人工智能对劳动的替代、极限及对策

人工智能可被视为“广义劳动力”,它与劳动者在劳动范围上存在非空交集。 在相交的部分,既存 在人工智能与劳动力之间的劳动替代关系,也存在人工智能补充劳动供给不足的现象;在不相交的部分,人 工智能与劳动者各有所长。 人工智能对劳动的替代既有积极作用,也有消极作用。 从积极作用看,它有助于 丰富劳动的内容与形式,增加劳动财富。 具体而言,可解决三个方面的问题:一是有事“没人干”,二是劳动者 “不愿干”,三是劳动者“不能干”。 从消极作用看,当人工智能与劳动者构成劳动替代关系时,会导致劳动者 失业,引起诸多社会问题。 在短期内,复杂的、通用性的、非重复性的、需要承担完全民事责任的劳动难以替 代;在长期内,需要因果推理的劳动难以替代;人工智能永远不能替代发明创造、情感性、艺术性等方面的劳 动,这些劳动构成了人工智能替代劳动的极限。 人工智能对劳动的替代,受到技术、经济和制度三个因素的 影响。 制度可以调控人工智能发展的方向、速度、范围和深度,使人工智能的发展实现合规律性与合目的性 的有机统一。 因此,可通过科学的制度,促进人工智能替代劳动的积极作用,抑制其消极作用。

  • 2021-06-30
  • 阅读250
  • 下载0
  • 9页
  • pdf

绿色数据中心不完备能耗大数据填补及分类算法研究

着云计算和大数据时代的到来,大规模数据中心在全球范围内得到r广泛的部署.但大规模数据中心 的高能耗仍然是当今亟待解决的问题.为解决这一问题,通常采用太阳能等可再生绿色新能源为数据中心供电.绿 色数据中心能够根据新能源的变化配合市电为数据中心提供高效、低能耗且稳定的电能供给,这是数据中心发展 的趋势.文中针对数据收集不完善和断电等因素会造成一定程度的数据缺失情况,提出了一种基于完备相容类的 不完备大数据填补算法,来填补数据中心的缺失数据;针对绿色数据中心能耗大数据的不稳定、间歇性和随时变化 等特点,提出了一种基于离散弱相关的决策森林并行分类算法,通过对数据中心能耗大数据并行分类,来指导供电 方式,以利于高效节能和延长电池寿命;此外进一步提出了一种增量更新决策森林的算法,来增量更新分类模型, 该算法能够保障分类模型不断适应数据变化,防止分类准确率随时间而下降,从而避免电池频繁充放电,以保证稳 定供电.整体来说,文中提出了一种数据中心能耗大数据管理模型,该模型针对大规模绿色数据中心的能源供给相 关问题,运用不完备能耗大数据的填补、能耗大数据的并行分类、分类模型更新这三方面的技术方法,动态调控太 阳能和市电供电端口,为数据中心提供高效、低能耗且稳定的电能供给.最后,采用绿色数据中心真实的能耗相关 大数据集进行实验,实验结果说明文中提出的能耗大数据管理模型,能够帮助绿色数据中心有效管理太阳能和其 他资源来配合市电提供稳定且充足的电能供应,从而为整个数据中心服务体系提供高效的能源服务.

  • 2021-06-21
  • 阅读250
  • 下载0
  • 18页
  • pdf