Google發布新的人工智慧與經濟ATLAS數據與研究

發生了什麼事

Google 為其人工智慧與經濟 ATLAS 資料集推出了全新的互動式、開放式存取體驗，讓使用者可以按職業和國家探索全球人工智慧採用率。同時，Google、Google DeepMind 和 MIT FutureTech 發布了新研究，基於 2,600 個專門模型以及對美國和英國 600 多名科學家的調查，分析了科學家如何使用人工智慧。

Google 宣佈為其人工智慧與經濟 ATLAS 專案推出全新的互動式、開放式存取體驗。該平台允許用戶探索數百萬個有關人工智慧使用的全球數據點，包括電工和採購經理等特定職業的採用率，以及國家級的採用趨勢和家庭使用模式。

同時，Google、Google DeepMind 和 MIT FutureTech 發表了基於 ATLAS 數據的新研究。該研究分析了 2,600 個專門的 AI 模型，並對美國和英國的 600 多名科學家進行了調查。它利用 MIT FutureTech 的新分類法來繪製科學任務和 AI 使用模式。

研究發現，科學家使用人工智慧的比例高於許多其他職業，其中近一半的人每天都使用某種形式的人工智慧。該研究區分了諸如 Gemini 之類的大型語言模型 (LLM) 和專門的人工智慧模型的使用，前者廣泛應用於各個領域，後者在健康和生命科學領域更常見，用於特定領域的預測和模擬任務。

研究報告稱，科學家使用人工智慧每周可以節省不到 7 小時。然而，它指出，由於驗證人工智慧輸出所需的大量時間、未經檢驗的假設的積壓增加以及物理實驗和臨床驗證的瓶頸，節省的時間並不會立即轉化為新的發現。

來源詳情: blog.google ↗

為什麼這很重要

此版本提供了關於人工智慧如何重塑勞動力市場和科學工作流程的具體、細緻的數據，超越了通用的採用指標，轉向了特定的職業和任務層級的見解。它強調，雖然人工智慧每週為科學家節省近七個小時，但它在驗證和實驗方面造成了新的瓶頸，這表明生產力的提高需要重新設計工作流程而不僅僅是採用工具。這為組織和政策制定者了解人工智慧整合對現實世界的經濟和營運影響提供了一個實用的框架。

新聞稿提供了人工智慧對全球經濟影響的詳細、數據驅動的觀點，特別強調了不同職業和地區如何採用該技術。這種粒度對於理解人工智慧的好處和挑戰在整個勞動市場的分佈不均至關重要。

關於科學工作流程的發現為人工智慧的「生產力悖論」提供了重要的見解。雖然人工智慧加速了某些任務，但它在驗證和實驗中引入了新的摩擦點。這表明組織必須重新設計其流程以充分發揮人工智慧的潛力，而不是簡單地在現有工作流程中添加工具。

Google、Google DeepMind 和 MIT FutureTech 之間的合作為研究結果提供了學術可信度，使其成為研究人員、政策制定者和行業領導者尋求了解人工智慧整合在高風險、知識密集型領域的實際影響的寶貴資源。

接下來看什麼

監控其他產業如何採用類似的人工智慧工作流程重新設計來解決驗證瓶頸。請關注 ATLAS 計畫的後續研究，這些研究已從科學領域擴展到其他專業領域。觀察開放取用資料是否會帶來有關人工智慧勞動力市場影響的獨立學術分析或政策建議。

ATLAS 計畫未來將擴展至更多產業和地理區域，從而提供更全面的全球人工智慧採用。

獨立學術研究利用新發布的開放取用 ATLAS 數據來驗證或挑戰 Google 關於人工智慧經濟影響的發現。

業界對科學工作流程中已發現的瓶頸的反應，特別是組織如何重組其研究流程以更好地整合人工智慧驗證和實驗。

相關指引和測驗