Feixiang.com（Sun Yingxin/Text）在当前的工作市场中有一个令人难以置信的现象：在一侧，Dongguan工厂的机器人手臂围绕着不断旋转，而集会中的旧大师则深入思考，因为他看着“ 35岁以下的Security Guard招聘35岁的安全后卫”。另一方面，灯光整夜在杭州西部的AI实验室中，HR放弃了屏幕上“智能NLP算法”招聘的要求，隔壁的咖啡馆的服务员与一群年轻人一起讨论了“培训者证书的大型培训师证书”。他们可能正在分享上个月逃脱的经验。当Chatgpt撰写第一个新闻稿时，有些人惊讶地说“文科学生会去雇用”，但是在特定的媒体切断了三分之一的编辑之后，他们发现其余的职位需要多功能的玩家，这些参与者可以“使数据可视化”并运行简短的视频”，提交的简历中充满了毕业生，他们知道如何写八尾论文；另一方面，只有每月的“牛和马”工作所取代，每月的薪水为几千人民币，甚至更少。广告的广告。耐心比玩游戏的首席专家Cai Fang是一名中国社会科学学院的学者，他长期以来一直是学生人工智能，并且是工作结构中的数字经济，尤其是对Trabaho的效果，我们不应介绍“最终的官能”。真理，深入研究新的矛盾在人工智能期间工作。影响特征：人工智能如何重塑技术变化的技术重复的“加速度”和“无处不在”是AI变化的振兴的关键特征。人工智能和传统技术之间的重要区别在于能力和跨域加强的特征。在历史的背景下，从1770年的“人工智能”概念出现到1950年的图灵理论持续了180年。从击败国际象棋冠军（1997年）到击败GO Champion（2016）的19年;从Chatgpt（2022）到各种大型语言模型的爆发仅需1年。这种“指数加速”背后是通过数字技术革命减少反复试验的成本：例如，基因编辑技术可以通过算法模仿无尽的迭代，这些算法进一步超过传统出生模型的“年周期”试验和错误模型。更重要的是，人工智能已从替代手动劳动阵地（例如制造运营商）转变为渗透高智能位置（例如代码写作，数据审查）。投资大量资源来开发AI的企业的主要目标是减少Labordyanic Investment，这取得了劳动生产力的飞跃。这种“效率的效率”取向不可避免地会对工作市场产生系统的影响。以下是工作更换和创建之间的“时差”和“结构不匹配”。传统经济认为“技术破坏了工作，但最终创造了很多工作”，但是这个结论忽略了这两个主要矛盾：时间和技能。不对称时间：机器更换工人“立即完成”（例如在生产线上引入机器人），而新的工作创建需要长期的“扩散tec”“重建 - re -construction -匹配的HNOLOGY”。以美国为例。在替换了Paautomation的工作后，持续了数十年来，低端工人持续到低端服务中，同时取代那些从劳动力市场中撤出的人，同时又有劳动者的工作人员：仅由劳动者来雇用。技能可能会导致技术效率很长时间，因为他们的工作不足，因此被迫接受较低的工资（例如从制造业到餐饮服务的转移），从而促进劳动力市场的两极分化。搜索信息，维修熟练随着AI的加速，LS，薪水对话和其他链接加速了这一过程：技巧可以迅速转向新职位，而低技能的人则陷入了中国工作市场的“失业”变化，中国正面临着通常的事实：社会的积累，社会的积累，社会的积累和变化是不可避免的，但会变得不可行，但会变得不可行，但会变得不可避免地是一种挑战。数据表明，自2012年以来，我国家的年龄长达12年的年龄一直为阴性，而60多个人口比例已达到20.8％（2023年），迫使企业通过“机械替代者”来应对劳动力短缺。在制造业中，这种趋势尤为明显：在过去的十年中，GDP增加的制造价值的比例已从32％下降到27％，而且工作数量相应减少。在制造业出来的劳动力中，有些人返回城镇从事农业或自我企业业务，其中大多数流入服务行业。但是，服务行业的制造业的一般生产率（约60％的制造业餐厅）很难支持工资水平，从而导致城市内收入间隔的扩大（按Thiel Index衡量，城市收入间隔将在2020年以后显示上升趋势）。同时，非单位工作的规模增加了：全国范围内的非单位工作人数达到3.1亿，约2亿就业人事人员，以及近1亿名新工作表（例如在线驾驶员和快递员乘车）的工人。尽管这些工作形式减轻了缺乏工作的压力，但存在常见问题，例如侵犯权利和利益的社会保障和弱点不足。目前，如果我们想参考国际理论和经验，那将吸引我们的眼睛：“ Assimogru事实”驱动器n通过衰老。麻省理工学院教授达伦·阿西米格鲁（Daron Assimogru）的研究揭示了三个基本事实。较旧的积累是自动化的新驱动力：日本和韩国在积累中有严重的国家，机器人密度（每10,000人安装）在顶级世界中排名。