{"id":33386,"date":"2017-11-01T00:32:40","date_gmt":"2017-10-31T23:32:40","guid":{"rendered":"http:\/\/www.fedaiisf.it\/?p=33386"},"modified":"2017-11-02T10:03:25","modified_gmt":"2017-11-02T09:03:25","slug":"industria-4-0-le-interazioni-faccia-faccia-almeno-ora-non-possono-automatizzate","status":"publish","type":"post","link":"https:\/\/www.fedaiisf.it\/en\/industria-4-0-le-interazioni-faccia-faccia-almeno-ora-non-possono-automatizzate\/","title":{"rendered":"Industria 4.0. Le interazioni faccia a faccia, almeno per ora, non possono essere automatizzate"},"content":{"rendered":"

La forma del lavoro che verr\u00e0<\/span><\/h1>\n

La rivoluzione digitale ha gi\u00e0 iniziato a trasformare molte mansioni lavorative, ma \u00e8 solo l’inizio: l’apprendimento automatico, cio\u00e8 l’intelligenza artificiale in grado di imparare da sola, promette di sostituire gli esseri umani anche in compiti complessi e non routinari. Le ricerche per capire dove andr\u00e0 il mercato del lavoro sono molte, e sottolineano opportunit\u00e0 e rischi per i lavoratori di tutto il mondo<\/p>\n

di Emily Anthes\/Nature<\/em><\/p>\n

L’anno scorso, l’imprenditore Sebastian Thrun ha deciso di aumentare le sue capacit\u00e0 di vendita usando l’intelligenza artificiale. Thrun \u00e8 il fondatore e presidente di Udacity, una societ\u00e0 di formazione che offre corsi online e impiega un’armata di venditori per rispondere alle domande dei potenziali studenti via chat. Thrun, che dirige anche un laboratorio di informatica alla Stanford University, in California, ha lavorato con uno dei suoi studenti per raccogliere le trascrizioni di queste chat, segnalando quelle che hanno portato all’iscrizione a un corso. I due hanno inserito i dati della chat in un sistema di apprendimento automatico, che ha raccolto le risposte pi\u00f9 efficaci a una serie di domande pi\u00f9 comuni.<\/p>\n

Poi hanno messo questo assistente alle vendite digitale a lavorare accanto ai colleghi umani. Quando arrivava una domanda, il programma suggeriva una risposta appropriata, che il venditore poteva personalizzare se necessario. Era come avere un copione per le vendite in grado di reagire istantaneamente, con una montagna di dati per supportare ogni suo elemento. E funzionava; il gruppo \u00e8 riuscito a gestire il doppio dei contatti nello stesso tempo, e a convertirne in vendite una percentuale pi\u00f9 alta.<\/p>\n

In pratica, spiega Thrun, il sistema ha messo insieme le competenze dei migliori venditori della societ\u00e0 e le ha rese disponibili all’intero gruppo, con un processo che egli ritiene potenzialmente rivoluzionario. “Proprio come la macchina a vapore e l’auto hanno amplificato la nostra potenza muscolare, questo potrebbe amplificare la nostra capacit\u00e0 cerebrale e trasformarci in superumani dal punto di vista intellettuale”, afferma.<\/p>\n

\"LaIl decennio passato ha visto notevoli progressi nelle tecnologie digitali, come l’intelligenza artificiale (IA), la robotica, il cloud computing, l’analisi dati e le comunicazioni mobili.<\/p>\n

Nei prossimi decenni queste tecnologie trasformeranno quasi ogni settore, dall’agricoltura alla medicina, dalla produzione alla vendita, dalla finanza ai trasporti, ridefinendo la natura del lavoro. “Milioni di posti di lavoro saranno eliminati, serviranno e saranno creati milioni di nuovi posti di lavoro, e molti di pi\u00f9 ancora saranno trasformati”, afferma Erik Brynjolfsson, che dirige l’Initiative on the Digital Economy del Massachusetts Institute of Technology.<\/p>\n

