AI 对中国轻业和修炼的电影 <unk>

人工智能对英国就业和培训的影响 2023年11月 Contents 3 人工智能对英国就业和培训的影响 4 Introduction4Summary5 1Methodology 1.1选择AI应用程序61.2将人类能力映射到工作角色71.3针对人类能力评估AI应用71.4计算职业暴露81.5将职业映射到培训途径91.6数据源91.7国际货币基金组织的研究10 2职业接触AI 2.1接触AI最多的职业112.2按职业技能水平对AI的暴露13 3跨行业和地理区域接触AI 3.1跨行业接触AI163.2按地理位置划分的AI暴露17 4.1培训路线18 4.2学科领域19 附件4：对暴露于大型语言建模的职业的进一步分析28 跨行业接触LLM28 按地理位置对LLM的接触30 31 32 Acknowledgements 作者要感谢Edward Felte，Robert Seamas和Maav Raj，他们为他们的研究发表了资源，使其可以在本报告中重复使用。他们还要感谢谢菲尔德大学和华威大学的国家教育研究基金会和研究人员提供了SOC 2020和O * NET之间的最新映射。 人工智能对英国就业和培训的影响 Introduction 人们普遍预计人工智能（AI）的进步将对英国经济和社会产生深远而广泛的影响，尽管这种影响的确切性质和速度尚不确定。据估计，10 - 30％的工作是自动化的，人工智能有可能提高生产力并在英国经济中创造新的高价值工作。1, 2英国的教育系统和雇主将需要适应，以确保劳动力中的个人拥有他们需要的技能，以充分利用AI的进步将带来的潜在利益。 这份报告由教育部未来技能部门3编写，是量化人工智能对英国就业市场影响的首批尝试之一(更广泛地说，与自动化分开)。该研究采用了Felte et al4开发的美国研究的方法，并将其应用于英国环境。该方法考虑了执行不同工作角色所需的能力，以及通过选择10个常见的AI应用程序5可以在多大程度上帮助这些能力。该方法进一步扩展，以考虑受AI影响的培训与工作之间的联系，使用一个新的数据集，其中包括有关年轻人就业资格的信息。 结果应谨慎解释 对哪些工作更容易接触人工智能的估计是基于一些不确定的假设，因此应谨慎解释结果。根据执行工作角色的能力来量化职业永远不会完全描述所有角色，并且在解释结果时需要一定程度的判断。此外，由于AI技术的发展速度以及新数据的可用，职业暴露于AI的程度将发生变化。 然而，分析强调的主题预计将继续下去，并为考虑人工智能在劳动力市场不同部分的相对影响提供良好的基础。 Summary 本报告显示了英国劳动力市场中预计受人工智能和大型语言模型影响最大的职业、部门和领域。它还显示了最常见的导致这些高度影响工作的资格和培训途径。主要发现是: •专业职业更容易接触到人工智能，特别是那些与更多文书工作相关的职业，以及财务、法律和企业管理角色。这包括管理顾问和业务分析师;会计师;和心理学家。教学职业也显示出对AI的更高曝光率，大型语言模型的应用尤其相关。•金融和保险业比其他任何行业都更容易受到人工智能的影响。其他最接触人工智能的部门是信息和通信;专业，科学和技术;财产;公共管理和国防;和教育。•伦敦和东南部的工人对人工智能的曝光率最高，反映了专业职业在这些领域的更集中。在英国，东北部的工人从事的工作接触AI最少。然而，总体而言，整个地理区域接触AI的差异远小于在职业或行业中观察到的差异。•成就水平较高的员工通常会从事更容易接触AI的工作。例如，具有6级资格（相当于学位）的员工比具有3级资格（相当于A - Level）的员工更有可能从事对AI有更高接触的工作。•通过继续教育或学徒获得会计和财务资格的员工，以及通过高等教育获得经济学和数学资格的员工通常从事更容易接触AI的工作。在建筑和施工，制造技术以及运输运营和维护方面具有3级或以下资格的员工从事的工作最少。 