在第四次工业革命 (4IR) 中,STARA(智能技术、人工智能、机器人和算法)预计将取代目前三分之一的工作岗位。机器人将处理几乎两倍的现有工作任务。预计到 2025 年,8500 万个工作岗位可能会因人机分工的转变而被取代,而 9700 万个新角色可能会出现,这些角色更适应人、机器和算法之间的新分工。从战略情报的角度来看,由于这些趋势,工业心理学家在工作场所中发挥着越来越重要的作用。本文的目的是对 4IR - STARA 背景下未来工作场所中的工业心理学家进行批判性回顾。提出了一种能力模型,供工业心理学家在 4IR 中的组织中发挥战略情报作用。
美国心理学协会于 2020 年 7 月发出了提名特别工作组成员的通知。通知明确指出,特别工作组“应包括来自心理学和其他学科或专业的个人,以及来自美国国内外的个人”。在审查收到的提名后,美国心理学协会主席桑德拉·舒尔曼 (Sandra L. Shullman) 于 2020 年 9 月任命了 12 名个人加入特别工作组。特别工作组成员的背景包括心理学、医学、流行病学、护理、环境科学、地方政府、法律、社会工作、博物馆和商业。他们来自美国、英国和新西兰,其中几位与其他国家也有密切的联系。所有成员在气候变化和相关主题方面都拥有丰富的专业知识和经验。
近年来,全球在推进非动物化妆品安全评估科学方面取得了重大进展。此外,禁止对化妆品和化妆品成分进行动物测试的公民倡议每年都在地域上扩展。这些进步导致受监管和监管社区需要进行全球能力建设,以对消费品进行完全无动物安全性评估。在欧盟,自 2004 年以来已禁止对化妆品进行动物测试,自 2013 年以来禁止销售经过动物测试的化妆品;尽管如此,由于其他行业或地区的测试要求,化妆品动物测试仍在继续。为了能够对化妆品和个人护理产品的安全性做出自信的决策,重要的是要根据经验建立对必要方法的信心。为了实现此目标,由非营利组织和行业合作的无动物安全性评估 (AFSA) 合作组织制定了一项深入的教育计划。要在没有新动物试验数据的情况下对消费品或成分进行自信的风险评估,需要采用新颖的评估方法,以及整合多种类型的计算机模拟和体外数据。本继续教育课程将提供必要工具的入门知识,包括了解监管环境、风险评估问题的制定、估计消费者暴露、填补数据空白的计算机模拟和体外方法以及估计体外出发点——此外,还将提供一个案例,展示如何将所有这些要素结合成基于 AFSA 合作组织开发的模块的有据可查的评估。每位合作伙伴代表都将进行一位具备相关专业知识的演讲,并制定一系列学习目标以激发观众参与;演讲结束后、公开讨论前,将通过 Slido 就所展示的材料进行一个简短的众包测验。公开讨论/圆桌会议将包括一到两位具有监管经验的参与者。
我们重视多样性,承认人与人之间存在的所有差异,包括使一个个体或群体与另一个个体或群体不同的不同特征。我们进一步承认,这些差异是被构建和/或放大的,以使强大的群体能够保持财富、影响力和地位;因此,我们的目标不是消除“差异”,而是解决基于差异的压迫和剥削制度。虽然多样性通常指种族、民族和性别,但我们接受的多样性定义更为广泛,其中还包括年龄、国籍、宗教、残疾、性取向、社会经济地位、教育、婚姻状况、语言和外貌。我们鼓励思想的多样性,包括思想、观点和价值观的多样性。
摘要 假设一位研究人员发现了当前社交媒体使用方式的一个主要问题。当他们随后必须决定是否使用社交媒体来提高对这个问题的认识时,会出现什么样的挑战?这种情况经常发生,因为伦理学家在如何实现变革和潜在地解决他们发现的问题方面做出选择。在本文中,强调与新技术和通常被称为“大科技”相关的挑战。我们提出了所谓的人工智能伦理学家的困境,当人工智能伦理学家必须考虑他们自己在传达已发现问题方面的成功与降低成功解决问题的机会的高风险如何相关时,就会出现这种困境。我们研究伦理学家如何通过结合三种伦理理论来解决困境并找到合乎道德的行动路径:美德伦理学、义务论伦理学和结果主义伦理学。文章的结论是,试图仅使用大科技公司提供的技术和工具来改变它们的世界有时会适得其反,想要实现长期变革的伦理学家也应该认真考虑政治和其他更具颠覆性的行动途径。这两种策略各有利弊,结合使用可能是实现这些优势并减轻讨论的一些弊端的理想选择。
…心理学的实践包括但不限于心理测试以及对个人特征的评估或评估,例如智力,个性,能力,兴趣,能力,才能和神经心理学功能;咨询,心理分析,心理治疗,催眠,生物反馈以及行为分析和治疗;诊断和治疗精神和情绪障碍或残疾,酗酒和滥用药物,习惯或行为障碍,以及身体疾病,事故,伤害或残疾的心理方面;以及心理教育评估,治疗,修复和咨询。心理服务可能会捐赠给个人,家庭,团体,组织,机构和公众……