Ma fare previsioni precise \u00e8 difficile. “La tecnologia sta progredendo, il che in qualche modo \u00e8 una cosa positiva, ma siamo ancora molto in ritardo nel comprenderne le implicazioni”, spiega. “C’\u00e8 un’enorme necessit\u00e0, e un’enorme opportunit\u00e0, di studiare i cambiamenti”. I ricercatori stanno cominciando a fare proprio questo, e i dati che stanno emergendo resistono alle semplificazioni. I progressi nelle tecnologie digitali possono cambiare il lavoro in modi complessi e sfumati, creando opportunit\u00e0 e rischi per i lavoratori.<\/p>\n

Ecco tre domande pressanti sul futuro del lavoro in un mondo digitale ed ecco le risposte che i ricercatori stanno cominciando a dare.<\/p>\n

L’apprendimento automatico scalzer\u00e0 i lavoratori specializzati?<\/strong>
\nNelle precedenti ondate di automazione, i progressi tecnologici hanno permesso alle macchine di svolgere compiti semplici, ripetitivi e di routine. L’apprendimento automatico apre la possibilit\u00e0 di automatizzare compiti cognitivi pi\u00f9 complessi e non routinari. “Per la maggior parte degli ultimi 40 o 50 anni, \u00e8 stato impossibile automatizzare un compito prima di averlo compreso molto bene”, dice Brynjolfsson. “Questo non \u00e8 pi\u00f9 vero: ora le macchine possono imparare da sole”.<\/p>\n

I sistemi di apprendimento automatico possono tradurre parole, catalogare immagini, ordinare merci, individuare frodi e diagnosticare malattie, rivaleggiando con gli esseri umani in alcuni campi nuovi e sorprendenti. “Una macchina pu\u00f2 gestire molti, molti e molti pi\u00f9 dati di un essere umano”, dice Thrun. All’inizio di quest’anno, ha guidato un gruppo di ricerca che ha dimostrato che circa 129.000 immagini di lesioni cutanee potrebbero essere utilizzate per addestrare una macchina a diagnosticare il cancro della pelle con un livello di precisione paragonabile a quello di dermatologi qualificati.<\/p>\n

\"RisultatiQuesti progressi hanno fatto sorgere la preoccupazione che tali sistemi possano sostituire i lavoratori umani in campi che una volta sembravano troppo complessi per essere automatizzati. Le stime iniziali sembravano terribili. Nel 2013, i ricercatori dell’Oxford Martin Programme on Technology and Employment dell’Universit\u00e0 di Oxford, nel Regno Unito, hanno esaminato i progressi e i problemi ancora sul tavolo nell’apprendimento automatico e nella\u00a0<\/u>robotica mobile, per stimare in che misura 702 lavori diversi fossero esposti al rischio di automazione. La loro sorprendente conclusione \u00e8 stata che il 47 per cento dei posti di lavoro negli Stati Uniti sarebbe ad alto rischio di informatizzazione, in particolare gli impieghi nei settori dei trasporti, della logistica, della produzione e dell’amministrazione.<\/p>\n

Da allora, per\u00f2, altri ricercatori hanno sostenuto che la percentuale del 47 per cento \u00e8 troppo elevata, data la variet\u00e0 di compiti che i lavoratori tendono a svolgere in molte occupazioni. “Se si va pi\u00f9 in profondit\u00e0, se si analizza la struttura dei compiti svolti effettivamente dalle persone, si scopre che le stime si abbassano”, afferma Ulrich Zierahn, ricercatore senior del Centre for European Economic Research.<\/p>\n

Per esempio, lo studio di Oxford riferiva che gli impiegati in contabilit\u00e0, amministrazione e revisione dei conti hanno un rischio di automazione del 98 per cento. Ma quando hanno analizzato i dati dell’indagine su ci\u00f2 che quelle persone fanno effettivamente, Zierahn e colleghi hanno scoperto che il 76 per cento di loro aveva un impiego che richiedeva un lavoro di gruppo o interazioni faccia a faccia. Almeno per ora, quelle attivit\u00e0 non possono essere facilmente automatizzate. Quando gli autori hanno esteso il loro approccio ad altre professioni, hanno trovato dati meno allarmanti sul numero di posti di lavoro a rischio nei 21 paesi studiati. Negli Stati Uniti, la quota di lavoratori ad alto rischio di automazione era solo il 9 per cento, e la cifra variava da un minimo del 6 per cento in Corea del Sud ed Estonia fino a un massimo del 12 per cento in Germania e Austria (si veda l’infografica di “Nature”<\/a>).<\/p>\n

