論文の概要: From Occupations to Tasks: A New Perspective on Automatability Prediction Using BERT

• arxiv url: http://arxiv.org/abs/2502.09021v1
• Date: Thu, 13 Feb 2025 07:18:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-14 13:49:28.934412
• Title: From Occupations to Tasks: A New Perspective on Automatability Prediction Using BERT
• Title（参考訳）: 作業からタスクへ:BERTを用いた自動化予測の新しい視点
• Authors: Dawei Xu, Haoran Yang, Marian-Andrei Rizoiu, Guandong Xu,
• Abstract要約: 今後10年間のタスクの自動化性を予測するため,BERTベースの分類器を提案する。 以上の結果から,O*NETデータベース内の職業の約25.1%が,自動化の重大なリスクがあることが示唆された。
• 参考スコア（独自算出の注目度）: 19.75055647648098
• License:
• Abstract: As automation technologies continue to advance at an unprecedented rate, concerns about job displacement and the future of work have become increasingly prevalent. While existing research has primarily focused on the potential impact of automation at the occupation level, there has been a lack of investigation into the automatability of individual tasks. This paper addresses this gap by proposing a BERT-based classifier to predict the automatability of tasks in the forthcoming decade at a granular level leveraging the context and semantics information of tasks. We leverage three public datasets: O*NET Task Statements, ESCO Skills, and Australian Labour Market Insights Tasks, and perform expert annotation. Our BERT-based classifier, fine-tuned on our task statement data, demonstrates superior performance over traditional machine learning models, neural network architectures, and other transformer models. Our findings also indicate that approximately 25.1% of occupations within the O*NET database are at substantial risk of automation, with a diverse spectrum of automation vulnerability across sectors. This research provides a robust tool for assessing the future impact of automation on the labor market, offering valuable insights for policymakers, workers, and industry leaders in the face of rapid technological advancement.
• Abstract（参考訳）: オートメーション技術は前例のないペースで進歩を続けており、雇用の移転や仕事の将来への懸念がますます高まっている。 既存の研究は、主に職業レベルでの自動化の潜在的な影響に焦点を当ててきたが、個々のタスクの自動化性についての調査は行われていない。 本稿では,タスクのコンテキスト・セマンティクス情報を活用した粒度レベルで,今後10年間のタスクの自動化可能性を予測するためにBERTベースの分類器を提案する。 O*NET Task Statements、ESCO Skills、Australian Labor Market Insights Tasksの3つの公開データセットを活用し、専門家のアノテーションを実行します。 タスクステートメントデータに基づいて微調整されたBERTベースの分類器は、従来の機械学習モデルやニューラルネットワークアーキテクチャ、その他のトランスフォーマーモデルよりも優れたパフォーマンスを示している。 また、O*NETデータベース内の職業の約25.1%は、自動化のかなりのリスクがあり、分野によって様々な自動化の脆弱性があることを示している。 この研究は、労働市場における自動化の今後の影響を評価するための堅牢なツールを提供し、急速な技術進歩に直面した政策立案者、労働者、業界リーダーに貴重な洞察を提供する。

