国外亚洲成av人片在线观看,热99re久久精品这里都是精品,天堂网在线最新版www,国产成人av区一区二区三,51久久成人国产精品麻豆

生成式 AI 興起后，全球多家權(quán)威機(jī)構(gòu)紛紛量化其對(duì)就業(yè)的影響，卻得出 0.4%-67% 的巨大差異結(jié)論，甚至同一機(jī)構(gòu)不同報(bào)告矛盾。文章剖析測(cè)算結(jié)果的三大不足、操作層面的三道難題及數(shù)據(jù)局限性，揭示 AI 影響就業(yè)量化研究的復(fù)雜悖論。

一、三大不足

技術(shù)對(duì)就業(yè)影響的研究是一門顯學(xué)。隨著生成式人工智能蓬勃興起，全球又掀起了一波新的研究浪潮。OECD、IMF、世界經(jīng)濟(jì)論壇、聯(lián)合國(guó)貿(mào)發(fā)會(huì)議、國(guó)際勞工組織、世界銀行等國(guó)際組織，高盛、麥肯錫、皮尤研究中心等咨詢機(jī)構(gòu)，紛紛推出報(bào)告。如下表所示。

表 AI影響就業(yè)的部分量化測(cè)算結(jié)果來(lái)源：騰訊研究院根據(jù)公開(kāi)材料整理，2025年7月。全世界的頂尖機(jī)構(gòu)多年持續(xù)研究，成果汗牛充棟，人們?nèi)誀?zhēng)論不休、困惑不已。原因讓人好奇。總體來(lái)看，量化測(cè)算結(jié)果具有不可比性、片面性和靜態(tài)性三大不足。

首先，最終測(cè)算結(jié)果差距甚大，幾乎不具可比性。粗略來(lái)看，上表的結(jié)果處于0.4%-67%之間；美國(guó)白宮（2016）也做過(guò)類似匯總，結(jié)果在9%-47%之間。同一機(jī)構(gòu)不同報(bào)告之間相沖突相矛盾的情況也很普遍，例如表中的OECD、國(guó)際勞工組織和世界銀行。單獨(dú)一份報(bào)告都很權(quán)威，放到一起就“神仙打架”。

權(quán)威機(jī)構(gòu)尚且如此，其它機(jī)構(gòu)可想而知。

其次，AI暴露度測(cè)算局限于對(duì)現(xiàn)有崗位的潛在影響，徒增恐慌。

上述研究多使用“人工智能職業(yè)暴露度（AI Occupation Exposure）”來(lái)衡量AI的就業(yè)影響。高暴露度不必然意味著崗位走向消失（OECD，2021），然而現(xiàn)實(shí)中人們?nèi)菀装选氨┞丁崩斫獬伞叭〈薄?/p>

它表達(dá)的是潛在風(fēng)險(xiǎn)，不代表真正發(fā)生；也沒(méi)有考慮技術(shù)經(jīng)濟(jì)可行性，沒(méi)有明確指出時(shí)間線和范圍。片面的預(yù)測(cè)只會(huì)帶來(lái)“AI搶走工作”的恐慌，而非對(duì)技術(shù)和就業(yè)關(guān)系的正確認(rèn)知。第三，人的行為是動(dòng)態(tài)變化的，而量化測(cè)算是靜態(tài)的切面研究。

工作崗位像流水中的小船，一直處于運(yùn)動(dòng)變化之中，把現(xiàn)有崗位作為研究對(duì)象具有可操作性，但相對(duì)于工作全景來(lái)說(shuō)就以偏概全、刻舟求劍了。對(duì)未來(lái)總體崗位的立體影響，是人們想要的，但似乎還難以實(shí)現(xiàn)。因?yàn)槿藗兡軌蚋惺艿侥切┯刑娲L(fēng)險(xiǎn)的工作，卻難以識(shí)別尚未出現(xiàn)的新崗位。根據(jù)麻省理工學(xué)院大衛(wèi)·奧托等人的研究：“2018年的工作崗位中有60%在1940年并不存在?！痹谖磥?lái)崗位面前，人們是無(wú)知的。

二、三道操作難題

OECD（2021）和世界銀行（2025）曾指出：AI對(duì)就業(yè)的影響還不明確、無(wú)法預(yù)估。

從某種意義上講，量化AI對(duì)就業(yè)的影響是一個(gè)悖論。它在操作上面臨著無(wú)法切割、難以界定和不可預(yù)判三個(gè)層層遞進(jìn)的難題。從宏觀角度，AI不是獨(dú)立影響因素，無(wú)法切割。

就業(yè)率受經(jīng)濟(jì)周期、技術(shù)變革、產(chǎn)業(yè)經(jīng)濟(jì)、人口結(jié)構(gòu)、就業(yè)政策、全球化、突發(fā)事件等多重因素影響。它們之間相互聯(lián)系、相互作用，把單一因素從中完好切割出來(lái)是困難的。必須設(shè)置諸多假設(shè)條件，但這種完美的模型在真實(shí)社會(huì)中并不存在，在現(xiàn)實(shí)意義上大打折扣。

