Rumah Peranti teknologi AI Robot telah tiba secara senyap-senyap. Bolehkah mereka mengisi jurang buruh global?

Robot telah tiba secara senyap-senyap. Bolehkah mereka mengisi jurang buruh global?

Apr 12, 2023 pm 10:04 PM
AI pekerjaan robot

Baru-baru ini, laman web "Financial Times" British menerbitkan artikel bertajuk "Untuk menyelamatkan dunia: Robot perlu tiba lebih cepat", yang ditulis oleh Ruchil Sharma. Artikel itu percaya bahawa ketika ekonomi global menghadapi kekurangan tenaga kerja, kebanyakan negara memerlukan lebih banyak robot untuk mengekalkan daya hidup pertumbuhan. Teks penuh dipetik seperti berikut:

Robot telah tiba secara senyap-senyap. Bolehkah mereka mengisi jurang buruh global?

Tidak lama dahulu, orang ramai menulis dan menerbitkan buku tentang bagaimana "kebangkitan robot" akan membawa kepada "masa depan yang tidak dapat pekerjaan", serta ramalan berwibawa Dikatakan bahawa automasi yang akan datang mungkin meletakkan separuh daripada pekerjaan di negara tertentu berisiko.

Walau bagaimanapun, laporan pekerjaan baru-baru ini menimbulkan satu lagi ancaman: bukan sama ada robot akan menggantikan manusia, tetapi sama ada robot boleh tiba tepat pada masanya untuk menyelamatkan ekonomi global daripada kekurangan tenaga kerja.

Pada masa ini, kadar pengangguran global ialah 4.5%, tahap terendah sejak rekod global bermula pada tahun 1980.

Tekanan ini kini berada pada tahap demam, sebahagian besarnya kerana pertumbuhan tenaga buruh telah mula perlahan dan perkadaran orang tua semakin meningkat. Percepatan penuaan adalah akibat tertunda perubahan sosial yang bermula beberapa dekad yang lalu: wanita mempunyai lebih sedikit anak dan kemajuan perubatan telah meningkatkan jangka hayat.

Di hampir 40 negara, termasuk ekonomi utama dunia, populasi usia bekerja telah menyusut Pada awal 1980-an, ini hanya berlaku di dua negara.

Tenaga kerja yang lebih kecil hampir pasti akan membawa kepada pertumbuhan ekonomi yang lebih perlahan berbanding faktor lain, jadi kebanyakan negara memerlukan lebih banyak robot untuk mengekalkan pertumbuhan.

Pesimis teknologi masih membunyikan penggera. Apabila wabak itu surut dan pemberhentian pekerja, hantu robot yang mencuri pekerjaan dan memotong gaji akan muncul semula, kata mereka. Walau apa pun, aliran demografi asas meramalkan bahawa kekurangan akan berterusan.

Negara yang paling teruk terjejas termasuk Jepun, Jerman dan negara lain. Menjelang 2030, tenaga buruh dijangka berkurangan sekurang-kurangnya 400,000 orang setahun. Bukan kebetulan bahawa robot sudah ada dalam jumlah besar di negara-negara ini dan bilangan mereka masih bertambah.

Kerajaan boleh bertindak balas terhadap kekurangan buruh dengan cara lain: memberi bonus kepada ibu bapa yang mempunyai lebih ramai anak, menggalakkan wanita mencari kerja atau kembali bekerja, mengalu-alukan pendatang atau meningkatkan umur persaraan. Walau bagaimanapun, semua langkah ini berpotensi untuk mencetuskan rintangan.

Bot menimbulkan tindak balas yang berbeza, kebimbangan yang tidak jelas tentang mesin dan kecerdasan buatan. Kebimbangan ini terutamanya ditunjukkan dalam buku, dan jarang dilihat dalam protes terhadap robot yang mencuri pekerjaan. Pada masa yang sama, robot masih tiba dengan senyap, dan tiada siapa yang boleh mempertikaikan perkara ini.

Seperti inovasi sebelumnya, robot akan membunuh beberapa profesion dan mencipta yang baharu. Enjin gas menjadikan pemandu kereta kuda menjadi berlebihan, tetapi menimbulkan profesion pemandu teksi. Kira-kira satu pertiga daripada pekerjaan yang dicipta di negara tertentu adalah dalam bidang yang tidak wujud atau hampir tidak wujud 25 tahun yang lalu.

OECD mengatakan bahawa satu pertiga daripada pekerjaan semasa "akan mengalami perubahan asas dalam tempoh 15 hingga 20 tahun akan datang." Seperti yang dicadangkan oleh "masa depan pengangguran", teknologi akan mengganggu status quo dan bukannya memusnahkannya secara langsung.