该分析衡量的是工作对人工智能的暴露，而不是区分工作是否会被人工智能增强（辅助）或取代（替代）。国际劳工组织（ILO）6的研究表明，大多数工作和行业仅部分暴露于自动化，并且更有可能被ChatGPT等生成AI所补充而不是替代。附件2将该报告中强调的工作映射到英国就业市场，通常包括客户服务和行政职业，包括呼叫和联络中心和未分类的行政职业。 1Methodology 该方法大致遵循Felten等人描述的方法，以创建AI职业暴露（AIOE）评分，并进行了一些调整，以使其适合英国环境。 1.1选择AI应用程序 AIOE是基于使用一组定义的通用AI应用程序的假设而构建的。选择的10个AI应用程序是基于电子前沿基金会（EFF）从2010年开始记录科学活动和技术进展的应用程序。 这组应用程序并没有全面涵盖AI最终可以使用的一组应用程序;然而，根据Felten等人与领域专家进行的进一步工作，人们认为这些代表了AI的基本应用 可能会对劳动力产生影响，并且是涵盖AI最有可能和最常见用途的应用程序。 1.2将人类能力映射到工作角色 Felten等人的方法使用了美国经济中职业特征和工人需求信息的职业信息网络（O * NET）数据库。8目前没有针对英国职业的等效数据库9，因此O * NET数据被映射到英国使用O * NET职业和SOC 2010之间的人行横道。 O * NET系统使用52种不同的能力来描述每种职业的工作场所活动，每种能力都有单独的“水平”和“重要性”得分。能力分为四类：认知，身体，心理和感官。能力的例子是口头理解，书面表达，数学推理，手动灵巧和迟钝。10 由于SOC 202011的已知问题，使用了SOC 2010代替SOC 2020，以与培训途径的信息保持一致。将分析更新为SOC 2020将导致AIOE分数顺序的微小变化，但不会导致总体结果。 1.3针对人类能力评估AI应用 人工智能应用程序使用Felte等人收集的众包数据集与工作场所能力相关联，并使用来自亚马逊Mechaical Tr（mTr）网络服务的“零工工人”的调查响应构建。数据具有0和1之间的每个组合的应用能力相关性的度量。然后将应用能力相关性的这种度量组织成一个矩阵,该矩阵将10个AI应用与52个O * NET职业能力连接。能力水平暴露计算如下：。 In this equation, i indexers the AI application and j indexers the occupational ability. The ability - levelexposure, A, is calculated as the sum of the 10 application - ability relatedness scores, x, asconstructed using mTurk survey data. By calculate 暴露作为所有AI应用程序的总和，所有应用程序都是加权相等的。这种方法假设每个应用程序对能力具有独立的影响，并且不考虑跨应用程序的交互。 然后对每个应用的估计进行标准化以给出0和1之间的评级。 1.4计算职业暴露 对于每个职业，每个能力的级别和重要性值与每个AI应用程序的相关度等级相结合，以创建AI职业暴露（AIOE）评分。这对于所有AI应用程序都是整体的，并且对于每个应用程序都是单独的，例如语言建模。 在该等式中，i表示AI应用，j表示职业能力，k表示职业。Aijrepresents the ability - levelexposure score calculated in等式1. The ability - level AI exposure is weighted by the ability ’ sprediction (Ljk）和重要性（Ijk)在每个职业中，通过O * NET (映射到SOC 2010)衡量，将能力水平的AI暴露乘以每个职业中该能力的患病率和重要性得分，进行缩放，以便它们的权重相等。