E. M. Lifshitz,Lev Davidovich Landau(1908-68)7 A. A. Abrikosov,回忆。 D. Landau 29 A. I. Akhiezer, Teacher and friend 36 N. E. Alekseevskii, Dau in the thirties 57 E. L. Andronikashvili, The Leningrad period in the life of young Professor Landau 60 V. B. Berestetskii, Studies on elementary particles 63 H. Casimir, Landau 67 D. S. Danin, The passionate sobriety of youth 78 D. S.达丁,如果世界上所有的科学家。 。 。 84 I. E. Dzyaloshinskii,Landau,通过学生的眼睛89 I. L. Fabelinskii,与L. D. Landau 97 E. L. Feinberg,Landau等人的一些会议105 V. L. Ginzburg,Ginzburg 117 V. L. Ginzburg,Remition of Remition of I. Gol. I. Giers, 136 L. P. Gor'kov,“年轻人” 143 Z. I. Gorobets,乘汽车进入山区146 B. L. Ioffe,如果Landau现在还活着153 M. I. Kaganov,Landau,Landau,我认识他157 I. M. Khalatnikov,Khalatnikov,Landau学校是如何开始的166 I. M. Khalatnikov,a dapte in 166 I. M. Khalatnikov,a Proins A. Kikoin,我如何成为Kharkov University 180 A. S. Kompaneets的老师,L。D. Landau担任教师184 B. G. Lazarev,我的记忆187 O. I. I. Martynova,不是很亲密的191 R. E. Peierls。 Pokrovskii,《科学与生活:与DAU的对话》 205E. M. Lifshitz,Lev Davidovich Landau(1908-68)7 A.A. Abrikosov,回忆。 D. Landau 29 A. I. Akhiezer, Teacher and friend 36 N. E. Alekseevskii, Dau in the thirties 57 E. L. Andronikashvili, The Leningrad period in the life of young Professor Landau 60 V. B. Berestetskii, Studies on elementary particles 63 H. Casimir, Landau 67 D. S. Danin, The passionate sobriety of youth 78 D. S.达丁,如果世界上所有的科学家。 。 。 84 I. E. Dzyaloshinskii,Landau,通过学生的眼睛89 I. L. Fabelinskii,与L. D. Landau 97 E. L. Feinberg,Landau等人的一些会议105 V. L. Ginzburg,Ginzburg 117 V. L. Ginzburg,Remition of Remition of I. Gol. I. Giers, 136 L. P. Gor'kov,“年轻人” 143 Z. I. Gorobets,乘汽车进入山区146 B. L. Ioffe,如果Landau现在还活着153 M. I. Kaganov,Landau,Landau,我认识他157 I. M. Khalatnikov,Khalatnikov,Landau学校是如何开始的166 I. M. Khalatnikov,a dapte in 166 I. M. Khalatnikov,a Proins A. Kikoin,我如何成为Kharkov University 180 A. S. Kompaneets的老师,L。D. Landau担任教师184 B. G. Lazarev,我的记忆187 O. I. I. Martynova,不是很亲密的191 R. E. Peierls。 Pokrovskii,《科学与生活:与DAU的对话》 205A. Abrikosov,回忆。D. Landau 29 A. I. Akhiezer, Teacher and friend 36 N. E. Alekseevskii, Dau in the thirties 57 E. L. Andronikashvili, The Leningrad period in the life of young Professor Landau 60 V. B. Berestetskii, Studies on elementary particles 63 H. Casimir, Landau 67 D. S. Danin, The passionate sobriety of youth 78 D. S.达丁,如果世界上所有的科学家。。。