來源：哥倫比亞大學 可持續發展研究中心，《Artificial Intelligence & the Future of Work》

AI對未來工作的影響：AI的發展將極大地提升生產力，但也可能導致傳統崗位的自動化消失，並創造新的就業機會。未來的工作將需要更多AI相關技能，同時也可能帶來收入分配的不平等。高收入國家和新興市場及發展中經濟體（EMDEs）將面臨不同的挑戰：前者主要面臨技術失業、技能錯配和倫理問題，後者則面臨資源不足、資料缺乏、人才短缺等更為嚴峻的挑戰。

EMDEs大學在利用AI方面面臨的挑戰：EMDEs的大學在利用AI時面臨資源和基礎設施不足、資料可用性有限、人才短缺以及語言和文化偏見等問題，這限制了其在AI研究和應用上的發展。

為學生準備AI主導的工作環境：EMDEs的大學需要通過更新課程、加強教師培訓、培養學生的AI技能和適應能力，以及加強全球合作來為學生準備未來的AI工作環境。此外，還需要考慮文化適應性和包容性，確保不同地區的學生都能公平地獲得AI教育。

一、AI對未來工作的影響及其挑戰

人工智慧（AI）的快速發展正在深刻地改變著全球的就業格局，對高收入國家（HICs）和新興市場及發展中經濟體（EMDEs）都帶來了機遇和挑戰，但由於資源、技術和經濟結構的差異，兩者面臨的具體挑戰有所不同。

1. 生產力提升: AI工具可以顯著提高某些行業的生產力，並大幅提升能夠使用 AI 工具作為“副駕駛”的員工的工作表現。這意味著通過與 AI 協同工作，人們能夠更高效地完成任務，從而帶來前所未有的生產力提升。

2. 工作崗位變化: AI的發展會導致一些傳統工作崗位被自動化取代，但同時也會創造出新的就業機會，特別是在 AI 開發、維護、倫理和社會影響評估等領域。 這意味著勞動力市場將經歷結構性轉變，需要不斷適應新的就業需求。

3. 技能要求轉變: 隨著 AI 的廣泛應用，未來的工作將更加需要具備 AI 相關技能，如機器學習、資料科學、AI 倫理等。同時，適應性和終身學習的能力也變得至關重要，因為 AI 技術會不斷髮展，人們需要不斷學習新技能才能保持競爭力。

4. 收入分配變化: AI的發展可能會加劇收入不平等，如果只有少數人能夠掌握AI 技術並從中獲益，那麼大部分人可能會面臨失業或收入下降的風險。

高收入國家（HICs）面臨的挑戰：

技術失業: 儘管 AI 會創造新的就業機會，但高收入國家仍然面臨著技術失業的風險，即現有的一些工作崗位被 AI 自動化取代，導致部分勞動力失業或需要轉崗。

技能錯配: 高收入國家也需要關注技能錯配問題，即勞動力可能沒有掌握 AI 時代所需的技能，無法適應新的就業需求。

AI 倫理和社會影響: 高收入國家需要認真思考 AI 應用帶來的倫理和社會問題，例如資料隱私、演算法偏見、就業歧視等，並制定相應的政策來解決這些問題。

資源和資料優勢： 高收入國家在計算能力、資料可用性和人才儲備方面具有優勢，這可能導致它們在 AI 發展中獲得更多收益，進一步拉大與 EMDEs 之間的差距。

新興市場及發展中經濟體（EMDEs）面臨的挑戰：

資源和基礎設施不足: EMDEs的大學通常缺乏足夠的計算資源和基礎設施來支援AI 的研究和開發，包括高性能硬體、資料中心、以及高速網路連線。這限制了它們開發和部署先進 AI 模型的能力。

資料可用性有限: EMDEs 在 訓練 AI 模型所需的高品質、多樣化資料方面面臨挑戰。例如，與美國和英國相比，巴西、肯尼亞和突尼斯在健康、教育和 AI 等領域的資料量明顯較少。

人才短缺: EMDEs缺乏足夠的 AI 專家，這限制了它們建立和部署複雜 AI 系統。這些國家可能難以吸引和留住 AI 領域的高級人才。

語言和文化偏見：現有的 AI 模型主要使用英文資料進行訓練，這可能會導致模型在處理其他語言（如阿拉伯語）時出現偏差，從而影響其在這些地區的適用性。此外，由於訓練資料中可能存在偏差，AI 模型可能會延續這些偏差，導致不公平的結果。