这些普遍性和重要性得分说明了职业中不同能力的存在。职业不可或缺的能力具有较高的患病率和重要性得分，而使用频率较低或重要性较低的能力具有较低的患病率和重要性得分。职业对AI的总暴露是通过对职业中所有能力的加权能力水平AI暴露求和来计算的。然后将分数标准化，并从最暴露到最不暴露。这些分数适用于跨职业的就业计数，以给出总体暴露分数，例如跨地理区域。 在测试他们方法的稳健性时，Felten等人发现有证据表明AI最有可能影响认知和感觉能力，并且AIOE评分对排除样本中的任何应用都不敏感。因此，任何可能被排除的AI应用也可能与类似的认知和感觉能力有关。 1.5将职业映射到培训途径 职业和培训之间的关系取自ASHE - LEO数据，这是教育部提供的新数据资源。它将纵向教育成果研究（LEO）13中的纵向教育和劳动力市场信息与年度学时和收入调查（ASHE）中的就业和收入信息汇总在一起。14 ASHE - LEO样本中每年大约有100, 000人。这代表了整个ASHE样本的45 - 75%，晚年的匹配率高于早年，年龄较小的匹配率高于年龄较大的匹配率。ASHE - LEO在这里被用作LEO早期职业员工(2018 - 19纳税年度23 - 30岁的员工)的大致代表性样本。 该数据用于识别员工针对每个职业所进行的培训。由于每个培训路线可能与多个职业相关联，因此计算加权平均值以得出平均AIOE分数。 1.6数据源 1.7国际货币基金组织的研究 国际货币基金组织（IMF）构建了一项互补性调整的人工智能职业暴露（C - AIOE）措施，其中职业对人工智能的暴露因其互补性的潜力而得到缓解。 在高层次上，本研究的作者对AIOE17的Felten等人方法进行了调整，以捕捉在每个职业中补充或替代劳动力的潜力。然后，他们将原始措施和互补调整措施应用于包括英国在内的6个国家的劳动力微观数据（使用ISCO - 08），特别关注新兴市场。 研究发现，基准AIOE的跨国差异很大，新兴市场的暴露水平通常低于发达经济体。这种差距主要是由于就业结构不同，发达经济体的特点是专业人员和管理人员等高技能职业比例较大。根据本报告以及Felte等人的概述，这些职业由于其高度集中的基于认知的任务而最容易受到AI的影响。然而，由于这些高技能职业也显示出更高的人工智能互补性潜力，一旦考虑到互补性，这些潜在破坏性风险方面的跨国差异就会大大减少。然而，即使在C - AIOE措施下，发达经济体仍然面临更大的风险。在这两种措施下，农业就业占很大比例的新兴市场仍然相对较少，因为该行业的职业对人工智能的基线敞口非常低。总体而言，结果表明，人工智能对发达经济体劳动力市场的影响可能更加“两极分化”，因为它们的就业结构使它们能够更好地从增长机会中受益，但也使它们更容易受到可能的工作转移的影响。 2职业接触AI 英国和国际上有一系列关于人工智能及其对就业和劳动力市场的影响的研究。很难对尚未完全理解并且正在迅速发展的技术进行数字估计。然而，人们已经开始达成共识，即英国10 - 30％的工作是高度可自动化的，并且在未来二十年内可能会受到一定程度的自动化。然而，对就业的总体净影响尚不清楚，但人们通常认为，将有一个大致中性的长期影响，工作转移将与工作创造相匹配。 此分析通过使用AI职业暴露(AIOE)评分。AIOE评分允许根据执行工作所需的能力对工作进行排名，以显示哪些工作受到AI进步的影响越来越小。与一般的AI一样，创建类似的暴露评分，以考虑通过ChatGPT和Bard等生成式AI工具进行的大型语言建模。 该分析衡量了工作对AI的暴露程度，而不是区分AI是否会增加（辅助）或取代（替代）工作。附件2讨论了根据国际劳工组织（ILO）的研究，由于AI而可以完全自动化的英国工作的潜力。 2.1接触AI最多的职业 表2显示了最暴露于AI和大型语言建模的前20个职业的列表。所有职业的完整列表与本报告一起发