人類不應懼怕被人工智慧自動化取代的原因
隨著企業現在部署人工智慧工具來做很多事情——從翻譯演講到為大型法律建立語言學習模型,許多員工開始擔心他們可能很快就會失業。
然而,頗受歡迎的Noahpinion網站的作者Noah Smith在一篇文章中辯稱,人們還不應該擔心自己的工作被自動化取代。
Smith寫道,「人們對自動化的普遍認知是,它會將人類趕出工作崗位——今天你從事著某種有價值的工作,明天你就在領取福利救濟了。然而,事實卻並非如此!幾個世紀以來,我們一直在部署自動化技術,截至2023年,幾乎每個想要工作的人都還有工作。」
自動化到底意味著什麼?
在他的文章中,Smith研究了從花旗銀行到普華永道會計師事務所的研究人員多年來關於工作自動化的幾項研究。
Smith指出,在這些研究中,「自動化」一詞從未被明確定義,但是它們都共同闡述了不同程度的「替代」假設。有些情況下,例如“你將得到新的工具,讓你自動完成工作中無聊的部分,從而能夠使你晉升到一個更有價值的職位”,甚至會帶來新的好處。
這意味著很難就自動化對任何特定的個人意味著什麼得出全面的結論。
史密斯指出的另一個問題是,這些研究並沒有涉及勞動市場整體將如何變化。他認為,「如果一個工作被自動化摧毀,而另外兩個更高薪資的工作被創造出來,那麼工人顯然是贏家。」然而,關於這個主題的研究似乎只關注自動化,這可能表明工人是這種情況下的輸家,即使事實並非如此。
評估「替代」往往是主觀的
Smith也指出,先前的研究在評估一份工作被取代的風險時使用了過多的主觀性。
在弗雷和奧斯本(2013)的一項研究中,研究人員指出,他們從美國勞工部開發的數據庫中“主觀地手工標記”工作,如果這些工作“可自動化” ,則打1分,如果不能,就打0分。
研究人員也指出,他們只關注資料庫中「我們對其電腦化標籤非常有信心」的一小部分工作,以進一步降低「主觀偏見影響我們分析」的風險。
Smith表示,好消息是,從那時起,研究方法已經得到了改進。
高盛本月初發表的一項研究透過將工作視為政府資料庫中描述的任務總和(而非一個整體實體),評估了人工智慧對自動化的影響。
Smith指出,高盛的研究人員也意識到,當只有一些任務是自動化的時候,「自動化通常充當的是補充作用,而不會取代工人」。
此外,這項研究還支持了自動化並不總是意味著裁員的觀點,指出「技術可以取代一些任務,但它也可以讓我們在執行其他任務時更有效率,並創造新的任務和新的工作崗位」。
然而,《富比士》在報導這項研究時的標題是《高盛預測人工智慧將消除或減少3億個工作機會》。
Smith寫道,「很多人都習慣了『機器人搶走了我們的工作』的說法,以至於他們會透過扭曲的視角來報道他們看到的每一個結果。』」
以上是人類不應懼怕被人工智慧自動化取代的原因的詳細內容。更多資訊請關注PHP中文網其他相關文章!

熱AI工具

Undresser.AI Undress
人工智慧驅動的應用程序,用於創建逼真的裸體照片

AI Clothes Remover
用於從照片中去除衣服的線上人工智慧工具。

Undress AI Tool
免費脫衣圖片

Clothoff.io
AI脫衣器

Video Face Swap
使用我們完全免費的人工智慧換臉工具,輕鬆在任何影片中換臉!

熱門文章

熱工具

記事本++7.3.1
好用且免費的程式碼編輯器

SublimeText3漢化版
中文版,非常好用

禪工作室 13.0.1
強大的PHP整合開發環境

Dreamweaver CS6
視覺化網頁開發工具

SublimeText3 Mac版
神級程式碼編輯軟體(SublimeText3)

本站6月27日訊息,剪映是由位元組跳動旗下臉萌科技開發的一款影片剪輯軟體,依託於抖音平台且基本面向該平台用戶製作短影片內容,並相容於iOS、安卓、Windows 、MacOS等作業系統。剪映官方宣布會員體系升級,推出全新SVIP,包含多種AI黑科技,例如智慧翻譯、智慧劃重點、智慧包裝、數位人合成等。價格方面,剪映SVIP月費79元,年費599元(本站註:折合每月49.9元),連續包月則為59元每月,連續包年為499元每年(折合每月41.6元) 。此外,剪映官方也表示,為提升用戶體驗,向已訂閱了原版VIP

