数字自动化中生产力收益的估算
本研究旨在更加专业地评估 AI 进展的假设和定量推断 AI 的发展,通过硬件速度和算法改进的关系、人类输入对 AI 能力的影响以及不同子领域之间的关系等方面,为 AI 进步模型提供方法,为技术失业问题提供模型依据,并概述未来 AI 进步的研究方向。
Dec, 2015
本研究探讨了业务流程生产作为一个信号的一种新方法,分析了业务流程生产在频域中的生产力,并提出了一种业务流程的频域仿真框架以评估引入自动化步骤带来的生产力增益,旨在为解决 Solow 悖论提供证据。
Feb, 2023
本研究在过去的五年中对 AI 技术在软件工作量估计方面进行了广泛的研究。通过克服传统方法的局限性,该研究旨在提高准确性和可靠性,并通过性能评估和与包括人工神经网络(ANN)、支持向量机(SVM)、线性回归、随机森林在内的多种机器学习模型进行比较,找到最有效的方法。所提出的基于 AI 的框架具有增强项目规划和资源分配的潜力,有助于软件项目工作量估计研究领域。
Feb, 2024
利用基于强化学习的方法,本研究提出了一种动态税收政策,针对经济增长中的平等性和生产力做出有效的权衡,并取得了 16% 的优化效果。
Apr, 2020
在工业 4.0 中,网络物理系统 (CPS) 产生大量数据,可以被人工智能 (AI) 用于预测维护和生产计划等应用。然而,尽管已经证明了 AI 的潜力,但其在制造业等领域的广泛应用仍受限。本文通过综合审查最近的文献、标准和报告,确定了一些关键挑战:系统集成、数据相关问题、管理与劳动力有关的问题以及确保可信 AI。定量分析突出了实践者需要重视但尚需学术界进一步研究的特定挑战和主题。本文简要讨论了这些挑战的现有解决方案,并提出了未来研究的方向。我们希望这项调查能够成为评估 CPS 中应用 AI 的成本效益影响的从业者资源,也能够帮助研究人员解决这些紧迫问题。
May, 2024
ChatGPT 和其他形式的人工智能对技能溢价的影响主要是通过区分工业机器人和人工智能,工业机器人主要替代低技能工人,而人工智能主要帮助高技能工人完成任务,研究表明,只要人工智能更能替代高技能工人而非低技能工人替代高技能工人,人工智能会降低技能溢价。
Nov, 2023
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
通过对 8700 万篇论文和 710 万项专利采用自然语言处理技术,研究发现 AI 在科研中的使用范围广泛,特别是自 2015 年以来增长迅速,使用 AI 的论文影响因子更高,同时也存在 AI 人才供需不平衡和种族、性别等方面的不公平问题。
Apr, 2023
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
本文总结了 2022 年 MECC 会议上,产业、学术界和政府专家围绕如何更好地将人工智能整合到制造系统中展开的讨论,并从无缝人机集成、基础设施缺口以及大学、产业和政府机构之间的协调改进三个方面阐述了目前人工智能在制造系统中取得成功的挑战和机遇。
Mar, 2023