XiaoMi-AI文件搜索系统
World File Search SystemManyika
报告针对实施欧洲法规的工作组建立人工智能规则（«template»）
3联合国，AI顾问委员会，《人类管理》，2024年9月，第1页。 29。另请参见：Hagendorff，《绘制生成AI的伦理：综合范围评论》，斯图加特大学，2024年； Gabriel，I.，Manzini，A.，Keeling，G.，Hendricks，L.A.，Rieser，V. Marchal，N.，Griffin，C.，Mateos-Garcia，J.，Weidinger，L.，Street，W.，Lange，B.，Ingerman，A.，Lentz，A. Alberts，L.，Balle，B.，De Haas，S.，Ibitoye，Y.，Dafoe，A.，Goldberg，B.，Krier，S.，Reese，A.A.，Lehman，J.，Klenk，M.，Vallor，S.，Biles，C.，Ringel Morris，M.，King，H.
人工智能将如何影响 K-12 教师
1 麦肯锡全球教师和学生调查。2017 年加拿大、新加坡、英国和美国的平均水平。2 TALIS 2018 结果：教师和学校领导者作为终身学习者，第 1 卷，法国巴黎：OECD 出版社，2019 年。2013 年和 2018 年美国教师总工作时间比较。3 Desiree Carver-Thomas 和 Linda Darling-Hammond，“教师流动率：为什么重要以及我们能做些什么”，学习政策研究所，2017 年 8 月 16 日，learningpolicyinstitute.org。请注意，Title I 学校的流动率为 16%，比非 Title I 学校高出 50%。经验不足三年的教师比例更高，为 28%。4 教师和工作量，全国教育联盟，2018 年 3 月。5 “教育过时了吗？麻省理工学院媒体实验室的 Sugata Mitra，”麻省理工学院公民媒体中心，2012 年 5 月 16 日，civic.mit.edu；John von Radowitz，“公立学校校长预测，智能机器将在 10 年内取代教师，”Independent，2017 年 9 月 11 日，independent.co.uk。6 Parul Batra、Jacques Bughin、Michael Chui、Ryan Ko、Susan Lund、James Manyika、Saurabh Sanghvi 和 Jonathan Woetzel，《失业与就业增长：未来工作对就业、技能和工资意味着什么》，麦肯锡全球研究院，2017 年 11 月，McKinsey.com。7 Raj Chetty 等人，“320,000 美元的幼儿园教师”，Phi Delta Kappan，2010 年 11 月，第 92 卷，第 3 期，第 22-5 页，journals.sagepub.com。
数据科学应用程序对绿色的贡献...
过去十年的一个重大发展是各种方式以及对其进行分析的技术的可用性的增长。这些包括人工智能（AI）和“大数据”以及更标准的统计和描述性方法，通常被称为“数据科学”。这种“数据革命”被广泛认为可以承诺大量的经济和福利收益（Monika等人2011）。一个重要的问题是数据科学以及一般的数字技术是否也支持对绿色经济的转移。越来越多的关于该主题的文献可以分为几个链。一条链研究数字技术增长对能源和资源使用的影响（Lange等人2020，Kern等。 2018，Bordage等。 2021）。 另一股涉及相关国家政策的话语分析（Ket-Tenburg 2019）。 最后，许多研究对环境潜力以及数字化和数据科学技术的风险进行分类（Rolnick等人。 2019，Cowls等。 2021，Vinuesa等。 2020，WBGU 2019）。 这些研究主要是基于对发表的科学工作和专家的文献综述。 到目前为止，关于公司和其他参与者如何将数据科学用于可持续性目的的公司和其他参与者如何进行实证研究。 2022）。 以下内容总结了这项更大的工作的一些结论，重点是与启动相关的数据科学使用。2020，Kern等。2018，Bordage等。2021）。另一股涉及相关国家政策的话语分析（Ket-Tenburg 2019）。最后，许多研究对环境潜力以及数字化和数据科学技术的风险进行分类（Rolnick等人。2019，Cowls等。2021，Vinuesa等。2020，WBGU 2019）。这些研究主要是基于对发表的科学工作和专家的文献综述。到目前为止，关于公司和其他参与者如何将数据科学用于可持续性目的的公司和其他参与者如何进行实证研究。2022）。以下内容总结了这项更大的工作的一些结论，重点是与启动相关的数据科学使用。这是我们作为德国环境机构（UBA）项目的一部分进行检查的关键问题 - 挖掘过程与向绿色经济的过渡之间的相互作用（Gotsch等人。
