論文の概要: AI and Jobs: Has the Inflection Point Arrived? Evidence from an Online
Labor Platform
- arxiv url: http://arxiv.org/abs/2312.04180v1
- Date: Thu, 7 Dec 2023 10:06:34 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-08 15:31:31.720799
- Title: AI and Jobs: Has the Inflection Point Arrived? Evidence from an Online
Labor Platform
- Title(参考訳): AIとジョブ: インフレクションポイントは生まれたか?
オンライン労働プラットフォームからの証拠
- Authors: Dandan Qiao, Huaxia Rui, and Qian Xiong
- Abstract要約: 人間のタスクにおける統計AIの性能を4つの要因のレンズを用いて検討する。
我々は,それぞれの職業に摂動点が存在することを示すため,競争のシンプルな経済モデルを開発する。
実証的な証拠を提供するために、私たちはまず、AIのパフォーマンスが翻訳の占有の摂動点を超えたが、Web開発の占有のためのものではないと論じる。
- 参考スコア(独自算出の注目度): 0.13124513975412255
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Artificial intelligence (AI) refers to the ability of machines or software to
mimic or even surpass human intelligence in a given cognitive task. While
humans learn by both induction and deduction, the success of current AI is
rooted in induction, relying on its ability to detect statistical regularities
in task input -- an ability learnt from a vast amount of training data using
enormous computation resources. We examine the performance of such a
statistical AI in a human task through the lens of four factors, including task
learnability, statistical resource, computation resource, and learning
techniques, and then propose a three-phase visual framework to understand the
evolving relation between AI and jobs. Based on this conceptual framework, we
develop a simple economic model of competition to show the existence of an
inflection point for each occupation. Before AI performance crosses the
inflection point, human workers always benefit from an improvement in AI
performance, but after the inflection point, human workers become worse off
whenever such an improvement occurs. To offer empirical evidence, we first
argue that AI performance has passed the inflection point for the occupation of
translation but not for the occupation of web development. We then study how
the launch of ChatGPT, which led to significant improvement of AI performance
on many tasks, has affected workers in these two occupations on a large online
labor platform. Consistent with the inflection point conjecture, we find that
translators are negatively affected by the shock both in terms of the number of
accepted jobs and the earnings from those jobs, while web developers are
positively affected by the very same shock. Given the potentially large
disruption of AI on employment, more studies on more occupations using data
from different platforms are urgently needed.
- Abstract(参考訳): 人工知能(人工知能、AI)とは、特定の認知タスクにおいて、機械やソフトウェアが人間の知性を模倣または超える能力のこと。
人間は誘導と推論の両方で学習するが、現在のAIの成功は誘導に根ざしており、タスク入力の統計的規則性を検出する能力に依存している。
課題学習性,統計資源,計算資源,学習技術を含む4因子のレンズを用いて,人間のタスクにおけるそのような統計AIの性能を検証し,AIと仕事の関係の進化を理解するための3段階の視覚的枠組みを提案する。
この概念的枠組みに基づいて,各職業に摂動点が存在することを示すため,競争のシンプルな経済モデルを構築した。
aiのパフォーマンスが変曲点を越える前に、人間労働者は常にaiパフォーマンスの改善の恩恵を受けるが、変曲点の後、このような改善が起こると、人間労働者は悪化する。
実証的な証拠を提供するため、我々はまず、aiのパフォーマンスが翻訳の職業の転換点を越えているが、web開発の職業ではないと論じた。
そして、多くのタスクでaiのパフォーマンスが大幅に向上したchatgptのローンチが、大規模オンライン労働プラットフォームにおけるこの2つの職業の労働者に与えた影響について調査した。
インフレクションポイント予想とは対照的に、翻訳者は受理されたジョブの数とそれらのジョブからの収益の両方においてショックに負の影響を受けており、ウェブ開発者は全く同じショックに肯定的な影響を受けている。
