人工智能对欧盟及美国劳动力市场的影响.docxVIP

人工智能对欧盟及美国劳动力市场的影响.docx

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
报告背景 2023年4月9日美国和欧盟委员会(EC)在 2019 年美国-欧盟贸易和技术委员会期间都对开展一项联合研究以评估人工智能对劳动力的潜在影响表示了强烈兴趣。匹兹堡声明承诺会进行一项联合研究,内容主要涉及经济领域,通过关注就业、工资和劳动力市场审查人工智能对劳动力市场未 2023年4月9日 响。通过该合作,本报告试图为符合包容性经济政策的人工智能方法提 供信息,以确保技术成果能够应用于所有工资水平的工人当中。 报告范围 鉴于该项目涉及范围较广,本报告并不会作全面覆盖;相反,它以更均衡的方式展示人工智能经济学的一些重要话题。由于欧盟委员会和美国经济顾问委员会(CEA)在这项工作上的独特合作,我们的目标是综合运用美国和欧盟的数据以及两国的学术成果为政策制定提供服务。我们这份联合报告的目标是加强分析和政策方面的合作,以扩大人工智能带 来的利益。该报告旨在强调人工智能驱动的技术变革背后的经济学原 理,特别侧重于 AI 未来对劳动力体系和政策制定的影响。 宏 宏 观 研 究 报 告 人工智能是一项发展快速并且具有巨大潜力的技术,它可以提高工人生产力、公司运转效率并推动产品和服务创新。同时人工智能也可以推进现有工作的自动化,但是这可能会导致对工人的歧视并加剧社会的不平等。虽然以前的自动化技术进步倾向于影响“常规”任务,但人工智能有可能使“非常规”任务自动化,这将导致大量的工人失业。因此政策制定者面临的挑战是在促进人工智能的进步和创新的同时,保护工人和消费者免受可能出现的潜在伤害。本报告第一和第二部分介绍了人工智能及其在欧盟和美国使用情况;第三部分重点介绍了人工智能对劳动力的影响; 第四部分包含了招聘和物流领域的案例研究;第五部分是结论。 第一部分:人工智能概述什么是人工智能 经合组织对人工智能系统是这样定义的:“人工智能系统是一个基于机器 的系统,它能够通过为一组特定的目标产生输出(预测、建议或决定)来影响环境。它使用机器或基于人的数据和输入来:(1)感知真实或虚拟环境;(2)通过自动方式(例如,用机器学习)的分析,将这些感知抽象成模型;(3)使用模型来推理可能的结果。人工智能系统可以按照不同程度的自主性进行运作。” 作为人工智能实际应用的一个例子,可以考虑让人工智能给出它自己的人工智能的定义。我们对一个现代的、经过训练的人工智能引擎“GPT-3”给出如下指令:写一段话,描述什么是人工智能以及它能做什么。GPT- 3 的答案是:AI 是人工智能的缩写。人工智能是应用认知科学技术的结 2023年4月9日果,以人工方式创造出一些东西来完成只有人类才能完成的任务,如推理、自然交流和解决问题。人工智能很重要,因为它有可能帮助人类更好地完成认知任务,并将目前人类难以完成或无 2023年4月9日 这个例子能突出人工智能技术的变革力量。虽然以前的许多技术进步导致了常规任务的自动化,但人工智能有能力自动化原本被认为只能由人类来完成的任务。在本报告的第三部分,我们将进一步描述 GPT-3 关于人工智能对劳动力影响的看法。 近期关于 AI 的进展 人工智能的潜力来自于它对机器学习的使用,机器学习是计算统计学的一个分支,它专注于设计能够从新数据中自动和迭代地建立分析模型的算法,而无需明确地对解决方案进行编程。它是统计学意义上的预测工 具,利用你拥有的信息,用它来预测你没有的信息。如图 1 所示,自 20 宏 观 研 究 报 告世纪 80 年代以来,机器学习一直是人工智能研究的重点。在过去 10 年左右的时间里,机器学习作为预测技术的用途已经大大增加。机器学习的重点领域是是计算机视觉以及使用计算机从图像和视频中获取信息。这在一系列应用中具有十分重要的意义,如确定在线图像的内容以进行标记或审核、实现汽车自动驾 宏 观 研 究 报 告 图 1:1980-2021年按主题划分的人工智能研究出版物数量 OECD, 国泰君安国际 在过去五年中,人们更多地关注机器学习算法的一个特定领域——神经网络。这些算法使用权重和激活函数的组合,将一组数据输入转化为对输出的预测,并衡量这些预测与现实的“接近程度”,然后调整其使用的权重,以缩小预测和现实之间的距离。输入和输出之间有两层以上转换的网络被称为“深度”。这些体系结构可以学习分层抽象,这有助于它们有效地表述复杂的关系。 2023年4月9日Dean(2019)总结了机器学习的演变历程。机器学习的关键思想和算法从 20 世纪 60 年代就已经存在。在 20 世纪 80 年代末和 90 年代初,随着人们意识到机器学习可以用独特的方式解决一些问题,人工智能界掀起了一股热潮,人工智能的优势源于其接受原始形式输入数据的能 2023年4月9日 以及训练算法来执行预测任务。然而在那个时候,计算机还没有强大到足以处理大量的数据。在摩

文档评论(0)

535600147 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

版权声明书
用户编号:6010104234000003

1亿VIP精品文档

相关文档