微信扫一扫，关注公众号
科技行者
算力行者
见证连接与计算的「力量」
嘘，这15种工作永远不会被AI取代，技术专家说的
人工智能和机器学习的兴起，让企业有机会实现流程的自动化，以前所未有的方式提高生产力。如今，技术已经渗透到几乎各行各业，这让一些员工产生了自己可能会被淘汰的担忧。
不过最终AI和ML只是支持人类各项工作的工具，更何况，某些工作和职能所需的人类能力和素质是技术无法达到的。下面，有15位来自科技行业的专家列出了他们认为人类员工不会被AI取代的几项工作。
——Robert Chapman，101 Solutions
3、写作
——Afshin Doust，Advanced Intelligent Systems
——Gerhard Pawelka，Cooper Perkins
6、销售
——Abhinav Somani，Leverton
7、应用工程
——Jay Marshall，Eyelock
8、软件开发
——Daria Leshchenko，SupportYourApp
9、生活和职业规划师
10、教学
——Ivailo Nikolov，SiteGround
11、人力资源
——Chris Hobbs，TTT Studios
——Lawrence Whittle，Parsable
13、财务
——Christopher Carter，Approyo
14、保险调节
——Ernie Bray，AutoClaims Direct
15、执法
——Greg Shepard，BOSS Capital Partners
0赞好文章，需要你的鼓励
至顶头条
科技行者
码客人生
奇客Solidot
高飞的电子替身
奇客情报站
推荐文章
当善良声音变身恶意武器：AIM Intelligence团队揭秘音频AI的隐藏危机
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞，开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容，成功率超过86%，完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险，对全球数十亿智能设备构成潜在威胁。
新加坡国立大学团队揭示：让AI既能看又能做的视觉强化学习新突破
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展，涵盖超过200项代表性工作。研究将该领域归纳为四大方向：多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型，分析了从RLHF到可验证奖励范式的政策优化策略演进，并识别出样本效率、泛化能力和安全部署等关键挑战，为这一快速发展的交叉学科提供了完整的技术地图。
浙大团队揭秘：为什么AI机器人在现实世界中总是"掉链子"？OmniEAR基准测试暴露惊人真相
浙江大学研究团队通过OmniEAR基准测试揭示了当前AI模型在物理世界推理方面的严重缺陷。测试显示，即使最先进的AI在明确指令下能达到85-96%成功率，但面对需要从物理约束推断行动的任务时，成功率骤降至56-85%。研究发现信息过载反而降低AI协作能力，监督学习虽能改善单体任务但对多智能体协作效果甚微，表明当前架构存在根本局限性。
AI模型训练中藏着的秘密巨人：纽约大学和Aimpoint Digital Labs发现Transformer里的"超级激活"如何悄悄控制整个模型
纽约大学和Aimpoint Digital Labs的研究团队首次揭示了Transformer模型训练中"大规模激活"的完整发展轨迹。这些影响力比普通激活大千倍的"超级激活"遵循可预测的数学规律，研究者开发出五参数公式能以98.4%准确率预测其变化。更重要的是，通过调整模型架构参数如注意力密度、宽深比等，可以在训练前就预测和控制这些关键激活的行为，为设计更高效、量化友好的AI模型提供了全新工具。
当善良声音变身恶意武器：AIM Intelligence团队揭秘音频AI的隐藏危机
新加坡国立大学团队揭示：让AI既能看又能做的视觉强化学习新突破
浙大团队揭秘：为什么AI机器人在现实世界中总是"掉链子"？OmniEAR基准测试暴露惊人真相