人工智能与劳动力
人工智能 (AI) 是一项快速发展的技术，具有巨大的经济潜力。根据麦肯锡最近的一份报告，到 2040 年，新的生成式 AI 工具可以通过生产力增长为全球经济贡献数万亿美元（Chui 等人，2023 年）。这种潜力反映在私营部门对 AI 工具日益增长的兴趣上，全球企业财报电话会议记录中“生成式 AI”的提及次数从 2022 年 12 月的仅 5 次增加到 2023 年 6 月的 390 次（FactSet，未注明日期）。最近有迹象表明，对具有 AI 技能的工人的需求激增，这表明 AI 已经在创造就业机会（Acemo-glu、Autur 等人，2022 年）。然而，这些机会也带来了担忧。最近的报告显示，由于人工智能，2023 年 5 月美国劳动力市场减少了 4,000 多个工作岗位（Challenger、Gray 和 Christmas，Inc.，2023 年），这引发了人们对人工智能对工人和劳动力市场影响的质疑。一些估计表明，未来几十年内，很大一部分工作活动可能会实现自动化（Chui 等人，2023 年；Eloundou 等人，2023 年）。此外，人工智能的独特特征表明，它对就业市场的影响可能与之前的自动化浪潮不同（Brynjolfsson 和 McAfee，2014 年）。具体而言，与以前的技术不同，人工智能可以自动执行以前被认为难以编码的任务，这为更广泛的任务和职业实现自动化创造了潜力（Manyika 等人，2017 年；Brynjolfsson、Mitchell 和 Rock，2018 年；Chui 等人，2023 年；Eloundou 等人，2023 年；Webb，2019 年）。然而，接触人工智能并不一定会导致劳动力市场流失；技术可能会
人工智能与专业工作的未来
2 Frey, CB 和 Osborne, MA 2017。就业的未来：工作对计算机化有多敏感？《技术预测与社会变革》，114 期：254-280。3 Muro, M.、Whiton, J. 和 Maxim, R. 2019。哪些工作会受到人工智能的影响？华盛顿特区：布鲁金斯大都会政策计划。另请参阅 Dellot, B.、Mason, R. 和 Wallace-Stephens, F. 2020。工作的四种未来：应对激进技术时代的不确定性。伦敦：RSA、Manyika, J.、Chui, M.、Miremadi, M.、Bughin, J.、George, K.、Willmott, P. 和 Dewhurst, M. 2017。可行的未来：人工智能、自动化、就业和生产力：麦肯锡全球研究院。 4 Autor, DH 2015. 为什么还有这么多工作？工作场所自动化的历史和未来。《经济展望杂志》，29(3)：3-30。5 Brynjolfsson, E. 和 Mitchell, T. 2017. 机器学习能做什么？对劳动力的影响。《科学》，358(6370)：1530-1534。另见 Brynjolfsson, E. 和 McAfee, A. 2014. 第二次机器时代。纽约：WW Norton & Company。6 Susskind, RE 和 Susskind, D. 2015. 职业的未来：科技将如何改变人类专家的工作：美国牛津大学出版社。7 Wilson, HJ、Daugherty, P. 和 Bianzino, N. 2017. 人工智能将创造的就业岗位。 MIT 斯隆管理评论，58(4): 14。 8 Sako, M. 2013. 专业人士的业务。美国计算机协会通讯，56(7): 30-32。 9 Armour, J.，和 Sako, M. 2020 即将出版。法律服务中的人工智能商业模式：从传统律师事务所到下一代法律公司？《职业与组织杂志》，可在 SSRN 3418810 获得。 10 Noordegraaf, M. 2015. 混合专业主义及其他：（新）不断变化的组织和社会背景下的公共专业主义形式。《职业与组织杂志》，2(2): 187-206。 11 https://www.acm.org/media-center/2018/july/acm-updates-code-of-ethics
