人工智能如何影响就业市场
导语：作为一种革命性技术，人工智能的发展与应用对经济社会发展变革的影响日益深入。在这一过程中，人工智能对就业的影响一直是社会各界关注的焦点之一。围绕这一问题，言之有理工作室采访了中国人民大学劳动人事学院院长杨伟国教授。他认为，人工智能的快速应用短期内会对就业造成一定影响，但从长远来看，其发展与应用不仅会创造更大就业空间，而且还会提高劳动者就业质量，在保障和创造就业方面发挥积极作用。
言之有理：一些人担心，人工智能的大规模应用会产生就业替代效应，减少就业岗位。对此，您怎么看？
杨伟国：人工智能的快速应用短期内的确会对就业造成一定影响。但从长远来看，以人工智能为代表的数字技术，通过在更高水平更大程度上赋能企业和劳动者来推动经济社会发展，并在这一过程中创造更大就业空间。首先，人工智能的发展推动智能化信息基础设施建设和传统基础设施智能化水平提升，并在这一过程中创造大量新就业机会。其次，人工智能的发展除了推动人工智能领域新兴产业发展、形成人工智能产业集群和创新高地，还能通过与各领域产业深度融合，大规模推动企业智能化升级，培育数据驱动、人机协同、跨界融合的智能经济形态，从而创造大量新就业机会。第三，人工智能在教育、医疗、养老、环境保护、城市治理、司法服务等领域的广泛应用，以及在准确感知、预测、预警等方面的深度应用，也会创造新的就业机会。最后，人工智能产业的发展以及人工智能技术的应用还会带动其他行业发展，既可以直接创造更多新工作机会，又可以通过促进经济增长间接创造更多就业机会，还可以从中衍生出许多新型行业而创造更多就业机会。
言之有理：除了创造更大就业空间，人工智能的发展与应用会对人们的就业质量造成什么影响？
杨伟国：人工智能的发展和应用，有助于为劳动者提供更多高质量的就业岗位，提升劳动者的创造力和成就感；帮助劳动者更加自由地安排工作、生活、学习和个人事务，不断优化调整学习方法和学习内容，以实现快速学习、高效学习，从而提高专业技能和工作效率，实现工作与生活平衡；通过人机协作赋能劳动者，帮助劳动者实现人力资本优化配置，提高劳动者的劳动自由度和舒适度。总之，人工智能可以赋能劳动者按照自身意愿以多种形式完成工作任务，帮助劳动者以最切合自身特点的方式学习新的专业技能，提高劳动者的就业质量。
言之有理：稳就业、保就业是当前统筹推进疫情防控和经济社会发展工作的重中之重，人工智能的发展与应用对稳就业、保就业起到了哪些积极作用？
杨伟国：突如其来的新冠肺炎疫情对我国经济社会发展带来前所未有的冲击，稳就业、保就业成为统筹推进疫情防控和经济社会发展工作的重中之重。在这一过程中，以人工智能为代表的数字技术显示出在保障和创造就业等方面的显著优势和巨大潜能，基于人工智能技术的新就业体系正在加速形成。比如，数字经济发展全面提速，智能化、科技型产品较快增长，远程办公、在线教育、网络问诊等快速扩张，无人零售、直播带货等新模式不断涌现，既有力支撑经济社会发展，又助力实现今年《政府工作报告》设定的就业目标任务。
言之有理：人工智能的发展与应用，从中长期看有利于扩大就业，但短期内不可避免会造成结构性失业，一部分人不适应劳动力市场需求变化。对此，应该如何应对？
杨伟国：面对人工智能的发展与应用对就业市场的影响，劳动者要做好心理准备与技能储备，相关管理和服务部门也要及时调整就业政策措施以适应科技发展进步与就业市场变化，推动实现人工智能技术发展应用与就业市场之间的协调平衡。
（言之有理工作室郑延冰编辑）
(责编：赵安妮(实习生)、李栋)分享让更多人看到
适应人工智能驱动科研新范式
当前，随着新科技革命和产业变革深入发展，人工智能技术不断突破并向科研领域广泛渗透，为科研工作注入了新元素、新动能，对科研效率提升和范式变革形成显著催化作用，现代科研活动由此更加高效、精准，“人工智能驱动的科学研究”已成为全球人工智能新前沿，必将为未来科技发展开启全新局面。
近年来，我国人工智能技术快速发展，科研数据和算力资源日益丰富，顺应新时代新趋势，利用新技术新优势，推动人工智能赋能科学研究恰逢其时、大有可为。
