Elon Musk Memberi Pandangan Selepas Peta Pendedahan Pekerjaan AI Andrej Karpathy Menjadi Tular

Hampir 60 Juta Pekerjaan A.S. Ditanda Sangat Terdedah dalam Peta Automasi AI Karpathy

Andrej Karpathy, pengasas bersama OpenAI dan bekas pengarah kecerdasan buatan (AI) Tesla, mengeluarkan “Peta Pendedahan Pekerjaan AI” interaktif pada 15 Mac, menganalisis 342 pekerjaan yang diambil daripada U.S. Bureau of Labor Statistics (BLS) Occupational Outlook Handbook.

Projek itu menilai kira-kira 143 juta pekerjaan A.S. dengan memasukkan deskripsi kerja ke dalam model bahasa besar dan memberikan setiap peranan skor pendedahan dari sifar hingga 10, mengukur sejauh mana AI secara teorinya boleh membentuk semula kerja tersebut.

Keputusan dipaparkan dalam visualisasi treemap berwarna-warni yang dihoskan di karpathy.ai/jobs, di mana saiz segi empat mencerminkan jumlah pekerjaan dan warna mewakili tahap pendedahan, daripada hijau untuk gangguan minimum hingga merah tua bagi peranan yang boleh mengalami automasi meluas. Ringkasnya: semakin besar dan semakin merah kotaknya, semakin besar perhatian yang diperlukan.

Di seluruh tenaga kerja A.S., purata pendedahan berwajaran berada sekitar 4.9 daripada 10, menunjukkan potensi sederhana untuk pengaruh AI secara keseluruhan. Namun, purata menyembunyikan banyak drama. Kira-kira 42% pekerjaan Amerika—sekitar 59.9 juta pekerja yang memperoleh anggaran $3.7 trilion dalam gaji tahunan—mencatat skor tujuh atau lebih pada skala pendedahan.

Memecahkan angka dengan lebih terperinci, sekitar 6.2 juta pekerjaan berada dalam kategori pendedahan minimum, manakala 47.2 juta diklasifikasikan sebagai rendah. Lagi 29.7 juta berada dalam julat sederhana. Angka yang lebih mengejutkan muncul di bahagian atas skala: kira-kira 34.7 juta pekerjaan berada pada tahap tinggi, dan 25.2 juta jatuh dalam kelompok pendedahan sangat tinggi.

Analisis Karpathy juga menghasilkan satu kelainan yang bertentangan dengan jangkaan tentang gaji. Pekerjaan berpendapatan rendah dengan purata di bawah $35,000 setahun mencatat sekitar 3.4 pada pendedahan, manakala pekerjaan bergaji lebih daripada $100,000 mencatat purata 6.7. Dalam kata lain, semakin tinggi gaji, semakin besar kemungkinan pekerjaan itu melibatkan tugas yang sistem kecerdasan buatan boleh meniru atau bantu lakukan hari ini.

Tahap pendidikan menunjukkan corak yang serupa. Pekerja tanpa ijazah kolej mencatat purata skor pendedahan kira-kira 4.1, manakala mereka yang memiliki ijazah sarjana muda berada di puncak carta sekitar 6.7. Pemegang ijazah lanjutan berada di tengah-tengah, sekitar 5.7.

Melihat kepada pekerjaan individu memberikan gambaran yang lebih tajam. Jurutranskripsi perubatan mencatat 10 penuh, mencerminkan bagaimana pengecaman pertuturan dan sistem dokumentasi automatik sudah pun melakukan banyak tugas tersebut. Peguam, akauntan, penganalisis kewangan dan perunding pengurusan sering mencatat sekitar sembilan, sebahagian besarnya kerana kerja mereka berputar pada maklumat berstruktur, dokumen dan penyelidikan.

Pembangun perisian—ironinya orang yang membina banyak alat AI—juga berada pada kedudukan tinggi, sering mencatat antara lapan hingga sembilan. Sementara itu, peranan seperti pembantu pentadbiran, kerani simpan kira dan wakil khidmat pelanggan menunjukkan tahap pendedahan yang sama tinggi kerana kebergantungan mereka pada aliran kerja digital.

Di hujung spektrum yang bertentangan, pekerjaan yang berlaku dalam dunia fizikal dan bukannya pada skrin komputer menunjukkan prestasi jauh lebih baik. Tukang paip, juruelektrik dan buruh pembinaan lazimnya mencatat antara sifar hingga dua, menonjolkan kesukaran berterusan untuk mengautomasi tugas yang tidak dapat dijangka dan memerlukan kerja tangan.

Penyebaran pantas peta itu di internet mencetuskan komen di seluruh dunia teknologi, termasuk respons ringkas daripada CEO Tesla dan SpaceX, Elon Musk. Membalas satu bebenang tentang visualisasi tersebut, Musk menulis: “Semua pekerjaan akan menjadi pilihan. Akan ada pendapatan tinggi sejagat.”

Komen itu menggemakan hujah lama Musk bahawa kecerdasan buatan dan robotik yang maju akhirnya boleh menghasilkan kelimpahan ekonomi yang mencukupi untuk mengurangkan kebergantungan pada pekerjaan tradisional.

Walaupun mendapat perhatian, Karpathy dengan cepat memadam laman web asal dan repositori Githubnya, menerangkan dalam hantaran susulan bahawa projek itu hanyalah eksperimen pantas—apa yang beliau gambarkan sebagai eksplorasi “vibe-coded” selama dua jam yang diilhamkan oleh sebuah buku yang sedang dibacanya. Menurut Karpathy, sifat penerokaan projek itu disalahfahami secara meluas walaupun terdapat penafian yang jelas.

Menurunkan laman itu tidak banyak memperlahankan penyebarannya. Salinan arkib muncul hampir serta-merta di Wayback Machine, dan repositori kod itu di-fork berkali-kali oleh pembangun yang meniru set data, rubrik pemarkahan dan alat visualisasi.

Episod ini menggambarkan dua realiti internet moden: penyelidikan AI boleh mencetuskan perdebatan global semalaman, dan apabila data terlepas ke web terbuka, ia jarang benar-benar hilang. Buat masa ini, eksperimen Karpathy kekal kurang sebagai ramalan kehilangan pekerjaan, sebaliknya satu snapshot tentang bagaimana sistem AI semasa bertindih dengan kerja manusia.

Pengajaran, jika ada, sangat mudah. Jika keseluruhan kerja anda berlaku di atas skrin, kecerdasan buatan mungkin tidak lama lagi menjadi rakan sekerja anda—atau pesaing paling sengit anda.

FAQ 🔎

• Apakah Peta Pendedahan Pekerjaan AI Andrej Karpathy?
  Ia ialah visualisasi yang menganalisis 342 pekerjaan di A.S. dan memberikan skor sejauh mana setiap kerja mungkin terdedah kepada automasi AI.
• Berapa banyak pekerjaan di A.S. yang mungkin terkesan oleh pendedahan AI?
  Analisis ini mencadangkan kira-kira 42% pekerjaan di A.S.—sekitar 59.9 juta pekerja—mempunyai skor pendedahan yang tinggi.
• Pekerjaan manakah yang menunjukkan pendedahan AI paling tinggi?
  Peranan seperti peguam, akauntan, pembangun perisian dan jurutranskripsi perubatan mencatat antara yang tertinggi.
• Pekerjaan manakah yang kelihatan paling kurang terdedah kepada automasi AI?
  Kerja mahir hands-on seperti tukang paip, juruelektrik dan pekerja pembinaan berada antara kategori pendedahan paling rendah.