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 2Contents3人工智能对英国就业和培训的影响4Introduction4Summary51Methodology61.1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102职业接触 AI112.1接触 AI 最多的职业112.2按职业技能水平对 AI 的暴露133跨行业和地理区域接触 AI163.1跨行业接触 AI163.2按地理位置划分的 AI 暴露174通过资格接触 AI184.1培训路线184.2学科领域19附件 1 ： 学徒制22附件 2 ： 增强与替代24附件 3 ： 与皮尤研究中心的研究结果进行比较26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通过资格接触 LLM31培训路线31学科领域32 3Acknowledgements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。 4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。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。1 普华永道 ， 机器人真的会偷走我们的工作吗 ？2 英国研究所学院 ， 人工智能对工作的影响3 https: / / www. gov. uk / government / groups / unit - for - future - skills4 Felten E ， Raj M ， Seamans R （ 2023 ） “像 ChatGPT 这样的语言建模者将如何影响职业和行业 ？ ”5 抽象策略游戏 ； 实时视频游戏 ； 图像识别 ； 视觉问答 ； 图像生成 ； 阅读理解 ； 语言建模 ； 翻译 ； 语音识别 ； 工具轨迹识别。 5Summary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。6 生成人工智能和工作 ： 对工作数量和质量的潜在影响的全球分析 (ilo. org) 61Methodology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。表 1 ： AI 应用AI 应用定义抽象战略游戏玩抽象游戏的能力 ， 有时涉及复杂的策略和推理能力 ，例如国际象棋 ， 围棋或跳棋 ， 处于较高水平。实时视频游戏播放各种实时视频的能力在高水平上增加复杂性的游戏。图像识别确定存在于静止图像。视觉问答对事件、关系和来自静止图像的上下文。图像生成复杂图像的创建。阅读理解回答简单推理问题的能力基于对文本的理解。语言建模建模、预测或模仿人类的能力语言。翻译来自一种语言的单词或文本的翻译进入另一个。语音识别将口语识别为文本。器乐轨迹识别器乐曲目的识别。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7 Felten E ， Raj M ， Seamans R （ 2023 ） 像 ChatGPT 这样的语言建模者将如何影响职业和行业 ？ 7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 ： 。10퐴푖푗 = ∑ 푥푖푗￿=1(1)In this equation, i indexers the AI application and j indexers the occupational ability. The ability - level exposure, A, is calculated as the sum of the 10 application - ability relatedness scores, x, as constructed using mTurk survey data. By calculate8 Felten E ， Raj M ， Seamans R （ 2023 ） 像 ChatGPT 这样的语言建模者将如何影响职业和行业 ？9 https: / / www. gov. uk / government / publications / a - skills - classification - for - the - uk10 O * NET 28.0 数据库在 O * NET 资源中心 (onetcenter. org)11 修订英国国家统计局劳动力调查中错误编码的职业数据 - 国家统计局 8∑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。￿￿￿￿ =52￿=1퐴푖푗 × 퐿푗푘 × (2)￿52￿=1￿￿￿× 퐼푗푘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 - level exposure score calculated in 等式 1. The ability - level AI exposure is weighted by the ability ’ s prediction (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。12 Felten 等人进行了进一步的分析 ， 这表明对应用程序进行加权不太可能对该措施产生有意义的影响。∑ 91.5 将职业映射到培训途径职业和培训之间的关