
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
CDA 数据分析师:善用 Power BI 索引列,提升数据处理与分析效率 在 Power BI 数据分析流程中,“数据准备” 是决定后续分析质量 ...
2025-08-18CDA 数据分析师:巧用 SQL 多个聚合函数,解锁数据多维洞察 在企业数据分析场景中,单一维度的统计(如 “总销售额”“用户总数 ...
2025-08-18CDA 数据分析师:驾驭表格结构数据的核心角色与实践应用 在企业日常数据存储与分析场景中,表格结构数据(如 Excel 表格、数据库 ...
2025-08-18PowerBI 累计曲线制作指南:从 DAX 度量到可视化落地 在业务数据分析中,“累计趋势” 是衡量业务进展的核心视角 —— 无论是 “ ...
2025-08-15Python 函数 return 多个数据:用法、实例与实战技巧 在 Python 编程中,函数是代码复用与逻辑封装的核心载体。多数场景下,我们 ...
2025-08-15CDA 数据分析师:引领商业数据分析体系构建,筑牢企业数据驱动根基 在数字化转型深化的今天,企业对数据的依赖已从 “零散分析” ...
2025-08-15随机森林中特征重要性(Feature Importance)排名解析 在机器学习领域,随机森林因其出色的预测性能和对高维数据的适应性,被广 ...
2025-08-14t 统计量为负数时的分布计算方法与解析 在统计学假设检验中,t 统计量是常用的重要指标,其分布特征直接影响着检验结果的判断。 ...
2025-08-14CDA 数据分析师与业务数据分析步骤 在当今数据驱动的商业世界中,数据分析已成为企业决策和发展的核心驱动力。CDA 数据分析师作 ...
2025-08-14前台流量与后台流量:数据链路中的双重镜像 在商业数据分析体系中,流量数据是洞察用户行为与系统效能的核心依据。前台流量与 ...
2025-08-13商业数据分析体系构建与 CDA 数据分析师的协同赋能 在企业数字化转型的浪潮中,商业数据分析已从 “可选工具” 升级为 “核 ...
2025-08-13解析 CDA 数据分析师:数据时代的价值挖掘者 在数字经济高速发展的今天,数据已成为企业核心资产,而将数据转化为商业价值的 ...
2025-08-13解析 response.text 与 response.content 的核心区别 在网络数据请求与处理的场景中,开发者经常需要从服务器返回的响应中提取数 ...
2025-08-12MySQL 统计连续每天数据:从业务需求到技术实现 在数据分析场景中,连续日期的数据统计是衡量业务连续性的重要手段 —— 无论是 ...
2025-08-12PyTorch 中 Shuffle 机制:数据打乱的艺术与实践 在深度学习模型训练过程中,数据的呈现顺序往往对模型性能有着微妙却关键的影响 ...
2025-08-12Pandas 多列条件筛选:从基础语法到实战应用 在数据分析工作中,基于多列条件筛选数据是高频需求。无论是提取满足特定业务规则的 ...
2025-08-12人工智能重塑 CDA 数据分析领域:从工具革新到能力重构 在数字经济浪潮与人工智能技术共振的 2025 年,数据分析行业正经历着前所 ...
2025-08-12游戏流水衰退率:计算方法与实践意义 在游戏行业中,流水(即游戏收入)是衡量一款游戏商业表现的核心指标之一。而游戏流水衰退 ...
2025-08-12CDA 一级:数据分析入门的基石 在当今数据驱动的时代,数据分析能力已成为职场中的一项重要技能。CDA(Certified Data Anal ...
2025-08-12破解游戏用户流失困局:从数据洞察到留存策略 在游戏行业竞争白热化的当下,用户流失率已成为衡量产品健康度的核心指标。一款游 ...
2025-08-11