Profesinis mokymas: nuo užburiančių vizijų prie apgalvotų veiksmų

2019 m. kovas


Žinią, jog robotai jau netrukus perims mūsų darbus, jau aibę kartų girdėjome iš žiniasklaidos, ekspertų ar politikų. Video siužetus, kaip šie technologiniai niekadėjai tai padarys, vis dažniau mums siūlo ir socialiniai tinklai. Atrodytų, robotai daro viską (ar beveik viską), ką daro žmogus. Negana to, dažnai – žymiai tiksliau ir greičiau. Kuo daugiau stebi, kas vyksta, tuo mažiau abejonių – taip, ko gero, tikrai atsisveikinsime su darbais. Gerai tik tai, kad dar neaišku, kada ir kokiu mastu.

Robotai kėsinasi į mūsų darbus. Ar reikia ką nors daryti?

Neatsitiktinai šiuo protus audrinančiu klausimu rengiama vis daugiau tyrimų, organizuojamos konferencijos, buriamos ekspertų grupės – juk nuspėti ateitį visada buvo vienas didžiausių žmonijos troškimų. Tačiau įdomu tai, kad dirbantieji, priimdami viešai skelbiamą netolimos ateities perspektyvą, esą jų darbai atiteks robotams, nemato realios grėsmės. Štai bendrovės „Spinter tyrimai“ 2019 m. sausį atlikta reprezentatyvi gyventojų apklausa atskleidžia – ketvirtadalis Lietuvos dirbančiųjų mano, kad ateityje jų darbą atliks robotai, tačiau dėl to jaudinasi vos 3 proc. apklaustųjų Detaliau panagrinėjus tyrimus, pasidaro aišku – kol kas dar neturime sistemingos pokyčių stebėsenos ir analizės, o tendencijos atskirose pasaulio šalyse skiriasi.

Vis dėlto reikėtų atskirti robotų „parodomąją“ versiją (prototipo demonstravimą) ir realų diegimą ir paklausą rinkoje. Parodomoji versija, kitaip nei plataus masto gamyba ir diegimas, žinoma, yra kur kas lengviau realizuojama, nes nereikalauja tiek daug išteklių. Dėl to situacija paradoksali: viena vertus, robotai matomi, plačiai eskaluojami, kita vertus, vis dar retai savo aplinkoje galime pastebėti realų jų pritaikymą. Tik, žinoma, čia vertėtų atkreipti dėmesį į tai, kad robotų panaudojimo poveikio mastą ir pagreitį apskritai yra sunku įvertinti, ypač programinių – nes jie daugiausia „plinta“ internete sesančiose sistemose, vadinasi, lyginant su mechaniniais praktiškai nepastebimai ir neapskaitomai.

Taigi, galbūt geriau palikti šią temą žiniasklaidai ir politikams, mėgstantiems įaudrinti vaizduotę ateities vizijomis? Kartu ir sociologams, ir mokesčių sistemų ekspertams, padėsiantiems politikams sugalvoti, kaip apmokestinti robotus bei intelektinę nuosavybę? Juk tokiu būdu būtų galima užtikrinti universalias bazines pajamas, ypač reikalingas tai visuomenės daliai, kuri liks be darbo ir, tikėtina, vis didės palyginti su dirbančiųjų dalimi. Pagaliau, juk dalis visų šių vizijų šiandien yra labiau informacinis triukšmas ir „sureikšminimas“ (angl. hype), o realiai veikiančių robotų, kaip jau minėta, mūsų aplinkoje nėra daug.

Technologijų sukelti pokyčiai kvalifikacijų paklausoje jau matomi. Kokiu greičiu judame?

Negalvoti apie ateitį ir likti vien pasyviais stebėtojais, visgi, matyt, būtų pernelyg neatsargu, turint galvoje, kokį didelį poveikį pokyčiai galimai atneštų pramonės ir paslaugų sektoriuose ir kokia inertiška mūsų švietimo ir perkvalifikavimo sistema.