透過將檢索增強生成和語意記憶納入AI編碼助手,提升開發人員的生產力、效率和準確性。譯自EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG,作者JanakiramMSV。雖然基本AI程式設計助理自然有幫助,但由於依賴對軟體語言和編寫軟體最常見模式的整體理解,因此常常無法提供最相關和正確的程式碼建議。這些編碼助手產生的代碼適合解決他們負責解決的問題,但通常不符合各個團隊的編碼標準、慣例和風格。這通常會導致需要修改或完善其建議,以便將程式碼接受到應

想了解更多AIGC的內容,請造訪:51CTOAI.x社群https://www.51cto.com/aigc/譯者|晶顏審校|重樓不同於網路上隨處可見的傳統問題庫,這些問題需要跳脫常規思維。大語言模型(LLM)在數據科學、生成式人工智慧(GenAI)和人工智慧領域越來越重要。這些複雜的演算法提升了人類的技能,並在許多產業中推動了效率和創新性的提升,成為企業保持競爭力的關鍵。 LLM的應用範圍非常廣泛,它可以用於自然語言處理、文字生成、語音辨識和推薦系統等領域。透過學習大量的數據,LLM能夠產生文本

大型語言模型(LLM)是在龐大的文字資料庫上訓練的,在那裡它們獲得了大量的實際知識。這些知識嵌入到它們的參數中,然後可以在需要時使用。這些模型的知識在訓練結束時被「具體化」。在預訓練結束時,模型實際上停止學習。對模型進行對齊或進行指令調優,讓模型學習如何充分利用這些知識,以及如何更自然地回應使用者的問題。但是有時模型知識是不夠的,儘管模型可以透過RAG存取外部內容,但透過微調使用模型適應新的領域被認為是有益的。這種微調是使用人工標註者或其他llm創建的輸入進行的,模型會遇到額外的實際知識並將其整合

機器學習是人工智慧的重要分支,它賦予電腦從數據中學習的能力,並能夠在無需明確編程的情況下改進自身能力。機器學習在各個領域都有廣泛的應用,從影像辨識和自然語言處理到推薦系統和詐欺偵測,它正在改變我們的生活方式。機器學習領域存在著多種不同的方法和理論,其中最具影響力的五種方法被稱為「機器學習五大派」。這五大派分別為符號派、聯結派、進化派、貝葉斯派和類推學派。 1.符號學派符號學(Symbolism),又稱符號主義,強調利用符號進行邏輯推理和表達知識。該學派認為學習是一種逆向演繹的過程,透過現有的

編輯|ScienceAI問答(QA)資料集在推動自然語言處理(NLP)研究中發揮著至關重要的作用。高品質QA資料集不僅可以用於微調模型,也可以有效評估大語言模型(LLM)的能力,尤其是針對科學知識的理解和推理能力。儘管目前已有許多科學QA數據集,涵蓋了醫學、化學、生物等領域,但這些數據集仍有一些不足之處。其一,資料形式較為單一,大多數為多項選擇題(multiple-choicequestions),它們易於進行評估,但限制了模型的答案選擇範圍,無法充分測試模型的科學問題解答能力。相比之下,開放式問答

本站8月1日消息,SK海力士今天(8月1日)發布博文,宣布將出席8月6日至8日,在美國加州聖克拉拉舉行的全球半導體記憶體峰會FMS2024,展示諸多新一代產品。未來記憶體和儲存高峰會(FutureMemoryandStorage)簡介前身是主要面向NAND供應商的快閃記憶體高峰會(FlashMemorySummit),在人工智慧技術日益受到關注的背景下,今年重新命名為未來記憶體和儲存高峰會(FutureMemoryandStorage),以邀請DRAM和儲存供應商等更多參與者。新產品SK海力士去年在

編輯|KX在藥物研發領域,準確有效地預測蛋白質與配體的結合親和力對於藥物篩選和優化至關重要。然而,目前的研究並沒有考慮到分子表面訊息在蛋白質-配體相互作用中的重要作用。基於此,來自廈門大學的研究人員提出了一種新穎的多模態特徵提取(MFE)框架,該框架首次結合了蛋白質表面、3D結構和序列的信息,並使用交叉注意機制進行不同模態之間的特徵對齊。實驗結果表明,該方法在預測蛋白質-配體結合親和力方面取得了最先進的性能。此外,消融研究證明了該框架內蛋白質表面資訊和多模態特徵對齊的有效性和必要性。相關研究以「S
