কিভাবে রোবটের সাথে প্রতিদ্বন্দ্বিতা করা যায়

কিভাবে রোবটের সাথে প্রতিদ্বন্দ্বিতা করা যায়

যখন বুদ্ধিমান রোবটগুলির ভবিষ্যতের কথা আসে, লোকেরা প্রায়শই প্রথম প্রশ্নটি করে: তারা কতগুলি কাজ অদৃশ্য করে দেবে? উত্তর যাই হোক না কেন, দ্বিতীয় প্রশ্নটি হতে পারে: আমি কীভাবে তা নিশ্চিত করতে পারি আমার তাদের মধ্যে চাকরি নেই?

সায়েন্স রোবোটিক্সে প্রকাশিত একটি সমীক্ষায়, ইপিএফএল-এর রোবোটিস্টদের একটি দল এবং লাউসেন বিশ্ববিদ্যালয়ের অর্থনীতিবিদ উভয় প্রশ্নের উত্তর দেয়। কর্মসংস্থান এবং মজুরি পরিসংখ্যানের সাথে রোবোটিক দক্ষতার উপর বৈজ্ঞানিক এবং প্রযুক্তিগত সাহিত্যের সমন্বয় করে, তারা বর্তমান বিদ্যমান চাকরিগুলির মধ্যে কোনটি অদূর ভবিষ্যতে মেশিন দ্বারা সঞ্চালিত হওয়ার ঝুঁকিতে রয়েছে তা গণনা করার একটি পদ্ধতি তৈরি করেছে। উপরন্তু, তারা কম ঝুঁকিপূর্ণ এবং ক্ষুদ্রতম পুনঃপ্রশিক্ষণ প্রচেষ্টার প্রয়োজন এমন চাকরিতে ক্যারিয়ার পরিবর্তনের পরামর্শ দেওয়ার জন্য একটি পদ্ধতি তৈরি করেছে।

“রোবট দ্বারা কতগুলি কাজ স্বয়ংক্রিয় হবে তা ভবিষ্যদ্বাণী করে বেশ কয়েকটি গবেষণা রয়েছে, তবে তারা সবই সফ্টওয়্যার রোবটের উপর ফোকাস করে, যেমন বক্তৃতা এবং চিত্র স্বীকৃতি, আর্থিক রোবো-উপদেষ্টা, চ্যাটবট এবং আরও অনেক কিছু। তদ্ব্যতীত, চাকরির প্রয়োজনীয়তা এবং সফ্টওয়্যার ক্ষমতাগুলি কীভাবে মূল্যায়ন করা হয় তার উপর নির্ভর করে এই ভবিষ্যদ্বাণীগুলি বন্যভাবে দোদুল্যমান হয়। এখানে, আমরা শুধুমাত্র কৃত্রিম বুদ্ধিমত্তার সফ্টওয়্যারই নয়, বাস্তব বুদ্ধিমান রোবটগুলিকেও বিবেচনা করি যেগুলি শারীরিক কাজ করে এবং আমরা শত শত কাজে ব্যবহৃত মানুষের এবং রোবোটিক ক্ষমতাগুলির একটি পদ্ধতিগত তুলনা করার জন্য একটি পদ্ধতি তৈরি করেছি”, ইপিএফএলের গবেষণাগারের পরিচালক অধ্যাপক ডারিও ফ্লোরিয়েনো বলেছেন ইন্টেলিজেন্ট সিস্টেমের, যিনি ইপিএফএল-এ গবেষণার নেতৃত্ব দেন।

অধ্যয়নের মূল উদ্ভাবন হল চাকরির প্রয়োজনীয়তার উপর রোবটের ক্ষমতার একটি নতুন ম্যাপিং। দলটি ইউরোপীয় H2020 রোবোটিক মাল্টি-বার্ষিক রোডম্যাপ (MAR), ইউরোপীয় কমিশনের একটি কৌশল নথি যা রোবোটিক্স বিশেষজ্ঞদের দ্বারা পর্যায়ক্রমে সংশোধিত হয়। ম্যানিপুলেশন, উপলব্ধি, সংবেদন, মানুষের সাথে মিথস্ক্রিয়া এর মতো বিভাগে সংগঠিত, বর্তমান রোবট থেকে প্রয়োজনীয় বা ভবিষ্যতের জন্য প্রয়োজন হতে পারে এমন কয়েক ডজন ক্ষমতা MAR বর্ণনা করে। গবেষকরা গবেষণাপত্র, পেটেন্ট এবং রোবোটিক পণ্যের বর্ণনা দিয়ে রোবটিক ক্ষমতার পরিপক্কতার স্তরের মূল্যায়ন করেছেন, প্রযুক্তি উন্নয়নের স্তর পরিমাপের জন্য একটি সুপরিচিত স্কেল ব্যবহার করে, “প্রযুক্তি প্রস্তুতির স্তর” (টিআরএল)।

