权力................................................................................................................................................. III
Acemoglu、Autor、Hazell 和 Restrepo(2022)展示并比较了不同方法的估计结果。尽管人工智能工作份额因职业、行业和工资水平而异,但总体趋势是显而易见的。
Autor,D。H.和Dorn,D。Hanson,G。(2015)。毫无疑问的贸易和技术:来自地方劳动力市场的证据,经济杂志,皇家经济学会,第1卷。0(584),第621-646、05页。
我们感谢 Bledi Taska 的详细评论和提供 Burning Glass 数据的访问权限;感谢 Joshua Angrist、Andreas Mueller、Rob Seamans 和 Betsey Stevenson 提供的非常有用的评论和建议;感谢 Jose Velarde 和 Zhe Fredric Kong 提供的专业研究协助;感谢 David Deming 和 Kadeem Noray 分享他们的代码和数据。Acemoglu 和 Autor 感谢埃森哲律师事务所、IBM 全球大学、Schmidt Futures 和 Smith Richardson 基金会的支持。Acemoglu 感谢谷歌、美国国家科学基金会、斯隆基金会和图卢兹信息技术网络的支持,Autor 感谢卡内基研究员计划、海因茨家庭基金会和华盛顿公平增长中心。本文表达的观点为作者的观点,并不一定反映美国国家经济研究局的观点。
为《牛津人工智能治理手册》准备。我非常感谢许多合著者,他们为我思考这些主题做出了贡献,我在本文中大量参考了他们的工作。他们包括:David Autor、Jonathon Hazell、Simon Johnson、Jon Kleinberg、Anton Korniek、Azarakhsh Malekian、Ali Makhdoumi、Andrea Manera、Sendhil Mullainathan、Andrew Newman、Asu Ozdaglar、Pascual Restrepo 和 James Siderius。我感谢 David Autor、Lauren Fahey、Vincent Rollet、James Siderius 和 Glen Weyl 的评论。我非常感谢谷歌、休利特基金会、美国国家科学基金会、斯隆基金会、史密斯理查森基金会和施密特科学基金会的资金支持。本文表达的观点为作者的观点,并不一定反映美国国家经济研究局的观点。
∗ 本章受益于众多人士的反馈和讨论,包括 Rediet Abebe、Daron Acemoglu、David Autor、Carlos Gonzalez Perez、Lukas Lehner、Sanaz Mobasseri 以及牛津机器学习和经济学阅读小组和 MD4SG 不平等小组的参与者。
⇤本章从包括Rediet Abebe,Daron Acemoglu,David Autor,Carlos Gonzalez Perez,Lukas Lehner,Sanaz Mobasseri以及牛津机器机器学习和经济学阅读小组和MD4SG的牛津大学的参与者以及MD4SG的参与者中,与许多人的反馈和讨论有关。
武装部队学院拥有学术自由,并尊重高等教育法明确规定的法律义务以及对公共机构强制执行的所有其他法律行为。《军事杂志》中表达的观点和意见仅代表作者个人观点,并不反映国防部、俄罗斯联邦国防军总参谋部和武装部队学院的官方立场。文章作者不会因自由表达个人态度和立场而受到惩罚,即使其内容与国防机构的官方立场不符。同时,作者对歪曲事实以及未经引用抄袭其他作者的创作和思想承担责任。