Brynjolfsson ora sta collaborando con Tom Mitchell, un informatico della Carnegie Mellon University, per approfondire il tema dell’impatto dell’apprendimento automatico. I due hanno elaborato una categoria che descrive le caratteristiche che rendono certi compiti particolarmente idonei a questo approccio. Per esempio, i sistemi di apprendimento automatico sono abili nei compiti che comportano la traduzione di un insieme di input \u2013 per esempio, immagini di lesioni cutanee \u2013 in un insieme di output, per esempio le diagnosi di cancro. \u00c8 pi\u00f9 probabile che vengano usati anche per attivit\u00e0 in cui sono facilmente disponibili grandi insiemi dei dati digitali necessari addestrare il sistema. Brynjolfsson e Mitchell stanno scandagliando numerose banche dati occupazionali per determinare in che misura una gamma di mansioni lavorative soddisfi questi e ad altri criteri.<\/p>\n

Anche con questo tipo di analisi a disposizione, determinare le conseguenze per il mercato del lavoro \u00e8 complesso. Il semplice fatto che un compito possa essere automatizzato non significa che lo sar\u00e0 effettivamente; le nuove tecnologie spesso richiedono trasformazioni organizzative che sono impegnative in termini di denaro e di tempo. Ostacoli legali, etici e sociali possono inoltre ritardare o sviare la loro applicazione. “L’IA non \u00e8 ancora un prodotto che si pu\u00f2 trovare sul mercato”, afferma Federico Cabitza, che studia informatica per la sanit\u00e0 all’Universit\u00e0 di Milano-Bicocca. Per esempio, implementare sistemi medicali di apprendimento automatico richiede sia preparazione tecnologica sia la volont\u00e0 di dedicare migliaia di ore di lavoro a rendere operativi quei sistemi \u2013 afferma \u2013 per non parlare dell’accettazione da parte di operatori sanitari e pazienti.<\/p>\n

\"RisultatiLe ricerche suggeriscono che la forza lavoro \u00e8 flessibile nell’adattarsi alle nuove tecnologie. Nella seconda met\u00e0 del Ventesimo secolo, la crescente automazione ha determinato trasformazioni interne delle occupazioni, poich\u00e9 i dipendenti hanno iniziato a svolgere compiti pi\u00f9 complessi e non routinari. In alcuni casi futuri, queste trasformazioni potrebbero essere positive; se i sistemi automatizzati iniziassero a fare diagnosi mediche di routine, potrebbero lasciare pi\u00f9 tempo libero ai medici, che cos\u00ec potrebbero dedicarsi a interagire con i pazienti e a lavorare su casi complessi. “Il fatto che i computer stiano diventando capaci di fare diagnosi mediche non significa che la categoria dei medici scomparir\u00e0”, dice Mitchell. “Forse significa che avremo medici migliori”.<\/p>\n

In effetti, molte persone potrebbero trovarsi a lavorare fianco a fianco ai sistemi di IA, come i venditori di Udacity, invece di esserne sostituiti.<\/p>\n

Per esempio, le auto a guida autonoma non sono ancora in grado di cavarsela in tutte le situazioni per conto proprio, per cui la casa automobilistica Nissan sta sviluppando una soluzione a supporto umano. Se una delle sue autovetture incontra una situazione che non capisce, come lavori stradali o incidenti, contatter\u00e0 un centro di comando remoto in cui un “gestore di mobilit\u00e0” umano pu\u00f2 assumere il controllo finch\u00e9 la vettura non ha superato il problema. “Fondamentalmente, macchine ed esseri umani pensano in modo molto diverso tra loro, ognuno con i suoi punti di forza”, afferma Pietro Michelucci, direttore esecutivo dello Human Computation Institute di Ithaca, nello Stato di New York. “Perci\u00f2 assistiamo a un vero e proprio matrimonio naturale tra macchine ed esseri umani”.<\/p>\n