雇用におけるAIの破壊の可能性を考えると、異なるプラットフォームのデータを使ったより多くの職業の研究が緊急に必要である。
関連論文リスト
- The Impact of AI Innovations on U.S. Occupations [3.3679391636921765]
職業に対するAIの影響は、タスクの複雑さに基づいた単純な分類に反する。
スキャンなどの基本的なスキルは影響するかもしれないが、料理のようなスキルは影響を受けない。
AIの影響は知識中心の領域を超えて拡大する。
論文 参考訳(メタデータ) (2023-12-07T21:44:07Z) - Brief for the Canada House of Commons Study on the Implications of
Artificial Intelligence Technologies for the Canadian Labor Force: Generative
Artificial Intelligence Shatters Models of AI and Labor [1.0878040851638]
過去の技術と同様に、生成的AIは大量失業に繋がらないかもしれない。
生成AIは創造的で認知的で、潜在的にユビキタスである。
AIのフルセットの能力とアプリケーションが出現するにつれて、政策立案者は労働者のキャリア適応性を促進するべきである。
論文 参考訳(メタデータ) (2023-11-06T22:58:24Z) - Exploration with Principles for Diverse AI Supervision [88.61687950039662]
次世代の予測を用いた大規模トランスフォーマーのトレーニングは、AIの画期的な進歩を生み出した。
この生成AIアプローチは印象的な結果をもたらしたが、人間の監督に大きく依存している。
この人間の監視への強い依存は、AIイノベーションの進歩に重大なハードルをもたらす。
本稿では,高品質なトレーニングデータを自律的に生成することを目的とした,探索型AI(EAI)という新しいパラダイムを提案する。
論文 参考訳(メタデータ) (2023-10-13T07:03:39Z) - AI exposure predicts unemployment risk [1.5101132008238312]
AI暴露のどのモデルが仕事の分離や失業リスクを予測するかを評価する。
個々のAI露出モデルは失業率、失業リスク、仕事分離率の予測にはならない。
我々の結果はまた、AI暴露を評価するための動的、文脈認識、検証された方法も求めている。
論文 参考訳(メタデータ) (2023-08-04T15:21:07Z) - Bending the Automation Bias Curve: A Study of Human and AI-based
Decision Making in National Security Contexts [0.0]
私たちは、AIに関する背景知識とAIに対する信頼の関係、自動化バイアスの確率に影響を与える他の要因との相互作用について理論を立てています。
我々は、AI産業のレベルが異なる9カ国の9000人の成人の代表例を対象に、事前登録されたタスク識別実験でテストを行った。
論文 参考訳(メタデータ) (2023-06-28T18:57:36Z) - Why is AI not a Panacea for Data Workers? An Interview Study on Human-AI
Collaboration in Data Storytelling [59.08591308749448]
業界と学界の18人のデータワーカーにインタビューして、AIとのコラボレーションの場所と方法を聞いた。
驚いたことに、参加者はAIとのコラボレーションに興奮を見せたが、彼らの多くは反感を表明し、曖昧な理由を指摘した。
論文 参考訳(メタデータ) (2023-04-17T15:30:05Z) - Fairness in AI and Its Long-Term Implications on Society [68.8204255655161]
AIフェアネスを詳しく見て、AIフェアネスの欠如が、時間の経過とともにバイアスの深化につながるかを分析します。
偏りのあるモデルが特定のグループに対してよりネガティブな現実的な結果をもたらすかについて議論する。
問題が続くと、他のリスクとの相互作用によって強化され、社会不安という形で社会に深刻な影響を及ぼす可能性がある。
論文 参考訳(メタデータ) (2023-04-16T11:22:59Z) - AI for IT Operations (AIOps) on Cloud Platforms: Reviews, Opportunities
and Challenges [60.56413461109281]
IT運用のための人工知能(AIOps)は、AIのパワーとIT運用プロセスが生成するビッグデータを組み合わせることを目的としている。
我々は、IT運用活動が発信する重要なデータの種類、分析における規模と課題、そしてどのように役立つかについて深く議論する。
主要なAIOpsタスクは、インシデント検出、障害予測、根本原因分析、自動アクションに分類します。
論文 参考訳(メタデータ) (2023-04-10T15:38:12Z) - The MineRL BASALT Competition on Learning from Human Feedback [58.17897225617566]
MineRL BASALTコンペティションは、この重要な種類の技術の研究を促進することを目的としている。
Minecraftでは、ハードコードされた報酬関数を書くのが難しいと期待する4つのタスクのスイートを設計しています。
これら4つのタスクのそれぞれについて、人間のデモのデータセットを提供するとともに、模擬学習ベースラインを提供する。
論文 参考訳(メタデータ) (2021-07-05T12:18:17Z) - Artificial Intelligence (AI) and IT identity: Antecedents Identifying
with AI Applications [0.76146285961466]
マネージャをAIシステムに置き換えることは、労働者の成果に悪影響を及ぼす可能性がある。
労働者がAIシステムとの関係から、同じ恩恵を受けるかどうかは不明だ。
論文 参考訳(メタデータ) (2020-05-15T10:59:43Z) - Is the Most Accurate AI the Best Teammate? Optimizing AI for Teamwork [54.309495231017344]
AIシステムは人間中心の方法でトレーニングされ、チームのパフォーマンスに直接最適化されるべきである、と私たちは主張する。
我々は,AIレコメンデーションを受け入れるか,あるいはタスク自体を解決するかを選択する,特定のタイプのAIチームを提案する。
実世界の高精度データセット上での線形モデルと非線形モデルによる実験は、AIが最も正確であることは、最高のチームパフォーマンスに繋がらないことを示している。
論文 参考訳(メタデータ) (2020-04-27T19:06:28Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。