发生了什么
Google 为其人工智能与经济 ATLAS 数据集推出了全新的交互式、开放访问体验，允许用户按职业和国家探索全球人工智能采用率。与此同时，Google、Google DeepMind 和 MIT FutureTech 发布了新研究，基于 2,600 个专门模型以及对美国和英国 600 多名科学家的调查，分析了科学家如何使用人工智能。
Google 宣布为其人工智能与经济 ATLAS 项目推出全新的交互式、开放访问体验。该平台允许用户探索数百万个有关人工智能使用的全球数据点，包括电工和采购经理等特定职业的采用率，以及国家级的采用趋势和家庭使用模式。
与此同时，Google、Google DeepMind 和 MIT FutureTech 发表了基于 ATLAS 数据的新研究。该研究分析了 2,600 个专门的 AI 模型，并对美国和英国的 600 多名科学家进行了调查。它利用 MIT FutureTech 的新分类法来绘制科学任务和 AI 使用模式。
研究发现，科学家使用人工智能的比例高于许多其他职业，其中近一半的人每天都使用某种形式的人工智能。该研究区分了诸如 Gemini 之类的大型语言模型 (LLM) 和专门的人工智能模型的使用，前者广泛应用于各个领域，后者在健康和生命科学领域更常见，用于特定领域的预测和模拟任务。
研究报告称，科学家使用人工智能每周可以节省不到 7 个小时。然而，它指出，由于验证人工智能输出所需的大量时间、未经检验的假设的积压增加以及物理实验和临床验证的瓶颈，节省的时间并不会立即转化为新的发现。
为什么这很重要
该版本提供了关于人工智能如何重塑劳动力市场和科学工作流程的具体、细致的数据，超越了通用的采用指标，转向了特定的职业和任务级别的见解。它强调，虽然人工智能每周为科学家节省近七个小时，但它在验证和实验方面造成了新的瓶颈，这表明生产力的提高需要重新设计工作流程而不仅仅是采用工具。这为组织和政策制定者了解人工智能集成对现实世界的经济和运营影响提供了一个实用的框架。
该新闻稿提供了人工智能对全球经济影响的详细、数据驱动的观点，特别强调了不同职业和地区如何采用该技术。这种粒度对于理解人工智能的好处和挑战在整个劳动力市场的分布不均至关重要。
关于科学工作流程的发现为人工智能的“生产力悖论”提供了重要的见解。虽然人工智能加速了某些任务，但它在验证和实验中引入了新的摩擦点。这表明组织必须重新设计其流程以充分发挥人工智能的潜力，而不是简单地在现有工作流程中添加工具。
Google、Google DeepMind 和 MIT FutureTech 之间的合作为研究结果提供了学术可信度，使其成为研究人员、政策制定者和行业领导者寻求了解人工智能集成在高风险、知识密集型领域的实际影响的宝贵资源。
互动机制：它实际上是如何运作的
以交互方式探索这一发展背后的基础技术。
crm_get_transaction(id='4092').A route planner searches possible journeys using explicit rules. What does this illustrate about AI?
接下来看什么
监控其他行业如何采用类似的人工智能工作流程重新设计来解决验证瓶颈。敬请关注 ATLAS 项目的后续研究，这些研究已从科学领域扩展到其他专业领域。观察开放获取数据是否会带来有关人工智能劳动力市场影响的独立学术分析或政策建议。
ATLAS 项目未来将扩展至更多行业和地理区域，从而提供更全面的全球人工智能采用情况。
独立学术研究利用新发布的开放获取 ATLAS 数据来验证或挑战 Google 关于人工智能经济影响的发现。
行业对科学工作流程中已发现的瓶颈的反应，特别是组织如何重组其研究流程以更好地整合人工智能验证和实验。