মানুষের ক্ষমতার জন্য, তারা O*net ডাটাবেসের উপর নির্ভর করেছিল, মার্কিন চাকরির বাজারে ব্যাপকভাবে ব্যবহৃত একটি রিসোর্স ডাটাবেস, যা প্রায় 1,000টি পেশাকে শ্রেণীবদ্ধ করে এবং তাদের প্রত্যেকের জন্য সবচেয়ে গুরুত্বপূর্ণ দক্ষতা ও জ্ঞানকে ভেঙে দেয়।

MAR ডকুমেন্ট থেকে O*net তালিকা থেকে রোবোটিক ক্ষমতার সাথে বেছে বেছে মানব ক্ষমতার মিল করার পরে, দলটি গণনা করতে পারে যে প্রতিটি বিদ্যমান চাকরির পেশা একটি রোবট দ্বারা সম্পাদন করার কতটা সম্ভাবনা রয়েছে। উদাহরণস্বরূপ, বলুন যে একটি কাজের জন্য একজন মানুষকে মিলিমিটার-স্তরের গতিবিধিতে কাজ করতে হবে। রোবটগুলি এতে খুব ভাল, এবং সংশ্লিষ্ট ক্ষমতার টিআরএল এইভাবে সর্বোচ্চ। যদি একটি চাকরির জন্য যথেষ্ট দক্ষতার প্রয়োজন হয়, তাহলে সমালোচনামূলক চিন্তাভাবনা বা সৃজনশীলতার মতো দক্ষতার প্রয়োজনের তুলনায় এটি স্বয়ংক্রিয় হওয়ার সম্ভাবনা বেশি।

ফলাফল হল 1,000টি কাজের একটি র‌্যাঙ্কিং, যার মধ্যে “পদার্থবিদরা” হচ্ছেন যাদের একটি মেশিন দ্বারা প্রতিস্থাপিত হওয়ার ঝুঁকি সবচেয়ে কম, এবং “বধকারী এবং মাংস প্যাকাররা”, যারা সর্বোচ্চ ঝুঁকির সম্মুখীন। সাধারণভাবে, খাদ্য প্রক্রিয়াকরণ, বিল্ডিং এবং রক্ষণাবেক্ষণ, নির্মাণ এবং নিষ্কাশনের কাজগুলি সবচেয়ে বেশি ঝুঁকিপূর্ণ বলে মনে হয়।

“আজকে সমাজের জন্য মূল চ্যালেঞ্জ হল কিভাবে অটোমেশনের বিরুদ্ধে স্থিতিস্থাপক হওয়া যায়” বলেন অধ্যাপক রাফায়েল লালিভ৷ যিনি ইউনিভার্সিটি অফ লুসানে গবেষণার সহ-নেতৃত্ব করেছিলেন। “আমাদের কাজ এমন কর্মীদের জন্য বিশদ কর্মজীবনের পরামর্শ প্রদান করে যারা অটোমেশনের উচ্চ ঝুঁকির সম্মুখীন হয়, যা তাদের পুরানো চাকরিতে অর্জিত অনেক দক্ষতা পুনরায় ব্যবহার করার সময় আরও নিরাপদ চাকরি নিতে দেয়। এই পরামর্শের মাধ্যমে, সরকারগুলি অটোমেশনের বিরুদ্ধে আরও স্থিতিস্থাপক হয়ে উঠতে সমাজকে সহায়তা করতে পারে।”

