性、データ効率性といったより広範な社会的・経済的価値にも向け、政策立案および研究を導くこと。

提案手法

• 社会経済的視点（出力を生み出す離散的な作業単位としての「タスク」）と計算的視点（AIシステムにおける問題解決の操作としての「タスク」）の両方から「タスク」を定義する。
• スキルをタスク定義とシステムパフォーマンスの橋渡しとして分析することで、人間とAIの能力を共通の枠組みにマッピングする。
• 自律性（自己決定的な目標達成と行動の適応）と汎用性（最小限の再トレーニングで広範なタスクをカバー）の明確な定義を提示する。
• タスクの正確性に加え、データ効率性、信頼性、公平性、透明性といった次元も含めてAIシステムを評価することを提言する。
• 労働経済学、認知科学、AI研究を統合する多分野的視点を用いて、産業ごとの自動化可能性を評価する。
• タスク固有のベンチマークから、自律性と汎用性の異なる水準を持つ認知的リソースとしてのAIシステム全体の包括的評価へと評価の枠組みを転換する。

実験結果

リサーチクエスチョン

• RQ1 社会経済的および計算的視点における「タスク」の概念にはどのような相違があり、それらは職場におけるAI自動化にどのような影響を及えるか？
• RQ2 スキルは、異なるタスク分野における人間とAIの能力を比較するための共通の基盤として、どの程度機能できるか？
• RQ3 AIシステムにおける自律性と汎用性は、複雑で変動しやすい業務環境において、人間労働の置き換えや補完の適性にどのように影響を与えるか？
• RQ4 AIシステムの実世界での職業統合を評価するにあたり、パフォーマンスを超えてどの評価次元を優先すべきか？
• RQ5 人間労働の分業とルーチン化の歴史的傾向は、一般化および自律性を持つAIによって駆動される自動化の新たなフロンティアとどのように関連しているか？

主な発見

• 現在の狭義のAI自動化への注目は、長期的な労働市場の動態を形作る上で、自律性と汎用性の重要な役割を無視している。
• 人間労働は、その本質的な自律性と汎用性のおかげで、歴史的にも現在もその価値を保ってきたが、近年の高度なAIシステムは、これらを狙い撃ちにしている。
• 高い汎用性と自律性を持つAIシステムは、再トレーニングや監視の必要性を低減し、多様なタスクにわたるコスト効率とスケーラビリティを向上させる。
• AIシステムにおいて、信頼性と汎用性の間にトレードオフが生じる。広範な能力が得られると、臨床的・重要な応用分野における予測可能性と信頼性が低下する可能性がある。
• AIの評価は、タスク固有のベンチマークを超えて、公平性、透明性、再現性、データ効率性といった次元を含めるべきであり、責任ある展開のためには不可欠である。
• AIの職場への統合には、生物学的か人工的かにかかわらず、人間資源を認知的リソースとして再考する必要があり、これに応じた新たな評価パラダイムの構築が求められる。