MIT の最新調査によると、人間の労働力を AI に置き換えるコストは高く、視覚関連の仕事の 23% しか置き換えられないことが示されています
人工知能は私たちの仕事を奪うのでしょうか?シリコンバレーの経営者たちが毎日、今日の最先端の AI テクノロジーについて話しているのを見ていると、答えは「イエス」であり、それはすぐに実現するだろうと思うかもしれません。
ただし、MIT コンピューター科学・人工知能研究所 (CSAIL) の最近の研究では、ビジュアル AI がまだ完全に人間に取って代わることはできないことが示されており、これは私たちにある程度の安心感を与えてくれます。
論文アドレス: https://futuretech-site.s3.us-east-2.amazonaws.com/2024-01-18 Beyond_AI_Exposure .pdf
調査によると、ワークフォースの自動化のペースは私たちが考えているよりもはるかに遅い可能性があります。
理由は、高すぎるからです。
視覚的なタスク、AI は人工知能よりはるかに高価です
MIT の研究者は、AI のタスク実行能力を調査しただけでなく、企業がより広範な労働市場内でこれらの業務を人間に置き換えることができるかどうか、またそれが経済的に有益かどうか。
研究によると、コンピュータ ビジョンは米国経済 (農業を除く) の労働者の賃金の 1.6% を占めるタスクをすでに自動化できているものの、米国経済全体を占めるタスクの 23% にすぎないことが判明しました。経済の賃金は 0.4%)、自動化の点では費用対効果が高くなります。
さらに、ビジュアル AI の問題は、その割合が少ないというだけではなく、さらに重要なことに、コストが高すぎることです。
#ほとんどの場合、自動化を使用するよりも人件費が安くなります。
全体として、調査結果は、AI によって引き起こされる雇用喪失の規模が膨大であることを示していますが、このプロセスは段階的でもあるため、政府には影響を軽減するために政策を再構築し、再訓練する余地があります。失業の。
学者らは、病院の診断機器の画像を分析したり、トレイに正しい品物が入っているかどうかを確認したりするなどのタスクを研究してきましたが、これらは今日の AI で達成できる視覚的なタスクです。
#しかし著者らは、こうしたタスクは多くの場合非常に分散しているため、自動化することは経済的な考慮事項ではないと指摘しています。
AI は労働市場に何らかの変化をもたらしますが、それに適応する時間は常にあります。すべてがすぐに混乱に陥るほど、それらはすぐに起こるわけではありません。
もちろん、この研究は CV システム (画像やビデオ内のオブジェクトを識別して分類できるシステム) のみに焦点を当てており、GPT-4 のようなより柔軟なシステムには焦点を当てていません。 。
OpenAI の以前の調査では、アメリカの労働者の 19% が仕事の 50% で GPT-4 レベルの AI の影響を受けていると感じていることが示されています。
この数字は、MIT 研究所の履歴書に関する調査よりもはるかに高いです。
では、MIT の研究結果は、より一般的な AI ツールに適用できるのでしょうか?それはまだ不明です。
MIT の研究者は、企業が CV システムを特定の特殊なタスクに適したものにするために「微調整」するのは法外な費用がかかる可能性があることを発見しました。
このような投資は大企業にとっては意味があるかもしれませんが、中小企業にとっては、十分な訓練を受けた従業員ほど費用対効果が高くありません。
主な理由は、AI がタスクを完了できるという意味ではなく、経済的に実現可能であるということです。
99.9% の精度を達成するために特定のタイプの薬瓶を区別するなど、コンピューター ビジョン モデルを「微調整」するには、以下が必要です。多数の異なる薬物のラベル画像を収集することは、たとえ低賃金の労働者を雇って安く作業を完了できたとしても、高価で面倒なプロセスです。
その場合、大規模なデータ ストレージ上で AI モデルを微調整するための膨大な計算コストを支払わなければならないからです。
GPT-4 は人間に取って代わることができますか?おそらくその方が高速になるでしょう
しかし、大規模な言語モデルもこの状況に適合するかどうかはまだ明らかではありません。
ただし、特定のタスクを実行するために最先端の LLM を微調整するには、記述されたルールの詳細なリストが必要なだけで、CV モデルを微調整するよりもはるかに簡単です。