应用场景是新范式的孕育土壤和实训基地，人工智能技术与科学研究互动互促需要在诸多应用场景中反复实践、不断完善，随着应用范围不断拓展延伸，科研能力持续实现智慧升级。为此，以需求为牵引谋划人工智能技术应用场景，基于促进科学研究更加紧密拥抱人工智能技术，拓展人工智能技术在数学、化学、地学、材料、生物和空间科学等重大科学领域的应用。充分发挥人工智能技术在文献数据获取、实验预测、结果分析等方面的作用，围绕具有典型代表意义和辐射带动性的基础科学、应用科学领域，创造更多实战式应用场景，融合人工智能模型算法和领域数据知识，不断探索重大科学问题研究突破的新路径、新范式，持续积累可复制可推广的经验做法。
人工智能技术在科研活动应用中涉及多专业、多环节，离不开不同类型、不同链条主体机构的合理分工和有效协作。为此，要鼓励企业运用人工智能开展关键技术研发、新产品培育等科研活动，支持高校、科研院所、新型研发机构探索人工智能技术用于重大科学研究和技术开发的先进模式，培育壮大一批跨界技术转化和企业孵化机构、科研中介服务机构，探索多元主体合作协作新机制。面向重大科学问题的人工智能模型和算法创新，发展一批针对典型科研领域的“人工智能驱动的科学研究”专用平台，推动国家新一代人工智能公共算力开放创新平台建设，支持高性能计算中心与智算中心异构融合发展，鼓励各类科研主体按照分类分级原则开放科学数据。支持成立“人工智能驱动的科学研究”创新联合体，搭建国际学术交流平台。
适应性人才是新范式突破和推广的根本源泉。提高人工智能技术在科学研究领域的应用水平，既需要人工智能和相应学科的专业人才，也离不开跨领域复合型人才为跨界沟通协作提供高效支撑，这需要多渠道构筑相关人力资源引育平台和机制。为此，要多渠道培养和汇聚跨越人工智能和专业领域的复合型人才。支持更多数学、物理等科学领域的科学家、研究人员投身相关研究，鼓励普通高校、职业院校在人工智能学科专业教学中设置科技创新类专业课程，提升人工智能专业学生科研专业素养。鼓励开展相关人才培训，通过开设研修班、开展实践交流、组织专题培训等多种形式，培养一批人工智能与专业科研能力兼顾的复合型人才。鼓励地方政府、央企、行业领军企业通过“揭榜挂帅”、联合创新等方式支持相关优秀人才和科研团队开展智慧赋能科研工作。
人工智能相关岗：什么样的技能和履历在找实习工作的时候有优势
直播问答专题内容最后一期了！本期全都是面临继续读书还是直接就业的选择的。大家各有各的想法，各有各的境况，但是都是面对二选一的境地，来看看他们的选择都是什么，以及学姐是怎么给他们建议的。
本系列的其他文章：
人工智能专业有必要读博吗？怎么才能去到算法特别强的大厂？
985硕士毕业四年前端经验想转岗NLP没有工作经验怎么办？
应届毕业生没项目经验怎么填补空缺？
间歇性踌躇满志时不时陷入迷茫高频焦虑问题分析
希望大家能通过别人的经历里面，总结出自己解决问题的办法！
第一名同学基本情况：
目前是本科大四，双非保送985计算机。
Q1：请问中科院深圳先进研究院的实验室招NLP的实习生。这类实验室的实习对于以后找工作来说目标算法岗的话，简历上是否有优势呢？相较于如果去一些公司做开发实习的机会，二者孰轻孰重呐？
Q2：还有就是目标算法，但以自身目前水平可能还达不到，可以先走运维开发或开发类实习，以后研二再跳算法实习吗？这中间的技能是否能够互补呢？
A：实习岗都是做基础工作开始，你如何特别努力和厉害，后面做的事情会跟全职的一样。
先进院偏研究，但实际很多大公司的算法实习也是偏研究。
所以区别好像不大。别想着从运维、开发转算法，如果想做算法，直接从实习开始就算法。
两者之间虽然有互补，比如软件开发的相关知识技能，但本质上还是差别挺大。
第二位同学基本情况：
我是一名在土木行业工作两年的工程狗，一直期望能早点转成行，年终奖的关系最好是两个月内能拿到Offer。工作时偶然能摸鱼看会儿Python写小程序，晚上下班了自学深度学习，时间就分配的差不多了。之前学过一点数据分析后搁那了，很喜欢人工智能，但AI的工作又很难找。
Q：由于我找工作意愿很迫切，所以请问老师我是不是该慢慢学深度学习，而是去学现在最快能上岗的爬虫、数据分析，转行成功了再去学机器学习、深度学习？
A：
从数据分析入手是一个比较现实和平缓的路径，但数据分析和AI仅有部分重叠，在Python机器学习算法这个部分重叠。
