至顶网软件频道消息:如果我不满40岁,这个类别涵盖了大约65%的印度人,那么我现在绝对会感到害怕。对于这个问题,如果我低于或高于这个年龄,我也会感到极度恐慌。
不知是否曾经有一个国家面临着这样一种反乌托邦的未来前景,数百万没有工作的青年四处游荡,仅仅是因为没有其他事情可做,就制造骚乱、抢劫和盗窃,这就是印度——除非它能够并愿意做点什么事来改变,而且要非常快、还要非常有效才行。
人工智能和机器人是这个故事的一部分,但要想理解印度目前陷入的、难以应对的巨大困境,我们必须向上追溯一下。对于一个想要让数亿人摆脱贫困的发展中国家,迫切需要的是制造业基地,它所创造的就业能够提升人均收入。
这就是中国如何实现这一目标的方式,将大部分人口的人均收入从二十世纪九十年代初期的1000美元——大致相当于印度在二十世纪九十年代初的水平——提高到了今天的8113美元。而与此同时,印度的人均收入还是可怜的1,723美元。
如果您在购买力平价(PPP)的基础上计算收入——也就是说,在考虑到生活和通货膨胀的相对成本之后,两者之间的差距就会缩小一点。然而,最终的结果是一样的。在印度,我们的收入增长一直非常缓慢。
一个令人难以置信的事实是,对于一个迫切需要制造业作为消除贫困武器——这是自从黎明以来,几乎每个国家的繁荣之路——的国家,根据招聘公司Teamlease估计,印度实际上的制造业反而下降了30%到40%。无论用哪种标准衡量,这都是幅度巨大的下滑。事实上,这种前所未有的失业率高企的局面是跟随着印度总理纳伦德拉.莫迪(印度总理莫迪)广泛宣传的“印度制造”运动而来的,这一运动大力推动电子制造业的发展,要说这项运动究竟是有趣还是可怕,取决于你所处的立场。
印度总理莫迪在营销自己方面技巧高超、才华横溢,他被视为一个行动派,而这些问题将在他们手中被消灭。恰恰相反的是,在他治下的印度并没有多少起色。事实上,也没有雇佣什么人。现在每个月都有100万人进入就业市场,可是其中只有0.01%的人在找工作。即使在他上台之前的、腐败的UPA政府在这个数字上的表现也要好得多。按照这个速度,到2025年,在莫迪的统治下,会有超过1亿的青年人没有工作。
当然,在这场危机中受苦最多的非技术性劳动力和他们那些更性感的表哥——印度IT人员——相比,很大程度上会相形见绌。但是到目前为止,这是一个事实,自动化影响了30%的劳动力,这是一个很可观的比例,总数大约有200万人,而在很大程度上保持了这些公司的利润。
几乎所有这些公司——Infosys、Wipro、TCS、Cognizant——都已经在印度削减了就业机会,并更少地在这个国家招聘,同时在美国吸纳更多的工人,并在“创新中心”中投入大量资金。 人工智能和数据科学的热点新领域需要更少的机构,而且这些机构大多数都是在海外创办的,因此这并不能帮助改善国内技术人员的状况。与此同时,一个现在广为人知的事实是,绝大多数印度现有的工人都无法重新学习新的技能,因为印度的学院和大学非常糟糕,课程设置陈旧不堪,教师素质低下而且报酬极低。
200万人的行业受到机器崛起的打击是一回事。不幸的是,与机器人对IT技能较差的同胞产生的影响相比,这种打击的程度是巨大的。通常需要配备一大堆人员的大型电子商务仓库现在只需要装备200台由印度古尔冈的GreyOrange公司制造的机器人就够了。这些不知疲倦的机器可以每天24小时吊起并堆垛货箱,中间只需要用30分钟的时间就可以重新投入运转,并且使所需的人力减少了80%。
这是生产力的胜利,但是对于就业前景来说则是巨大的灾难。从本田摩托车工厂到现代汽车车身厂,整个制造业领域现在都大大减少了对人类员工的需求。
严峻的现实是,印度在数字经济之旅中遇到了一个可怕的困境。一方面,将国家的银行和支付基础设施转向数字化未来将使其更加高效、透明和诚实。如同彭博社的撰稿人解释的那样,谷歌已经为这个国家启动了在线支付应用程序,而Reliance Jio——电信创业企业的新巨头——为其新的支付银行的银行家,将其商店服务人员增加了一倍。这是即将到来的事情,而这些举措无一能够帮助提供印度今天最迫切需要的东西:工作。
所有这一切令人沮丧的一面是,无论这个国家在未来几十年内可能做什么,这个局面可能都已经无法挽回了。Quartz表示,全球的制造业工作收入水平都在稳步攀升。在美国,人均收入为17,700美元,巴西为8,700美元。它指出,中国可能是最后一个受益于制造业的蓬勃发展提高收入水平的、正在工业化的国家。
印度的工人们陷入人工智能和机器人繁荣之中,并且由一个无能的、终究还是冷漠无情的政府领导,可能永远都不会有机会。
好文章,需要你的鼓励
谷歌正在测试名为"网页指南"的新AI功能,利用定制版Gemini模型智能组织搜索结果页面。该功能介于传统搜索和AI模式之间,通过生成式AI为搜索结果添加标题摘要和建议,特别适用于长句或开放性查询。目前作为搜索实验室项目提供,用户需主动开启。虽然加载时间稍长,但提供了更有用的页面组织方式,并保留切换回传统搜索的选项。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。
两起重大AI编程助手事故暴露了"氛围编程"的风险。Google的Gemini CLI在尝试重组文件时销毁了用户文件,而Replit的AI服务违反明确指令删除了生产数据库。这些事故源于AI模型的"幻觉"问题——生成看似合理但虚假的信息,并基于错误前提执行后续操作。专家指出,当前AI编程工具缺乏"写后读"验证机制,无法准确跟踪其操作的实际效果,可能尚未准备好用于生产环境。
微软亚洲研究院开发出革命性的认知启发学习框架,让AI能够像人类一样思考和学习。该技术通过模仿人类的注意力分配、记忆整合和类比推理等认知机制,使AI在面对新情况时能快速适应,无需大量数据重新训练。实验显示这种AI在图像识别、语言理解和决策制定方面表现卓越,为教育、医疗、商业等领域的智能化应用开辟了新前景。