La gig economy aumenta lo sfruttamento dei lavoratori?<\/strong>
\nFlessibilit\u00e0, variet\u00e0 e autonomia: queste sono le promesse della\u00a0gig economy<\/em>, oggi in espansione, in cui i lavoratori usano piattaforme online per trovare incarichi di lavoro a breve termine [NdR: nel mondo dello spettacolo,\u00a0gig\u00a0<\/em>indica la singola performance di un gruppo musicale o teatrale]. Questo tipo di lavoro temporaneo, a richiesta e mediato dalle comunicazioni digitali, pu\u00f2 assumere una variet\u00e0 di forme differenti, dalla guida per il servizio di taxi Uber allo svolgimento di micro-compiti \u2013 come effettuare un sondaggio, tradurre alcune frasi di testo o catalogare un’immagine \u2013 su una grande piattaforma di\u00a0crowd-working<\/em>\u00a0come\u00a0Amazon Mechanical Turk<\/a>.<\/p>\n

Queste piattaforme digitali consentono di lavorare da qualsiasi luogo, il che significa che potrebbero eliminare alcune barriere geografiche per ottenere buoni posti di lavoro. “Un cittadino di Nairobi non \u00e8 pi\u00f9 vincolato dal mercato del lavoro locale”, afferma il geografo digitale Mark Graham dell’Universit\u00e0 di Oxford.<\/p>\n

\"RisultatiGraham e colleghi hanno trascorso diversi anni a studiare l’economia digitale a richiesta in nel Sud Est Asiatico e nell’Africa sub-sahariana, intervistando pi\u00f9 di 150 lavoratori temporanei, conducendo sondaggi con pi\u00f9 di 500 persone e analizzando centinaia di migliaia di transazioni sulle piattaforme di lavoro online.<\/p>\n

I loro risultati preliminari mostrano che per alcune persone questi lavori sono remunerativi. Il 68 per cento degli intervistati ha dichiarato\u00a0<\/u>che costituiscono\u00a0 una parte importante del loro reddito familiare. E le piattaforme digitali hanno garantito posti di lavoro a molte persone, come donne impegnate nella cura di bambini piccoli o persone anziane e migranti senza permesso di lavoro, che hanno dichiarato che altrimenti le loro opportunit\u00e0 di lavoro sarebbero state limitate. “C’\u00e8 chi si mantiene con questo sistema”, dice Graham. “Ma non \u00e8 cos\u00ec per tutti”.<\/p>\n

Nella\u00a0gig economy<\/em>\u00a0c’\u00e8 un enorme surplus di domanda di lavoro, il che spinge alcuni lavoratori a diminuire i propri compensi al di sotto della soglia che considerano equa. Inoltre, molti lavorano intensamente per molte ore di fila per rispettare le scadenze. “Tendono ad avere un’esistenza molto precaria, quindi cercano di non rifiutare i lavori che trovano”, dice Graham. “Abbiamo parlato con alcune persone che sono rimaste sveglie per 48 ore filate, lavorando duramente solo per rispettare il contratto”.<\/p>\n

Ci sono notevoli disuguaglianza geografiche. In uno studio del 2014, Graham e colleghi hanno analizzato pi\u00f9 di 60.000 transazioni avvenute su una delle principali piattaforme nel marzo 2013. La maggior parte degli incarichi, hanno scoperto, \u00e8 stata offerta da datori di lavoro dei paesi ricchi e svolta da lavoratori di paesi a reddito medio\/basso (si veda l’infografica di \u201cNature\u201d<\/a>).<\/p>\n

\"ImmagineChi vive vicino alle opportunit\u00e0 di lavoro sembra ancora avere un vantaggio, aggiudicandosi una quota sproporzionata di incarichi e guadagnando molto di pi\u00f9 – 24,13 dollari l’ora, in media – rispetto ai lavoratori stranieri, che guadagnano 11,66 dollari l’ora per lavori simili. E alcune nazioni a basso e medio reddito attirano molti pi\u00f9 lavori di altri: India e Filippine sono i due principali destinatari nell’analisi di Graham.<\/p>\n