数据分析向上可走算法，可走大数据分析进大数据。数据分析报课的话直接报就业课程，爬虫就别整了，需要到网上去爬数据、连自己的业务数据都攒不下来的公司，你觉得还有必要去吗？而且爬虫越来越灰色。
难一点的是从数据科学（挖掘）入手，从的机器学习算法理论、项目实战课程、打数据分析比赛入手都是不错的选择。
第三位同学基本情况：
普通一本大三生，学计算机ai相关，想大四出去找相关开发岗实习，打算工作两年再决定读研方向，但是看到很多招聘要求都需要硕士，而且一想到有很多拥有工作经验又转行报了培训班的人，竞争很大，怕出去找不到工作。
Q1：自身对nlp和cv相关课程的兴趣比之前计算机的课程的兴趣要大得多，后端和nlp，cv该如何选择？Q2：工作是在发展迅速的二线城市好还是去大城市闯一闯好？
A：我看到了太多的本科毕业的算法工程师，学历不是问题，能力才是关键。
后端、NLP、CV要求的东西有相同有不同，发展上面后两者肯定热门得多。既然你有兴趣，就去做吧。无非是知识技能、项目经验、科研成果上面的不同。
二线一线看自己选择，当然一线最好，但累、压力大。二线要选有高校聚焦、意味着大企业研发中心集中的，比如南京、成都、武汉、西安。
不是地域黑嗷！东北的省会、其他内地的省会暂时还没什么发展前途。当然如果安安稳稳地过日子，就忽略我的话吧。
第四位同学基本情况：
北京某末流985经管类研究生研三、熟悉python、c++、了解Linux、之前学过吴恩达的机器学习、深度学习、熟悉数据结构、学过某清的数据科学项目、现在面临找工作、想去做数据挖掘或者量化，但是又怕自己的水平不够。
Q：所以想问一下老师怎么规划自己的学习计划，以及怎么找工作、这种经管+ai的复合受市场欢迎吗？
A：经管+ai当然很好了，特别是金融。但金融里欢迎的是数学或者编程出色（也得热爱）+金融的人。
如果你既不热爱，自己感觉水平也一般，进去之后会有点痛苦。如果是这样，建议可以走金融数据分析师的路，你的专业和技能在应届生中倒是很有竞争力。
把SQL补一下，强化一下数据分析的专业知识，多做数据分析实战！
第五位同学基本情况：
某双非大二，智能科学与技术专业，当前目标是保研（ai方向），对于工作还没有太清楚的认识，利用暑假时间看了一遍西瓜书，推了些主流模型，但是感觉理解和记忆并不深，想着比赛实战能加深记忆，但是感觉自己只会按着老师给的代码写，并不能内化为自己的知识，目前还在跟着一个老师学习，他让我研究算法推导，能力到了就可以跟他一块做项目发论文，不过感觉自己的进度有点慢，而且学的不太好，很是焦虑，以至于有点急。
Q：所以可不可以给大二的我一些大学的规划，以及学习上的建议？谢谢老师！
A：准备得挺早的，很好。西瓜书学过了，就不太建议你再推公式了。
首先借助打比赛，你没给自己压力，去多看看开源的知名比赛的代码，我们现在不断带大家打真正的比赛，几乎每2个月一场，这个是非常锻炼实战和代码能力的。
其他：选一个方向进入paper，看paper，啃代码，复现。一个paper就是大项目。然后进实验室（如果你们学校有好的ai实验室），跟着博硕们做研究，发paper。
如果代码能力不够，无法内化为自己的知识，可以看看我以前写的这篇文章，3000字8个角度细说怎么提高代码编程能力。
直播答疑系列已经全部整理完毕了，如果你有什么想不通的，关注公众号【学姐带你玩AI】来跟学姐说说吧！
人工智能（AI）革命性提升了人类的生活质量和工作效率
作为引领第四次科技革命的颠覆性技术，人工智能（AI）当前正广泛应用于工业制造、医疗、教育、农业、科学研究和公共事业等多个领域，革命性提升了人类的生活质量和工作效率，成为驱动数字经济增长和产业升级的关键要素之一。当前的AI以物联网、大数据、智能算法等先进技术为支撑，赋“物”以智，辅助和代替人类执行多种复杂任务，不仅大幅提高了生产力水平，也对经济和社会总体发展影响深远。与此同时，AI强大的赋能作用和可观的应用前景也引得全球资本趋之若鹜。实力强大的谷歌、微软、脸书、亚马逊、苹果等科技巨头公司近年来积极布局AI基础算力、数据，算法、框架、硬件，以及应用平台和场景解决方案等全产业链，积聚了大量开发人员和用户。不仅如此，巨头们还频频出手收购领先的AI初创公司，以确保自身对突破性技术和应用的强势掌控，进而塑造了AI行业的垄断格局。