إطار عمل جديد يوجه الروبوتات الخطرة القذرة الباهتة

لسنوات، استخدم مجال الروبوتات مصطلحات “مملة وقذرة وخطيرة” (DDD) لوصف أنواع المهام أو الوظائف التي قد تكون فيها الروبوتات مفيدة – من خلال القيام بأعمال غير مرغوب فيها للناس. أحد الأمثلة الكلاسيكية لوظيفة DDD هو “العمل البدني المتكرر على أرضية مصنع حارة للغاية باستخدام آلات ثقيلة تهدد الحياة والأطراف”.

لكن تحديد الأنشطة البشرية التي تندرج ضمن هذه الفئات ليس بالأمر السهل كما يبدو. ما هي بالضبط المهمة “المملة”، ومن الذي يفترض هذا الافتراض؟ هل العمل “القذر” يتعلق فقط بالحاجة إلى غسل يديك بعد ذلك، أم أن هناك أيضًا جانبًا من الوصمة الاجتماعية؟ ما هي البيانات التي يمكننا الاعتماد عليها لتصنيف الوظائف على أنها “خطيرة”؟ يتناول عملنا الأخير (الذي لم يكن مملًا على الإطلاق) هذه الأسئلة ويقترح إطارًا لمساعدة علماء الروبوتات على فهم سياق العمل لتقنيتنا.

أولاً، أجرينا تحليلًا تجريبيًا لمنشورات الروبوتات بين عامي 1980 و2024 التي تذكر DDD ووجدنا أن 2.7% فقط منها تحدد DDD و8.7% فقط تقدم أمثلة على المهام أو الوظائف. تختلف التعريفات، والعديد من الأمثلة ليست محددة بشكل خاص (على سبيل المثال، “التصنيع الصناعي”، “الرعاية المنزلية”). بعد ذلك، قمنا بمراجعة أدبيات العلوم الاجتماعية في الأنثروبولوجيا والاقتصاد والعلوم السياسية وعلم النفس وعلم الاجتماع لتطوير تعريفات أفضل للعمل “الممل” و”القذر” و”الخطير”. مرة أخرى، في حين أنه قد يكون كذلك يبدو من البديهي تحديد المهام التي يجب وضعها في هذه المجموعات، يتبين أن هناك بعض العوامل الاجتماعية والاقتصادية والثقافية الأساسية التي تهم.

العمل الخطير: المهن أو المهام التي ينتج عنها إصابة أو خطر التعرض للأذى

من الممكن قياس خطورة المهمة أو الوظيفة باستخدام المعلومات المبلغ عنها. توجد سجلات ومسوحات إدارية توفر أرقامًا عن معدلات الإصابة المهنية وعوامل الخطر الخطرة. على الرغم من أن هذا يبدو واضحًا، فمن المهم فهم كيفية جمع هذه البيانات والإبلاغ عنها والتحقق منها.

أولاً، تميل الإصابات المهنية إلى عدم الإبلاغ عنها بشكل كافٍ، حيث تقدر بعض الدراسات أن ما يصل إلى 70 بالمائة من الحالات مفقودة في قواعد البيانات الإدارية. ثانياً، نادراً ما يتم تصنيف الإصابات وعوامل الخطر حسب خصائص مثل الجنس، وحالة الهجرة، والعمالة الرسمية/غير الرسمية، وأنشطة العمل. على سبيل المثال، نظرًا لأن معظم معدات الحماية الشخصية – مثل الأقنعة والسترات والقفازات – مصممة خصيصًا للرجال، تواجه النساء في بيئات العمل الخطرة مخاطر متزايدة على السلامة.

تمثل هذه التحذيرات فرصة للروبوتات لتكون مفيدة. وإذا خرجنا وبحثنا عنها، فربما نتمكن من العثور على بعض الأعمال الأقل خطورة حيث قد تشكل الروبوتات تدخلا مهما، ناهيك عن بعض المجموعات التي تتأثر بشكل غير متناسب والتي قد تستفيد من المزيد من السلامة في مكان العمل.

