AI研究新动向:“知识工人”很有可能会遭受未来自动化的极大冲击

简介: 一项新的人工智能研究表明,薪资更高,文化程度更高的工人受自动化的影响可能比以前想象的要大。长期以来,机器人革命一直被认为对于蓝领工人来说是世界末日,他们的任务是手动且重复的。

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

一项新的人工智能研究表明,薪资更高,文化程度更高的工人受自动化的影响可能比以前想象的要大。

长期以来,机器人革命一直被认为对于蓝领工人来说是世界末日,他们的任务是手动且重复的。麦肯锡(McKinsey)在2017年的 一项被广泛引用的研究中说,已有50%的工作活动已经可以使用当前技术实现自动化,并且这些活动在制造业中最为普遍。新数据表明,即使白领工人的工作需要更多的分析思维,更高的薪水和相对的工作安全性,他们也可能无法免受自动化的无休止打击。

这是因为人工智能-功能强大的计算机技术像机器学习,可以使类似人类的决策和使用实时数据来学习和提高-有工作的白领叫板,根据新的研究由美国斯坦福大学经济学家迈克尔·韦伯和布鲁金斯学会出版。由AI可能会受到影响的工作范围远远超出了白领工作就像推销,已经被毁灭的机器人领域,进入以前被认为是正视人类的全省工作:知识工作者喜欢化学工程师,物理学家和市场研究分析师。

这项新研究着眼于AI专利中的主题名词对与职位描述之间的重叠,以查看哪些职位最有可能受到AI技术的影响。因此,例如,针对市场研究分析师的职位描述(具有较高AI暴露率的相对普遍的职位)与现有专利共享许多术语,这些术语同样旨在“分析数据”,“跟踪营销”和“确定”市场。”

image

2018年10月17日,在日本东京举行的世界机器人挑战赛上,一名工作人员在软银集团公司的Pepper人形机器人面前吃午餐。

image

它比其他研究更具前瞻性,因为它分析了可能尚未完全开发或部署的技术专利。

通常,自动化对劳动力的影响的估计值因研究而异,其侧重于使用现有技术可以自动化的工作。对于低薪,低学历的工人来说,这些发现通常是最令人发指的,因为机器人技术和软件通常消除了某些工作的部分或全部。

自动化程度提高的幽灵引起了人们的担忧,即当工作变得机械化时,有大量美国人能够养活自己,低收入工作的丧失是否会加剧财富不平等。这项新的专利研究表明,自动化的影响可能会更大,并且还会影响高薪的白领工作。

image

2016年6月9日,来自不同初创公司的员工在英国伦敦联合办公的集体节制医院中使用计算机工作。 莱昂内尔·德里迈斯/科比斯通过Getty Images

注意:某些AI专利可能永远不会使用,也可能不会出于最初的意图而使用。同样,一个人的实际工作并不能完全由原始工作描述的文字来定义。但是,本研究确实提供了一个框架,可用来查看对自动化的一般了解。

正如自由职业平台Upwork的首席经济学家Adam Ozimek所说:“例如,某人获得了使用人工智能进行市场研究的设备的专利,并不意味着AI实际上可以成功地用于实际业务。 ”

斯坦福大学的研究也没有说这些工人是否真的会失业,只是说他们的工作会受到影响。因此,这些技术很有可能将用于增加工作岗位而不是取代工作岗位。

这并不是白领工作第一次受到技术的威胁。本来应该派往海外的许多白领职位(精算师,技术撰稿人和客户服务代表)却没有看到十多年前预计的裁员。

而且就其价值而言,市场研究分析师似乎认为,使用人工智能无法完成其工作的许多要素。

市场研究公司Rockbridge Associates总裁Gina Woodall对Recode表示:“它可以告诉我们正在发生的事情,但不能告诉我们为什么发生。” “在告诉我们消费者在做什么方面越来越好了,但是它无法告诉我们是什么在驱动他们。

市场研究分析师怎么说

根据美国劳工统计局的数据,美国有近70万人从事市场研究分析师工作,他们研究市场条件以销售产品或服务,他们对未来十年的就业增长前景远远高于平均水平。顾名思义,这项工作将分析思想带入了不同的数据上,因此通常无需谈论自动化。

但是根据Webb的研究,市场研究分析师与AI专利重叠的可能性比平均水平高得多。

市场研究分析师已经开始在工作中与AI竞争,但到目前为止,它已被用于辅助他们的工作或使他们有空从事其他工作。

image

技术人员于2016年11月22日在南非开普敦的伍德斯托克交易所工作。 Per-Anders Pettersson /盖蒂图片社

从事市场研究工作已有20年的Woodall说:“我们故意将产品转移到高端市场,减少了简单的研究,因为有很多自动化和工具可以轻松地做到这一点。” “我看到我们在世界上的位置正在使用高级分析来关注更复杂的业务问题。”

小型企业咨询公司Emergent Research的合伙人Steve King这样说:“我们的增值不是数据收集,甚至不是分析的第一层(我们主要将这些步骤外包)。我们的增值是值得信赖的顾问和业务洞察力的外部来源。”

CarGurus的行业分析总监George Augustaitis之前曾在一家公司直接与名为Lucy的AI工具合作,该公司将能够根据上传到该工具的数据回答分析师的问题。

