当前位置: 首页 > article >正文

大模型持续影响劳动力市场,普通人如何抢占风口?

今年,有多少人开始进行“AI补课”?AI写作、AI数字人等技能学习进入职场人视野,白天上班、晚上埋头学AI的年轻人不在少数。眼下,大环境不确定因素环绕,以AI为代表的新质生产力变革高歌猛进,环境波动与技术迭代给职场人带来双重挑战。敏锐的职场人早早开始拥抱新趋势,主动学习新技术。

AI大模型究竟给职场带来了哪些震动?普通人又怎样在这场春潮大浪中破局求进,成为企业不可替代的关键角色?今年正在举办的中国国际服务贸易交易会上,北京大学国家发展研究院联合智联招聘发布了《AI大模型对我国劳动力市场潜在影响研究:2024》(以下简称“报告”),北京大学国家发展研究院助理教授胡佳胤莅临现场并进行了报告解读。报告中的洞察和结论,能够为我们带来一些启发。

北京大学国家发展研究院助理教授胡佳胤现场发布报告

“入坑”大模型?先让自己成为“实力咖”

作为近两年横扫全球的一场“飓风”,大模型领域可谓十分“豪横”。去年,业内一度传出了“10万月薪抢人”的消息,无数打工人疯狂心动。一年过去,“风力”未减,报告显示,2024年上半年,招聘职位数同比增速前五的人工智能职业中,大语言模型领域的自然语言处理岗位排名首位,同比增速达111%,深度学习岗以61%位列第三。同时,今年上半年,这两大岗位也分别以24007元、26279元的平均招聘月薪在人工智能行业中位居前列。

虽然需求增长快、薪资待遇高,但这些岗位“高技术属性”强烈,想“入坑”并不容易。报告发现,自然语言处理和深度学习岗位对求职者的学历和经验要求均较高,且在进一步提高。求职者若打算投身大模型领域,学历深造势在必行,经验积累不可或缺。而对外行人而言,大模型“黄金岗位”的门槛委实不低,短时间进入难度较大,不如守好“既有阵地”,在大模型的催动下蝶变一个全新的自我。

重塑能力模型,成为岗位上的“不可替代”

AI技术给传统岗位带来的变革是划时代且长期演进的。2022年,大模型初掀狂潮,不少岗位被打了个措手不及。报告显示,2022年,编辑/翻译、客服/运营、销售/商务拓展等白领岗位的“大语言模型影响指数”1位列前三,生产制造、物流/采购/供应链、生活服务等蓝领岗位受到的影响则相对较小。一个值得关注的“信号”是,企业已经迅速对部分职业的工作内容进行调整,例如,客服/运营、软件/硬件研发的指数分别为0.75、0.65,比2022年分别下降0.04、0.07。说明其职业内部易受大模型影响的工作内容在减少。研发、运营常见于互联网行业,而互联网是处在技术发展前沿、不断创新变化的行业,因此对于大模型技术的接受和应用也更快,在相关岗位的招聘上更快做出调整。这提醒从业者要积极进行技能的更新。

数据显示,“大语言模型影响指数”高的职业,招聘占比的确呈下降趋势,说明职场人不能掉以轻心。从报告来看,影响指数越高的职业,2022-2024年间招聘量占比下降幅度越大,如客服/运营、销售/商务拓展,今年上半年的岗位数量占比分别较2022年下降2个、5个百分点以上,即使是“技术流”的软件/硬件研发,降幅也超过了1个百分点。

不仅如此,影响指数高的岗位,招聘门槛也在悄然提高。以往对学历要求较为宽松的编辑/翻译、客服/运营、销售/商务拓展等岗位,开始更多地要求本科及以上学历,今年上半年,提出这一要求的职位比例均较2022年提高1-4个百分点。经验要求亦是如此,三年以上工作经验被越来越多地写进“任职要求”中。

种种变化都提醒我们,在AI时代,原地踏步的人将感受到更大的“威胁”。然而在一些风口浪尖的岗位上,身处其中的人们似乎还没有做好准备。软件/硬件研发、运维/测试两大影响指数较高的职业,今年上半年较2022年的招聘职位数占比下降,但投递人数占比却都出现0.5个百分点左右的增长,呈现出明显的滞后性。这一方面是因为人们学习新技能需要时间,另一方面则可能由于信息闭塞,没有及时获取市场需求变化趋势。

供给端调整的滞后性是市场规律,但也给我们提供了抢先出发的契机。职场人在关注就业市场变化趋势的同时,尽早学习使用AI工具,并强化大模型无法替代的软技能,如创造力、沟通能力、组织协调能力等,驱使AI,才能拥抱AI。

城市AI发展水平各异,职场人奔赴需先知先觉

AI重塑职场人的眼界和能力,不过身处不同城市的人,感受到的“AI能量”不尽相同。由于产业基础、技术能力和人才资源的差异,不同城市在AI发展道路上处于不同阶段,职场中的AI渗透深浅不一。报告显示,一线城市、省会城市的人工智能发展水平更高,北京、深圳、上海、广州、杭州领衔全国。

作为全国城市翘楚,北京产业基础深厚,上半年人工智能相关岗位数量占比和投递占比均居全国首位。北京还拥有全国最多的人工智能专利数量,加之科研机构、企业在AI技术研发上的大手笔投入,城市的AI创新能力十分出众。此外,数量居首的高校数量和顶尖学府的汇聚,也让北京成为AI人才培养高地,产业发展后劲强劲。杭州是非一线城市中的“AI榜样”,良好的政策支持、开放的创新环境、活跃的创业氛围和强大的产业基础,吸引了大量科技企业和研发机构集聚,创新成果卓著。2023年,杭州人工智能相关的专利申请数量超8千个,位居全国第四。

