还为售票员被抢走工作担心?斯坦福最新研究:分析师等高薪高学历职位受AI影响最大

简介: 随着近年来人工智能的兴起,其应用也逐渐渗透到各个领域当中,在一系列有价值的任务中人工智能往往可以取得超人般的表现,这引发了人们对于“未来工作”讨论的兴趣,当然也引发了一系列焦虑:我的工作会被取代吗?

云栖号:https://www.aliyun.com/#module-yedOfott8
第一手的上云资讯,不同行业精选的上云企业案例库,基于众多成功案例萃取而成的最佳实践,助力您上云决策!

image

“什么样的工作会被人工智能替代?”

这可能是在各大媒体头条中最常见的问题之一。随着近年来人工智能的兴起,其应用也逐渐渗透到各个领域当中,在一系列有价值的任务中人工智能往往可以取得超人般的表现,这引发了人们对于“未来工作”讨论的兴趣,当然也引发了一系列焦虑:我的工作会被取代吗?

1

然而,人工智能对劳动力市场的影响很难得到具体解读。人们对于这一话题的讨论,往往掺杂了较多的主观色彩,甚至与自动化混为一谈。

人们普遍认为,人工智能会取代那些工作重复度高的、对教育程度要求较低的低薪职业,最常见的比如售票员、工厂工人等等。

事实上,低薪职业更可能是被自动化取代的工作。而人工智能对于职业市场的影响则是另一番景象。

布鲁金斯学会(Brookings Institution)利用斯坦福大学一位博士生Michael Webb的新型研究成果,通过量化AI专利和工作描述中重叠的词汇来评估未来AI对于工作的影响。

Webb使用一种算法提取了8000个动宾对,例如“诊断疾病”或“识别飞机”,并测试这些动宾对出现在专利标题中的频率。有了这些动宾对,Webb就转向了美国劳工部O*NET数据库中包含的职业信息,找到了文本的重叠部分,从而探寻人工智能对于劳动力市场的影响。

结果发现,对教育程度要求较高的高薪职业反而受到AI的影响最大。这也正是自动化与人工智能的区别。

image

Webb的完整研究过程:
https://web.stanford.edu/~mww/webb_jmp.pdf

AI对高薪职位的影响较大?

人工智能几乎可以影响每个职业群体的工作,在Michael Webb分析的769份职业描述中,有740份与人工智能专利包含的词汇重叠,这意味着至少有一种或多种工作可以由人工智能完成。

Webb的AI职业影响预估表明:对教育程度要求较高的高薪职业反而受到的影响最大。

image

高学历受AI影响较大

上图表明,与受教育程度较低的群体相比,拥有学士学位以及受到更高等教育的群体更可能被人工智能影响。

image

高薪水受AI影响较大

这张图也表明了类似的情况,即工资较高的职业(向右)受到人工智能的影响要大得多。曲线在90%的位置达到峰值,这表明,虽然中上等职位可能受到人工智能的影响,但像CEO这样最顶尖的职位依然没有那么容易被替代。

image

代表职业的平均薪资以及AI对相应职业的影响

上表列出了一些职业、薪资以及人工智能的影响系数。与传统的自动化分析相比,AI对于一些高薪职业的影响十分瞩目,例如经理、主管和分析师等。这些职业的角色通常是分析型或监督型的,似乎会参与大量以模式为导向的工作以及一些预测工作,因此可能较为容易受到人工智能数据驱动的影响,尽管这些职位在早期的分析中相对“免疫”。

image

美国工作份额受AI影响的程度

数据表明,受AI影响最大的高薪职位仅占美国工作份额的17.8%,而大部分工作岗位不会或只有较低概率受到AI的影响。

此外,商业科技行业无疑会受到更多的影响。人工智能对规模较小、收入较高的高科技或专业行业及其工人的影响最大。例如,管理采购的专业服务公司可以使用人工智能系统优化供应订单的速度,并消除跨部门的重复采购。

最后从性别来看,由于在美国男性从事科技相关的专业领域的比例高于女性,因此他们从事的职业受AI影响的程度要高于女性。

AI对于职业的影响很难预估

人工智能领域在不断的变化和发展,全面分析人工智能的挑战在于,无法凭借技术的单一定义来确定其操作和能力。

例如,机器学习(ML)——目前大多数人工智能所依赖的统计学分支,它可以简单地定义为计算机使用算法在大量数据中找到统计模式,然后利用这些模式进行预测。这种统计模式的发现已经存在了几十年,但这个领域也在迅速发展。