関連論文リスト

• AutoPT: How Far Are We from the End2End Automated Web Penetration Testing? [54.65079443902714]
  LLMによって駆動されるPSMの原理に基づく自動浸透試験エージェントであるAutoPTを紹介する。 以上の結果から, AutoPT は GPT-4o ミニモデル上でのベースラインフレームワーク ReAct よりも優れていた。
  論文  参考訳（メタデータ） (2024-11-02T13:24:30Z)
• Assessing the Performance of Human-Capable LLMs -- Are LLMs Coming for Your Job? [0.0]
  SelfScoreは、ヘルプデスクとプロのコンサルティングタスクにおけるLLM(Large Language Model)の自動エージェントのパフォーマンスを評価するために設計されたベンチマークである。 このベンチマークは、問題の複雑さと応答の助け、スコアリングシステムにおける透明性と単純さの確保に関するエージェントを評価する。 この研究は、特にAI技術が優れている地域では、労働者の移動の可能性への懸念を提起している。
  論文  参考訳（メタデータ） (2024-10-05T14:37:35Z)
• Towards the Terminator Economy: Assessing Job Exposure to AI through LLMs [10.844598404826355]
  米国の雇用の3分の1はAIに強く依存している。 この露出は、2019年から2023年までの雇用と賃金の伸びと正の相関関係にある。
  論文  参考訳（メタデータ） (2024-07-27T08:14:18Z)
• AIDE: An Automatic Data Engine for Object Detection in Autonomous Driving [68.73885845181242]
  本稿では,問題を自動的に識別し,データを効率よくキュレートし,自動ラベル付けによりモデルを改善する自動データエンジン(AIDE)を提案する。 さらに,AVデータセットのオープンワールド検出のためのベンチマークを構築し,様々な学習パラダイムを包括的に評価し,提案手法の優れた性能を低コストで実証する。
  論文  参考訳（メタデータ） (2024-03-26T04:27:56Z)
• Benchmarking Automated Machine Learning Methods for Price Forecasting Applications [58.720142291102135]
  自動機械学習(AutoML)ソリューションで手作業で作成したMLパイプラインを置換する可能性を示す。 CRISP-DMプロセスに基づいて,手動MLパイプラインを機械学習と非機械学習に分割した。 本稿では、価格予測の産業利用事例として、ドメイン知識とAutoMLを組み合わせることで、ML専門家への依存が弱まることを示す。
  論文  参考訳（メタデータ） (2023-04-28T10:27:38Z)
• 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)
• Being Automated or Not? Risk Identification of Occupations with Graph Neural Networks [13.092145058320316]
  人工知能(AI)やロボット工学などの自動化技術の急速な進歩は、職業における自動化のリスクを増大させる。 最近の社会経済研究は、職業の50%近くが今後10年以内に自動化されるリスクが高いことを示唆している。 職業の自動化リスクを特定するために, グラフに基づく半自動分類手法 textbf Automated textbfOccupation textbf Classification を提案する。
  論文  参考訳（メタデータ） (2022-09-06T02:19:50Z)
• Human-Robot Collaboration and Machine Learning: A Systematic Review of Recent Research [69.48907856390834]
  人間ロボットコラボレーション(Human-robot collaboration、HRC)とは、人間とロボットの相互作用を探索する手法である。 本稿では,HRCの文脈における機械学習技術の利用に関する詳細な文献レビューを提案する。
  論文  参考訳（メタデータ） (2021-10-14T15:14:33Z)
• AutoML to Date and Beyond: Challenges and Opportunities [30.60364966752454]
  AutoMLツールは、機械学習を非機械学習の専門家が利用できるようにすることを目的としている。 本稿では,AutoMLシステムのための新しい分類システムを提案する。 エンド・ツー・エンドの機械学習パイプラインのさらなる自動化に必要な研究を指摘して、将来のロードマップを策定しました。
  論文  参考訳（メタデータ） (2020-10-21T06:08:21Z)
• Induction and Exploitation of Subgoal Automata for Reinforcement Learning [75.55324974788475]
  本稿では,Regressed Learning (RL)タスクにおけるサブゴールの学習と活用のためのISAを提案する。 ISAは、タスクのサブゴールによってエッジがラベル付けされたオートマトンであるサブゴールオートマトンを誘導することで強化学習をインターリーブする。 サブゴールオートマトンはまた、タスクの完了を示す状態と、タスクが成功せずに完了したことを示す状態の2つの特別な状態で構成されている。
  論文  参考訳（メタデータ） (2020-09-08T16:42:55Z)
• Learning Occupational Task-Shares Dynamics for the Future of Work [5.487438649316376]
  ビッグデータとAIは、2012年と2016年以来、高賃金の職業の中で著しく上昇している。 我々は,将来的な業務要求を予測するためのARIMAモデルを構築している。
  論文  参考訳（メタデータ） (2020-01-28T21:20:33Z)

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。