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

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

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

研究了 AI 讨论对美国学生未来就业市场的负向和正向影响，发现学生在接触到电脑科学讨论后，对未来的收入前景信心减少，并观察到这种效果在阅读带有负向语气的讨论引用后更加明显。与 STEM 专业不同，非 STEM 领域的学生表现出不对称和悲观的信念变化，表明他们可能感到更加容易受到新兴 AI 技术的影响。未来收入的悲观信念更新在性别和 GPA 水平方面也很普遍，表明所有学生子群体中普遍存在 AI 问题的担忧。教育工作者，管理者和决策者可能会与学生定期接触，以解决他们的困惑并改进教学计划，更好地为不可避免地由 AI 塑造的未来做好准备。

May, 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

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

这篇论文通过对人工智能生成艺术的分析，从后工业革命的历史角度出发，探讨了其带来的潜在影响以及与工业革命时期出现的问题相似之处，进而反思人工智能艺术革命带来的挑战。

Jan, 2023

本文提出了一种新型生产力评估模型，用于评估在生产链中采用人工智能 (AI) 组件的影响。我们的模型提供了支持解决 “AI” 的 Solow 悖论的证据，其基础包括（i）理论和实证证据以解释 Solow 的二分法；（ii）数据驱动模型以评估和评估生产率变化；（iii）基于过程挖掘数据集的方法论，以确定业务流程（BP）和生产率；（iv）一组计算机模拟参数；（v）以及关于劳动力分配的实证分析。这些为我们认为 AI Solow 悖论的后果是指标误测提供了数据。

Oct, 2022

生成人工智能（AI）的崛起引发了对其对失业和市场萧条的潜在影响的担忧。本研究通过考察生成 AI 对产品市场的影响来解决这一问题。出人意料的是，研究结果表明虽然生成 AI 降低了平均价格，但显著提高了订单数量和总收入，这与预期相反。该研究进一步提供了理论经济解释，以阐明这一意外现象。通过提供经验证据，本文驳斥了生成 AI 可能导致市场萧条的观点，反而强调了其促进市场繁荣的潜力。这些发现对从业者、政策制定者和广大 AI 社区具有重要意义。

Nov, 2023