OpenAI による昨年 8 月の調査では、GPT-4 は、詳細なポリシー文書といくつかのトークンの例を使用して微調整すると、コンテンツ モデレーション タスクを効果的に実行できることがわかりました。
これらの発見は、大規模な言語モデルが、コンピューター ビジョン モデルよりも迅速かつ安価に、より広範囲の社会経済的タスクに適用できることを示唆しています。
OpenAI は重大なセキュリティ上の課題に遭遇したくないため、現在、GPT-4 の微調整は制限付きテスト モードのままです。
論文アドレス: https://llm-tuning-safety.github.io/
しかし、OpenAI とその競合他社とは顧客がモデルを微調整できるようになり始めており、MIT の調査で予測されたよりもはるかに早く自動化レベルが達成される可能性があります。
これに関して、MIT 研究者のトンプソン氏は次のように述べています。
「もちろん、LLM のカスタマイズは、コンピュータ ビジョン システムのカスタマイズよりも簡単かもしれません。
#しかし、小規模なエンジニアリング チームがシステムを企業のワークフローに統合する必要がある限り、コストは依然として考慮できない要素です。
#AI が私たちに取って代わるにはまだ遠いです
多くの企業にとって、ビジュアル オートメーションは経済的に魅力的ではありません。長く続けます。
MIT の調査では、特定のタスクに合わせて AI システムを微調整するコストが高すぎるため、中小企業にとって費用対効果が高くないと指摘しています。
例えばパン屋さんでは食品の品質管理にもAIシステムを活用できますが、 (使用される時間はパン屋の労働時間の 6% を占めます)しかし、設備の高額な投資とメンテナンスのコストは、節約できる節約額を直接上回ります。
タイム誌のインタビューで、筆頭著者のニール・トンプソン氏は、AIは雇用市場に大きな影響を与える可能性があるが、その日はまだ遠いと強調しました。
現在、AI による自動化への移行は差し迫ったものではないため、パニックや混乱を引き起こすことはありません。政策立案者にも再研修などの措置を講じる機会がある。
したがって、この記事は重要な問題を指摘します。多くの AI テクノロジーは人々に危機感を与えてきましたが、それは AI の導入コストを大幅に削減し、AI の範囲を大幅に拡大しただけです。 AI アプリケーションはこの方法でのみ、企業にとって自動化をより魅力的にすることができます。
HEC パリの経済学准教授、アントナン ベルゴー氏は、AI が社会に与える影響を調査するために、多くの学者がこのような論文を執筆していると述べました。将来の労働市場では、主に公開されている指標が使用されます。
ただし、これらの推定は、ジョブが自動化できる場合には自動化されるという誤った仮定に基づいています。
Bergeaud 氏は、これら MIT の学者らによる研究は新しい視点を採用し、設置からメンテナンスまでのプロセスを含むこの技術の導入にかかるコストを慎重に見積もったと述べました。
米国の現在の人件費と比較すると、人工知能システムが人間と同等の性能しかないとしても、多くの場合、導入するのは非常に難しく、高価です。
したがって、この研究から得られた結論も驚くべきものであり、自動化のリスクに直面している労働市場の割合は私たちが想像していたよりもはるかに小さいということです。
もちろん、AI が多くの人々の失業不安を引き起こすのには理由があります。
DeepMind Lianchuang 氏は警告: 数年以内に AI は労働市場に影響を与えるでしょう
DeepMind 共同創設者のムスタファ・スレイマン氏は以前、ロングラン 人工知能は「労働力を根本的に代替する」ツールであるようです。
スレイマン氏は世界経済フォーラム年次総会で、「これらのツール(AI)をどのように統合するかを真剣に考えなければなりません。市場が支配的であり、基本的に、これらのツールは労働力に取って代わるでしょう。」
現在の人工知能は主に 2 つのことを行います。
1 つ目は、改善することです。これにより、既存のビジネスの効率が向上し、企業は多くのコストが節約されますが、関連する作業を行う人間の代わりになるというコストがかかります。第二に、新しいビジネスとプロセスが創出され、実際に雇用を生み出す機会が含まれます。
今後数年で、これら 2 つの力は労働市場に大きな影響を及ぼし、予測不可能な影響を引き起こすでしょう。
専門家たちは10年以上にわたり、人工知能が人間の労働者に取って代わるかどうかについて議論してきました。