العمل القذر: المهن أو المهام الملوثة جسديا أو اجتماعيا أو أخلاقيا

بالعامية، قد يعتقد معظم الناس أن العمل القذر ينطوي على تورط بدني القذارة، مثل إزالة القمامة أو التنظيف أو التعامل مع المواد الخطرة. لكن أدبيات العلوم الاجتماعية توضح أن العمل القذر هو عمل قذر أيضا حول وصمة العار. غالبًا ما تكون الوظائف الملوثة اجتماعيًا خاضعة أو تنطوي على التفاعل مع مجموعات موصومة (على سبيل المثال، ضباط الإصلاحيات)، وتشمل الوظائف الملوثة أخلاقيًا المهام التي ينظر إليها الناس عادةً على أنها خطيئة أو خادعة أو تتحدى معايير الكياسة (مثل التعري أو وكيل التحصيل).

“العمل القذر” هو بناء اجتماعي يمكن أن يختلف عبر الزمن (مثل وصمة عار صناعة الوشم في الولايات المتحدة) والثقافة (مثل التمريض في الولايات المتحدة مقابل بنغلاديش). إحدى الطرق لقياس ما إذا كان العمل “قذرا” هي استخدام مفهوم الهيبة المهنية الذي يرتبط ارتباطا وثيقا، والذي يتم الحصول عليه من خلال الدراسات الاستقصائية الكمية حيث يصنف الناس الوظائف. هناك طريقة أخرى لقياس ذلك وهي من خلال البيانات النوعية، مثل الدراسات الإثنوغرافية والمقابلات. وعلى غرار “الخطيرة”، نرى بعض الفرص الخفية للروبوتات في العمل “القذر”. لكن أحد الأشياء الأكثر إثارة للاهتمام التي توصلنا إليها من البيانات هو أن الوظيفة ذات التصنيف الأدنى يمكن أن تكون شيئًا يستمتع به العمال أنفسهم أو يجدون فخرًا كبيرًا ومعنىً له. إذا كنا نهتم بالمهام غير المرغوب فيها حقًا، فإن فهم منظور العامل هذا أمر مهم.

العمل الباهت: المهن أو المهام المتكررة والتي تفتقر إلى الاستقلالية

عندما يتعلق الأمر بتعريف العمل الممل، فإن الأمر الأكثر أهمية هو تجارب العمال الخاصة. يمكن للغرباء وضع الكثير من الافتراضات الخاطئة حول المهام التي لها قيمة ومعنى. في بعض الأحيان، تخلق الأشياء التي تبدو مملة أو روتينية الظروف المناسبة لتطوير المهارات والكفاءة، مثل التركيز اللازم للأعمال الخشبية، أو للتواصل الاجتماعي والدعم، عندما يتم تنفيذ المهام جنبًا إلى جنب مع الآخرين. بدلاً من افتراض أن العمل المتكرر أمر سلبي، من المهم فحص البيانات النوعية حول كيفية تجربة الأشخاص للعمل والغرض الذي يخدمه هم.

DDD: إطار عمل قابل للتنفيذ

في بحثنا، نقترح إطارًا لمساعدة مجتمع الروبوتات على استكشاف كيفية تأثير الأتمتة على الوظائف الفردية. بالنسبة لكل مصطلح – ممل وقذر وخطير – يجمع الإطار أجزاء أساسية من المعلومات للتفكير في الجوانب المادية أو الاجتماعية للمهمة التي تمثل في الواقع DDD. يعد منظور العمال جزءًا مهمًا من الاعتبارات الثلاثة. ويؤكد الإطار أيضًا على الوعي بالسياق – أي البيئة المادية والاجتماعية للمهنة والصناعة التي يمكن أن تؤثر على طبيعة DDD للمهمة. تقترح ورقة العمل المقابلة لدينا مصادر البيانات الحالية للاستفادة منها وتشجعنا على البحث عن وجهات نظر متعددة والنظر في المصادر المحتملة للتحيز في المعلومات.

