Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > econ > arXiv:2311.03595

帮助 | 高级搜索

经济学 > 一般经济学

arXiv:2311.03595 (econ)
[提交于 2023年11月6日 ]

标题: 加拿大众议院关于人工智能技术对加拿大劳动力影响研究的简报:生成式人工智能颠覆AI和劳动力模型

标题: 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

Authors:Morgan R. Frank
摘要: 生成性人工智能(AI)的令人兴奋的进步引发了对就业、教育、生产力和工作未来的担忧。与过去的技术一样,生成性AI可能不会导致大规模失业。但与过去的技术不同,生成性AI具有创造性、认知性和潜在的普遍性,这使得自动化预测的一般假设不适合当今的情况。现有的预测表明,生成性AI将影响那些以前被认为不受自动化影响的职业中的工人。随着AI的全部能力和应用逐渐显现,政策制定者应该促进工人的职业适应能力。实现这一目标需要改善关于当地和职业头衔的就业分离和失业的数据,以便识别出面临劳动中断的工人早期指标。此外,审慎的政策应激励教育项目适应以AI作为工具的学习,同时为学生准备好未来工作的需求。
摘要: Exciting advances in generative artificial intelligence (AI) have sparked concern for jobs, education, productivity, and the future of work. As with past technologies, generative AI may not lead to mass unemployment. But, unlike past technologies, generative AI is creative, cognitive, and potentially ubiquitous which makes the usual assumptions of automation predictions ill-suited for today. Existing projections suggest that generative AI will impact workers in occupations that were previously considered immune to automation. As AI's full set of capabilities and applications emerge, policy makers should promote workers' career adaptability. This goal requires improved data on job separations and unemployment by locality and job titles in order to identify early-indicators for the workers facing labor disruption. Further, prudent policy should incentivize education programs to accommodate learning with AI as a tool while preparing students for the demands of the future of work.
主题: 一般经济学 (econ.GN) ; 人工智能 (cs.AI)
引用方式: arXiv:2311.03595 [econ.GN]
  (或者 arXiv:2311.03595v1 [econ.GN] 对于此版本)
  https://doi.org/10.48550/arXiv.2311.03595
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Morgan Frank [查看电子邮件]
[v1] 星期一, 2023 年 11 月 6 日 22:58:24 UTC (69 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • TeX 源代码
  • 其他格式
许可图标 查看许可
当前浏览上下文:
econ.GN
< 上一篇   |   下一篇 >
新的 | 最近的 | 2023-11
切换浏览方式为:
cs
cs.AI
econ
q-fin
q-fin.EC

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号