90 درصد از ساعات کاری ایالات متحده صرف کارهایی می شود که به خوبی توسط معیارهای هوش مصنوعی پوشش داده نمی شوند

هر کاشی نمایانگر یکی از 923 شغل O*NET است که نیروی کار ایالات متحده را تشکیل می دهد و در 22 خانواده شغلی گروه بندی شده است. مشاغل با توجه به سهم وظایفشان که در فهرست اولیه معیارهای هوش مصنوعی ما نشان داده شده است، سایه می زنند. یک اعلان بنچمارک را می توان به چندین کار O*NET نگاشت.

در مجموعه داده‌های ما: تنها 208 شغل از 923 شغل دارای حداقل 5 پیشنهاد معیار هستند و 6 خانواده از 22 خانواده شغلی چنین شغلی ندارند.

یافته‌های ما نشان می‌دهد که 90 درصد از ساعات کاری آمریکا صرف کارهایی می‌شود که معیارهای موجود را پوشش می‌دهد یا پوشش کمی دارد. این امر، دانستن اینکه مدل‌های هوش مصنوعی در کار آمریکایی‌ها چقدر خوب هستند، بسیار سخت می‌شود.

پوشش معیارهای موجود نیز تصادفی نیست. نقشه ما نشان می دهد که جامعه هوش مصنوعی ابتدا بر بزرگترین بازارهای کار تمرکز دارد:

هر نقطه احتمال تخمینی را نشان می دهد که یک کار O*NET با یک برچسب در معرض AI معین متعلق به یک شغل با صورتحساب دستمزد معین، حداقل با 5 فرمان در شاخص معیار ما پوشش داده شود. تگ های نوردهی هوش مصنوعی باینری هستند و از Eloundou و همکارانشان می آیند. (2023). صورت‌حساب‌های دستمزد شغلی از تخمین‌های BLS از میانگین دستمزد و تعداد آمریکایی‌هایی که در هر شغل کار می‌کنند، با فرض 40 ساعت کار در هفته محاسبه می‌شوند. احتمالات پوشش تخمینی از یک رگرسیون لجستیک در سطح وظیفه از احتمال پوشش در مواجهه با هوش مصنوعی و صورتحساب دستمزد شغلی ثبت می شود.

نوارهای خطا، فاصله‌های اطمینان 95 درصدی روش دلتا بر اساس خطاهای استاندارد هستند که در سطح گروه شغلی خوشه‌بندی شده‌اند.

به عنوان مثال، معیارها در فهرست اولیه ما به شدت وظایف وکلایی که در معرض هوش مصنوعی قرار دارند را پوشش می‌دهند، اما به سختی هیچ یک از وظایف O*NET منشی‌های حقوقی یا منشی‌های دادگاهی که مشابه هوش مصنوعی هستند را پوشش می‌دهند. دم بلند مشاغل دانشی کوچکتر و با درآمد متوسط ​​پنهان به نظر می رسد.

همانطور که ما پوشش خود را از قابلیت های مدل در سراسر اقتصاد ایجاد می کنیم، امیدواریم که هم ظاهر شویم و هم به پر کردن شکاف های بیشتری در درک خود از آنچه مدل ها می توانند انجام دهند کمک کنیم.