LinkedIn职场研究:美、中、印列前三,掌握AI技能的人数两年猛增两倍

简介:

9月17日,LinkedIn发布最新研究《人工智能如何影响我们现在的工作》。

自人工智能出现以来,关于AI如何影响人类的工作的争议一直不断。有人唱衰,认为人工智能会导致数百万人流离失所,有人则认为人工智能利大于弊,可以创造新的工作岗位以促进社会进步。

世界经济论坛在《2018就业前景》中提到,人工智能可以创造出的工作岗位远比他们威胁到的更多。所谓的“第四次工业革命”可以在全球创造1.33亿个就业岗位,而7500万工人可能因为新技术的出现而失业

而LinkedIn根据数百万用户的技能数据,在研究中更深入地了解AI如何影响全球不同行业和工作技能。此文揭示了关于AI技能的发展趋势:

 ●  在LinkedIn上,AI技能是发展最快的技能之一,在2015年至2017年期间,掌握AI技能的LinkedIn用户数量增长了190%;
 ●  员工拥有AI技能最多的行业也是发展最快的行业;
 ●  AI技能渗透率最高的国家依次是美国、中国、印度、以色列和德国。

对于这三大趋势,LinkedIn进行了详细分析,新智元对此文编译如下:

拥有AI技能的人数两年间猛增190%,为行业的变化提供动力

2017年,LinkedIn用户在其个人资料中添加AI技能的人数比2015年增加了190%。当我们谈论“ AI技能 ”时,我们指的是创建人工智能技术所需的技能,其中包括神经等领域的相关专业知识,网络,深度学习和机器学习,以及Weka和Scikit-Learn等实际“工具”。LinkedIn数据显示,全球所有类型的AI技能都在快速增长。

随着文化和品味的更迭以及新技术的出现,行业和就业形式也在相应变化。衡量变化的方法之一就是,观察不同工作所需的技能发生了怎样的转变。这些变化以不同的方式在行业中传播,在某些情况下,变化是由工作或任务变化的性质所驱动的。

358be47cdf515eebce418e099442ee69842b4ab5

特定技能对于工作变得更为重要,因为它们可以提高生产率,例如,数据专家使用新的编程和机器学习技能来更有效地针对客户并最终创造收入。当我们比较某一行业的从业者在2015年和2017年所掌握的不同技能时,很明显看出了哪些行业的变化最大化、其整体技能组成变化了多少。

事实证明,员工中具有AI技能最多的行业也是变化最快的行业。如果我们将“变化”视为创新的显著特征,那么这表明AI技能的存在与行业内的创新密切相关。这也意味着许多行业都有机会在人工智能方面投入更多资金。

当我们从行业水平缩放到技能水平时,我们便能发现许多变化的起因:

(1)与AI互补的数据和编程技能也在提高;

(2)使用产品或服务的技能由数据提供支持,例如针对营销人员的搜索引擎优化;

(3)人际交往技能,这是技术如何影响行业的一个引人注目的例证。

只是专业领域的变化……还是所有领域?

研究人员预测,人工智能将应用到所有领域中,从建筑业到金融服务。为了解除软件和IT行业之外的AI技能的传播范围,我们统计了各行业中AI技能的逐年增长状况。虽然软件和IT行业确实仍是首要领域,但在教育与学术、硬件与互联网、金融和制造等行业,拥有AI技能的专业人士数量也在强劲增长。

efdb42b4a8c7426b3d935e79e37e5c1e945644a7

特别是数量增长方面,教育是2017年拥有AI技能的专业人士数量增长第二多的核心行业,这表明该领域的相关研究与AI技能息息相关。

AI比人们所意识到的更为普遍,但并非所有职业都能实现完全自动化”

人工智能技术比许多人意识到的更为普遍,这在全球范围内都是如此。美国、中国、印度、以色列和德国是AI技能渗透率最高的国家

f7f9ae7502afa5261478358fb71209025c323c8c

这种愈发明显的无处不在引发了关于我们人类如何与工作连接的哲学问题。随着AI技能变得越来越重要,我们希望更好地理解只有身为“人”才能掌握的技能,例如,与个人特征、人际交往和认知能力相关的技能,在AI领域是否也在增加。我们的研究结果可能并不令人意外:至少就目前而言,人际关系技巧并不会随处可见。

在世界经济论坛的《2018年就业前景》中,我们发现许多以人为本的职业都属于十大最新兴职业, 即过去5年招聘人数增长最多的职业。在全球所有行业中,顶级新兴职业包括营销专家和经理、人力资源专家和顾问以及用户体验设计师。这些职业需要了解人类行为和偏好,是一种无法从根本上实现自动化的技能

794570101bf7847272b72efc731963a8acc7a7b7

此外,一些高度自动化的工作岗位属于前十大就业人数下降的职业 ,即过去5年中招聘人数减少幅度最大的职业。这些职业包括行政助理、客服代表、会计师和电气/机械技师。正如经合组织指出的那样,如果一个职业的教育水平和技能水平普遍较低,自动化风险就会增加,而食品准备助理、清洁工以及采矿、建筑、制造和运输工人等职业被自动化取代的风险最高。

