XiaoMi-AI文件搜索系统
World File Search System斯坦福大学
企业对人工智能技术的投资和劳动力结构的变化EnglishEnglish作者感谢 Lucy Eldridge、John Van Reenen（讨论者）、Janis Skrastins（讨论者）以及 Jozef Stefan 研究所人工智能实验室、劳工和金融会议、NBER CRIW 生产力、技术和经济增长会议、斯坦福大学数字创新实验室和叶史瓦大学的参与者提供的有益建议。作者感谢 Cognism Ltd. 提供的就业数据和 Burning Glass Technologies 提供的招聘信息数据。Peter Tong 和 Derek Luan 提供了出色的研究协助。EnglishAmerican
我们研究了美国公司使用人工智能技术后劳动力构成和组织的变化。为此，我们利用员工简历和招聘信息数据集的独特组合来衡量公司层面的人工智能投资和劳动力构成变量，例如教育程度、专业化和层级。我们记录了受过高等教育的员工和 STEM 员工初始份额较高的公司在人工智能方面的投资更多。随着公司对人工智能的投资，它们倾向于转向受过更多教育的劳动力，拥有本科和研究生学位的员工比例更高，并且在 STEM 领域和 IT 技能方面的专业化程度更高。此外，人工智能投资与公司层级结构的扁平化有关，初级员工的比例显着增加，中层管理和高级职位员工的比例下降。总体而言，我们的研究结果表明，采用人工智能技术与企业劳动力的重大重组有关。
企业对人工智能技术的投资和劳动力结构的变化EnglishEnglish作者感谢 Lucy Eldridge、John Van Reenen（讨论者）、Janis Skrastins（讨论者）以及 Jozef Stefan 研究所人工智能实验室、劳工和金融会议、NBER CRIW 生产力、技术和经济增长会议、斯坦福大学数字创新实验室和叶史瓦大学的参与者提供的有益建议。作者感谢 Cognism Ltd. 提供的就业数据和 Burning Glass Technologies 提供的招聘信息数据。Peter Tong 和 Derek Luan 提供了出色的研究协助。Englishamerican
∗ 作者感谢 Lucy Eldridge、John Van Reenen（讨论者）、Janis Skrastins（讨论者）以及约瑟夫·斯蒂芬研究所人工智能实验室、劳工和金融会议、NBER CRIW 生产力、技术和经济增长会议、斯坦福大学数字创新实验室和叶史瓦大学的参与者提供的帮助。作者感谢 Cognism Ltd. 提供就业数据，感谢 Burning Glass Technologies 提供招聘信息数据。Peter Tong 和 Derek Luan 提供了出色的研究协助。† 哥伦比亚大学。电子邮件：tania.babina@gsb.columbia.edu。‡ 加州大学伯克利分校。电子邮件：fedyk@berkeley.edu。§ 马里兰大学。电子邮件：axhe@umd.edu。¶ Cognism；AI for Good Foundation。电子邮件：hodson@ai4good.org。
FinRegLab：研讨会——“人工智能与经济：为负责任和包容的人工智能规划道路”联合活动，邀请著名政策制定者参加，重点关注金融服务领域的负责任人工智能。华盛顿特区，2022 年 4 月 22 日——FinRegLab 将与美国商务部、美国国家标准与技术研究所 (NIST) 和斯坦福以人为本人工智能研究所 (HAI) 合作，于 2022 年 4 月 27 日举办一场研讨会，汇集政府、行业、民间社会和学术界的领导人，探讨人工智能和机器学习在不同经济部门部署带来的潜在机遇和挑战，特别关注金融服务和医疗保健。已确认的发言人包括商务部副部长 Don Graves；参议员 Joni Ernst；代理货币监理署署长 Michael Hsu；万事达卡执行副总裁兼首席数据官 JoAnn Stonier；富国银行执行副总裁兼模型风险主管 Agus Sudjianto、斯坦福大学商学院教授兼 HAI 副主任 Susan Athey 博士、布鲁金斯学会技术创新中心主任 Nicol Turner Lee 博士以及哈佛大学计算与社会研究中心博士后研究员 Manish Raghavan 博士。演讲者和小组成员将讨论研究、政策建议和新兴行业实践。FinRegLab 首席执行官兼主任 Melissa Koide 表示：“人工智能与新型数据相结合，为改善金融包容性和平等性提供了巨大的潜力。然而，也存在加剧偏见和排斥的巨大风险。认真、有针对性地研究消费者受到的影响对于制定正确的规则至关重要。” FinRegLab 还将于 4 月 28 日举办一场虚拟会议，详细介绍该组织和斯坦福大学商学院 Laura Blattner 教授和 Jann Spiess 教授就机器学习在信用承保中的应用开展的研究，特别关注机器学习模型对可解释性和公平性的潜在影响。这项研究对当前可用工具的性能和功能进行了实证评估，这些工具旨在帮助贷方开发、监控和管理机器学习承保模型。媒体成员如有兴趣亲临或以虚拟方式参加研讨会或寻求评论，请联系 Alex Bloomfield，邮箱地址为 alex.bloomfield@finreglab.org。有关研讨会的更多信息，包括所有演讲者和小组讨论，请访问此处的活动页面。
