Local EPUB Text
这些研究忽略了什么
我尊敬做出以上预测的经济学家的专业水平，但我并不认可OECD团队的预测。这种差异源于两种分歧：一是输入的数据，二是我对人工智能改变就业市场的设想。
我对输入数据不认同，原因是他们用2013年人工智能的技术水平来评估未来。经过了5年，机器学习的准确性和能力已有重大进步。当时，极少有专家能够预测到深度学习会发展得如此出色、如此快速。这些令人意想不到的巨大进步，扩展了人工智能在真实世界应用的可能，也增加了对就业率的影响。
例如在ImageNet图像识别算法大赛中，我们就可以看到明显的进步。在这场竞赛中，各个团队需要提交不同的算法，在成百上千万张不同的图片中，识别几千种不同的对象：鸟、棒球、螺丝刀和清真寺。它很快成为最受推崇的图像识别算法大赛，同时也成了人工智能计算机视觉领域进步的公认标杆。当牛津机器学习专家在2013年年初预测技术能力时，深度学习才第一次出现在刚结束的2012年ImageNet大赛。那一届比赛，杰弗里·辛顿的团队利用深度学习技术实现了低至16%的错误率创下了新纪录，之前从未有团队达到过错误率在25%以下的水平。但到了2017年，几乎所有团队都能将错误率降到5%以下。
另外，人工智能的巨大进步并不局限于计算机视觉领域，比如在语音识别、机器阅读和机器翻译领域，新算法也在不断创造纪录和打破纪录。总体而言，这些技术进步和新兴应用让我倾向于采用“工作任务分析法”得出的预测上限。