学习未来工作的职业任务共享动态
生成人工智能在就业、教育、生产力和未来工作方面取得了令人兴奋的进展,需要政策制定者提供更好的数据以帮助工人适应就业变革,并鼓励教育计划以适应未来工作的需求。
Nov, 2023
本文针对 ChatGPT 等人工智能将是否会取代人类工作等潜在的道德问题,从人工智能与人类的共生角度出发,对 BOSS 直聘这一中国最大的在线招聘平台进行了大规模工作职位数据的深度分析,并开发了一种基于职业为中心的知识图谱和语义信息增强的协同过滤算法,预测了未来职业和技能的关系,结果发现未来 45% 的职业将需要 ChatGPT 等技能。
Apr, 2023
发现通用生成人工智能对劳动力市场的影响成为关注焦点,本研究利用 ChatGPT 的推出作为外生冲击因素,采用差异性比较方法 (DID) 量化其对在线劳动力市场中与文本相关的工作和自由职业者的影响。研究结果显示,直接受到 ChatGPT 影响的兼职工作和自由职业者的交易量显著下降,尤其对过去交易量较高或质量标准较低的工作影响更大。然而,并非所有服务提供商都普遍经历负面效应,随后的分析表明,在这个变革时期,善于适应新技术并提供增强人工智能技术的服务的自由职业者可以获得巨大的利益。因此,尽管 ChatGPT 的出现可能会替代现有的职业,但也带来了巨大的机遇,并有可能重新配置未来的工作。本研究对有限的经验数据库在基于语言模型的生成人工智能对劳动力市场的深远影响方面作出了贡献,并为工人、职业中介和监管机构在这个不断变化的领域提供了宝贵的见解。
Aug, 2023
生成 AI 如何改变编码的一个基本方面:问题解决。使用非试验性方法(差异法差异法),我们发现 ChatGPT 的发布显著减少了问题的数量,并且问题在发布后得到更好的记录。此外,我们发现剩下的问题更加复杂。这些发现不仅表明了生产力的提高,也表明了人们工作方式的根本变化,其中 AI 解决了常规问题,使人们能够专注于更复杂的任务。
Aug, 2023
本研究提出了一种将业务转型倡议与职业相连接的新本体论,并通过利用从工作广告和维基百科页面中提取的嵌入来自动填充该本体论的方法。这一框架对于指导企业和教育机构在特定的业务转型倡议中的劳动力需求具有创新意义。
Oct, 2023
本篇论文探讨通过时间序列预测和神经网络等方法,利用在线招聘广告的技能需求数据提高多技能需求的预测准确性。作者对多项世界信息技术业工作者的技能需求进行了分析,并比较了多元和单变量模型的性能。
May, 2022
人工智能通过检测任务输入中的统计规律,依靠大量训练数据和计算资源而实现对人类任务的高效模仿,研究通过四个因素来探究这种统计人工智能在人类任务中的表现,提出了一个以可学习性、统计资源、计算资源和学习技术为视角的三阶段视觉框架来理解人工智能和就业之间的变化关系,得出了在每个职业中都存在一个拐点的简单经济竞争模型,贯穿性地验证了翻译和网页开发职业的 AI 性能对就业者的影响,并呼吁急需进行更多研究以应对人工智能对就业的巨大颠覆。
Dec, 2023
本研究使用中国最大的招聘平台的职位发布数据作为新颖的代理,详细追踪 2018 年至 2023 年劳动力市场的波动和新兴趋势,通过对短视频运营商、数据分析师以及人工智能领域的新兴职业的详细调查,我们的研究将职业分配到特定的生命周期阶段,揭示了职业发展和衰退的有见地的模式。本研究不仅对职业生命周期的理论理解有所贡献,而且为面对技术进步和市场变化所带来的工作力规划和发展的挑战的决策者、教育者和行业领导者提供了实用的见解。
Apr, 2024
我们分析了在可能达到人工智能系统能执行人类所有任务的技术进步背景下,产出和工资的表现,并且假设人类的工作可以分解为不同复杂度的原子任务。技术进步使得越来越复杂的任务能够自动化。工资的影响取决于自动化与资本积累之间的竞赛。如果任务复杂度的分布具有足够厚的无穷尾部,那么总是有足够的工作供人类从事,而工资可能会永久上升。相反,如果人类能够执行的任务复杂度是有界的,并且实现了完全自动化,那么工资会崩溃。但即使在这之前,如果大规模自动化超过资本积累,使得劳动力过剩,工资也可能会下降。自动化生产率的增长可能会导致对所有要素的广泛利益增长。相反,来自不可再生稀缺要素的增长瓶颈可能会加剧工资的下降。
Mar, 2024