Augustaitis告诉Recode:“我的团队之所以接受它,是因为我们所有人都认为,对于我们建立图表而言,这将不再那么费力。” “我们将花费更多时间分析数据,连接点,参加向客户展示的会议。” Webb的数据表明,并非市场研究分析师的工作的每个方面都属于AI专利。这些方面包括对消费者意见进行研究,与其他专业人员合作以及参加员工大会以简要介绍他们的发现。

奥古斯塔蒂斯提斯(Augustaitis)表示,他认为有一天AI可能是“出色的初级分析师”,但他认为,当情况异常(例如2008年经济衰退)时,此类工具将失效。

他说:“我不知道当发生没人期望的事情时,他们将如何表现。”

佛罗里达州迈阿密的定性研究顾问吉姆·洛雷塔(Jim Loretta)强调了他工作中的人为因素:亲自进行调查和其他市场研究的重要性。

他说:“人们的感受-很多是面对面捕捉的,”他指的是当他向一个焦点小组询问一项新的营销活动时所见到的微妙的人类手势和反应。“我不知道[AI]如何捕捉您在面对面会议中遇到的任何定性按钮。”现在可能是正确的,但是AI情感识别领域正在迅速发展。

就目前而言,人工智能工具在做出更细微的决策时并不是特别准确。

一家对冲基金投资分析师对《 Recode》说:“即使今天,您在彭博社上看到的标题也很清楚地是由计算机编写的,而且很多地方都错了。”他指的是彭博社是如何使用自动化来帮助其三分之一的内容(通常用于拆分)次报告公司收益。尽管这种技术擅长快速记录收入损失或篮球成绩,但它可能会错过更大的环境。

“令人惊奇的是,实际上阅读文档中的每个单词都能获得优势。”

他还指出,如果更多的工作可以自动化,那就可以了。

“有一个原因是没有更多的对冲基金分析师失业:因为至少在目前,您仍然需要那只人类的手。”

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!

原文发布时间:2019-12-30
本文作者:Rani Molla
本文来自阿里云云栖号合作伙伴“CDA数据分析师”,了解相关信息可以关注“CDA数据分析师

相关文章
|
24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
|
存储 人工智能 安全
从梦想到现实:十年见证AI自动化漏洞修复的演变
2014年,我怀揣着利用科技创造更安全数字世界的梦想,提出了通过云平台自动化修复第三方网站漏洞的构想。十年后的2024年,随着AI技术的崛起,这一梦想已成为现实。如今,用户只需简单注册并安装插件,AI系统就能自动检测、修复漏洞,整个过程高效、智能。AI不仅提升了系统的可靠性和效率,还具备自我学习能力,使安全防护更加主动。未来,我将继续用AI探索更多可能,推动技术的发展,不断完善这个充满智慧与安全的数字世界。
18 3
从梦想到现实:十年见证AI自动化漏洞修复的演变
|
2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。
22 12
|
1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
|
1天前
|
人工智能 自然语言处理 IDE
通义灵码让AI帮你实现自动化编程
通义灵码是由阿里云与通义实验室联合开发的智能编码辅助工具,具备行级/函数级实时续写、自然语言生成代码、单元测试生成、代码优化、注释生成、代码解释、研发智能问答及异常报错排查等功能。该工具支持200多种编程语言,兼容主流IDE,如Visual Studio Code、Visual Studio和JetBrains IDEs。通义灵码在Gartner发布的AI代码助手魔力象限中表现出色,成为唯一进入挑战者象限的中国科技公司。目前,通义灵码下载量已超过470万,每日辅助生成代码超3000万次,被开发者广泛采用。
|
20天前
|
人工智能 安全 决策智能
OpenAI推出实验性“Swarm”框架,引发关于AI驱动自动化的争论
OpenAI推出实验性“Swarm”框架,引发关于AI驱动自动化的争论
|
13天前
|
机器学习/深度学习
自动化机器学习研究MLR-Copilot:利用大型语言模型进行研究加速
【10月更文挑战第21天】在科技快速发展的背景下,机器学习研究面临诸多挑战。为提高研究效率,研究人员提出了MLR-Copilot系统框架,利用大型语言模型(LLM)自动生成和实施研究想法。该框架分为研究想法生成、实验实施和实施执行三个阶段,通过自动化流程显著提升研究生产力。实验结果显示,MLR-Copilot能够生成高质量的假设和实验计划,并显著提高任务性能。然而,该系统仍需大量计算资源和人类监督。
20 4
|
13天前
|
机器学习/深度学习 数据采集 人工智能
探索AI驱动的自动化测试新纪元###
本文旨在探讨人工智能如何革新软件测试领域,通过AI技术提升测试效率、精准度和覆盖范围。在智能算法的支持下,自动化测试不再局限于简单的脚本回放,而是能够模拟复杂场景、预测潜在缺陷,并实现自我学习与优化。我们正步入一个测试更加主动、灵活且高效的新时代,本文将深入剖析这一变革的核心驱动力及其对未来软件开发的影响。 ###
|
30天前
|
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。
37 6
|
10天前
|
机器学习/深度学习 人工智能 自然语言处理
探索软件测试的未来:AI与自动化的融合
【10月更文挑战第25天】在本文中,我们将深入探讨软件测试领域正在经历的革命性变化。随着人工智能(AI)和自动化技术的不断进步,传统的测试方法正逐步被更高效、更智能的解决方案所取代。文章将展示如何通过AI增强自动化测试框架,实现更高效的缺陷检测和问题解决。我们将从基础出发,逐步揭示AI在测试用例生成、测试执行和结果分析中的应用,以及这些技术如何帮助团队提高生产力并缩短产品上市时间。