随着对于AI技术的投资增加,我们将继续评估其外部因素以及对劳动力的影响,特别是当AI涉及更有效的培训与教育计划时。随着新技能的出现,政府、教育机构和雇主应该考虑如何为创建更跟随时代的学习计划,让人们掌握不断更新的技能,跟上现代经济的前进步伐。


原文发布时间为:2018-09-19

本文作者:木青

本文来自云栖社区合作伙伴新智元,了解相关信息可以关注“AI_era”。

原文链接:LinkedIn职场研究:美、中、印列前三,掌握AI技能的人数两年猛增两倍

相关文章
|
25天前
|
机器学习/深度学习 人工智能
打开AI黑匣子,三段式AI用于化学研究,优化分子同时产生新化学知识,登Nature
【10月更文挑战第11天】《自然》杂志发表了一项突破性的化学研究,介绍了一种名为“Closed-loop transfer”的AI技术。该技术通过数据生成、模型训练和实验验证三个阶段,不仅优化了分子结构,提高了光稳定性等性质,还发现了新的化学现象,为化学研究提供了新思路。此技术的应用加速了新材料的开发,展示了AI在解决复杂科学问题上的巨大潜力。
25 1
|
3天前
|
人工智能 知识图谱
成熟的AI要学会自己搞研究!MIT推出科研特工
MIT推出科研特工SciAgents,结合生成式AI、本体表示和多代理建模,实现科学发现的自动化。通过大规模知识图谱和多代理系统,SciAgents能探索新领域、识别复杂模式,加速新材料发现,展现跨学科创新潜力。
26 12
|
2天前
|
机器学习/深度学习 人工智能 算法
基于AI的性能优化技术研究
基于AI的性能优化技术研究
|
4天前
|
人工智能 算法 程序员
程序员如何借势AI提高自己:从高效工作到技能升级的全面指南
【11月更文挑战第4天】程序员可以通过以下几个方面借势 AI 提升自己:1. 日常工作效率提升,包括智能代码编写与补全、自动化测试与调试、项目管理与协作;2. 技能学习与升级,涵盖基础知识学习和深入技术研究;3. 思维拓展与创新能力培养,激发创意灵感和培养批判性思维。
|
1月前
|
人工智能 自然语言处理
召唤100多位学者打分,斯坦福新研究:AI科学家创新确实强
【10月更文挑战第6天】斯坦福大学最新研究评估了大型语言模型(LLMs)在生成新颖研究想法方面的能力,通过100多位NLP专家盲评LLMs与人类研究人员提出的想法。结果显示,LLMs在新颖性方面超越人类(p < 0.05),但在可行性上略逊一筹。研究揭示了LLMs作为科研工具的潜力与挑战,并提出了进一步验证其实际效果的设计。论文详见:https://arxiv.org/abs/2409.04109。
38 6
|
29天前
|
人工智能 搜索推荐 机器人
挑战未来职场:亲手打造你的AI面试官——基于Agents的模拟面试机器人究竟有多智能?
【10月更文挑战第7天】基于Agent技术,本项目构建了一个AI模拟面试机器人,旨在帮助求职者提升面试表现。通过Python、LangChain和Hugging Face的transformers库,实现了自动提问、即时反馈等功能,提供灵活、个性化的模拟面试体验。相比传统方法,AI模拟面试机器人不受时间和地点限制,能够实时提供反馈,帮助求职者更好地准备面试。
38 2
|
1月前
|
人工智能 自然语言处理 机器人
MIT新研究揭秘AI洗脑术!AI聊天诱导人类编造记忆,真假难辨
麻省理工学院的一项新研究《基于大型语言模型的对话式AI在证人访谈中加剧虚假记忆》显示,使用生成式聊天机器人进行犯罪证人访谈会显著增加参与者的虚假记忆,且影响持久。研究设置了对照组、问卷访谈、预设脚本及生成式聊天机器人四种条件,结果显示生成式聊天机器人诱导的虚假记忆数量远超其他方法。尽管AI技术在效率和准确性方面潜力巨大,但在敏感领域需谨慎应用,并需进一步评估风险,制定伦理准则和监管措施。论文详细内容见[这里](https://arxiv.org/abs/2408.04681)。
39 2
|
2月前
|
存储 人工智能 JavaScript
根据Accenture的研究,CEO和CFO谈论AI和GenAI是有原因的
数字化转型与当前GenAI领导者之间的关键区别在于,CEO和CFO(而非CIO)似乎参与了指导AI投资的过程。例如,Accenture在2024年1月报告称,到2023年底,在财报电话会议中提到AI的次数几乎达到4万次,因为C级领导层正在为“重大技术变革”做好准备
39 1
|
2月前
|
机器学习/深度学习 人工智能 自然语言处理
首席营销官不可或缺的五项AI技能
首席营销官不可或缺的五项AI技能
|
3月前
|
边缘计算 人工智能 监控
边缘计算与AI结合的场景案例研究
【8月更文第17天】随着物联网(IoT)设备数量的爆炸性增长,对实时数据处理的需求也随之增加。传统的云计算模型在处理这些数据时可能会遇到延迟问题,尤其是在需要即时响应的应用中。边缘计算作为一种新兴的技术趋势,旨在通过将计算资源更靠近数据源来解决这个问题。本文将探讨如何将人工智能(AI)技术与边缘计算结合,以实现高效的实时数据分析和决策制定。
223 1

热门文章

最新文章

下一篇
无影云桌面