カール・ベネディクト・フレイとマイケル・オズボーンは、2013年の研究で、人工知能ブームの2030年代半ばまでに米国の仕事の47%が自動化される可能性があると推定しました。
7月のマッキンゼーの調査では、人工知能がその役割を代替するため、2030年までに1,200万人近くのアメリカ人が転職する必要があることが判明しました。
実のところ、これに対して警告を発しているのはスレイマンだけではありません。
1 月 10 日に掲載された Wired の記事で、MIT のダロン・アセモグル教授は、人工知能は 2024 年までにすべての人を失望させるだろうと予測し、AI が一種の「普遍的な自動化」にすぎないことを証明しました。労働者の仕事を奪うが、予想される生産性の劇的な向上は達成できない。
「私たちの世界のあらゆる価値あるものは、私たちの知性、つまり情報を推論し予測する能力によって生み出されます。そして AI はまさにそれを実現します。 「
AI は 5 年以内に自分の会社を設立する予定です
世界経済フォーラムでの人工知能に関する以前のパネルディスカッションで、スレイマン氏は、AI がいつチューリングテストに合格し、さらには人間のような能力 (AGI) を実証できるようになるのかと質問されました。
スレイマン氏は、チューリングテストの現代版は、AIが起業家やプロジェクトマネージャー、発明家のように製品を製造・販売する能力を持てるかどうかを評価するものであるべきだと述べた。
「今後 5 年以内に、AI はこれらの機能を備えているだけでなく、これらの機能が非常に安価な価格で広く入手できるようになり、さらにはオープンソース、そしてこれは経済を完全に変えるでしょう。」
#IMF 議長の声: 世界の雇用の 40% が AI の影響を受けていますが、それは大きなチャンスでもあります
そして、国際通貨基金も最新の報告書で、AI の影響により、世界の雇用の 40% 近くが影響を受けると述べています。
このうち、先進国では雇用の 60% が影響を受け、新興市場や国ではその数は約 40% になります。低所得国では、これは 26% に低下しました。
AI の影響を受ける仕事のうち、半分は悪影響を受け、一部は完全に消滅することもあります。
残りの半分の仕事については、AI によって効率がさらに向上し、できるだけ早く AI を導入できる労働者の収入レベルもそれに応じて増加するでしょう。
# 具体的には、AI によって経験の浅い従業員がより早く生産性を向上できることが研究で示されています。若い従業員は機会を活用しやすいと感じるかもしれませんが、年配の従業員は適応するのに苦労するかもしれません。
同様の状況がさらに進行すると、すぐに収入が二極化するでしょう。人工知能を最大限に活用できる労働者は生産性と賃金が向上し、人工知能を活用できない労働者は生産性と賃金が向上します。知能が高い人は生産性と賃金が向上するが、労働者の場合は生産性と収入が大幅に低下するだろう。
この状況を労働市場に当てはめると、この差別化はさらに強化されるでしょう。AI テクノロジーの影響を受ける多くの仕事が失われる一方、AI テクノロジーによって生み出される新たな仕事の収入は減少します。人手不足の割には収入は比較的高いでしょう。
この種のマクロな判断は、開発者と AI 業界に当てはまりますが、明らかに現実として、開発者は自分のキャリアの見通しについてますます不安を感じています。
特にこの業界に初めて参入する開発者にとって、彼らの作業は AI テクノロジーによって比較的簡単に自動化されるため、労働需要が減少し、収入にも影響します。
しかし、AI テクノロジーを開発するアルゴリズム エンジニアや、AI 世代の波で出現する多くのポジションにとって、彼らの収入と労働需要は今後も増加し続けるでしょう。
この報告書の内容を受けて、国際通貨基金のクリスタリナ・ゲオルギエワ会長は、「人工知能は確かに恐ろしいものですが、誰にとっても大きなチャンスでもあります。 #########################IMF議長の声明も、ネットユーザーの間で志胡に関する話題になりました。
確かに、AI が雇用や労働市場に与える影響について短期間で合意に達するのは困難です。
以上がMIT の最新調査によると、人間の労働力を AI に置き換えるコストは高く、視覚関連の仕事の 23% しか置き換えられないことが示されていますの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。

