讓人驚訝的是，此次裁員只是硅谷冰山一角。自去年底，一波裁員潮席卷了硅谷互聯(lián)網(wǎng)，Twitter、Meta、Netflix、Stripe等巨頭都裁掉了成千上萬員工。根據(jù)Layoffs.fyi網(wǎng)站估計，不景氣的科技行業(yè)雇主在2022年總共裁撤了逾15萬個工作崗位。如此慘烈一幕，前所未有。亞馬遜，這家電商巨頭經(jīng)歷過因為疫情促使的短暫繁榮，又不得不因為疫情的平復(fù)而“打回原形”。

　　在加上那么多的無人售貨商超，都是利用人工智能技術(shù)，原有的那么多員工也就沒有了存在的價值了。而這種情況不僅僅出現(xiàn)在世界第一發(fā)達(dá)的國家，其他發(fā)達(dá)國家也逐漸受到人工智能技術(shù)的影響。

　　李彥宏稱，與深度學(xué)習(xí)相關(guān)的重大創(chuàng)新，包括自動駕駛，也包括水、電等能源領(lǐng)域的智能調(diào)度系統(tǒng)。它們的應(yīng)用會像汽車、互聯(lián)網(wǎng)這些發(fā)明一樣，產(chǎn)生重大社會影響，是重大創(chuàng)新。

　　李彥宏還提出實現(xiàn)創(chuàng)新的路徑，他認(rèn)為：“創(chuàng)新不是閉門造車，是你有機會進(jìn)入市場，不斷獲得用戶和客戶的反饋，摸著‘反饋’過河才能實現(xiàn)的?！睂嶋H上，這并不是李彥宏第一次提及“反饋對創(chuàng)新的作用”。在2022年10月公司內(nèi)部總監(jiān)會上，李彥宏要求各個業(yè)務(wù)“閉環(huán)化”思考問題，如果每一層之間都有反饋，借助反饋，就可以實現(xiàn)端到端的優(yōu)化。

　　百度已在人工智能技術(shù)領(lǐng)域開展全棧布局。李彥宏介紹，百度所做的事情分為四層——芯片層、框架層、模型層和應(yīng)用層。從高端芯片昆侖，到飛槳深度學(xué)習(xí)框架，再到文心預(yù)訓(xùn)練大模型，各個層面都有關(guān)鍵自研技術(shù)。他表示：“這個技術(shù)架構(gòu)，越往下越通用，越往上越專用。更通用，意味著不斷降低行業(yè)使用技術(shù)的門檻;更專用，則是深入產(chǎn)業(yè)去深化應(yīng)用?！?/p>

　　電影《大都會》中的AI并不是人，但它們會模仿人類，其實這時候的AI技術(shù)并不成熟，他們實際上只是科技的化身，因此雖然他們竭盡所能的去模仿我們，但是最終呈現(xiàn)出來的效果是很不理想的，所以這樣的AI對我們根本造不成威脅。

　　不過這時候的AI對于我們來說只是一種工具，它跟其他科技也是沒有區(qū)別的，我們很難想象他們會有自我意識的那一天。但是電影《太空漫游》中所呈現(xiàn)的AI卻顛覆了大家的認(rèn)知，因為在我們的固有想象中AI是不可能跟人類交流的，但事實確實它們的確可以，雖然看不見，但是他們能夠模仿人類的邏輯與人類進(jìn)行正常的對話，所以他們也會有反抗的那一天。

　　時代發(fā)展至今，其實我們現(xiàn)在的AI技術(shù)已經(jīng)非常成熟了，比如我們的手機智能，我們可以隨時隨地和他們對話，雖然目前還不能做到像人一樣，但是未來一切都是有可能的，就像電影里給我們呈現(xiàn)的那樣，未來他們可能也有屬于自己的意識，雖然是人類創(chuàng)造的產(chǎn)品，但他們也可能脫離人類，產(chǎn)生與人一樣的思想。

　　重視對傳統(tǒng)產(chǎn)業(yè)工人技術(shù)技能升級培訓(xùn)和轉(zhuǎn)崗轉(zhuǎn)業(yè)培訓(xùn)，使其具備人機協(xié)作能力。目前人工智能指標(biāo)的選取缺乏統(tǒng)一的規(guī)范標(biāo)準(zhǔn)，考慮到數(shù)據(jù)的可得性，該指標(biāo)不能完全代表人工智能發(fā)展水平，存在估計誤差。

　　本文通過引入虛擬變量的方式分析人工智能對就不同地區(qū)就業(yè)技能結(jié)構(gòu)的影響差異，僅用隨機效應(yīng)模型檢驗存在局限性，無法判別個體效應(yīng)和自變量之間的相關(guān)性。本文僅對人工智能這個核心解釋變量進(jìn)行地區(qū)差異性分析，缺少對其他控制變量的差異性分析。完善人工智能指標(biāo)。

　　人工智能發(fā)展迅速，在人工智能相關(guān)領(lǐng)域的逐漸發(fā)展下，人工智能指標(biāo)將不斷完善，使得后續(xù)實證研究更具有科學(xué)性。接下來的研究中，將考慮去掉虛擬變量，采用變系數(shù)模型或空間面板模型分析人工智能對就業(yè)技能結(jié)構(gòu)的影響，并對個體效應(yīng)和自變量之間的相關(guān)性進(jìn)行判別。通過改變定量分析方法，分析控制變量影響的地區(qū)差異性。