Kalbant apie Lietuvos pramonę, teigčiau, kad efektyvumas joje iki šiol augo labiau ne dėl automatizavimo ir skaitmeninimo, o dėl „Lean“, „TOC“ ir kitų gamybos procesų sistemų diegimo. Visgi, nors efektyvumas augo, darbo vietų skaičius pramonėje turi tendenciją mažėti, išskyrus pastaruosius kelerius metus, kai pritraukta nemažai naujų užsienio investicijų. Analitikai teigia, kad šalies įmonės šiandien pagamina apie 50 proc. produkcijos daugiau nei prieš ekonominę krizę, bet su 11–14 proc. mažiau darbuotojų. Kitose aukšto pragyvenimo lygio šalyse darbuotojų skaičius pramonėje nuolat traukiasi. Taigi, kylant automatizavimo bangai, ši tendencija ir pas mus tik stiprės.

Tuo metu paslaugų sektoriaus įmonės, ypač tos, kurios yra susijusios su informacinėmis technologijomis ir finansais, sparčiai kuria naujas darbo vietas tiek pasaulyje, tiek Lietuvoje. Pirma priežastis, kodėl tai vyksta, – pokyčiai bankų sektoriuje. Dėl automatizacijos čia darbo vietų smarkiai sumažėjo, tačiau netrukus jos buvo pakeistos paslaugų centrų ir „fintech“ startuolių. Antra priežastis – visuotinės skaitmenizavimo tendencijos, padidinusios informacinių technologijų specialistų, ypač programuotojų, paklausą. Kaip darbo vietų ir kvalifikacijų dinamiką paslaugų sektoriuje gali pakeisti mašininiu mokymusi grįstų algoritmų plėtra ir sistemų naudojimas (jau nekalbant apie dirbtinį intelektą)? Prognozuoti nesunku – bus automatizuotos su duomenų analize susijusios operacijos, sumažės kitų rutininių veiksmų ir su jais susijusių darbų, tuo pat metu stipriai išaugs tokių sistemų kūrėjų poreikis, kuris jaučiamas jau dabar.

Ko tikėtis iš dirbtinio intelekto?

Proveržis specializuoto dirbtinio intelekto srityje stipriai susijęs su technologijų ir išteklių plėtra. Iki šiol pokyčiai čia vyko pakankamai lėtai – dirbtinio intelekto algoritmai žinomi jau 40 metų. Straipsnį tuo metu egzotiška neuroninių tinklų tema pats esu rašęs bene 1997-ais. Tad praėjo du dešimtmečiai, kol iš eksperimentų ir tyrimų tai tapo realybe. Tiesa, kol kas šie algoritmai, kuriems reikia daug sukauptų duomenų, ypač didelės spartos skaičiavimo išteklių bei spartaus interneto ryšio, efektyviai veikia tik sistemose, taikančiose vaizdų (nuo paieškos pagal įkeltą paveikslėlį iki transporto priemonių ar praeivių veidų atpažinimo) ar kalbos (nuo kalbančių programinių robotų iki mašininio vertimo realiame laike) apdorojimą, tačiau bandymų juos taikyti įvairiausiose srityse nuolat daugėja.

Įvertinus tai, kad didiesiems skaitmeninės rinkos žaidėjams sukaupti didelius duomenų kiekius šiuo metu yra ganėtinai lengva, o kiti ištekliai taip pat jau yra prieinami, esminių technologinių barjerų pritaikyti dirbtinio intelekto algoritmus nebeliko. Šiandien technologija yra sėkmingai nukreipta į su kognityviniais gebėjimais susijusias operacijas, tokias kaip suvokimas, priežastinių ryšių aptikimas, mokymasis ar problemų sprendimas, siekiant atliepti organizacijų poreikius. Beje, tokiems sprendimams būtini ir pokyčiai organizacijų strategijose, atsakymai į etinio jų panaudojimo klausimus.

