京公网安备 11010802034615号
经营许可证编号:京B2-20210330
在AI被越来越广泛应用的背景下,不断有“恐AI言论”的出现,关于机器人将抢走人类工作机会的讨论已经屡见不鲜。
2030年,1亿中国人面临职业转型
近日,麦肯锡报告给出了一个触目惊心的数据:在包括人工智能和机器人技术在内的自动化发展迅速的情况下,到2030年,全球8亿人口的工作岗位将被机器取代。
到时,中国高达31%的工作时间将被自动化,中国约有1亿的人口面临职业转换,约占到时就业人口的13%。
中国真会因为人工智能面临大规模的就业变迁吗?3日上午,第四届世界互联网大会在乌镇开幕,多位互联网大佬都对人工智能发表了一番见解。
马云:人类要有自信,机器不可能超越人类
阿里巴巴董事局主席马云在开幕式致辞时表示,对数字经济和网络空间与其担心,不如担当。
随着互联网技术的发展,近年来全球弥漫着一种对新技术的担心,担心机器会抢走人的工作机会,担心机器会控制人类,担心人类会毁灭在自己最伟大的发明中。
“新技术不是让人失业,而是让人做更有价值的事情,让人不去重复自己,而是去创新,让人的工作得到进化。” 马云举例说,清朝时期铁路出现,人们抵制铁路,担心沿线挑夫会失业影响社会稳定,但现在有200多万的铁路工人;集装箱出现后,搬运工人担心会失业,但港口却出现了很多吊船工人。
马云再次强调,与其担心技术夺走就业,不如拥抱技术,去解决新的问题。人类有独特的创造力,所以人类要有自信,机器是不可能超越人类的。
过去30年,我们把人变成了机器,未来30年,我们将把机器变成人,但最终应该让机器更像机器、人更像人。
机器没有灵魂、机器没有信仰,我们人类有灵魂、有信仰、有价值观、有独特的创造力,人类要有自信、相信我们可以控制机器。
未来机器学习、人工智能一定会取代大部分机械的工作,而人类将会从事更有创意、更有创造力、更有体验的工作,服务业一定会成为未来就业的主要来源。
李彦宏:互联网人口红利已消失,未来增长动力是AI
百度公司董事长兼CEO李彦宏表示,他依然坚持去年在世界互联网大会上提到的观点——“无线(移动)互联网已经结束了”。从数据来看,今天中国互联网网民增速只有6%左右。过去四年,中国互联网网民的增速已经慢于中国GDP的成长速度,这意味着互联网的人口红利没有了。
网民红利虽然没有了,但人工智能变为了成长的新动力。李彦宏指出,未来中国数字经济发展的主要推动力是人工智能,人工智能会以非常快的速度向前发展。
他认为,人工智能今天还处在一个发展非常早期的阶段,非常像十几年前的中国互联网的成长。过去中国互联网、世界互联网增长动力有三个:网民人数的增加,上网时间的增加,以及网上信息量的增加。如今,人工智能有三个成长的动力,包括算法、算力、数据:
算法:人工智能尤其是机器学习的算法在过去几年迅速发展,不断的有各种各样的创新,深度学习,DNN、RNN、CNN到GAN……不停地有新的发明创造出来。
算力:如今,计算的成本在不断下降,服务器也变得越来越强大。过去我们觉得人工智能不实用,是因为它会用到的算力太大,大家会觉得在经济上不能够承受。但今天的算力已经到达了临界点,可以使得很多的人工智能变成实际,变得可用。
数据:数据的产生仍然在以一个非常高的速度在发展,尤其对于中国互联网来说,它有非常独特的地方,7.5亿的网民全部说的是同一种语言,全部是同样的文化,全部遵守同样的法律,这么大的一个人群,这么大的一个市场,这么大的一个数据集,并且在不断地产生新的数据,它会进一步推动算法的不断创新,以及对算力提出更新的要求。
李彦宏在演讲结尾指出,汽车只是被人工智能改变的行业之一,未来,从房产到教育、医疗、物流、能源等产业,都会因为人工智能技术而不断发生变化,人工智能对实体经济的推动显而易见:
汽车是一个非常大的产业,在中国大概占到了GDP的六分之一,这样的一个产业,在百年不变的情况下,未来几年会发生巨大的变化。可想而知,人工智能技术对于实体经济、对于各行各业的推动是显而易见的……从房产到教育、医疗、物流、能源等等,我们可以想到的产业都会因为人工智能的技术而发生不断地变化。
库克:我担心人像机器一样思考
苹果首席执行官蒂姆·库克(Tim Cook)表示,很多人都在谈论AI,我并不担心机器人会像人一样思考,我担心人像机器一样思考!我们相信AR能够帮助人们工作,而且帮助人们在教育医疗有所突破,让世界更加美好。
库克认为,我们相信科技是创造机遇并摆脱贫困的力量,科技本身并没有好坏之分,但确保科技富有人性,是我们每个人的共同责任,这也是苹果非常重视的责任。要让科技的使命得以实现,科技的好处也必须普惠于民。
库克说,很多人担心AI技术,未来充满了各种可能性,我们的世界可以变得更好。如果AI可以实现增强现实和机器学习技术,这些技术注入人机理念,可以帮助人们在教育、医疗等领域的辅助功能上实现突破。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据可视化领域,单一图表往往难以承载多维度信息 —— 力导向图擅长展现节点间的关联结构与空间分布,却无法直观呈现 “流量 ...
2025-10-27这个问题问到了 Tableau 中两个核心行级函数的经典组合,理解它能帮你快速实现 “相对位置占比” 的分析需求。“index ()/size ( ...
2025-10-27对 CDA(Certified Data Analyst)数据分析师而言,“假设检验” 绝非 “套用统计公式的机械操作”,而是 “将模糊的业务猜想转 ...
2025-10-27在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17