
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
Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02