近年来,随着计算机速度、数据收集和存储方面的进步,改进的算法数量激增,推动了图像识别、语音解释、偏好预测、自主和决策支持等应用程序的改进。这种应用程序的爆炸式增长正在不断地改变ML的性质和边界,增加了定义和分析AI的难度。

image

随着时间增长,机器学习方面的专利数量激增

人工智能提出了一系列更具挑战性的问题。即使将当前分析的范围缩小到ML应用,对劳动力的人工智能分析也必须应对大量相对较新的、难以识别的技术,这些技术尚未被企业广泛采用,也尚未在经济中广泛应用到实际应用中。

在AI对职业影响的预估方面,除了AI的发展速度之快,其对于人类工作的影响也很难定性,更多的是专家的经验之谈。布鲁金斯学会之前曾发表一份关于自动化的报告,解释了如何对公认的技术进行评估,报告中表示,“在确定工作中最容易受到特定技术的影响时,很大程度上依赖于专家的经验。”

报告地址:
https://www.brookings.edu/wp-content/uploads/2019/01/2019.01_BrookingsMetro_Automation-AI_Report_Muro-Maxim-Whiton-FINAL-version.pdf

总结

布鲁金斯学会表示,人工智能取代一些报酬丰厚的人类预测工作是必然的,甚至人工智能还有可能为人类创造全新的工作。

总而言之,尽管这份报告预测了人工智能会对哪些行业造成影响,但具体会造成怎样的影响依然处于未知。

目前,我们可以了解到,人工智能与自动化存在很大差异,二者影响的职位也不同。

未来还需要更多定性的研究以及专家的经验之谈,才能更精确的梳理出人工智能的特殊天赋以及对人类职业及生活的影响。

注:本文节选报告部分内容,完整报告请见以下链接:
https://www.brookings.edu/wp-content/uploads/2019/11/2019.11.20_BrookingsMetro_What-jobs-are-affected-by-AI_Report_Muro-Whiton-Maxim.pdf

原文发布时间:2019-12-25
本文作者:牛婉杨
本文来自阿里云云栖号合作伙伴“大数据文摘”,了解相关信息可以关注“大数据文摘

云栖号:https://www.aliyun.com/#module-yedOfott8
第一手的上云资讯,不同行业精选的上云企业案例库,基于众多成功案例萃取而成的最佳实践,助力您上云决策!

