Kunskapsarbete minskar när maskinerna utvecklas, och undervisningen bör ge beredskap för nya former av designarbete, skriver Matti Tedre och Peter J. Denning.

DEN DATATEKNISKA revolutionen framskrider i rasande fart.

Smarttelefoner anpassade efter individuella behov når prestationen från världens superdatorer vid årtusendet början och håller oss online nästan överallt. Självkörande bilar kör redan på vägarna. Företag som Uber och Airbnb utmanar gamla affärsmodeller. Datorer övervakar hälsan och diagnostiserar sjukdomar. Många traditionella jobb och yrken har försvunnit.

Förmågan att presentera och bearbeta all möjlig information som bitar har hela tiden förbättrats. Först blev datorsimulering ett centralt verktyg inom vetenskap och teknik, vilket öppnade nya möjligheter inom nästan alla områden. Sedan gjorde persondatorer varje person till en potentiell datorkänd användare.

Internet och särskilt dess www-tjänster gjorde global kommunikation till vardagsmat. Datorer blev kommunikationsenheter. Miljarder datorer är redan anslutna till Internet. Nu är snabba datakommunikationslänkar en del av samhällens infrastruktur och nya tjänster baserade på dessa växer ständigt fram.

Genombrotten inom artificiell intelligens har gjort bildkänning, taligenkänning, maskinöversättning och diagnostik lätt tillgänglig. Med hjälp av maskininlärning kan datorer utföra noggrant avgränsade uppgifter snabbare, utan att bli trötta, billigare och ofta bättre än människor.

GENOMSLAGENS DJUP är jämförbar med den industriella revolutionen. Då ersatte maskiner en enorm mängd handarbete till exempel inom textilindustrin och jordbruket. Förändringarna skakade upp samhällets strukturer och orsakade instabilitet.

Helt ny näring under 1900-talet blev kunskapsarbete. Under lång tid antogs det kräva sådan intuition som maskiner inte besitter. Högskolor blev utbildningsinstitutioner för kunskapsarbetare. En högskolexamen blev en biljett till en karriär.

Nu ifrågasätter maskininlärning dessa gamla sanningar. Varje uppgift som kan läras in genom att studera hur samma uppgift har utförts de senaste hundra tusen gångerna är sannolikt ett mål för automatisering. Att outsourca och crowdsourca en uppgift är förebud om dess framtida automatisering.

Kunskapsarbete minskar när maskinerna utvecklas, men nya former av arbete som är intimt förknippade med det – till exempel designarbete som skapar något nytt – ökar. Inom datorteknik blir förståelsen för och färdigheterna i att hantera samhällen, språk, mentorskap, innovation, kultur, värderingar, mervärde och samhälleliga förändringar allt viktigare än kodningskunskaper. I Silicon Valley är det just designarbetare med sådana färdigheter som står bakom automatiseringen av kunskapsarbete och nya tjänster.

FÖR UTBILDNINGSSYSTEMET är förändringen en stor utmaning. Det är lätt att fastna i diskussioner om verktyg för kunskapsöverföring och kunskapsinhämtning i stället för att förbereda sig för automatiseringen av kunskapsarbete, även om det redan har förändrat och kommer att fortsätta att förändra datorns och människans roller i arbetet.

Även om mängden designarbete växer och erbjuder nya karriärer och jobb i framtiden, ger vårt utbildningssystem dåligt med beredskap för det.

När kunskapsarbete automatiseras är det viktigt att förstå själva informationen. Undervisningen bör utökas med verktyg för att analysera och strukturera problem, med vilka problemlösningar kan presenteras i en form som datorer kan bearbeta.

Till designarbetets centrala färdigheter hör förståelse för samhällen och deras bakgrund, känsla för sociala nätverk och interaktion samt förståelse för människors vanor och beteende. Dessa färdigheter hjälper till att förstå människors och samhällens behov och undviker alltför stor teknikförtroende.

OMSKOLA BASERAT PÅ tidigare kunskaper kan hjälpa dem som blivit arbetslösa på grund av robotik och automatisering av kunskapsarbete att bygga en ny yrkesidentitet. Ett alltid föränderligt och oförutsägbart arbetsliv kräver också förmåga att kombinera gamla och nya färdigheter.

Lyckad undervisning som förbereder för designarbete kombinerar tekniska färdigheter, samhälleliga färdigheter och förmåga att förstå människor. Vi bör inte lära ut hur man konkurrerar med robotar. I stället bör människor utbildas – med hjälp av automatisering – för att lösa problem som robotar ännu inte klarar av.

Matti Tedre och Peter J. Denning

Tedre är forskare i datavetenskap vid Stockholms universitet och Denning är professor i datavetenskap vid Naval Postgraduate School i Kalifornien.

https://www.hs.fi/paakirjoitukset/art-2000002927745.html