إن ما يجعل المهام مملة أو قذرة أو خطيرة يعتمد على وجهة نظر البشر الذين يقومون بهذه المهام.راي

لنأخذ على سبيل المثال صناعة النفايات وإعادة التدوير. يولد العالم أكثر من 2 مليار طن من النفايات سنويًا، وهذا الرقم هو ومن المتوقع أن يرتفع إلى ما يقرب من 4 مليارات طن بحلول عام 2050. بشكل بديهي، تبدو عملية جمع المهملات وكأنها مهمة تفي بجميع المتطلبات. من خلال تصفح ورقة العمل الخاصة بنا، نؤكد أن العاملين في هذه الصناعة على مستوى العالم وجه بارِز المخاطر الصحية (خطير)، وجمع النفايات هو مرتبة ك وظيفة منخفضة المكانة (قذرة)، على الرغم من المثير للاهتمام، العديد من العمال نفخر في تقديم هذه الخدمة الأساسية.

الوظيفة أيضًا متكررة، ولكن هناك جوانب تجعلها كذلك ليست مملة. على وجه التحديد، يستشهد العمال بالتفاعل اليومي مع زملائهم في العمل (والذي يتضمن مفردات داخلية واسعة النطاق، وحيل العمل، ومجموعات المساعدة المتبادلة) وتنوع المهام باعتبارهما من أكثر جوانب الوظيفة متعة. يشمل تنوع المهام فحص مركباتهم ومعداتهم، وقيادة شاحنتهم، والتنسيق مع أفراد الطاقم، ورفع الصناديق والحقائب، والكشف عن الفرز غير الصحيح للنفايات، والتفريغ في الوجهة النهائية.

هذه النتيجة مهمة لأن بعض أنواع الحلول الروبوتية ستقضي على أجزاء الوظيفة التي يقدرها العمال أكثر. على سبيل المثال، يوصي المعهد الوطني للسلامة والصحة المهنية (NIOSH) باعتماد شاحنات التحميل الجانبية الآلية وأنظمة تجنب الاصطدام. يزيد هذا الابتكار من السلامة، وهو أمر رائع، ولكنه يؤدي أيضًا إلى وجود عامل وحيد يقوم بتشغيل عصا التحكم في الكابينة، محاطًا بجهاز استشعار وكاميرات مراقبة.

وبدلا من ذلك، يتعين علينا أن نتحدى أنفسنا للتفكير في الحلول التي تجعل الوظائف أكثر أمانا دون أن تجعلها فظيعة بطريقة مختلفة. للقيام بذلك، نحتاج إلى فهم جميع جوانب ما يجعل الوظيفة مملة، أو قذرة، أو خطيرة (أو لا). ويهدف إطار عملنا إلى تسهيل هذا الفهم.

أخيرًا، من المهم ملاحظة أن DDD ليس سوى أحد الأساليب العديدة الممكنة لتصنيف العمل الذي يمكن تقديمه بشكل أفضل بواسطة الروبوتات. هناك الكثير من الطرق التي يمكننا من خلالها التفكير في أنواع المهام أو الوظائف التي يجب أتمتتها (على سبيل المثال، التأثير الاقتصادي أو الاستدامة البيئية). ونظرًا لشعبية DDD في مجال الروبوتات، فقد اخترنا هذه العبارة الشائعة كنقطة بداية. نود أن نرى المزيد من العمل في هذا المجال، سواء كان ذلك في جمع البيانات على DDD نفسه أو إنشاء أطر عمل أخرى.

في RAI، نعتقد أن اندماج الروبوتات والعلوم الاجتماعية يفتح عالمًا جديدًا تمامًا من المعلومات ووجهات النظر والفرص والقيمة. فهو يعزز ثقافة الفضول والتعلم المتبادل، ويسمح لنا بإنشاء أدوات قابلة للتنفيذ لأي شخص يعمل في مجال الروبوتات ويهتم بالتأثير المجتمعي.

ممل وقذر وخطير: فهم الماضي والحاضر والمستقبل هو الدافع الرئيسي للروبوتات، بواسطة تم تقديم نوزومي ناكاجيما، وبيدرو رينولدز كويلار، وكايترين لينش، وكيت دارلينج من معهد RAI، في المؤتمر. المؤتمر الدولي الحادي والعشرون ACM/IEEE حول التفاعل بين الإنسان والروبوت (HRI) في إدنبرة، اسكتلندا.