ジョン・ロールズの独創的な1971年の著書「正義の理論」で、彼は私たちが今日のAIデザインの核となり、意思決定を使用するべきであるという思考実験を提案しました:無知のベール。この哲学は、公平性を理解するための簡単なツールを提供し、リーダーがこの理解を使用してAIを公平に設計および実装するための青写真を提供します。 あなたが新しい社会のルールを作っていると想像してください。しかし、前提があります。この社会でどのような役割を果たすかは事前にわかりません。過半数または限界少数派に属している、金持ちまたは貧弱、健康、または障害者になることがあります。この「無知のベール」の下で活動することで、ルールメーカーが自分自身に利益をもたらす決定を下すことができません。それどころか、人々はより公衆を策定する意欲があります

ロボットプロセスオートメーション(RPA)を専門とする多くの企業は、繰り返しタスクを自動化するためのボットを提供しています。 一方、プロセスマイニング、オーケストレーション、インテリジェントドキュメント処理スペシャル

AIの未来は、単純な単語の予測と会話シミュレーションを超えて動いています。 AIエージェントは出現しており、独立したアクションとタスクの完了が可能です。 このシフトは、AnthropicのClaudeのようなツールですでに明らかです。 AIエージェント:研究a

急速な技術の進歩は、仕事の未来に関する将来の見通しの視点を必要とします。 AIが単なる生産性向上を超えて、私たちの社会構造の形成を開始するとどうなりますか? Topher McDougalの今後の本、Gaia Wakes:

多くの場合、Harmonized System(HS)などのシステムからの「HS 8471.30」などの複雑なコードを含む製品分類は、国際貿易と国内販売に不可欠です。 これらのコードは、すべてのINVに影響を与える正しい税申請を保証します

データセンターと気候技術投資におけるエネルギー消費の将来 この記事では、AIが推進するデータセンターのエネルギー消費の急増と気候変動への影響を調査し、この課題に対処するための革新的なソリューションと政策の推奨事項を分析します。 エネルギー需要の課題:大規模で超大規模なデータセンターは、数十万の普通の北米の家族の合計に匹敵する巨大な力を消費し、新たなAIの超大規模なセンターは、これよりも数十倍の力を消費します。 2024年の最初の8か月で、Microsoft、Meta、Google、Amazonは、AIデータセンターの建設と運用に約1,250億米ドルを投資しました(JP Morgan、2024)(表1)。 エネルギー需要の成長は、挑戦と機会の両方です。カナリアメディアによると、迫り来る電気

生成AIは、映画とテレビの制作に革命をもたらしています。 LumaのRay 2モデル、滑走路のGen-4、OpenaiのSora、GoogleのVEO、その他の新しいモデルは、前例のない速度で生成されたビデオの品質を向上させています。これらのモデルは、複雑な特殊効果と現実的なシーンを簡単に作成できます。短いビデオクリップやカメラ認知モーション効果も達成されています。これらのツールの操作と一貫性を改善する必要がありますが、進歩の速度は驚くべきものです。 生成ビデオは独立した媒体になりつつあります。アニメーション制作が得意なモデルもあれば、実写画像が得意なモデルもあります。 AdobeのFireflyとMoonvalleyのMAであることは注目に値します

ChatGptユーザーエクスペリエンスは低下します:それはモデルの劣化ですか、それともユーザーの期待ですか? 最近、多数のCHATGPT有料ユーザーがパフォーマンスの劣化について不満を述べています。 ユーザーは、モデルへの応答が遅く、答えが短い、助けの欠如、さらに多くの幻覚を報告しました。一部のユーザーは、ソーシャルメディアに不満を表明し、ChatGptは「お世辞になりすぎて」、重要なフィードバックを提供するのではなく、ユーザービューを検証する傾向があることを指摘しています。 これは、ユーザーエクスペリエンスに影響を与えるだけでなく、生産性の低下やコンピューティングリソースの無駄など、企業の顧客に実際の損失をもたらします。 パフォーマンスの劣化の証拠 多くのユーザーは、特にGPT-4などの古いモデル(今月末にサービスから廃止される)で、ChatGPTパフォーマンスの大幅な分解を報告しています。 これ


ホットAIツール

Undresser.AI Undress
リアルなヌード写真を作成する AI 搭載アプリ

AI Clothes Remover
写真から衣服を削除するオンライン AI ツール。

Undress AI Tool
脱衣画像を無料で

Clothoff.io
AI衣類リムーバー

Video Face Swap
完全無料の AI 顔交換ツールを使用して、あらゆるビデオの顔を簡単に交換できます。

人気の記事

ホットツール

SAP NetWeaver Server Adapter for Eclipse
Eclipse を SAP NetWeaver アプリケーション サーバーと統合します。

AtomエディタMac版ダウンロード
最も人気のあるオープンソースエディター

SecLists
SecLists は、セキュリティ テスターの究極の相棒です。これは、セキュリティ評価中に頻繁に使用されるさまざまな種類のリストを 1 か所にまとめたものです。 SecLists は、セキュリティ テスターが必要とする可能性のあるすべてのリストを便利に提供することで、セキュリティ テストをより効率的かつ生産的にするのに役立ちます。リストの種類には、ユーザー名、パスワード、URL、ファジング ペイロード、機密データ パターン、Web シェルなどが含まれます。テスターはこのリポジトリを新しいテスト マシンにプルするだけで、必要なあらゆる種類のリストにアクセスできるようになります。

ゼンドスタジオ 13.0.1
強力な PHP 統合開発環境

EditPlus 中国語クラック版
サイズが小さく、構文の強調表示、コード プロンプト機能はサポートされていません

ホットトピック









