कैसे मानव रोबोट को चुनौती दे रहा है ?

 जब हम रोबोट पर विचार करते हैं, तो मुख्य बात जो एक राग पर प्रहार करती है - ये रोबोट हमारे काम की नौकरियों में हमारी जगह कैसे ले सकते हैं?  प्रतिक्रिया कुछ भी हो, बाद की पूछताछ अधिक संभावना नहीं है,  ईपीएफएल के वैज्ञानिकों के एक समूह और लॉज़ेन विश्वविद्यालय के वित्तीय विशेषज्ञों ने साइंस रोबोटिक्स में शोध दिया है जो दो मुद्दों का जवाब देता है।  उन्होंने काम और वेतन डेटा के साथ यांत्रिक क्षमताओं पर तार्किक और विशेष वितरण को समेकित करके सर्वेक्षण करने के लिए एक तकनीक बनाई है कि मौजूदा कार्यों में से कौन सा मशीनों द्वारा बहुत पहले समाप्त होने के लिए बाध्य है।

  इसी तरह उन्होंने कम शक्तिहीन और कम से कम पुनर्प्रशिक्षण की आवश्यकता वाले कॉलिंग के लिए व्यावसायिक कदमों के प्रस्ताव के लिए एक घटक को बढ़ावा दिया है।

  ईपीएफएल की लेबोरेटरी ऑफ इंटेलिजेंट सिस्टम के निदेशक प्रो. डारियो फ्लोरियानो का कहना है कि विभिन्न परीक्षाओं में कॉल करने की संख्या का मूल्यांकन किया गया है, जिसे रोबोट द्वारा मोटर चालित किया जाएगा, हालांकि वे सभी प्रोग्रामिंग रोबोट पर ध्यान केंद्रित करते हैं, जैसे आवाज और चित्र पावती, चैटबॉट, मौद्रिक  गाइड रोबोट, और कुछ और।  इसके अलावा, अनुमानित कार्य आवश्यकताओं और प्रोग्रामिंग क्षमताओं के प्रकार को देखते हुए, इस तरह के अनुमान जोरदार रूप से भिन्न हो सकते हैं।  हम मानव निर्मित रीजनिंग इनोवेशन पर विचार करते हैं, फिर भी इसके अलावा प्रमाणित चतुर रोबोट हैं जो वास्तविक उपक्रमों को अंजाम देते हैं, और हमने भारी मात्रा में नौकरियों में मानवीय और यांत्रिक सीमाओं को देखने के लिए एक घटक का विकास किया है।

  समीक्षा की प्रमुख विषमता काम की जरूरतों के लिए रोबोट क्षमताओं का एक और प्रदर्शन है।  समूह ने यूरोपीय एच2020 रोबोटिक मल्टी-एनुअल रोडमैप (एमएआर) पर शोध किया, जो एक यूरोपीय आयोग रणनीति संग्रह है जिसका लगातार उन्नत यांत्रिकी विषय विशेषज्ञों द्वारा सर्वेक्षण किया जाता है।  MAR वर्तमान रोबोट के लिए महत्वपूर्ण कई क्षमताओं को शामिल करता है या जो भविष्य के लिए आवश्यक हो सकता है, जो नियंत्रण, दृष्टि, पता लगाने और मानव सहयोग जैसे वर्गीकरणों में आयोजित किया जाता है।  विशेषज्ञों ने यांत्रिक क्षमताओं के शोधन स्तर को मापने के लिए अनुसंधान वितरण, लाइसेंस और आइटम निर्धारण का सर्वेक्षण करने के लिए विशेष प्रोपेल टीआरएल (नवाचार स्थिति स्तर) के स्तर को तय करने के लिए एक उल्लेखनीय उपाय शामिल किया है।

  वे मानवीय क्षमताओं के ontonline.org इंडेक्स पर निर्भर थे, जो यूएस वर्क मार्केट में व्यापक रूप से उपयोग की जाने वाली संपत्ति का संग्रह है जो लगभग 1,000 पदों का आदेश देता है और उनमें से प्रत्येक के लिए सबसे प्रासंगिक उपहार और जानकारी को अलग करता है।

  विशेषज्ञ MAR रिपोर्ट से स्वचालित क्षमताओं के साथ सूचना आधार से विपरीत मानव क्षमताओं को चुनकर रोबोट द्वारा किसी भी मौजूदा कार्य क्रिया को समाप्त करने की संभावना तय कर सकते हैं।  अपेक्षा करें कि विकास में मिलीमीटर-स्तर की सटीकता के साथ काम करने के लिए एक काम को मानव की आवश्यकता होती है।  इसमें रोबोट सफल होते हैं, फलस्वरूप संबंधित क्षमता के लिए टीआरएल सबसे अच्छा है।  यह मानते हुए कि किसी कार्य को इन क्षमताओं के लिए पर्याप्त आवश्यकता है, यह एक से अधिक स्वचालित होने के लिए बाध्य है जो निर्णायक तर्क या कल्पना का अनुरोध करता है।

  एक परिणाम के रूप में, 1,000 पदों को तैनात किया गया है, "भौतिकविदों" को एक मशीन द्वारा कम किए जाने के कम से कम जोखिम का सामना करना पड़ रहा है और "स्लॉटरर्स एंड मीट पैकर्स" सबसे स्पष्ट रूप से भयानक रिस्क का सामना कर रहे हैं।  खाद्य संयोजन, विकास और गतिविधि, विकास और निष्कर्षण में व्यवसाय अक्सर समग्र रूप से सबसे अधिक जोखिम भरा होगा।

  प्रो. राफेल लालीव ने कहा कि वर्तमान में मानव प्रगति के सामने सबसे बड़ी समस्या वह साधन है जिसके द्वारा कम्प्यूटरीकरण के प्रति अधिक अभेद्य हो जाना है।  अन्वेषण उन व्यक्तियों के लिए संपूर्ण व्यवसाय प्रस्ताव देता है जो रोबोट होने के उच्च जोखिम में हैं, जिससे उन्हें अपनी पिछली क्षमताओं का काफी पुन: उपयोग करते हुए सुरक्षित स्थितियों पर जारी रखने की अनुमति मिलती है।  विधायिकाएं इस मार्गदर्शन पर ध्यान देकर सामाजिक व्यवस्था को कम्प्यूटरीकरण के प्रति अधिक अभेद्य बनाने में सहायता कर सकती हैं।

  उस समय, रचनाकारों ने कुछ यादृच्छिक कार्यों के लिए वैकल्पिक पदों को पहचानने के लिए एक रणनीति तैयार की, जिसमें काफी कम कम्प्यूटरीकरण भेद्यता है और जो वैध रूप से आवश्यक विशेषज्ञता और क्षमताओं के कुछ हिस्सों में वास्तविक की तरह हैं, इस तरह पुनर्निर्माण के प्रयास को कम करते हैं और  वोकेशन शिफ्ट को साध्य बनाना है।  यह समझने के लिए कि यह तरीका व्यावहारिक रूप से कैसे काम करेगा, उन्होंने अमेरिकी कर्मचारियों से प्राप्त जानकारी का उपयोग किया और गणना के सुझावों के आलोक में बड़ी संख्या में पेशा परिवर्तन का प्रदर्शन किया, यह पाते हुए कि यह उच्च जोखिम वाले व्यवसायों में मजदूरों को मध्यम में बदलने की अनुमति देगा-  वास्तव में कम पुनर्निर्माण श्रम के साथ जोखिम वाले व्यवसाय है।