城市的AI发展水平影响着人们追潮的觉悟和脚步,众多在AI发展水平高的城市中打拼的职场人更多地选择了主动出击。打算在这些城市发展的职场人,要做好准备加入这场“AI学习竞赛”,也要不断提升专业技能和创新思维,积极适应AI驱动的未来职场。

AI浪潮中,任何职场人都不会是旁观者。智联招聘继去年之后再次洞察AI大模型对劳动力市场的影响,与时俱进地助职场人扫清视野、掌握趋势。无论投身大模型领域,还是在其他岗位上努力成为“不可替代”的职场人,面对惊涛骇浪的技术变革,唯有学习、适应,才能以“时代主人”的身份,拥有属于自己的“新质生产力”。

1__首先,课题组结合生成式人工智能技术,为2087个标准化的“详细工作任务(DWA)”(来自美国https://www.onetonline.org/网站) 被大语言模型人工智能所影响的程度进行评分。其次,课题组利用机器学习算法,将去除隐私信息后、脱敏的招聘岗位信息拆分并与2087个详细工作内容(DWA)建立对照。一个招聘岗位通常会对应若干个DWA,并在对照的过程为每一个DWA赋予权重。通过加权平均,每一个招聘岗位会获得一个大语言模型人工智影响程度评分。最后,课题组根据每一个职业下的众多招聘岗位,计算出该职业对应的大语言模型人工智能影响程度评分。

随着大模型的持续爆火,各行各业都在开发搭建属于自己企业的私有化大模型,那么势必会需要大量大模型人才,同时也会带来大批量的岗位?“雷军曾说过:站在风口,猪都能飞起来”可以说现在大模型就是当下风口,是一个可以改变自身的机会,就看我们能不能抓住了。

那么,我们该如何学习大模型?

作为一名热心肠的互联网老兵,我决定把宝贵的AI知识分享给大家。 至于能学习到多少就看你的学习毅力和能力了 。我已将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

一、大模型全套的学习路线

学习大型人工智能模型,如GPT-3、BERT或任何其他先进的神经网络模型,需要系统的方法和持续的努力。既然要系统的学习大模型,那么学习路线是必不可少的,下面的这份路线能帮助你快速梳理知识,形成自己的体系。

L1级别:AI大模型时代的华丽登场

L2级别:AI大模型API应用开发工程

L3级别:大模型应用架构进阶实践

L4级别:大模型微调与私有化部署

一般掌握到第四个级别,市场上大多数岗位都是可以胜任,但要还不是天花板,天花板级别要求更加严格,对于算法和实战是非常苛刻的。建议普通人掌握到L4级别即可。

以上的AI大模型学习路线,不知道为什么发出来就有点糊,高清版可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费

二、640套AI大模型报告合集

这套包含640份报告的合集,涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师,还是对AI大模型感兴趣的爱好者,这套报告合集都将为您提供宝贵的信息和启示。

img

三、大模型经典PDF籍

随着人工智能技术的飞速发展,AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型,如GPT-3、BERT、XLNet等,以其强大的语言理解和生成能力,正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。

img

四、AI大模型商业化落地方案

img

以上的AI大模型学习资料,都已上传至CSDN,需要的小伙伴可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费

作为普通人,入局大模型时代需要持续学习和实践,不断提高自己的技能和认知水平,同时也需要有责任感和伦理意识,为人工智能的健康发展贡献力量。


http://www.kler.cn/news/309813.html

相关文章:

  • Redis网络模型、通信协议、内存回收
  • 2023 hnust 湖科大 毕业实习 报告+实习鉴定表
  • Leetcode—合并两个有序数组
  • 二叉搜索树(Java实现)
  • fastjson2 解决long类型带L尾缀的value
  • 【web前端】数组array、集合set、字典map、对象object、字符串string常见方法合集
  • 文件操作
  • OrionX GPU算力池助力AI OCR场景应用
  • git 更换远程地址的方法
  • [产品管理-15]:NPDP新产品开发 - 13 - 产品创新流程 - 具体产品的创新流程:精益生产与敏捷开发
  • 传感技术是如何实现实时监测和控制的呢
  • Flume:大规模日志收集与数据传输的利器
  • JAVA_15
  • 兰花种类识别系统源码分享
  • 【渗透测试】——Upload靶场实战(1-5关)
  • 怎么使用nginx把80端口代理到想要的端口?
  • 中、美、德、日制造业理念差异
  • C++学习笔记(19)
  • vue3路由基本使用
  • 283. 移动零(快慢指针)
  • Linux权限理解【Shell的理解】【linux权限的概念、管理、切换】【粘滞位理解】
  • 零基础考过软考信息系统项目管理师经验分享
  • H5依赖安装
  • 一、(JS)JS中鼠标事件-mouseenter、mouseleave和mouseover、mouseout区别
  • 使用Redis实现用户关注博客的推模式
  • Go 交叉编译
  • Jenkins部署若依项目
  • 开源 AI 智能名片 S2B2C 商城小程序中的全渠道供应策略
  • 深度学习张量变换操作利器 einops 基础实践
  • 消息中间件有哪些常见类型