所用算法：人工智能企业责任劳动模型
2. Michael Chui、James Manyika 和 Mehdi Miremadi，《机器可以取代人类的地方以及目前还不能取代人类的地方》，MCK INSEY Q.（2016 年 7 月 8 日），https://www.mckinsey.com/business-functions/mckinsey-digital/our-insights/where-machines-could-replace-humans-and- where-they-cant-yet [https://perma.cc/Q24J-3RRU]（“目前展示的技术可以自动化 45% 的人类有偿活动……”）。本文几乎交替使用“机器人”和“算法”。从技术上讲，机器人有物理形态，而算法没有。就目前的目的而言，这种区别并不重要。它会影响每种机器人可能造成的伤害类型，但不会影响它们是否会造成伤害。 3. Patrice Taddonio，《人工智能的兴起是否会危及卡车司机的工作？》，PBS（2019 年 11 月 5 日），https://www.pbs.org/wgbh/frontline/article/could-the-rise-of-artificial-intelli gence-put-truckers-jobs-in-peril [https://perma.cc/ZF96-UVPH]。4. Jeffrey Dastin，《独家：亚马逊推出打包订单并取代工作的机器》，R EUTERS（2019 年 5 月 13 日），https://www.reuters.com/article/us-amazon-com-automation-exclusive/exclusive-amazon-rolls-out-machines-that-pack-orders-and-replace-jobs-idUSKCN1SJ0X1 [https://perma.cc/SF4R-FQKY]。 5. Alana Semuels，《数百万美国人在疫情中失去工作——机器人和人工智能正在以前所未有的速度取代他们》，《时代》（2020 年 8 月 6 日），https://time.com/5876604/machines-jobs-coronavirus [https://perma.cc/D3WN-9KWS]（“弗吉尼亚州的一家回收公司于 2019 年为其罗阿诺克工厂购买了四台 AMP 机器人，将它们部署在装配线上，以确保纸张和塑料流中没有放错材料。”）。 6. Will Knight，《人工智能即将取代最令人麻木的办公任务》，《WIRED》（2020 年 3 月 14 日上午 7:00），https://www.wired.com/story/ai-coming-most-mind-numbing-office-tasks [https://perma.cc/8CSN-JP6W]（“简单的软件自动化正在消除一些特别重复的工作，例如基本的数据输入……”）。7. Lauri Donahue，评论《法律行业人工智能入门》，《J OLT D IG》。 （2018 年 1 月 3 日），https://jolt.law.harvard.edu/digest/a-primer-on-using-artif icial-intelligence-in-the-legal-profession [https://perma.cc/ZF56-D3D5]（“依赖于整理和分析历史数据（例如过去的司法判决，包括法律意见或评估可能的诉讼结果）的法律工作将成为人工智能的领域。”）。 8. William Baldwin，《人工智能投资者：AI 和选股的未来》，F ORBES（2019 年 12 月 9 日，上午 6:00），https://www.forbes.com/sites/baldwin/2019/12/09/connecting-a- million-dots [https://perma.cc/2ZHJ-2J8R]（“EquBot 表示，其基金是唯一使用 AI 进行主动管理的 ETF，但它不会长期独霸这一领域。IBM 正在华尔街四处兜售 AI。”）。9. Ohad Oren、Bernard J. Gersh 和 Deepak L. Bhatt，医学成像中的人工智能：从放射病理数据转向有临床意义的终点，2 LANCET D IGIT. H EALTH（2020 年 9 月），https://www.thelancet.com/journals/landig/article/PIIS2589-7500(20)30160-6/fulltext [https://perma.cc/CH6S-HECK]（“人工智能增强的阅读性能可用于识别与更糟糕结果相关的轻微结构或动态变化，从而改善干预的患者选择。”）。