Setiap robot boleh menggantikan 3 atau lebih pekerja, dan pekerja kilang adalah kumpulan yang paling terjejas. Tahap gangguan bergantung pada kadar perubahan, yang sering dibesar-besarkan. Peramal telah meramalkan sejak tahun 1950-an bahawa kecerdasan buatan sepenuhnya akan muncul dalam tempoh 20 tahun, tetapi ia tidak berlaku sehingga kini.

Kini, kemelesetan akan berlaku, tetapi pengangguran tidak mungkin setinggi dahulu, sekali lagi kerana tenaga buruh yang semakin berkurangan. Semasa kitaran ekonomi, walaupun bilangan robot terus meningkat dua kali ganda, penurunan bilangan pekerja akan menjadikan pasaran pekerjaan lebih ketat daripada biasa.

Impak melahirkan anak terhadap tenaga buruh akan mengambil masa bertahun-tahun untuk menjadi nyata, tetapi hari ini, kerajaan yang bijak akan mengambil tindakan untuk menarik lebih ramai wanita, pendatang, warga emas dan robot ke dalam tenaga kerja. Jika tidak, kita akan berhadapan dengan lebih sedikit pekerja, automatik atau tidak, dan masa depan tanpa pertumbuhan.

Atas ialah kandungan terperinci Robot telah tiba secara senyap-senyap. Bolehkah mereka mengisi jurang buruh global?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Kenyataan Laman Web ini
Kandungan artikel ini disumbangkan secara sukarela oleh netizen, dan hak cipta adalah milik pengarang asal. Laman web ini tidak memikul tanggungjawab undang-undang yang sepadan. Jika anda menemui sebarang kandungan yang disyaki plagiarisme atau pelanggaran, sila hubungi admin@php.cn

Alat AI Hot

Undresser.AI Undress

Undresser.AI Undress

Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover

AI Clothes Remover

Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool

Undress AI Tool

Gambar buka pakaian secara percuma

Clothoff.io

Clothoff.io

Penyingkiran pakaian AI

AI Hentai Generator

AI Hentai Generator

Menjana ai hentai secara percuma.

Artikel Panas

R.E.P.O. Kristal tenaga dijelaskan dan apa yang mereka lakukan (kristal kuning)
3 minggu yang lalu By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. Tetapan grafik terbaik
3 minggu yang lalu By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. Cara Memperbaiki Audio Jika anda tidak dapat mendengar sesiapa
3 minggu yang lalu By 尊渡假赌尊渡假赌尊渡假赌
WWE 2K25: Cara Membuka Segala -galanya Di Myrise
4 minggu yang lalu By 尊渡假赌尊渡假赌尊渡假赌

Alat panas

Notepad++7.3.1

Notepad++7.3.1

Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina

SublimeText3 versi Cina

Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1

Hantar Studio 13.0.1

Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6

Dreamweaver CS6

Alat pembangunan web visual

SublimeText3 versi Mac

SublimeText3 versi Mac

Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Bytedance Cutting melancarkan keahlian super SVIP: 499 yuan untuk langganan tahunan berterusan, menyediakan pelbagai fungsi AI Bytedance Cutting melancarkan keahlian super SVIP: 499 yuan untuk langganan tahunan berterusan, menyediakan pelbagai fungsi AI Jun 28, 2024 am 03:51 AM

Laman web ini melaporkan pada 27 Jun bahawa Jianying ialah perisian penyuntingan video yang dibangunkan oleh FaceMeng Technology, anak syarikat ByteDance Ia bergantung pada platform Douyin dan pada asasnya menghasilkan kandungan video pendek untuk pengguna platform tersebut Windows , MacOS dan sistem pengendalian lain. Jianying secara rasmi mengumumkan peningkatan sistem keahliannya dan melancarkan SVIP baharu, yang merangkumi pelbagai teknologi hitam AI, seperti terjemahan pintar, penonjolan pintar, pembungkusan pintar, sintesis manusia digital, dsb. Dari segi harga, yuran bulanan untuk keratan SVIP ialah 79 yuan, yuran tahunan ialah 599 yuan (nota di laman web ini: bersamaan dengan 49.9 yuan sebulan), langganan bulanan berterusan ialah 59 yuan sebulan, dan langganan tahunan berterusan ialah 499 yuan setahun (bersamaan dengan 41.6 yuan sebulan) . Di samping itu, pegawai yang dipotong juga menyatakan bahawa untuk meningkatkan pengalaman pengguna, mereka yang telah melanggan VIP asal

