Re: [問卦] 機師醫師誰先被AI取代已回收
我也來分享一位美國長途機師的文章:
原文: https://i.imgur.com/m0ZjzIS.jpg

初略翻譯:
大部分的時候, 工作量蠻低的. 我們會吃, 喝咖啡, 靠杯公司和工會合約, 聊共同興趣, 看寄宿旅館給的免費報紙, 玩填字遊戲/數獨/Candy Crush..等等 就殺時間. 只要有看好飛機和做好該做的事情我們也可看書和摸魚 (其他公司或許有其他的政策)
工作量最大的時候是起飛前直到巡航高度和最後一小時.
當然的飛行中也有些規劃事情. 規劃跨洋航標, 粗誤檢驗, 燃料控管(包含階梯爬升), 保持ATC 和 公司委派中心的通訊, 位置回報, 航路再調度等等. 不過都非常的簡單明了. 並不會花到多少時間.
基本上, 有很多空閒時間讓你看窗外發呆.
8 - 12 小時的航班會有第三個機師, 在位時間是三分之二的總飛行時間. 12+小時會有第四名機師及在位時間為二分之一的總飛行時間. 休息時我們會小瞌睡, 看電影等.
我蠻愛飛長途. 比較麻煩的部分是24小時排班. 想像一下工作早晚班, 接著大夜和早班. 然後休息24小時, 雖然聽起來很爽直到你意識到這代表去睡覺, 保持清醒16小時, 當你準備睡覺的後你再次必須飛20小時小時. 再說, 睡在飛機的硬梆梆位上跟睡在床上完全不一樣.
另一個麻煩的地方是丟下你的家人兩周左右. 不過社交媒體, 視訊等等在某種程度上能減少一點不便.
- 一位747主機師
------------------------------------
所以看完這篇也是機師寫的文章, 你覺得飛長途是如何?
不舒服的工作內容為何會有機師愛飛呢? 斗M喔?
機師短時間內無法被完全替代:
只因為真正的AI在哪沒人知道 + 沒人信任而已
之前UBER搞出那些事故讓一堆做自動駕駛的人超不爽, 整個名聲被帶壞
不過也沒辦法, 人類對於失去控制這點都會很排斥
而現今的AI架構造成需要有大量的資料和撇步手法來訓練目前我們所知的AI實踐方式
連AlphaGo都只是用MCTS來找解答而已.
不過要論處理效能, 現在專門拿來處理的晶片不會爛或大到哪去.
google自己開發了TPU (現在很多公司也都自己開發類似的處理器)
AlphaGo現在也五代了, 而硬體使用為下:
代數 代號 使用TPU 戰績
1 Fan 176 (GPU) 打敗中國棋王
2 Lee 48 打敗韓國棋王
3 Master 4 60 : 0 贏專業棋手
4 Zero 4 100 : 0 打贏第二代, 89 : 11 打贏第三代
5 AlphaZero 4 60 : 40 打贏第四代
你知道一個TPU有多大嗎? 40mm x 48mm
加在baseboard 上 85mm x 56mm
你要說需要很大量的硬體空間和主機?
從第三代就只有一台機器而已了
你該不會以為客製化後的硬體還會跟Mark I 一樣跟一間實驗室一樣大?
而且一樣四個TPU硬體, 一樣用Tensorflow, 你以為你就做得出AlphaGo?
你做出來的八成只能叫做9.2go
※ 引述《sihfanchen (sihfanchen)》之銘言:
: 機師短期之內不會被取代 頂多只是輔助功能變多而已
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 24.23.200.92
※ 文章網址: https://www.ptt.cc/bbs/Gossiping/M.1549856288.A.968.html
→
02/11 11:41,
7年前
, 1F
02/11 11:41, 1F
推
02/11 11:47,
7年前
, 2F
02/11 11:47, 2F
推
02/11 11:51,
7年前
, 3F
02/11 11:51, 3F
噓
02/11 12:04,
7年前
, 4F
02/11 12:04, 4F
→
02/11 12:04,
7年前
, 5F
02/11 12:04, 5F
→
02/11 12:05,
7年前
, 6F
02/11 12:05, 6F
→
02/11 12:07,
7年前
, 7F
02/11 12:07, 7F
→
02/11 12:07,
7年前
, 8F
02/11 12:07, 8F
出現了~斷章取義的護航者
人家都說休閒時間多得要死了你還想扯甚麼
八小時航班就三人了啦你還想要說啥鬼, 短程航班?
短程航班是這次靠杯過勞的主題嗎?
不過要是真的那麼不高興, 幹嘛還說愛飛呢, 真是口嫌體正直
一堆人飛長途還不是下飛機繼續上班, 你以為就機師特別嗎? 你現代草莓喔?
※ 編輯: aeolus811tw (24.23.200.92), 02/11/2019 12:15:03
推
02/11 12:18,
7年前
, 9F
02/11 12:18, 9F
→
02/11 12:18,
7年前
, 10F
02/11 12:18, 10F
→
02/11 12:36,
7年前
, 11F
02/11 12:36, 11F
→
02/11 12:39,
7年前
, 12F
02/11 12:39, 12F
我以前參與過醫療AI開發
最大的難題是病患和醫生的信任度而已, 也因此現在都轉成輔助模式開發
診斷準確度上因為可以套用所存在的一切研究資料, 反而比醫生還準確
在失誤上無法否認不存在, 可是會失誤的部分專業醫生不失誤的比例也沒很高
→
02/11 12:43,
7年前
, 13F
02/11 12:43, 13F
推
02/11 13:07,
7年前
, 14F
02/11 13:07, 14F
※ 編輯: aeolus811tw (24.23.200.92), 02/11/2019 13:56:07
推
02/11 14:35,
7年前
, 15F
02/11 14:35, 15F
→
02/11 14:35,
7年前
, 16F
02/11 14:35, 16F
→
02/11 14:36,
7年前
, 17F
02/11 14:36, 17F
→
02/11 14:36,
7年前
, 18F
02/11 14:36, 18F
集中管理資料和神經系統
應用CL (現在好像被稱為Lifelong Learning)可以解決這個問題.
採用DEN + Selective Retraining
搭配Network Duping 可以快速取得新的資訊的處理能力
※ 編輯: aeolus811tw (24.23.200.92), 02/11/2019 16:15:40
推
02/12 15:04,
7年前
, 19F
02/12 15:04, 19F
討論串 (同標題文章)
完整討論串 (本文為第 19 之 28 篇):