Indice
Oggi vi proponiamo una interessantissima ricerca portata avanti da L’EPFL (École polytechnique fédérale de Lausanne), il famoso istituto di ricerca e università di Losanna, in Svizzera, specializzato in scienze naturali e ingegneria. Per farlo prendiamo in prestito l’articolo “How to compete with Robots” comparso sul sito specializzato in news di robotica Robohub.org e da noi tradotto in italiano.
Vi ricordiamo che Robohub.org (che i lettori dei nostri libri conoscono bene, essendo stato più volte citato nelle pagine) è una vera miniera senza fondo di notizie interessanti e anche curiose che deve entrare nella vostra lista di fonti informative di qualità da cui attingere.
La ricerca dell’Università di Losanna
Quando si parla del futuro dei robot intelligenti, la prima domanda che ci si pone è spesso: “Quanti posti di lavoro faranno sparire?” Qualunque sia la risposta, la seconda domanda sarà probabilmente: “Come posso assicurarmi che il mio lavoro non sia tra questi?“
In uno studio appena pubblicato su Science Robotics, un team di robotici dell’EPFL e di economisti dell’Università di Losanna offre una risposta a entrambe le domande. Combinando la letteratura scientifica e tecnica sulle capacità robotiche con le statistiche sull’occupazione e sui salari, hanno sviluppato un metodo per calcolare quali dei lavori attualmente esistenti sono più a rischio di essere svolti dalle macchine nel prossimo futuro. Inoltre, hanno ideato un metodo per suggerire transizioni di carriera verso lavori meno a rischio e che richiedono un impegno di riqualificazione minore.
“Esistono diversi studi che prevedono quanti lavori saranno automatizzati dai robot, ma tutti si concentrano sui robot software, come il riconoscimento vocale e delle immagini, i robo-advisor finanziari, i chatbot e così via. Inoltre, queste previsioni oscillano selvaggiamente a seconda di come vengono valutati i requisiti lavorativi e le capacità del software. In questo caso, non prendiamo in considerazione solo i software di intelligenza artificiale, ma anche i veri robot intelligenti che svolgono lavori fisici e abbiamo sviluppato un metodo per un confronto sistematico delle capacità umane e robotiche utilizzate in centinaia di lavori“, afferma il Prof. Dario Floreano, Direttore del Laboratorio di Sistemi Intelligenti dell’EPFL, che ha guidato lo studio all’EPFL.
L’innovazione chiave
L’innovazione chiave dello studio è una nuova mappatura delle capacità dei robot rispetto ai requisiti del lavoro. Il team ha esaminato la European H2020 Robotic Multi-Annual Roadmap (MAR), un documento strategico della Commissione europea che viene periodicamente rivisto da esperti di robotica. La MAR descrive decine di abilità richieste ai robot attuali o che potrebbero essere richieste da quelli futuri, organizzate in categorie come manipolazione, percezione, rilevamento, interazione con gli esseri umani. I ricercatori hanno esaminato documenti di ricerca, brevetti e descrizioni di prodotti robotici per valutare il livello di maturità delle abilità robotiche, utilizzando una scala ben nota per misurare il livello di sviluppo tecnologico, il “technology readiness level” (TRL).
Per quanto riguarda le abilità umane, ci si è basati sul database O*net, un database di risorse ampiamente utilizzato sul mercato del lavoro statunitense, che classifica circa 1.000 occupazioni e suddivide le abilità e le conoscenze più cruciali per ciascuna di esse.
Dopo aver abbinato selettivamente le abilità umane dell’elenco O*net alle abilità robotiche del documento MAR, il team ha potuto calcolare la probabilità che ogni occupazione esistente possa essere svolta da un robot. Supponiamo, ad esempio, che un lavoro richieda all’uomo una precisione millimetrica nei movimenti. I robot sono molto bravi in questo, e il TRL dell’abilità corrispondente è quindi il più alto. Se un lavoro richiede un numero sufficiente di abilità di questo tipo, è più probabile che venga automatizzato rispetto a un lavoro che richiede abilità come il pensiero critico o la creatività.
