资讯来自网络；原创 AgrEconLab AgrEconLab 广东

来源：哥伦比亚大学 可持续发展研究中心，

【核心观点】

AI对未来工作的影响：AI的发展将极大地提升生产力，但也可能导致传统岗位的自动化消失，并创造新的就业机会。未来的工作将需要更多AI相关技能，同时也可能带来收入分配的不平等。高收入国家和新兴市场及发展中经济体（EMDEs）将面临不同的挑战：前者主要面临技术失业、技能错配和伦理问题，后者则面临资源不足、数据缺乏、人才短缺等更为严峻的挑战。EMDEs大学在利用AI方面面临的挑战：EMDEs的大学在利用AI时面临资源和基础设施不足、数据可用性有限、人才短缺以及语言和文化偏见等问题，这限制了其在AI研究和应用上的发展。为学生准备AI主导的工作环境：EMDEs的大学需要通过更新课程、加强教师培训、培养学生的AI技能和适应能力，以及加强全球合作来为学生准备未来的AI工作环境。此外，还需要考虑文化适应性和包容性，确保不同地区的学生都能公平地获得AI教育。

一、AI对未来工作的影响及其挑战

人工智能（AI）的快速发展正在深刻地改变着全球的就业格局，对高收入国家（HICs）和新兴市场及发展中经济体（EMDEs）都带来了机遇和挑战，但由于资源、技术和经济结构的差异，两者面临的具体挑战有所不同。

AI 对未来工作的影响：生产力提升:AI工具可以显著提高某些行业的生产力，并大幅提升能够使用 AI 工具作为“副驾驶”的员工的工作表现。这意味着通过与 AI 协同工作，人们能够更高效地完成任务，从而带来前所未有的生产力提升。工作岗位变化:AI的发展会导致一些传统工作岗位被自动化取代，但同时也会创造出新的就业机会，特别是在 AI 开发、维护、伦理和社会影响评估等领域。 这意味着劳动力市场将经历结构性转变，需要不断适应新的就业需求。技能要求转变:随着 AI 的广泛应用，未来的工作将更加需要具备 AI 相关技能，如机器学习、数据科学、AI 伦理等。同时，适应性和终身学习的能力也变得至关重要，因为 AI 技术会不断发展，人们需要不断学习新技能才能保持竞争力。收入分配变化:AI的发展可能会加剧收入不平等，如果只有少数人能够掌握AI 技术并从中获益，那么大部分人可能会面临失业或收入下降的风险。高收入国家（HICs）面临的挑战：技术失业:尽管 AI 会创造新的就业机会，但高收入国家仍然面临着技术失业的风险，即现有的一些工作岗位被 AI 自动化取代，导致部分劳动力失业或需要转岗。技能错配:高收入国家也需要关注技能错配问题，即劳动力可能没有掌握 AI 时代所需的技能，无法适应新的就业需求。AI 伦理和社会影响:高收入国家需要认真思考 AI 应用带来的伦理和社会问题，例如数据隐私、算法偏见、就业歧视等，并制定相应的政策来解决这些问题。资源和数据优势：高收入国家在计算能力、数据可用性和人才储备方面具有优势，这可能导致它们在 AI 发展中获得更多收益，进一步拉大与 EMDEs 之间的差距。新兴市场及发展中经济体（EMDEs）面临的挑战：资源和基础设施不足:EMDEs的大学通常缺乏足够的计算资源和基础设施来支持AI 的研究和开发，包括高性能硬件、数据中心、以及高速网络连接。这限制了它们开发和部署先进 AI 模型的能力。数据可用性有限:EMDEs 在 训练 AI 模型所需的高质量、多样化数据方面面临挑战。例如，与美国和英国相比，巴西、肯尼亚和突尼斯在健康、教育和 AI 等领域的数据量明显较少。人才短缺:EMDEs缺乏足够的 AI 专家，这限制了它们建立和部署复杂 AI 系统。这些国家可能难以吸引和留住 AI 领域的高级人才。语言和文化偏见：现有的 AI 模型主要使用英文数据进行训练，这可能会导致模型在处理其他语言（如阿拉伯语）时出现偏差，从而影响其在这些地区的适用性。此外，由于训练数据中可能存在偏差，AI 模型可能会延续这些偏差，导致不公平的结果。财政压力:AI的研发和应用需要大量的资金投入，这对 EMDEs 来说可能是一项挑战。数字鸿沟加剧:EMDEs由于在资源、基础设施、数据和人才方面的劣势，可能会在 AI 时代进一步落后于高收入国家，导致数字鸿沟加剧。总结