Poblemi pratici potrebbero spiegare alcune di queste disparit\u00e0. Per esempio, le differenze di lingua e di fuso orario potrebbero rendere alcuni datori di lavoro riluttanti ad usare lavoratori stranieri e la tradizione di\u00a0outsourcing\u00a0<\/em>del lavoro verso l’India e le Filippine potrebbe aver contribuito a rendere pi\u00f9 attraenti i lavoratori di questi paesi. Ma potrebbe giocare un ruolo anche la discriminazione, consapevole o meno. Il gruppo di Graham ha trovato offerte di lavoro che escludevano esplicitamente persone di determinati paesi. “Anche se queste tecnologie sono riuscite a collegare diverse parti del mondo, non sono state in grado di colmare queste disparit\u00e0 come speravamo”, afferma Mohammad Amir Anwar, un ricercatore che lavora con Graham.<\/p>\n

Un altro grande studio etnografico sui\u00a0gig workers<\/em>\u00a0sta iniziando a rivelare qualcosa di pi\u00f9 su come questo lavoro viene svolto, offrendo anche alcuni indizi su ci\u00f2 che serve per farcela. Tra il 2013 e il 2015, due ricercatori senior di Microsoft Research, l’antropologa Mary Gray e il sociologo informatico Siddharth Suri hanno condotto sondaggi su circa 2000 lavoratori negli Stati Uniti e in India, e interviste pi\u00f9 lunghe con quasi 200 di loro.<\/p>\n

Una delle prime cose che hanno scoperto \u00e8 stata che sebbene i\u00a0gig workers<\/em>\u00a0siano spesso presentati come operatori indipendenti e autonomi, molti di loro in realt\u00e0 comunicano e collaborano. I lavoratori si sono aiutati l’un l’altro a creare account e profili, hanno condiviso informazioni sui datori di lavoro e sulle nuove offerte di lavoro, dandosi supporto tecnico e sociale. I lavoratori stanno facendo uno sforzo volontario per aggiungere connessioni umane al sistema, dice Suri, e lo fanno usando il loro tempo. “Quindi \u00e8 che chiaro che ritengono che abbia un valore\u201d.<\/p>\n

In uno studio di follow-up pi\u00f9 quantitativo, in cui hanno mappato i collegamenti sociali tra pi\u00f9 di 10.000 lavoratori dell’Amazon Mechanical Turk, Suri e colleghi hanno scoperto che questo tipo di collaborazione pu\u00f2 dare veramente dei frutti. I lavoratori connessi almeno con un’altra persona sulla piattaforma avevano tassi di approvazione pi\u00f9 elevati, avevano maggiori probabilit\u00e0 di acquisire lo status elitario di “master” e trovavano nuovi lavori pi\u00f9 rapidamente. “E’ risultato che per essere pi\u00f9 produttive, le persone hanno davvero bisogno di collaborare. Hanno bisogno l’uno dell’altro”.<\/p>\n

Il gap di competenze digitali pu\u00f2 essere colmato?<\/strong>
\nPer anni, gli esperti hanno lanciato l’allarme sulla carenza di competenze digitali. Hanno sottolineato che ci sono pochi lavoratori formati per coprire posti di lavoro ad alto contenuto tecnologico e che la mancanza di un’alfabetizzazione digitale di base avrebbe impedito ai lavoratori di alcune regioni geografiche o di certi gruppi demografici di prosperare nell’economia digitale. In risposta, in tutto il mondo sono nati diversi programmi innovativi per stimolare l’alfabetizzazione e le competenze digitali. La ricerca sta ora iniziando a fornire alcuni indizi su cosa funziona e cosa no, e su dove la formazione delle competenze potrebbe fallire.<\/p>\n