Pembantu pengekodan AI yang ditambah konteks menggunakan Rag dan Sem-Rag Pembantu pengekodan AI yang ditambah konteks menggunakan Rag dan Sem-Rag Jun 10, 2024 am 11:08 AM

Tingkatkan produktiviti, kecekapan dan ketepatan pembangun dengan menggabungkan penjanaan dipertingkatkan semula dan memori semantik ke dalam pembantu pengekodan AI. Diterjemah daripada EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG, pengarang JanakiramMSV. Walaupun pembantu pengaturcaraan AI asas secara semulajadi membantu, mereka sering gagal memberikan cadangan kod yang paling relevan dan betul kerana mereka bergantung pada pemahaman umum bahasa perisian dan corak penulisan perisian yang paling biasa. Kod yang dijana oleh pembantu pengekodan ini sesuai untuk menyelesaikan masalah yang mereka bertanggungjawab untuk menyelesaikannya, tetapi selalunya tidak mematuhi piawaian pengekodan, konvensyen dan gaya pasukan individu. Ini selalunya menghasilkan cadangan yang perlu diubah suai atau diperhalusi agar kod itu diterima ke dalam aplikasi

Bolehkah penalaan halus benar-benar membolehkan LLM mempelajari perkara baharu: memperkenalkan pengetahuan baharu boleh menjadikan model menghasilkan lebih banyak halusinasi Bolehkah penalaan halus benar-benar membolehkan LLM mempelajari perkara baharu: memperkenalkan pengetahuan baharu boleh menjadikan model menghasilkan lebih banyak halusinasi Jun 11, 2024 pm 03:57 PM

Model Bahasa Besar (LLM) dilatih pada pangkalan data teks yang besar, di mana mereka memperoleh sejumlah besar pengetahuan dunia sebenar. Pengetahuan ini dibenamkan ke dalam parameter mereka dan kemudiannya boleh digunakan apabila diperlukan. Pengetahuan tentang model ini "diperbaharui" pada akhir latihan. Pada akhir pra-latihan, model sebenarnya berhenti belajar. Selaraskan atau perhalusi model untuk mempelajari cara memanfaatkan pengetahuan ini dan bertindak balas dengan lebih semula jadi kepada soalan pengguna. Tetapi kadangkala pengetahuan model tidak mencukupi, dan walaupun model boleh mengakses kandungan luaran melalui RAG, ia dianggap berfaedah untuk menyesuaikan model kepada domain baharu melalui penalaan halus. Penalaan halus ini dilakukan menggunakan input daripada anotasi manusia atau ciptaan LLM lain, di mana model menemui pengetahuan dunia sebenar tambahan dan menyepadukannya

Tujuh Soalan Temuduga Teknikal GenAI & LLM yang Cool Tujuh Soalan Temuduga Teknikal GenAI & LLM yang Cool Jun 07, 2024 am 10:06 AM

Untuk mengetahui lebih lanjut tentang AIGC, sila layari: 51CTOAI.x Komuniti https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou berbeza daripada bank soalan tradisional yang boleh dilihat di mana-mana sahaja di Internet memerlukan pemikiran di luar kotak. Model Bahasa Besar (LLM) semakin penting dalam bidang sains data, kecerdasan buatan generatif (GenAI) dan kecerdasan buatan. Algoritma kompleks ini meningkatkan kemahiran manusia dan memacu kecekapan dan inovasi dalam banyak industri, menjadi kunci kepada syarikat untuk kekal berdaya saing. LLM mempunyai pelbagai aplikasi Ia boleh digunakan dalam bidang seperti pemprosesan bahasa semula jadi, penjanaan teks, pengecaman pertuturan dan sistem pengesyoran. Dengan belajar daripada sejumlah besar data, LLM dapat menjana teks

Untuk menyediakan tanda aras dan sistem penilaian menjawab soalan saintifik dan kompleks baharu untuk model besar, UNSW, Argonne, University of Chicago dan institusi lain bersama-sama melancarkan rangka kerja SciQAG Untuk menyediakan tanda aras dan sistem penilaian menjawab soalan saintifik dan kompleks baharu untuk model besar, UNSW, Argonne, University of Chicago dan institusi lain bersama-sama melancarkan rangka kerja SciQAG Jul 25, 2024 am 06:42 AM