AI 为全球就业市场带来了巨大的机遇和挑战。高收入国家可能面临技术失业、技能错配和伦理问题，而新兴市场及发展中经济体则面临资源不足、数据有限、人才短缺和数字鸿沟加剧等更为严峻的挑战。要充分利用 AI 的潜力，需要全球合作，共同解决这些挑战，确保 AI 技术能够惠及所有人。特别地，EMDEs 需要加强能力建设，提高自身在 AI 领域的能力，以应对挑战并抓住机遇。

二、新兴市场和发展中经济体（EMDEs）的大学在利用AI方面面临的挑战

资源和基础设施不足:EMDEs的大学通常缺乏足够的计算资源和基础设施来支持AI的研究、开发和部署。这包括：高性能计算能力:训练AI模型需要大量的计算能力和存储能力，而EMDEs的大学可能难以负担昂贵的硬件如超级计算机、图形处理器（GPUs）以及数据中心。互联网带宽:有限的互联网带宽也可能成为一个主要障碍，影响数据传输和访问云服务。资金限制:EMDEs的大学通常预算紧张，难以投资高科技基础设施。数据可用性有限:AI模型的训练依赖于大量高质量、多样化的数据。EMDEs的大学可能难以获得：全面的数据集:与高收入国家相比，EMDEs的大学可能缺乏用于训练AI模型的综合数据集。例如，在特定主题的网页数量方面，EMDEs明显少于高收入国家。本地化数据:现有的大部分数据资源主要以英文为主，这限制了AI模型在非英语地区的适用性。EMDEs在本地语言的数据资源方面也相对匮乏。数据质量:即使有数据，其质量可能也参差不齐，导致训练出的模型准确性不高。人才短缺:EMDEs在吸引和留住AI专家方面面临挑战。这包括：缺乏AI专业人才:EMDEs可能缺乏具备机器学习、数据科学和AI伦理等专业知识的专家。人才外流:由于缺乏研究机会和竞争力的薪资，AI专家可能更倾向于到高收入国家发展。语言和文化偏见:现有的AI模型主要使用英文数据进行训练，这可能导致模型在处理其他语言时出现偏差，从而影响其在EMDEs的适用性。例如，在处理阿拉伯语时，AI模型可能难以理解细微差别、习语和文化背景。财政压力:AI的研发和应用需要大量的资金投入，这对EMDEs的大学来说可能是一项挑战。

三、新兴市场和发展中经济体的大学如何为学生准备未来由AI主导的工作环境

更新课程:EMDEs的大学需要更新课程，将AI相关技能融入到教学中。这包括：设计新的课程:根据对未来职业发展的预测，设计新的课程，确保学生掌握AI时代所需的技能。持续更新课程:由于AI技术的快速发展，课程需要不断更新，以确保学生始终掌握最新的知识和技能。培养AI素养:不仅仅是AI领域的专业人员，所有学生都需要具备一定的AI素养，了解AI的基本原理和应用。教师培训:教师也需要接受培训，以便能够有效地教授AI相关内容，并跟上AI技术发展的步伐。技能培养:EMDEs的大学需要帮助学生培养以下技能：AI相关技能:如机器学习、数据科学、AI伦理等。适应能力:培养学生适应不断变化的就业环境的能力，因为AI技术会不断发展。终身学习能力:学生需要具备终身学习的能力，以便能够不断学习新技能，适应未来的工作。全球合作:通过与高收入国家的大学和国际组织合作，EMDEs的大学可以获得资源、知识和技术支持。这种合作可以帮助EMDEs的大学：获取计算资源:通过国际合作，EMDEs的大学可以访问远程高性能计算资源和云服务。知识共享:通过与国际研究机构的合作，可以获取最新的研究成果和技术。能力建设:通过国际合作，可以提升EMDEs大学的教学和科研能力。文化适应性:在开发AI工具和课程时，要考虑到EMDEs的文化背景和语言差异。需要开发适合本地语言和文化的AI模型，确保AI技术在不同的地区都能有效地应用。包容性:确保所有学生，特别是来自弱势群体的学生，都有平等的机会获得AI教育和培训。

资讯