Kaip vieną pagrindinių apribojimų, taikant dirbtinio intelekto algoritmais grįstas sistemas, McKinsey konsultantai įvardija jas planuojančius, kuriančius ir išbandančius žmones. Konsultantų teigimu, labai svarbi yra kritinė šių žmonių žinių ir gebėjimų, reikalingų tokių sistemų kūrimui, masė bei, žinoma, kaštai. Nuo šių procesų spartos priklauso ir laukiamos transformacijos, kuri neišvengiamai turės poveikį darbo rinkai ir kvalifikacijoms, kartu ir švietimui – profesiniam mokymui ir studijoms, greitis ir mastas.

Ką galime nuveikti jau šiandien?

Kokiems iššūkiams Lietuvoje ir Europoje turėtų būti pasirengusi švietimo sistema? Kaip pasiekti, kad pokyčiai atvertų galimybes, o neigiamas jų poveikis netaptų našta visuomenei? Prieš keletą mėnesių kaip Europos Komisijos Švietimo ir kultūros direktorato (DG EAC) ekspertas dalyvavau planuojant strateginę švietimo ir mokymosi darbotvarkę po 2020 m. Ypač prisidėjau planuojant su skaitmenine transformacija susijusią darbotvarkės dalį.

Šiuo metu EBPO ir CEDEFOP ekspertai prognozuoja, kad apie 14 proc. darbo vietų patirs dirbtinio intelekto poveikį. Mažiausiai norėtųsi, kad tokie pokyčiai dėl jau minėtos inercijos švietimo sistemoje mus užkluptų nepasiruošusius, kaip žiema kiemsargius. Siekiant to išvengti, ekspertų grupės parengtame įžvalgų dokumente teikėme rekomendaciją sukurti Europos Sąjungos mastu veikiančią „ankstyvo perspėjimo“ sistemą, grįstą technologijų taikymo ir kvalifikacijų pokyčių stebėsena. Ši sistema, naudodama realius duomenis, padėtų aptikti su technologijų taikymu susijusius poslinkius kvalifikacijų paklausoje ir leistų prognozuoti ateities tendencijas.

Turint tokius duomenis, galima planuoti, kaip turėtume reaguoti į kvalifikacijų paklausos poslinkius. Tikėtina, kad pirmąja „fronto linija“ taptų profesinis mokymas ir mokymasis darbe (pavyzdžiui, pameistrystė). Šios mokymosi formos, palyginus su kitomis, sparčiausiai padeda suaugusiems įgyti naują kvalifikaciją – daugeliu atvejų tai ne metų, o vos kelių mėnesių trukmės programos. Sparta ir lankstumas, mokymosi programas nukreipiant į augančius šalies sektorius ar posektorius, ypač aktualūs pasireiškus platesnio masto neigiamam poveikiui ir siekiant išvengti su tuo susijusios bedarbystės ar emigracijos.

Tiesa, kol kas apgalvotam eksperimentavimui ir inovatyviems projektams pritaikytų formatų švietime labai stinga. Iki šiol pokyčiai profesiniame mokyme įgyvendinami ir finansuojami „iš viršaus žemyn“. Diegiant naujoves tokiu būdu virsmas trunka metų metus ir yra vykdomas perkant paslaugas viešųjų pirkimų keliu. Čia matyčiau didžiulį profesinio mokymo potencialą, parengiant jį nenumatytiems scenarijams. Švietimo politikos formuotojai turėtų įgalinti profesinį mokymą kartu su darbdaviais pasirengti išteklius, reikalingus greičiau didinti paklausių mokymų mastą ar adaptuoti turinį. Tuo pat metu suvokiant, kad trikdantis technologijų poveikis pasireiškia ir naujų aukštos pridėtinės vertės darbų sukūrimu, aukštojo mokslo studijų ir taikomųjų tyrimų sistemos misija būtų išnaudoti šios naujos sprendimų rinkos potencialą, ugdant tokias sistemas gebančius kurti ir panaudoti absolventus bei tyrėjus.

Pašnekovo nuomonė nebūtinai sutampa su redakcijos pozicija. Norėdami pasidalinti savo nuomone, susisiekite su redakcija.

419 views
bookmark icon