তারপরে লেখকরা যে কোনো কাজের জন্য বিকল্প চাকরি খোঁজার জন্য একটি পদ্ধতি তৈরি করেছেন যেগুলির মধ্যে উল্লেখযোগ্যভাবে কম অটোমেশন ঝুঁকি রয়েছে এবং তাদের প্রয়োজনীয় ক্ষমতা ও জ্ঞানের পরিপ্রেক্ষিতে যুক্তিসঙ্গতভাবে আসলটির কাছাকাছি – এইভাবে পুনরায় প্রশিক্ষণের প্রচেষ্টাকে ন্যূনতম রাখা এবং কর্মজীবনের পরিবর্তন সম্ভব। এই পদ্ধতিটি বাস্তব জীবনে কীভাবে কাজ করবে তা পরীক্ষা করার জন্য, তারা মার্কিন কর্মীবাহিনী থেকে ডেটা ব্যবহার করেছে এবং অ্যালগরিদমের পরামর্শের উপর ভিত্তি করে হাজার হাজার কর্মজীবনের চাল অনুকরণ করেছে, এটি খুঁজে পেয়েছে যে এটি প্রকৃতপক্ষে সর্বোচ্চ ঝুঁকি সহ পেশায় কর্মীদের মাঝারি-ঝুঁকির দিকে সরানোর অনুমতি দেবে। পেশাগুলি, যখন অপেক্ষাকৃত কম পুনঃপ্রশিক্ষণ প্রচেষ্টার মধ্য দিয়ে যাচ্ছে।

কতজন শ্রমিক অটোমেশন ঝুঁকির সম্মুখীন হতে পারে তা পরিমাপ করার জন্য সরকারগুলি এই পদ্ধতিটি ব্যবহার করতে পারে এবং কোম্পানিগুলি দ্বারা অটোমেশন বৃদ্ধির খরচ মূল্যায়ন করার জন্য, রোবোটিক্স নির্মাতারা তাদের পণ্যগুলিকে বাজারের প্রয়োজন অনুসারে আরও ভালভাবে সাজানোর জন্য; এবং জনসাধারণের দ্বারা চাকরির বাজারে নিজেদেরকে পুনঃস্থাপন করার জন্য সবচেয়ে সহজ পথটি চিহ্নিত করা।

অবশেষে, লেখকরা নতুন পদ্ধতি এবং ডেটাকে একটি অ্যালগরিদমে অনুবাদ করেছেন যা শত শত কাজের জন্য অটোমেশনের ঝুঁকির পূর্বাভাস দেয় এবং ন্যূনতম পুনঃপ্রশিক্ষণ প্রচেষ্টায় স্থিতিস্থাপক কর্মজীবনের পরিবর্তনের পরামর্শ দেয়, যা http://lis2.epfl.ch/resiliencetorobots-এ সর্বজনীনভাবে অ্যাক্সেসযোগ্য।

এই গবেষণাটি ইপিএফএল-এর কলেজ অফ হিউম্যানিটিজ-এর ক্রস (সায়েন্স অ্যান্ড সোসাইটিতে সহযোগিতামূলক গবেষণা) প্রোগ্রাম দ্বারা অর্থায়ন করা হয়েছিল; EPFL এ এন্টারপ্রাইজ ফর সোসাইটি সেন্টার দ্বারা; সুইস ন্যাশনাল সায়েন্স ফাউন্ডেশন (SNSF অনুদান নম্বর 51NF40_185543) দ্বারা অর্থায়িত NCCR রোবোটিক্সের একটি অংশ হিসাবে, গবেষণায় একটি জাতীয় দক্ষতা কেন্দ্র; ইউরোপীয় কমিশন দ্বারা হরাইজন 2020 প্রকল্পের মাধ্যমে AERIAL-CORE (অনুদান চুক্তি নং 871479) এবং MERGING (অনুদান চুক্তি নং 869963); এবং SNSF অনুদান নং দ্বারা। 100018_178878।

ট্যাগ: গ-রাজনীতি-আইন-সমাজ


EPFL (École polytechnique fédérale de Lausanne) হল একটি গবেষণা ইনস্টিটিউট এবং ইউনিভার্সিটি যা লউসনে, সুইজারল্যান্ড, যেটি প্রাকৃতিক বিজ্ঞান এবং প্রকৌশলে বিশেষজ্ঞ।

EPFL (École polytechnique fédérale de Lausanne) হল একটি গবেষণা ইনস্টিটিউট এবং ইউনিভার্সিটি যা লউসনে, সুইজারল্যান্ড, যেটি প্রাকৃতিক বিজ্ঞান এবং প্রকৌশলে বিশেষজ্ঞ।