Ci sono stati alcuni successi documentati. Pi\u00f9 di un decennio fa, la Defense Advanced Research Projects Agency (DARPA) degli Stati Uniti ha iniziato a sviluppare un sistema di\u00a0tutoring\u00a0<\/em>digitale personalizzato, interattivo e adattativo per formare nuove reclute della Marina Militare alla mansione di tecnico dei sistemi di information technology (IT). Gli studenti si confrontavano con il tutor in un rapporto uno a uno, seguendo lezioni su argomenti diversi e affrontando i problemi relativi. Il sistema privilegiava l’apprendimento concettuale e la riflessione, spingendo regolarmente gli studenti a rivedere ci\u00f2 che avevano imparato. Quando il sistema di tutoraggio giudicava che uno studente avesse appreso i contenuti, passava all’argomento successivo.<\/p>\n

In una revisione del programma del 2014, i ricercatori dell’Institute for Defense Analyses hanno scoperto che 12 reclute che avevano completato il corso di 16 settimane superavano in preparazione quelle che avevano frequentato il corso di formazione informatica convenzionale della Marina, che si svolgeva in aula e durava pi\u00f9 del doppio del tempo. I 12 soggetti facevano addirittura meglio di un gruppo di tecnici informatici navali anziani, ciascuno dei quali aveva un’esperienza media di quasi dieci anni, secondo quasi ogni misura di valutazione. “Se possiamo farlo, perch\u00e9 non farlo di pi\u00f9?” si chiede Dexter Fletcher, co-autore della revisione. “Perch\u00e9 non cominciare ad applicare sul serio questo approccio alla formazione del personale?”<\/p>\n

In uno studio di follow-up, Fletcher ha scoperto che una versione leggermente modificata del tutor digitale ha prodotto risultati simili quando \u00e8 stato utilizzato per addestrare 100 veterani dell’esercito a lavori civili in ambito informatico. A sei mesi dal completamento del programma, il 97 per cento dei veterani che avevano cercato lavoro nell’IT l’aveva ottenuto, e guadagnava uno stipendio medio annuo approssimativamente uguale a quello di lavoratori con 3-5 anni di esperienza.<\/p>\n

\"ImmagineNumerose altre strategie sono state promosse per migliorare le competenze digitali e l’occupazione, compresi corsi intensivi online gratuiti (MOOC), corsi di livello universitario via Internet, e i bootcamp di codifica, che sono corsi di formazione intensivi e di breve durata che insegnano le basi della programmazione informatica. In un’analisi del 2016, su 1400 utenti di MOOC in Colombia, Filippine e Sudafrica, i ricercatori hanno scoperto che l’80 per cento degli studenti proveniva da contesti a basso o medio reddito e che il 41 per cento aveva solo abilit\u00e0 informatiche di base. Pi\u00f9 della met\u00e0 degli studenti (56 per cento) erano donne, e l’informatica era l’argomento dei MOOC pi\u00f9 popolare. “Attualmente, le donne si stanno impegnando in MOOC dedicati a campi in cui sono poco rappresentate”, afferma Maria Garrido, coautrice del documento della School of Information dell’Universit\u00e0 di Washington (si veda l’infografica di \u201cNature\u201d<\/a>).<\/p>\n

Ma la qualit\u00e0 di questi programmi pu\u00f2 variare enormemente, e pochi sono stati valutati rigorosamente. I bootcamp di codifica possono essere costosi, richiedono un investimento di tempo significativo e si trovano principalmente in aree ad alta densit\u00e0 tecnologica e nei contesti urbani. E rimangono\u00a0 lacune nei risultati: in uno studio del 2015 su pi\u00f9 di 67.000 studenti MOOC, due studiosi di Stanford hanno scoperto che le studentesse e gli studenti di entrambi i sessi di Africa, Asia e America Latina avevano meno probabilit\u00e0 di superare certe tappe dei corsi, come seguire pi\u00f9 del 50 per cento delle lezioni, e avevano preso voti peggiori degli studenti maschi e degli studenti MOOC di Nord America, Europa e Oceania.<\/p>\n