從產(chǎn)品角度，難以清晰界定AI的范圍。即使解決了獨(dú)立性問(wèn)題，人們也難以對(duì)AI作出清晰界定。AI沒(méi)有明確的定義，很少以獨(dú)立的產(chǎn)品形態(tài)存在，已廣泛嵌入經(jīng)濟(jì)社會(huì)系統(tǒng)中。

AI已成為地圖導(dǎo)航、在線翻譯、圖像識(shí)別、短視頻、手機(jī)、智能網(wǎng)聯(lián)汽車等日常應(yīng)用的組成部分，在研發(fā)設(shè)計(jì)、生產(chǎn)制造、廣告宣傳、售后服務(wù)、醫(yī)療、教育、采礦、軍事等行業(yè)已有廣泛應(yīng)用。而且AI的內(nèi)涵是動(dòng)態(tài)變化的，似乎只有還沒(méi)普遍實(shí)現(xiàn)的能力才配得上AI的稱謂。

正如Nick Bostrom（2006）所言：“許多尖端人工智能已經(jīng)滲透到通用應(yīng)用中，但通常不被稱為人工智能，因?yàn)橐坏┠承〇|西變得足夠有用和普遍，就不再被稱為人工智能了?！?/p>

從技術(shù)發(fā)展角度，人們難以預(yù)判未來(lái)技術(shù)的發(fā)展。即使能夠解決獨(dú)立性和范圍界定問(wèn)題，就業(yè)影響的量化研究還取決于對(duì)技術(shù)發(fā)展的準(zhǔn)確把握，這是必備前提。然而，技術(shù)史一再表明，人們難以預(yù)判新技術(shù)的未來(lái)，眾多預(yù)言淪為笑談。人工智能的未來(lái)尚不可預(yù)測(cè)（Brynjolfsson，2024）。沒(méi)有前件條件，就不會(huì)有后件結(jié)果。

三、三個(gè)局限性

在這個(gè)推崇用數(shù)據(jù)說(shuō)話的時(shí)代，很多人知其不可而不得不為。因此，強(qiáng)調(diào)數(shù)據(jù)的局限性尤為必要。

第一，受利益驅(qū)動(dòng)，主觀干預(yù)。數(shù)據(jù)并不都是客觀準(zhǔn)確的，有時(shí)受到人類行為的影響和支配，一定程度上反映的是人們的意志。為達(dá)到期望的結(jié)果，不乏主動(dòng)干預(yù)數(shù)據(jù)生成的行為。例如，上市公司財(cái)務(wù)造假，謊報(bào)瞞報(bào)遇難人數(shù)。

第二，力求客觀，但執(zhí)行不力。多數(shù)時(shí)候，人們想要真實(shí)情況。但真相是昂貴的。哪怕是一個(gè)普通的問(wèn)卷調(diào)研，也需要不菲的經(jīng)費(fèi)支持，抽樣不合理、問(wèn)答敷衍了事是普遍現(xiàn)象。經(jīng)過(guò)多個(gè)不同環(huán)節(jié)的層層疊加，結(jié)果往往失真較大。填寫過(guò)問(wèn)卷或接受過(guò)攔訪的人，想必會(huì)有所感受?，F(xiàn)實(shí)中，只能靠機(jī)構(gòu)的知名度和權(quán)威性來(lái)彰顯結(jié)果的準(zhǔn)確和合理。

第三，數(shù)據(jù)自身的局限性。如果未來(lái)是確定好的，完全由過(guò)去決定，只是等待時(shí)間展示出來(lái)，那么通過(guò)數(shù)理統(tǒng)計(jì)可以預(yù)測(cè)未來(lái)。但人類社會(huì)充滿著變數(shù)，數(shù)據(jù)往往無(wú)能為力。一只歲月靜好的豬，無(wú)法通過(guò)既往數(shù)據(jù)預(yù)測(cè)出春節(jié)的黑天鵝；馬車出行數(shù)據(jù)，可以獲得“一匹更快的馬”，但不能發(fā)明出汽車。

正如米塞斯所言：“即使你對(duì)過(guò)去無(wú)所不知，你對(duì)未來(lái)仍一無(wú)所知。”無(wú)法應(yīng)對(duì)突變，是數(shù)據(jù)天然的局限。

參考文獻(xiàn)來(lái)源：

[1] Edward Felten & Manav Raj & Robert Seamans, 2021. “Occupational, industry, and geographic exposure to artificial intelligence: A novel dataset and its potential uses,” Strategic Management Journal, Wiley Blackwell

[2] Lane, M. and A. Saint-Martin (2021), “The impact of Artificial Intelligence on the labour market: What do we know so far?”, OECD Social, Employment and Migration Working Papers

[3] Daron Acemoglu, 2024. “The Simple Macroeconomics of AI,” NBER Working Papers 32487, National Bureau of Economic Research, Inc.