Editor |ScienceAI Question Answering (QA) set data memainkan peranan penting dalam mempromosikan penyelidikan pemprosesan bahasa semula jadi (NLP). Set data QA berkualiti tinggi bukan sahaja boleh digunakan untuk memperhalusi model, tetapi juga menilai dengan berkesan keupayaan model bahasa besar (LLM), terutamanya keupayaan untuk memahami dan menaakul tentang pengetahuan saintifik. Walaupun pada masa ini terdapat banyak set data QA saintifik yang meliputi bidang perubatan, kimia, biologi dan bidang lain, set data ini masih mempunyai beberapa kekurangan. Pertama, borang data adalah agak mudah, kebanyakannya adalah soalan aneka pilihan. Ia mudah dinilai, tetapi mengehadkan julat pemilihan jawapan model dan tidak dapat menguji sepenuhnya keupayaan model untuk menjawab soalan saintifik. Sebaliknya, Soal Jawab terbuka

Lima sekolah pembelajaran mesin yang anda tidak tahu Lima sekolah pembelajaran mesin yang anda tidak tahu Jun 05, 2024 pm 08:51 PM

Pembelajaran mesin ialah cabang penting kecerdasan buatan yang memberikan komputer keupayaan untuk belajar daripada data dan meningkatkan keupayaan mereka tanpa diprogramkan secara eksplisit. Pembelajaran mesin mempunyai pelbagai aplikasi dalam pelbagai bidang, daripada pengecaman imej dan pemprosesan bahasa semula jadi kepada sistem pengesyoran dan pengesanan penipuan, dan ia mengubah cara hidup kita. Terdapat banyak kaedah dan teori yang berbeza dalam bidang pembelajaran mesin, antaranya lima kaedah yang paling berpengaruh dipanggil "Lima Sekolah Pembelajaran Mesin". Lima sekolah utama ialah sekolah simbolik, sekolah sambungan, sekolah evolusi, sekolah Bayesian dan sekolah analogi. 1. Simbolisme, juga dikenali sebagai simbolisme, menekankan penggunaan simbol untuk penaakulan logik dan ekspresi pengetahuan. Aliran pemikiran ini percaya bahawa pembelajaran adalah proses penolakan terbalik, melalui sedia ada

Prestasi SOTA, kaedah AI ramalan pertalian protein-ligan pelbagai mod Xiamen, menggabungkan maklumat permukaan molekul buat kali pertama Prestasi SOTA, kaedah AI ramalan pertalian protein-ligan pelbagai mod Xiamen, menggabungkan maklumat permukaan molekul buat kali pertama Jul 17, 2024 pm 06:37 PM

Editor |. KX Dalam bidang penyelidikan dan pembangunan ubat, meramalkan pertalian pengikatan protein dan ligan dengan tepat dan berkesan adalah penting untuk pemeriksaan dan pengoptimuman ubat. Walau bagaimanapun, kajian semasa tidak mengambil kira peranan penting maklumat permukaan molekul dalam interaksi protein-ligan. Berdasarkan ini, penyelidik dari Universiti Xiamen mencadangkan rangka kerja pengekstrakan ciri berbilang mod (MFE) novel, yang buat pertama kalinya menggabungkan maklumat mengenai permukaan protein, struktur dan jujukan 3D, dan menggunakan mekanisme perhatian silang untuk membandingkan ciri modaliti yang berbeza penjajaran. Keputusan eksperimen menunjukkan bahawa kaedah ini mencapai prestasi terkini dalam meramalkan pertalian mengikat protein-ligan. Tambahan pula, kajian ablasi menunjukkan keberkesanan dan keperluan maklumat permukaan protein dan penjajaran ciri multimodal dalam rangka kerja ini. Penyelidikan berkaitan bermula dengan "S

Meletakkan pasaran seperti AI, GlobalFoundries memperoleh teknologi gallium nitrida Tagore Technology dan pasukan berkaitan Meletakkan pasaran seperti AI, GlobalFoundries memperoleh teknologi gallium nitrida Tagore Technology dan pasukan berkaitan Jul 15, 2024 pm 12:21 PM

Menurut berita dari laman web ini pada 5 Julai, GlobalFoundries mengeluarkan kenyataan akhbar pada 1 Julai tahun ini, mengumumkan pemerolehan teknologi power gallium nitride (GaN) Tagore Technology dan portfolio harta intelek, dengan harapan dapat mengembangkan bahagian pasarannya dalam kereta dan Internet of Things dan kawasan aplikasi pusat data kecerdasan buatan untuk meneroka kecekapan yang lebih tinggi dan prestasi yang lebih baik. Memandangkan teknologi seperti AI generatif terus berkembang dalam dunia digital, galium nitrida (GaN) telah menjadi penyelesaian utama untuk pengurusan kuasa yang mampan dan cekap, terutamanya dalam pusat data. Laman web ini memetik pengumuman rasmi bahawa semasa pengambilalihan ini, pasukan kejuruteraan Tagore Technology akan menyertai GLOBALFOUNDRIES untuk membangunkan lagi teknologi gallium nitride. G

See all articles