以谷歌公司为例，自2007年以来，谷歌至少收购了30家AI初创公司，涵盖当前大部分主流AI应用。尽管谷歌目前还不是AI发展的绝对掌控者，但已经在很大程度上拥有了左右产业和技术总体演进方向的影响力。人们不禁要问，AI作为一项对人类发展全局举足轻重的技术，若长期仅由几家科技巨头公司主导掌控，是否符合科技向善、普惠大众的基本价值取向？AI技术垄断有可能造成哪些潜在风险？基于AI治理的维度，各国政府可以采取哪些行动？今年8月，美国塔夫茨大学弗莱彻法律与外交学院全球商业研究所主任巴斯卡·查克拉维蒂（BhaskarChakravorti）在美国《外交政策》（ForeignPolicy）杂志官网发表评论文章《科技巨头公司对AI的掌控必须受到监管》（BigTech’sStrangleholdonArtificialIntelligenceMustBeRegulated），对上述现象和问题予以解析，并提出了政策建议。巴斯卡·查克拉维蒂（BhaskarChakravorti）首先回顾了2016年全球AI产业初步兴起时的数据。当时全球关于人工智能研究、开发和收购的总金额约在260亿至390亿美元之间，其中200亿至300亿美元均来自于谷歌、微软等科技巨头公司。它们不仅在搜索、社交媒体、在线零售和应用商城中占据主导地位，还掌握着海量用户数据。近年来，美国的人工智能人才也逐渐呈现高度集中态势，亚马逊、谷歌、微软、脸书和苹果这五家公司的人工智能人才数量的中位值约为18000人，而紧随其后第六至二十四名的公司拥有人才的中位数仅为2500人，之后的公司拥有量则更少。此外，对数据和知识的分享也随之成为一个问题。例如，谷歌收购的DeepMind公司最近研发了一项可以从细胞的DNA中预测人体内每一种蛋白质结构的AI技术，这极有可能触发世界生物和医学研究的众多突破性发现。然而，科学界首先要获得谷歌的允许才可以使用DeepMind创造出的知识，用以以开展后续研究。换言之，科技巨头公司对AI技术、人才和数据的主导掌控有可能限制其他人和机构利用该项技术，甚至妨碍科技进步。与此同时，鉴于AI本身是一项对人类兼具积极和消极双重影响的新兴技术，如果仅掌握在少数巨头公司手中，缺乏公众监督和参与，将很难避免潜在的风险与负面影响。一方面，巨头公司运营的网络平台多以定向广告推送为其重要利润来源，自然会优先考虑研发有助于提升定向推送精准度的人工智能应用，且有意无意地忽略其他更具社会公益价值的技术创新。由此导致的研发投资分布不均会对AI产业整体健康发展产生不利影响。另一方面，巨头公司往往倾向于“前瞻性”收购尚处于初创阶段的AI科技公司，主要用于支持其网络平台已有产品线，但这又会抑制AI技术取得更深入创新突破的可能性。有鉴于此，巴斯卡·查克拉维蒂（BhaskarChakravorti）提出，各国都应对科技巨头公司过度掌控AI技术和产业链的问题加以规范和监管。他还建议美国政府相关决策部门尽快采取三项行动：第一，通过美国国家科学基金会等联邦研究机构大幅增加对AI的公共投资，以对冲私有资本“野蛮收购”的负面影响，维护更多样化的创新技术研发；第二，整合创建统一的AI技术治理框架，改变当前全国上下治理规则碎片化的局面，以遏制AI有害影响，并有效保护用户隐私；第三，升级现行反垄断机制。长期以来，美国政府对科技巨头公司的反垄断执法更多集中于改变它们在社交媒体、搜索、应用商店和在线零售上的压倒性控制地位，对处置技术垄断削弱数字经济市场竞争的问题重视不足。并且，政府对互联网平台更偏重事后监管的模式也不尽合理，应强化关于事前防范、过程监督的机制建设，为科技初创企业的生存发展营造良好环境。此外，政府还可考虑适当发挥反垄断执法的杠杆功能，激励科技巨头公司优先研发对全社会有益的人工智能应用，并向公众开放相关数据。互联网生态所具有的扁平化和去中心化等特点曾令不少人预期世界将变得更加平等、透明，垄断现象也会渐趋消失。然而，现实却未尽如人意。迈入数字经济时代，市场垄断问题不但没有减少，反而出现了不同于传统经济的诸多新垄断形态。众所周知，垄断将阻碍数字产业整体发展、减缓创新，最终损害用户利益。当科技巨头公司对AI的掌控渐成垄断之势，尽快在国家层面制定针对性公共政策，深刻创新AI治理与监管机制，已成为保持数字经济活力，成就可持续发展的迫切需要。