Dario Floreano교수는 EPFL의 지능형 시스템 연구소 소장이자 이 연구의 주저자이다.
Floreano 교수는 "로봇이 얼마나 많은 작업을 자동화할 것인지 예측하는 여러 연구가 있지만 모두 음성 및 이미지 인식, 금융 로보어드바이저, 챗봇 등과 같은 소프트웨어 로봇에 초점을 맞추고 있다"고 말했다. “게다가, 그러한 예측은 직무 요구 사항과 소프트웨어 능력이 어떻게 평가되는지에 따라 크게 흔들린다. 여기에서 우리는 인공지능 소프트웨어뿐만 아니라 육체 노동을 수행하는 매우 지능적인 로봇을 고려하고 수백 가지 작업에 사용되는 인간과 로봇 능력을 체계적으로 비교할 수 있는 방법을 개발했다.”
방법 개발
팀은 작업 요구 사항에 대한 로봇 기능을 매핑할 수 있었으며 이는 연구의 주요 돌파구였다. 그들은 로봇 공학 전문가들에 의해 주기적으로 수정되는 유럽 위원회의 전략 문서인 유럽 H2020 로봇 다년 로드맵(Robotic Multi-Annual Roadmap, MAR)을 살펴보았다. MAR은 현재 로봇에 어떤 능력이 필요하거나 미래 로봇이 요구할 수 있는지 자세히 설명한다. 이들은 조작, 지각 및 인간과의 상호 작용과 같은 범주로 구성된다.
팀은 로봇 능력의 성숙도를 평가하기 위해 로봇 제품에 대한 많은 연구 논문, 특허 및 설명을 분석했다. 그들은 기술 개발 수준을 측정하는 척도인 "기술 준비 수준"(TRL)에 의존했다.
인간의 능력에 관해서 연구원들은 미국 취업 시장에서 널리 사용되는 자원 데이터베이스인 O*net 데이터베이스를 사용했다. 약 1,000개의 직업을 분류하고 각 직업에 필요한 기술과 지식을 자세히 설명한다.
팀은 먼저 O*net 목록에 있는 인간의 능력을 MAR 문서의 로봇 능력과 선택적으로 일치시켰고, 이를 통해 각 기존 작업이 미래에 로봇이 수행할 가능성을 계산할 수 있었다. 로봇이 일을 잘하면 TRL이 더 높다.
작업 순위 지정
이 분석을 수행한 결과 1,000개의 직업 순위가 나왔다. 목록에서 가장 낮은 사람 중 하나는 "물리학자"였으며 "미트 패커"는 가장 높은 사람 중 하나였다. 식품 가공, 건축 및 유지 보수, 건설 분야의 직업이 가장 높은 위험도를 보였다.
Rafael Lalive 교수는 로잔 대학교에서 공동 연구를 주도했다.
Lalive 교수는 "오늘날 사회의 주요 과제는 자동화에 대한 회복력을 갖추는 방법이다."라고 말한다. “우리 작업은 자동화의 높은 위험에 직면한 근로자에게 자세한 직업 조언을 제공하여 이전 직장에서 습득한 많은 기술을 재사용하면서 더 안전한 작업을 수행할 수 있도록 한다. 이 조언을 통해 정부는 사회가 자동화에 대해 보다 탄력적으로 대처할 수 있도록 지원할 수 있다.”
저자는 자동화 위험이 상당히 낮은 대체 직업을 찾는 방법을 만들었다. 이 직업은 필요한 능력과 지식에 관해서도 원래 직업에 가까웠으므로 재훈련 노력을 최소한으로 유지하는 데 도움이 된다.
이 새로운 방법은 다양한 방식으로 사용될 수 있다. 예를 들어, 정부는 이를 사용하여 미래에 얼마나 많은 근로자가 자동화에 직면할 수 있는지 측정할 수 있다. 이는 그에 따라 재교육 이니셔티브와 정책을 조정하는 데 도움이 될 것이다. 기업은 또한 이를 사용하여 자동화와 관련된 비용을 분석할 수 있다.
이 모든 작업은 수백 개의 작업에 대한 자동화 위험을 예측하는 동시에 경력 전환을 제안할 수 있는 알고리즘으로 변환되었다.
공개적으로 액세스 가능한 알고리즘은 여기 here.에서 찾을 수 있다.
이번 연구는 사이언스 로보틱스(Science Robotics)에 게재됐다.
- 홈
- 종합
