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
|
4月前
|
机器学习/深度学习 人工智能 算法
从300亿分子中筛出6款,结构新且易合成,斯坦福抗生素设计AI模型登Nature子刊
【4月更文挑战第12天】斯坦福大学研究团队在Nature子刊发表论文,展示人工智能如何从300亿个分子中筛选出6种新型抗生素候选分子,为抗药性问题提供新解决方案。利用深度学习算法,AI模型考虑化学结构及合成可行性,发现独特化合物,加速药物研发。然而,成功应用还需临床试验验证及克服安全性和耐药性挑战。AI技术在药物设计中的角色引起关注,强调平衡使用与基础科学研究的重要性。
38 1
从300亿分子中筛出6款,结构新且易合成,斯坦福抗生素设计AI模型登Nature子刊
|
1月前
|
人工智能 算法 数据安全/隐私保护
无表情人脸预测政治信仰,AI准确率惊人!斯坦福研究登国际顶刊
【8月更文挑战第10天】斯坦福大学的研究揭示了面部识别技术的新应用:通过分析无表情人脸图片预测政治倾向。研究在《American Psychologist》发表,表明人类评估者与AI均能在控制人口统计学特征的情况下准确预测政治取向,相关系数分别为0.21和0.22。利用年龄、性别和种族信息时,算法准确性提升至0.31。研究还发现保守派倾向于有更大的下半部面部。尽管成果引人注目,但其局限性和潜在的隐私问题仍需审慎考量。
123 62
|
2天前
|
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
11 0
|
1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。
93 1
|
2月前
|
数据采集 机器学习/深度学习 人工智能
AI小分子药物发现的百科全书,康奈尔、剑桥、EPFL等研究者综述登Nature子刊
【7月更文挑战第12天】康奈尔、剑桥及EPFL科学家合作,详述AI在药物发现中的突破与挑战[^1]。AI现用于新化合物生成、现有药物优化及再利用,加速研发进程。尽管取得进展,可解释性不足、数据质量和伦理监管仍是待解难题。 [^1]: [论文链接](https://www.nature.com/articles/s42256-024-00843-5)
38 3
|
3月前
|
存储 人工智能 Kubernetes
[AI OpenAI] 保护前沿AI研究基础设施的安全
概述支持OpenAI前沿AI模型安全训练的架构。
[AI OpenAI] 保护前沿AI研究基础设施的安全
|
3月前
|
人工智能 安全 网络安全
简述AI漏洞修复研究现状及发展方向
鲁军磊先生的演讲聚焦AI在网络安全中的应用,特别是自动化漏洞修复。他讨论了大模型技术的最新进展,AI如何增强漏洞发现与修复,并介绍了AI智能体的三种协作模式。传统漏洞修复流程从手工审计到智能化挖掘逐步演进,而AI技术通过智能决策和自动化执行提高效率。未来趋势包括智能化防御、跨域协同、安全合规自动化、隐私保护强化和安全技能普及,以及可持续安全生态建设。AI正重塑网络安全领域,推动更高效、精准的防御策略。
|
3月前
|
机器学习/深度学习 人工智能 数据库
克雷研究所100万美元奖金要归AI了,数学界规则大改,未来数学家如何应对海量猜想
【6月更文挑战第1天】AI在数学领域的突破正在改写数学研究规则。伦敦数学科学研究所的AI预测椭圆曲线秩,与克雷研究所的千禧年问题相关,显示AI在高风险数学问题上的潜力。AI还发现了纽结理论中的新关系,并能生成数学公式的猜想。尽管AI有助于发现模式和猜想,但它仍依赖于数学家的直觉来判断猜想的重要性。未来,AI将成为数学家的工具,加速研究进程,但人类的创造力和洞察力仍是关键。
68 7
|
4月前
|
机器学习/深度学习 人工智能 自然语言处理
AI案例研究与项目实战
探索AI实践:从智能客服到图像识别、推荐系统、语音助手,再到智能仓储和金融风控,这些案例展示AI如何解决实际问题。通过NLP、深度学习、机器学习等技术,企业如阿里巴巴、京东等改善客户服务,医疗、安防领域利用图像识别创新,而个性化推荐提升用户体验。AI不仅改变交互方式,还优化仓储物流、保障金融安全,实操项目助力技术应用能力提升。
353 3
|
4月前
|
存储 人工智能 JSON
【AI大模型应用开发】【RAG优化 / 前沿】0. 综述:盘点当前传统RAG流程中存在的问题及优化方法、研究前沿
【AI大模型应用开发】【RAG优化 / 前沿】0. 综述:盘点当前传统RAG流程中存在的问题及优化方法、研究前沿
404 0