至顶网CIO与应用频道 12月27日 北京消息:对于与人工智能(AI)有关的就业动态来讲,2020年将是极其重要的一年,人工智能将带动整体工作机会的正增长。
受人工智能影响的工作数量将因产业而异;2019年时,卫生保健、公共部门与教育领域的就业机会将持续增加,但制造业会遭受最大冲击。从2020年起,人工智能所创造的工作机会将足以弥补其取代的数量,Gartner预计在2025年净新增就业数将达到200万个。
在过去,许多重大创新都曾经历过引发失业潮的过渡期,但随后就会复苏,并紧接着开始业务转型,人工智能未来也很可能会依循这个路线来发展。人工智能将提高许多工作的生产力,虽然其中包含取代数百万个中低阶岗位,但同时也创造出超过数百万个高技术性及管理层级的相关岗位,甚至是一些属于入门层级与低技术性的工作。
可惜的是,那些宣称将出现大规模失业的警告多半把人工智能跟自动化混为一谈,而这反而掩盖了人工智能的最大好处——人工智能的增强功能(AI augmentation),也就是将人脑与人工智能相结合,并使之相辅相成。
IT领导者除了应该关注预估净新增就业数外,还需在每次投资人工智能相关技术时,考量其会取代或增加哪些职务,以及这将如何改变员工之间合作、决策与完成工作的方式。
现在正是对人工智能长期发展方向进行规划的好时机。为了获取最大价值,IT领导者必须专注在如何利用人工智能增强人力上。除了要丰富人类工作的内容、重新构思旧有的工作项目以及创造新的产业外,IT领导者还要改变企业文化,使公司能迅速适应人工智能所带来的商机与威胁。
我们关于人工智能给职场带来的冲击的其它预测包括:
人工智能已被应用在重复性高的工作项目上,借由大量分析观察结果与决策来找出固定模式。另一方面,人工智能也即将被应用到重复性低且变化较大的弱例行性工作(less-routine work)上,由此带来极大的效益。这方面的应用很可能会协助而非取代人工,因为人类与机器的结合将比单单聘雇专业人士或使用人工智能机器更有效率。
到2022年,在以非例行性工作(nonroutine tasks)为主的员工中,每5人就有1人将依靠人工智能来完成工作。
利用人工智能每周自动产出状态报告或筛选出收件箱中前五大重要邮件,虽然感觉不像治疗疾病那么厉害,但这也是近期这些实际应用并未引起注意的原因。企业才刚开始利用人工智能来改善非例行性工作,将之应用在一般用途的工具(general-purpose tools)上。一旦知识工作者(knowledge worker)把人工智能纳入其工作流程、当作虚拟秘书或实习生来使用,机器人员工(robo-employees)将成为提升竞争力的必要条件。
利用人工智能、机器人等技术,零售商将导入智能流程自动化(intelligent process automation)来识别、优化目前仍由人力完成的劳动密集且重复性高的活动,并使之自动化。这种做法可提升公司总部、经销中心乃至商店的效率,由此降低劳动成本。许多零售商已开始扩大相关技术的使用范围,以改善店内结账流程。
在2022年,多渠道零售商很难以人工智能取代销售人员,但收银与运营相关工作将面临严重冲击。
研究发现,许多消费者仍喜好在实体店与具备丰富知识的销售人员互动。特别是在家居装饰、药妆等特定领域,见多识广的销售人员对顾客满意度有很大的影响。虽然零售商将会减少结账与其它运营相关活动的人力,但它们会发现传统的销售顾问很难被取代。
零售商将通过削减高度重复性与交易类的相关职位来节省人力。然而,它们也需要把省下来的经费重新投资在人员培训上,由此强化顾客体验。多数零售商都会把人工智能视为一种增强顾客体验的方式,而非只是用它来取代各个流程中所需的人力。很多产业都能从人工智能中获得更多商业价值,而制造业就是其中一个能从中获取巨大商机的产业。自动化将有助于降低成本,而价值链中阻力的消除将进一步提高收入,例如供应链与产品上市活动的优化。
2021年时,人工智能增强功能将产生2.9万亿美元的商业价值,同时恢复62亿小时的人工生产力。
外包(outsourcing)等部分产业的商业模式正在历经根本性改变。因人工智能而省下的成本,以及随之提升的生产力,必须重新投资到公司身上以推动公司再造并检视新的商业模式。
人工智能可取代重复和单调的工作,让人们腾出时间从事其它活动。但人类与人工智能的共生关系有更多细微差别,需要重新投资及再造,而非只是将既有做法加以自动化。企业不应只用机器来复制人类达成特定判断的步骤,而是需要重构整个决策过程,利用机器与人类的相对优缺点,达到最大价值并重新分配决策过程,进而提升敏捷性。
好文章,需要你的鼓励
2025年人工智能在企业中实现突破性应用,从实验阶段转向实用阶段。八位代表性CIO分享核心经验:AI工具快速进化、需保持快节奏实验思维、重视工作流程而非组织架构、数据质量成为新挑战、采用前瞻性指标管理项目、无需等待完美时机、AI既是技术也是社会文化现象、需严格项目管理、变革重在人员而非技术、多智能体架构成未来趋势。
这项由加州伯克利分校等机构联合完成的研究开发了MomaGraph系统,首次实现了机器人对空间关系和功能关系的统一理解。该系统通过强化学习训练,能够同时识别物品位置和操作方法,并具备状态感知能力。在综合测试中达到71.6%准确率,超越同类开源系统11.4%,在真实机器人平台上验证了实用性,为智能家庭机器人的发展奠定重要基础。
日本科技投资巨头软银需要在年底前筹集225亿美元,以履行对AI合作伙伴OpenAI的资金承诺。软银是OpenAI价值5000亿美元Stargate数据中心计划的主要资助者之一。为筹集资金,软银CEO孙正义可能动用多种手段,包括利用其持有的英国芯片设计公司Arm股份作为抵押贷款。软银已清仓英伟达股份为该项目提供资金,目前可通过Arm股份借贷115亿美元,还持有价值110亿美元的T-Mobile股份及270亿美元现金储备。
MIT研究团队提出了突破性的双向归一化流(BiFlow)技术,通过训练独立的逆向模型替代传统的精确逆向过程,解决了归一化流方法架构受限和推理缓慢的核心问题。该方法采用创新的隐藏对齐策略,让逆向模型学习高效的生成路径,在ImageNet数据集上实现了高达697倍的速度提升,同时将图像质量提升到新的技术水平,为生成模型领域带来了重要的思路突破。