La classifica di 1000 lavori a rischio
Il risultato è una classifica dei 1.000 lavori, con i “Fisici” che hanno il rischio più basso di essere sostituiti da una macchina e i “Macellatori e imballatori di carne” che hanno il rischio più alto. In generale, i posti di lavoro nei settori della lavorazione degli alimenti, dell’edilizia e della manutenzione, delle costruzioni e dell’estrazione sembrano essere i più a rischio.
“La sfida principale per la società di oggi è come diventare resistenti all’automazione“, afferma il Prof. Rafael Lalive, coautore dello studio presso l’Università di Losanna. “Il nostro lavoro fornisce consigli dettagliati sulla carriera dei lavoratori che corrono un rischio elevato di automazione, consentendo loro di assumere lavori più sicuri e di riutilizzare molte delle competenze acquisite nel vecchio lavoro. Grazie a questi consigli, i governi possono aiutare la società a diventare più resiliente nei confronti dell’automazione“.
Gli autori hanno quindi creato un metodo per trovare, per un dato lavoro, impieghi alternativi che abbiano un rischio di automazione significativamente inferiore e che siano ragionevolmente vicini a quello originario in termini di abilità e conoscenze richieste – mantenendo così minimo lo sforzo di riqualificazione e rendendo fattibile la transizione di carriera. Per verificare le prestazioni di questo metodo nella vita reale, i ricercatori hanno utilizzato i dati della forza lavoro statunitense e hanno simulato migliaia di spostamenti di carriera basati sui suggerimenti dell’algoritmo, scoprendo che esso consentirebbe effettivamente ai lavoratori delle occupazioni a più alto rischio di passare a occupazioni a medio rischio, con uno sforzo di riqualificazione relativamente basso.
Il metodo di analisi
Il metodo potrebbe essere utilizzato dai governi per misurare quanti lavoratori potrebbero essere esposti ai rischi dell’automazione e adeguare le politiche di riqualificazione, dalle aziende per valutare i costi dell’aumento dell’automazione, dai produttori di robotica per adattare meglio i loro prodotti alle esigenze del mercato e dal pubblico per individuare il percorso più semplice per riposizionarsi sul mercato del lavoro.
Infine, gli autori hanno tradotto i nuovi metodi e i dati in un algoritmo che prevede il rischio di automazione per centinaia di lavori e suggerisce transizioni di carriera resistenti con un minimo sforzo di riqualificazione, accessibile pubblicamente su http://lis2.epfl.ch/resiliencetorobots.
Questa ricerca è stata finanziata dal programma CROSS (Collaborative Research on Science and Society) del College of Humanities dell’EPFL; dall’Enterprise for Society Center dell’EPFL; come parte dell’NCCR Robotics, un Centro Nazionale di Competenza per la Ricerca, finanziato dal Fondo Nazionale Svizzero per la Ricerca Scientifica (numero di sovvenzione SNSF 51NF40_185543); dalla Commissione Europea attraverso i progetti Horizon 2020 AERIAL-CORE (accordo di sovvenzione no. 871479) e MERGING (convenzione di sovvenzione n. 869963); e dalla sovvenzione SNSF n. 100018_178878.
Paper di ricerca
Come competere con i robot valutando i rischi di automazione del lavoro e le alternative resilienti Antonio Paolillo, Fabrizio Colella, Nicola Nosengo, Fabrizio Schiano, William Stewart, Davide Zambrano, Isabelle Chappuis, Rafael Lalive e Dario Floreano. Scienza Robotica, Vol. 7, Numero 65
Foto di copertina: Foto di Alex Knight da Pexels: https://www.pexels.com/it-it/foto/foto-dall-alto-del-robot-2599244/