84 I. E. Dzyaloshinskii,Landau,通过学生的眼睛89 I. L. Fabelinskii,与L. D. Landau 97 E. L. Feinberg,Landau等人的一些会议105 V. L. Ginzburg,Ginzburg 117 V. L. Ginzburg,Remition of Remition of I. Gol. I. Giers, 136 L. P. Gor'kov,“年轻人” 143 Z. I. Gorobets,乘汽车进入山区146 B. L. Ioffe,如果Landau现在还活着153 M. I. Kaganov,Landau,Landau,我认识他157 I. M. Khalatnikov,Khalatnikov,Landau学校是如何开始的166 I. M. Khalatnikov,a dapte in 166 I. M. Khalatnikov,a Proins A. Kikoin,我如何成为Kharkov University 180 A. S. Kompaneets的老师,L。D. Landau担任教师184 B. G. Lazarev,我的记忆187 O. I. I. Martynova,不是很亲密的191 R. E. Peierls。 Pokrovskii,《科学与生活:与DAU的对话》 205
尽管Covid-19今年在全球范围内杀死的人数比2020年杀害了更多的人,但在美国,疫苗的犹豫意味着每天接受疫苗的人数减少,而每天大约每天30万人接种疫苗,而4月初每天接近近200万人。1近66%的18岁以上的人(1.78亿)接受了至少一剂疫苗,其中包括超过1.51亿疫苗的疫苗接种疫苗。65岁以上的人中有88%的人至少接受了一剂疫苗,而18至64岁的人中只有66%。2
我们在数据科学领域也看到了类似的情况。就在几年前,许多公司都在争相招聘数据科学家,而该职位的要求在概念上与人工智能伦理学家非常相似,因为它需要多种技术和非技术能力,而这些能力几乎不可能在一个人身上找到。此外,尽管公司可以清楚地看到招聘数据科学家的必要性——考虑到数据和分析日益增长的重要性——但许多公司在聘用数据科学家后实际上并不确定该如何处理他们。快进到今天,你会发现,随着数据科学领域的范围和重要性不断扩大,许多公司的数据科学家角色已被一种协调的团队方法所取代,这种方法由不同的专家在数据集准备、数据工程、机器学习和模型测试/部署等专业领域组成。
技术的不断进步对工人产生了令人担忧的影响,无论从事何种职业。在某些工厂中,机器人数量是工人数量的 14 倍 (1) ,机器人自动化机器作为更优越的替代品进入工作领域已不再是科幻小说中的命题。这是一个显而易见的现实,而且发展如此迅速,以至于英国国家统计局 (ONS) 提供了一种工具,允许工人计算他们被取代的个人风险 (2) 。某些工作似乎不可避免地会因技术创新而消失,这让病理学家的处境岌岌可危;根据 ONS 的数据,医生被取代的风险最低,这是否能为抵御技术浪潮提供必要的保护?病理学决策的细微差别是否是机器无法实现的?或者,所涉及的过程是否有助于自动化,也许是为了改善患者护理?病理学在历史上的可塑性往往反映出人们愿意接受医学创新 (3)(4) 。自从组织病理学家因显微镜而出现以来,随着人类的进步,亚专科和新方法也应运而生 (4)。最近,数字病理学技术的采用大大简化了工作流程 (5)。不断提高临床准确性和效率的愿望推动了这种现代化。正如外科医生得到了机器人助手的帮助而不是被取代一样 (6)(7),无能为力的良性机器人“工具”的发展在逻辑上不会对病理学家的未来构成威胁。病理学家的角色将在技术的操作和解释中受到保护。如果人工智能 (AI)(约翰·麦卡锡博士将其定义为“制造智能机器的科学和工程”) (8) 为机器提供决策权,病理学家的角色将变得不那么明确。人工智能取代病理学家可能具有成本效益,通过节省病理学家的培训和工资来抵消设计和生产成本。多任务处理能力也具有明显的节省时间的能力。从历史上看,人工智能技术在自我完善和重新解释世界观方面根本无法与人类大脑相匹敌 (9) 。最近的技术发展弥补了这一差距,预示着人工智能改进诊断决策的额外考虑。人工神经网络受到大脑神经元互连的影响,已被证明对于能够学习和匹配临床专业知识的人工智能系统的发展至关重要 (10) 。Yamamoto 等人在解释未注释的组织病理学图像时试用现代人工智能技术的研究揭示了它的前景,同时也为病理学家指明了不确定的未来 (11) 。深度学习算法使机器学习成为可能,准确识别关键图像特征,获得与人类相同精度的可解释知识。值得注意的是,人工智能破译了以前未被识别的特征,提供比人类建立的格里森评分更准确的预后指征。由于该算法不需要持续的人为输入,并能识别病理学家无法识别的特征,其作为可行替代方案的潜力显而易见。然而,正如 Misbah 等人简洁地描述的那样,病理学家不仅限于诊断评估 (3) 。实验室的方向、提供临床见解、确保高标准和直接协调患者护理只是日常考虑的一小部分。这些流程对于提供实验室主导的服务至关重要,似乎与自动化不太兼容。