劳动力缺乏促进了劳动力成本，迫使企业采用自动化技术来产生“积累→劳动力不足→机械替代”的原因。双重收入间隔的扩张：自动化不仅增加了资本收入（例如公司收入），而且还扩大了技能和低技能的人之间的收入差距。美国的数据显示，从1980年到2020年，高收入组前10％的收入间隔和低收入组为2.3倍的低收入群体的50％，部分原因是替换了低技能的技术职位。 AI应用程序的“可选价值”：AI可以直接通往“提高生产率”或“改善服务经验）的不同路径例如。对于平均社会，深度的冲突：“工作数量增加，但质量下降的衰落”。ompetition between people" to "a synergy between people and AI". The traditional human standard of human capital measured by "years of education" is gradually ineffective, and the basic skills need to turn to three dimensions: non-cognitive capabilities: emotional intelligence, communication capabilities, empathy, creativity, and other abilities that are difficult to encode algorithms. PinakakitA Molawik Paradox says AI is good at logical reasoning （下棋），但是很难完成“自然活动”，例如对3岁儿童的防水，因为他们依靠人类进化而开发的知识来研究生活的能力：从“十级”中缩短了“十级”，而整个生命周期的研究都涵盖了“涵盖了成年儿童的研究”。 25％-40％，aS这个阶段奠定了非认知基础。教育资源的重新分配：基于维持GDP 4％的公共教育支出，将我们倾斜到教育学前教育（例如三年的免费儿童保育人口）和职业教育，以缩小城市和乡村之间的数字鸿沟，并防止“技术股息”以加重教育。当然，培养资源的能力和分配与系统保证不可分割。因此，机构的变革，尤其是在AI期间的净安全工作的发展，已成为紧迫的任务。我们将建立以下三种机构保证。包容性的社会保障系统：留下传统的思想，即“认识懒人”，然后转向“保证 +通用”模型。例如，包括灵活的就业人员失业保险，探索“基本收入保证”的试点项目，以确保在在技​​术影响下的社会线。这符合“瓦格纳法则” - 在经济发展中，政府社会支出的比例需要相应增加。改变劳动力市场系统：对于新的工作表格，建立“共享平台共享”机制（例如平台和政府将为工人带来社会保障付款），改善集体咨询系统，并保护演出工人的定价权利。同时，加强劳动法，并阻碍新的剥削类型，例如“算法歧视”和“隐式加班”。宏观经济政策的重点发生了变化：传统的宏观经济政策致力于解决失业失业率（例如在Epidemya的影响下暂时消失），但目前需要专注于失业结构。通过工业政策，AI被指导适用于教育，医疗，医疗服务等“高社会领域”以及对老年人的保护，例如开发辅助诊断AI以增加主要医疗服务的供应，而不是取代医务人员。从未来的角度来看：重建与人工智能技术变革的道德规范的最终挑战是迫使人们重新思考“工作意义”。凯恩斯（Keynes）在1930年预言了“一百年后每周工作15个小时”，这接近了一些西欧国家（因为德国-34小时的德国平均工作时间为每周34小时），但通常超过40小时。后面的是技术红利的分配与选择社会价值之间的区别。有时，马克思认为，在具有高度发展生产力的共产主义社会中，劳动将从“自由和有意识的 - 托”活动中的“含义”变化：人们可以在早上旋转，下午钓鱼，晚上进行动物的婚姻，“今天，AI加速了这种愿景的可能性：当技术进行基本的制造材料时，人们将有更多的空间来追求创造性的劳动和自我实现。CAIFang相信实现这一目标所需的需要确保通过机构的社交方式来确保技术的社交范围。社会选择。 “我们需要在效率和公平，技术变革和人文护理之间寻求平衡，以便人工智能可以成为扩大工作机会并增强劳动尊严的工具，而不是增加收入的驱动力。既是挑战和机会。ULD找不到新船，而其他人则盯着新路线，但没有导航图表。当机器人手臂开始编程机器人臂时，当算法开始优化算法时，那些没有时间重新定义自己的人站在时代的交叉点上，观看两侧的路标，并带有“删除”和“变化”，“启动”，恢复手中的恢复就像黄色的映射一样。如果要在AI中获胜或避免AI潮汐，则可以自己选择。