相关文章
|
1月前
|
人工智能 自然语言处理 算法
谷歌DeepMind研究再登Nature封面,隐形水印让AI无所遁形
近日,谷歌DeepMind团队在《自然》期刊上发表了一项名为SynthID-Text的研究成果。该方法通过引入隐形水印,为大型语言模型(LLM)生成的文本添加统计签名,从而实现AI生成文本的准确识别和追踪。SynthID-Text采用独特的Tournament采样算法,在保持文本质量的同时嵌入水印,显著提高了水印检测率。实验结果显示,该方法在多个LLM中表现出色,具有广泛的应用潜力。论文地址:https://www.nature.com/articles/s41586-024-08025-4。
76 26
|
10天前
|
人工智能 自然语言处理 API
OpenDeepResearcher:开源 AI 研究工具,自动完成搜索、评估、提取和生成报告
OpenDeepResearcher 是一款开源 AI 研究工具,支持异步处理、去重功能和 LLM 驱动的决策,帮助用户高效完成复杂的信息查询和分析任务。
146 18
OpenDeepResearcher:开源 AI 研究工具,自动完成搜索、评估、提取和生成报告
|
11天前
|
存储 人工智能
Scaling Law或将终结?哈佛MIT预警:低精度量化已无路可走,重磅研究掀翻AI圈
哈佛大学和麻省理工学院的研究人员最近发布了一项重磅研究,对Scaling Law在低精度量化中的应用提出严重质疑。研究表明,随着训练数据增加,低精度量化带来的性能损失也增大,且与模型大小无关。这挑战了通过增加规模提升性能的传统观点,提醒我们在追求效率时不能忽视性能损失。该研究结果在AI圈内引发广泛讨论,提示未来需探索其他方法来提高模型效率,如混合精度训练、模型压缩及新型硬件架构。论文地址:https://arxiv.org/pdf/2411.04330。
34 11
|
24天前
|
机器学习/深度学习 人工智能
斯坦福伯克利重磅发现DNA Scaling Law,Evo荣登Science封面!AI设计DNA/RNA/蛋白质再突破
近日,斯坦福大学和加州大学伯克利分校在《科学》杂志发表重要成果,发现DNA Scaling Law规律,揭示了DNA、RNA和蛋白质分子长度与碱基对数量之间的比例关系。该研究为AI设计生物分子带来突破,通过数据收集、模型训练和优化设计等步骤,显著提高设计效率和准确性,降低成本,并拓展应用范围。论文地址:https://www.science.org/doi/10.1126/science.ado9336。
61 26
|
25天前
|
机器学习/深度学习 人工智能 算法
Transformer打破三十年数学猜想!Meta研究者用AI给出反例,算法杀手攻克数学难题
《PatternBoost: Constructions in Mathematics with a Little Help from AI》提出了一种结合传统搜索算法和Transformer神经网络的PatternBoost算法,通过局部搜索和全局优化交替进行,成功应用于组合数学问题。该算法在图论中的Ramsey数研究中找到了更小的反例,推翻了一个30年的猜想,展示了AI在数学研究中的巨大潜力,但也面临可解释性和通用性的挑战。论文地址:https://arxiv.org/abs/2411.00566
69 13
|
2月前
|
机器学习/深度学习 人工智能 自然语言处理
AI自己长出了类似大脑的脑叶?新研究揭示LLM特征的惊人几何结构
近年来,大型语言模型(LLM)的内部运作机制备受关注。麻省理工学院的研究人员在论文《The Geometry of Concepts: Sparse Autoencoder Feature Structure》中,利用稀疏自编码器(SAE)分析LLM的激活空间,揭示了其丰富的几何结构。研究发现,特征在原子、大脑和星系三个尺度上展现出不同的结构,包括晶体结构、中尺度模块化结构和大尺度点云结构。这些发现不仅有助于理解LLM的工作原理,还可能对模型优化和其他领域产生重要影响。
89 25
|
3月前
|
人工智能 开发者
人类自身都对不齐,怎么对齐AI?新研究全面审视偏好在AI对齐中的作用
论文《AI对齐中的超越偏好》挑战了偏好主义AI对齐方法,指出偏好无法全面代表人类价值观,存在冲突和变化,并受社会影响。文章提出基于角色的对齐方案,强调AI应与其社会角色相关的规范标准一致,而非仅关注个人偏好,旨在实现更稳定、适用性更广且更符合社会利益的AI对齐。论文链接:https://arxiv.org/pdf/2408.16984
56 2
|
28天前
|
人工智能 算法 前端开发
OmAgent:轻松构建在终端设备上运行的 AI 应用,赋能手机、穿戴设备、摄像头等多种设备
OmAgent 是 Om AI 与浙江大学联合开源的多模态语言代理框架,支持多设备连接、高效模型集成,助力开发者快速构建复杂的多模态代理应用。
189 72
OmAgent:轻松构建在终端设备上运行的 AI 应用,赋能手机、穿戴设备、摄像头等多种设备
|
14天前
|
人工智能 自然语言处理 搜索推荐
【上篇】-分两篇步骤介绍-如何用topview生成和自定义数字人-关于AI的使用和应用-如何生成数字人-优雅草卓伊凡-如何生成AI数字人
【上篇】-分两篇步骤介绍-如何用topview生成和自定义数字人-关于AI的使用和应用-如何生成数字人-优雅草卓伊凡-如何生成AI数字人
89 24
【上篇】-分两篇步骤介绍-如何用topview生成和自定义数字人-关于AI的使用和应用-如何生成数字人-优雅草卓伊凡-如何生成AI数字人
|
9天前
|
机器学习/深度学习 存储 人工智能
MNN-LLM App:在手机上离线运行大模型,阿里巴巴开源基于 MNN-LLM 框架开发的手机 AI 助手应用
MNN-LLM App 是阿里巴巴基于 MNN-LLM 框架开发的 Android 应用,支持多模态交互、多种主流模型选择、离线运行及性能优化。
755 14
MNN-LLM App:在手机上离线运行大模型,阿里巴巴开源基于 MNN-LLM 框架开发的手机 AI 助手应用

热门文章

最新文章