FinRegLab：研讨会——“人工智能与经济：为负责任和包容的人工智能规划道路”联合活动，邀请著名政策制定者参加，重点关注金融服务领域的负责任人工智能。华盛顿特区，2022 年 4 月 22 日——FinRegLab 将与美国商务部、美国国家标准与技术研究所 (NIST) 和斯坦福以人为本人工智能研究所 (HAI) 合作，于 2022 年 4 月 27 日举办一场研讨会，汇集政府、行业、民间社会和学术界的领导人，探讨人工智能和机器学习在不同经济部门部署带来的潜在机遇和挑战，特别关注金融服务和医疗保健。已确认的发言人包括商务部副部长 Don Graves；参议员 Joni Ernst；代理货币监理署署长 Michael Hsu；万事达卡执行副总裁兼首席数据官 JoAnn Stonier；富国银行执行副总裁兼模型风险主管 Agus Sudjianto、斯坦福大学商学院教授兼 HAI 副主任 Susan Athey 博士、布鲁金斯学会技术创新中心主任 Nicol Turner Lee 博士以及哈佛大学计算与社会研究中心博士后研究员 Manish Raghavan 博士。演讲者和小组成员将讨论研究、政策建议和新兴行业实践。FinRegLab 首席执行官兼主任 Melissa Koide 表示：“人工智能与新型数据相结合，为改善金融包容性和平等性提供了巨大的潜力。然而，也存在加剧偏见和排斥的巨大风险。认真、有针对性地研究消费者受到的影响对于制定正确的规则至关重要。” FinRegLab 还将于 4 月 28 日举办一场虚拟会议，详细介绍该组织和斯坦福大学商学院 Laura Blattner 教授和 Jann Spiess 教授就机器学习在信用承保中的应用开展的研究，特别关注机器学习模型对可解释性和公平性的潜在影响。这项研究对当前可用工具的性能和功能进行了实证评估，这些工具旨在帮助贷方开发、监控和管理机器学习承保模型。媒体成员如有兴趣亲临或以虚拟方式参加研讨会或寻求评论，请联系 Alex Bloomfield，邮箱地址为 alex.bloomfield@finreglab.org。有关研讨会的更多信息，包括所有演讲者和小组讨论，请访问此处的活动页面。
2022 年人工智能指数报告 - 斯坦福大学
Robotics Survey Pieter Abbeel, David Abbink, Farshid Alambeigi, Farshad Arvin, Nikolay Atanasov, Ruzena Bajcsy, Philip Beesley, Tapomayukh Bhattacharjee, Jeannette Bohg, David J. Cappelleri, Qifeng Chen, I-Ming Chen, Jackie Cheng, Cynthia Chem, Chemo, Steve Chryso Collins, David Correa, Brandon DeHart, Katie Driggs-Campbell, Nima Fazeli, Animesh Garg, Maged Ghoneima, Tobias Haschke, Kris Hauser, David Held, Yue Hu, Josie Hughes, Soo Jeon, Dimitrios Kanoulas, Jonathan Kelly, Oliver Kroemer, Changlio Liu, Maud, Martin, and Sajum. buro Matunaga, Satoshi Miura, Norrima Mokhtar, Elena De Momi, Christopher Nehaniv, Christopher Nielsen, Ryuma Niyama, Allison Okamura, Necmiye Ozay, Jamie Paik, Frank Park, Karthik Ramani, Carolyn Ren, Jan Rosell, Jee-Hwan Ryu, Tim Salcudean, Oliver Scheider, Peter Sommons, Alva Schoen, Stone ne, Michael Tolley, Tsu-Chin Tsao, Michiel van de Panne, Andy Weightman, Alexander Wong, Helge Wurdemann, Rong Xiong, Chao Xu, Geng Yang, Junzhi Yu, Wenzhen Yuan, Fu Zhang, Yuke Zhu