財政壓力: AI的研發和應用需要大量的資金投入，這對 EMDEs 來說可能是一項挑戰。

數字鴻溝加劇: EMDEs由於在資源、基礎設施、資料和人才方面的劣勢，可能會在 AI 時代進一步落後於高收入國家，導致數字鴻溝加劇。

AI 為全球就業市場帶來了巨大的機遇和挑戰。高收入國家可能面臨技術失業、技能錯配和倫理問題，而新興市場及發展中經濟體則面臨資源不足、資料有限、人才短缺和數字鴻溝加劇等更為嚴峻的挑戰。要充分利用 AI 的潛力，需要全球合作，共同解決這些挑戰，確保 AI 技術能夠惠及所有人。特別地，EMDEs 需要加強能力建設，提高自身在 AI 領域的能力，以應對挑戰並抓住機遇。

二、新興市場和發展中經濟體（EMDEs）的大學在利用AI方面面臨的挑戰

1. 資源和基礎設施不足: EMDEs的大學通常缺乏足夠的計算資源和基礎設施來支援AI的研究、開發和部署。這包括：

高性能計算能力: 訓練AI模型需要大量的計算能力和儲存能力，而EMDEs的大學可能難以負擔昂貴的硬體如超級電腦、圖形處理器（GPUs）以及資料中心。

網際網路頻寬: 有限的網際網路頻寬也可能成為一個主要障礙，影響資料傳輸和訪問雲服務。

資金限制: EMDEs的大學通常預算緊張，難以投資高科技基礎設施。

2. 資料可用性有限: AI模型的訓練依賴於大量高品質、多樣化的資料。EMDEs的大學可能難以獲得：

全面的資料集: 與高收入國家相比，EMDEs的大學可能缺乏用於訓練AI模型的綜合資料集。例如，在特定主題的網頁數量方面，EMDEs明顯少於高收入國家。

本地化資料: 現有的大部分資料資源主要以英文為主，這限制了AI模型在非英語地區的適用性。EMDEs在本地語言的資料資源方面也相對匱乏。

資料質量: 即使有資料，其質量可能也參差不齊，導致訓練出的模型精準性不高。

3. 人才短缺: EMDEs在吸引和留住AI專家方面面臨挑戰。這包括：

缺乏AI專業人才: EMDEs可能缺乏具備機器學習、資料科學和AI倫理等專業知識的專家。

人才外流: 由於缺乏研究機會和競爭力的薪資，AI專家可能更傾向於到高收入國家發展。

4. 語言和文化偏見: 現有的AI模型主要使用英文資料進行訓練，這可能導致模型在處理其他語言時出現偏差，從而影響其在EMDEs的適用性。例如，在處理阿拉伯語時，AI模型可能難以理解細微差別、習語和文化背景。

5. 財政壓力: AI的研發和應用需要大量的資金投入，這對EMDEs的大學來說可能是一項挑戰。

三、新興市場和發展中經濟體的大學如何為學生準備未來由AI主導的工作環境

1. 更新課程:EMDEs的大學需要更新課程，將AI相關技能融入到教學中。這包括：

設計新的課程:根據對未來職業發展的預測，設計新的課程，確保學生掌握AI時代所需的技能。

持續更新課程:由於AI技術的快速發展，課程需要不斷更新，以確保學生始終掌握最新的知識和技能。

培養AI素養:不僅僅是AI領域的專業人員，所有學生都需要具備一定的AI素養，瞭解AI的基本原理和應用。

2. 教師培訓:教師也需要接受培訓，以便能夠有效地教授AI相關內容，並跟上AI技術發展的步伐。

3. 技能培養:EMDEs的大學需要幫助學生培養以下技能：

AI相關技能:如機器學習、資料科學、AI倫理等。

適應能力:培養學生適應不斷變化的就業環境的能力，因為AI技術會不斷髮展。

終身學習能力:學生需要具備終身學習的能力，以便能夠不斷學習新技能，適應未來的工作。

4. 全球合作:通過與高收入國家的大學和國際組織合作，EMDEs的大學可以獲得資源、知識和技術支援。這種合作可以幫助EMDEs的大學：

獲取計算資源:通過國際合作，EMDEs的大學可以訪問遠端高性能計算資源和雲服務。

知識共享:通過與國際研究機構的合作，可以獲取最新的研究成果和技術。

能力建設:通過國際合作，可以提升EMDEs大學的教學和科研能力。

5. 文化適應性:在開發AI工具和課程時，要考慮到EMDEs的文化背景和語言差異。需要開發適合本地語言和文化的AI模型，確保AI技術在不同的地區都能有效地應用。

6. 包容性:確保所有學生，特別是來自弱勢群體的學生，都有平等的機會獲得AI教育和培訓。 (AgrEconLab)

#未來工作 你可以在這裡找到鉅亨號中所有使用「未來工作」為關鍵字所發布的內容