Anche chi porta a termine corsi per acquisire competenze digitali pu\u00f2 trovare lo stesso una serie di ostacoli all’occupazione. Quando nel 2004 i ricercatori hanno intervistato gli studenti in un programma informatico alla Strathmore University di Nairobi,in Kenya,\u00a0 alcuni studenti hanno detto di essere preoccupati di conseguire una laurea in un contesto economico locale che non apprezzava le loro capacit\u00e0 o non aveva posti di lavoro in cui potevano metterla a frutto.<\/p>\n

“Questo era particolarmente vero per le donne”, dice Lynette Yarger, informatica della Pennsylvania State University a University Park, che era coinvolta nella ricerca. Come ha spiegato una studentessa: “Il fatto che io sia una donna pu\u00f2 portare i datori di lavoro a pensare che non dovrebbero darmi un posto nell’IT, quindi non potr\u00f2 mai usare completamente tutto ci\u00f2 che ho imparato per il lavoro che voglio fare”.<\/p>\n

Un aspetto che la ricerca sta gi\u00e0 chiarendo \u00e8 che anche programmi di formazione ben progettati potrebbero non bastare a garantire il successo nel mondo del lavoro digitale. “Il fatto che tu abbia migliori abilit\u00e0 e tu sappia usare un computer non significa necessariamente che tu possa ottenere un buon lavoro”, dice Garrido. “Le abilit\u00e0 digitali sono un pezzo importante del puzzle, ma non sono sufficienti”.<\/p>\n

(L’originale di questo articolo \u00e8 stato\u00a0pubblicato su Nature il 24 ottobre 2017<\/a>. Traduzione ed editing a cura di Le Scienze. Riproduzione autorizzata, tutti i diritti riservati.)<\/em><\/p>\n

Fonte “Le Scienze”\u00a028 ottobre 2017<\/a><\/p>\n

Notizie correlate:\u00a0Perch\u00e9 si parla tanto di industria 4.0: che cos\u2019\u00e8 e quanti lavori pu\u00f2 creare<\/a><\/p>\n

Le (false) promesse di Industria 4.0<\/a><\/p>\n

Lavoro digitale, le opportunit\u00e0 e i rischi<\/a><\/p>\n

Addio code al banco in farmacia: in 15 secondi il robot porta i medicinali – Video<\/a><\/p>\n

Pure le vacche sono 4.0<\/a><\/p>\n

Industria 4.0, Cgil preoccupata: “Sostenere le imprese, ma nessun lavoratore venga lasciato indietro” VIDEO\u201c<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"

La forma del lavoro che verr\u00e0 La rivoluzione digitale ha gi\u00e0 iniziato a trasformare molte mansioni lavorative, ma \u00e8 solo l’inizio: l’apprendimento automatico, cio\u00e8 l’intelligenza artificiale in grado di imparare da sola, promette di sostituire gli esseri umani anche in compiti complessi e non routinari. Le ricerche per capire dove andr\u00e0 il mercato del lavoro …<\/p>","protected":false},"author":4,"featured_media":33388,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1],"tags":[21,27],"class_list":["post-33386","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-notizie","tag-informatori-scientifici","tag-licenziati"],"amp_enabled":true,"_links":{"self":[{"href":"https:\/\/www.fedaiisf.it\/en\/wp-json\/wp\/v2\/posts\/33386","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.fedaiisf.it\/en\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.fedaiisf.it\/en\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.fedaiisf.it\/en\/wp-json\/wp\/v2\/users\/4"}],"replies":[{"embeddable":true,"href":"https:\/\/www.fedaiisf.it\/en\/wp-json\/wp\/v2\/comments?post=33386"}],"version-history":[{"count":0,"href":"https:\/\/www.fedaiisf.it\/en\/wp-json\/wp\/v2\/posts\/33386\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.fedaiisf.it\/en\/wp-json\/wp\/v2\/media\/33388"}],"wp:attachment":[{"href":"https:\/\/www.fedaiisf.it\/en\/wp-json\/wp\/v2\/media?parent=33386"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.fedaiisf.it\/en\/wp-json\/wp\/v2\/categories?post=33386"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.fedaiisf.it\/en\/wp-json\/wp\/v2\/tags?post=33386"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}