人工智能在商业决策中的道德含义：
让学校沮丧，购买者顾问和网络外观令人沮丧，专家们在可以想象的说服答复中提高了错误数据的风险（Pierani and Bruggeman，2023年）。尽管进行了一些考试（Repel等，2016）已经完成了在等级结构环境中涉及人造智能的优点和担忧，但有限的研究是针对哪些界限影响了在协会明确导航中对模拟情报的接受。正在进行的论文的承诺正在揭示围绕模拟情报接收的洞察力和恐惧，以及联想如何处理这些见解并减轻与人工智能接待相关的危险。kshetri（2021，p。970）提示：“人造意识（模拟情报）可能是一种开创性的力量，可能会改变董事会和等级实践的工作”。机器可以在工作练习中协调或击败人们，这需要高度精神，因为新的处理设备，更为显着的计算以及在辉煌的机器时代中的大量信息衡量（Autor and Dorn，2013; Manyika等，2017）。根据Davenport和Kirby（2016）的说法，有一种全球自动化趋势涉及机器，可以在更复杂且结构较低的数据环境中做出自主决策。根据Davenport和Kirby（2016）进行的案例研究，三年来总投资回报率从650％到800％不等。本探索论文主要关注与AI或深刻学习思想相关的大脑网络的利用。This contention has been validated by concentrates on that showed that early mechanization was for the most part centered around routine undertakings and choices performed by low-and medium-talented laborers - contrasted with current computerization progresses, which are equipped for robotizing errands and choices performed by information laborers that have high mental abilities, which features the risk of the "machine for human" replacement in associations (Autor and Dorn, 2013; Frey and Osborne，2013年； Loebbecke和Picot，2015年）。此外，美国银行Merrill -Lynch预测，到2025年，AI的影响可能在14万亿至33万亿美元之间，降低了9万亿美元的就业成本（经济学家，2016年）。因此，仅在2015年仅在2015年就花在了人工智能组织上的85亿美元，这并不是什么意外的，将2010年的四倍（金融专家，2016年）折叠。可以利用各种人工智能，例如大脑组织，群洞察力，遗传计算和蓬松的理由来照顾各种真实问题（Autor，2015年）。正在进行的评论由于其学习和进一步发展动态执行的能力而围绕大脑网络的中心（Duana等，2019）。大脑网络的学习技能将这种人造的智能与使用基于规则的或主框架选择的机器人化分开，可以将这些智能分类为基于规则或主框架的选择，而这些智能可以将其分类不大。如果满足这种情况，将是基于标准的选择的例证，请执行此活动（Davenport和Kirby，2016年）。因此，他的中心是关于这种发展的传播（Detjen等，2021）。由有机模型促进的大脑网络再现相关的大脑单位，证明了神经元如何连接（Duana et al。，2019）。组织中复制的神经元要么依靠加权量的反馈。学习通过改变载荷的过程进行，直到活动使执行令人满意的时间为止（Nilson，1998）。Rogers（1995），这是一种在接收创新的假设，试图理解如何，原因和以什么速度新颖的思想和创新扩散。就AI的特定方面而言，例如自动决策，该理论是有限的。AI的这种特征比技术的初始功能要远远远，这是为了启用和协助人类：每当人们定制学习时，可以自由地从人身上工作。我们调查了有关多功能结构假设（AST）的著作，以发展如何解释人工智能接收的障碍。