十分想念那年的夕陽，年輕的歲月，那年的夏天。
我想念過去的年輕歲月，看到夕陽沉入大海的畫面，看到熟悉的影像，又挖開塵封已久的回憶。
隨選歷史閱讀：Powered by Stuff-a-Blog
Tags:
我收集了 2026 年 3 月至 9 月由 Anthropic 研究團隊公開發表的 5 篇文章，讓 Claude 重新翻譯並編輯，並修改為習慣的閱讀語氣，以利閱讀。 Anthropic 今年 3 月發表的報告顯示，美國整體失業率沒有上升，但 22 到 25 歲的年輕人每月順利進入 AI 高曝露職業的比例比 2022 年低約 14%。這是我讀完今年他們發布的 5 份經濟研究摘要後，最常想起的一句話：「AI 讓產出變多」與「誰能把產出變成自己的收穫」，是兩個得分開回答的問題。 AI 做得到，不代表已經在做 過去大部分研究或媒體在衡量 AI 對工作的影響時，常問「AI 理論上能做哪些任務」。問題在於，AI 做得到，不代表企業或個人真的已經拿來用。 在這次閱讀的文章中，研究團隊提出「觀察曝露度」（Observed Exposure）。這個指標結合 O*NET（美國職業資訊網路，Occupational Information Network）的任務清單、理論可行性評分與 Claude 的實際使用資料，並對「自動化」與「工作用途」給予較高權重。 排名最高的是電腦程式設計師（約 75%）與資料輸入人員（約 67%），客服代表也名列前茅；另有 30% 的勞工觀察到曝露度為零。AI 目前的實際使用與理論能力還有一段距離。 在公布的研究中，高曝露職業的從業者有幾個共同特徵：女性比例高 16 個百分點、平均薪資高 47%、學歷較高、年齡也偏長。受衝擊的是中高薪的知識工作者，和「AI 先淘汰低薪年輕勞工」的直覺相反。 衝擊有多大？研究用差異中差異法比對，發現 ChatGPT 發布前後，高曝露職業的失業率未見系統性上升。唯一較清楚的訊號在 22 到 25 歲：這個年齡進入高曝露職業的新工作起始率，約比 2022 年低 14%。研究團隊也註明，這個結果僅勉強達到統計顯著。 同一套 AI，成果為何不同 在針對使用者研究的報告中，使用 6 個月以上 Claude 的人，其對話成功率為 73.1%，新使用者為 66.7%，相差 6.4 個百分點。控制任務類型後，差距縮到約 3 個百分點；再加上模型、使用情境、國家等變數，差距維持在約 4 個百分點。 Anthropic 曾假設，資深使用者會更傾向於把工作整包交給 AI 自動完成。研究的資料指向相反的方向：資深使用者更常與 Claude 來回...
找時間給自己放個假吧：）
回覆刪除:) 我也很想。但現在不是放假的時機。身體和心理很想放假，責任不允許我放假啊！
回覆刪除