教育与人工智能 - 斯坦福大学人工智能研究所
为什么现在这很重要？根据 GlobalNewsWire 的一份报告，在疫情期间，2020 年全球私人辅导市场规模估计为 1238 亿美元，预计到 2026 年将达到 2018 亿美元。1 私人和个性化教育的需求——受招生竞争加剧和终身学习和远程学习日益普及的推动——为教育公司和初创公司提供了一个机会，可以提供由自然语言处理和理解驱动的全面、可扩展和交互式技术。自然语言技术可以在在线课程、自导探索和补充课程等环境中灵活地增强数字平台上的学生教育。除了能够轻松简化当前的教学方法外，它们还具有提高学生学习率以及延长学习时间的明显好处。
2021 年人工智能指数报告 - 斯坦福大学
公共数据和工具 AI 指数 2021 报告补充了原始数据和交互式工具。我们邀请 AI 社区的每个成员以与他们的工作和兴趣最相关的方式使用数据和工具。• 原始数据和图表：报告中所有图表的公共数据和高分辨率图像均可在 Google Drive 上找到。• 全球 AI 活力工具：我们今年改进了全球 AI 活力工具，在比较多达 26 个国家的 22 项指标时可以实现更好的交互式可视化。更新后的工具根据用户的偏好对各国的相对位置进行透明评估；确定相关的国家指标以指导国家一级的政策优先事项；并展示不仅针对发达经济体而且针对新兴市场的本地 AI 卓越中心。• 人工智能测量中的问题：2020 年秋季，我们发布了《人工智能政策测量：机遇与挑战》，该报告概述了 2019 年秋季人工智能指数主办的一次会议上讨论的各种人工智能测量问题。
支付、信贷和资产价格* - 斯坦福大学
1 支付工具不仅包括短期可需求资产（如存款和货币市场基金份额），还包括可按需提取的信用额度（如信用卡）。信用额度在证券支付中也发挥着关键作用。例如，机构投资者与其托管银行有清盘安排。三方回购市场的参与者从清算银行获得日内信贷。2 也许最明显的例子是通过支票或电汇从银行存款账户直接付款：不同银行客户之间的付款会产生银行间资金转移。在许多证券市场中，交易由专门的金融市场工具（如提供一些交易净额结算的清算所）清算。然后，机构投资者通过向其银行发出付款指令与这些工具结算净额头寸。
Infome 2021 人工智能指数 - 斯坦福大学
Alexey Bochkovskiy；百度 PaddlePaddle 计算机视觉团队；徐成刚（长江商学院）；Mohammed AlQuraishi（哥伦比亚大学）；Evan Schnidman（EAS Innovation）；林方真（香港科技大学）；David Kanter（MLCommons）；Sam Bowman（纽约大学）；Maneesh Agrawala、Jeannette Bohg、Emma Brunskill、Chelsea Finn、Aditya Grover、Tatsunori Hashimoto、Dan Jurafsky、Percy Liang、Sharon Zhou（斯坦福大学）；Vamsi Sistla（加州大学伯克利分校）；Simon King（爱丁堡大学）；Ivan Goncharov（Weights & Biases）
SSRL战略计划2021-2025-斯坦福大学
接下来的十年将以基于存储环的同步辐射设施影响用户科学的方式进行转变。基于多弯曲的Achromat设计，新的同步性的构建将导致横向X射线相干性的显着增加，从而在X射线成像中取得显着进步。同时，随着用户越来越多地远程访问其功能，仪器自动化，数据收集和分析的突破有可能提高光源的生产力并扩大其影响。最后，光源将越来越多地从“光子工厂”过渡到创新的中心，这些创新对发现和使用用户进行的启发性研究至关重要。该计划阐明了SSRL在不断发展的景观中的作用。
教育经济学 - Eric A. Hanushek - 斯坦福大学
全球经济条件的变化引起了公民对他们未来和社会繁荣的担忧。新的挑战不断涌现，包括自动化和数字化转型等技术变革、贸易模式的转变和全球经济紧张局势的加剧、政治两极分化和民粹主义的兴起，以及对不平等，尤其是机会不平等的日益担忧。在应对这些挑战时，人口教育不仅被视为个人和社会经济繁荣的关键组成部分，也是社会凝聚力的关键组成部分。研究支持这些观点，表明学生的教育成就为未来劳动力的技能奠定了基础，并决定了长期经济增长和未来的经济福祉（Hanushek 和 Woessmann 2015a）。尽管如此，在制定和评估计划和政策时，往往缺乏对教育系统改进的经济影响的定量评估，这增加了政治决策严重扭曲的可能性。欧洲提供了一个有趣的实验室，可以研究教育的广泛政治目标以及当前表现和潜在经济收益的巨大差异。欧盟各地学生的教育成绩存在严重缺陷，欧盟成员国学生在数学、科学和阅读成绩方面的表现差异很大。这些差异与未来劳动力的技能差异直接相关。平均成绩缺乏趋同表明，随着时间的推移，经济差距不断扩大。在关于欧洲未来的辩论中，欧盟委员会（2018a）表达了对加强欧洲教育的强烈政策兴趣。其通讯“建设更强大的欧洲”：