根据 Coursera 最新的职业技能报告显示了一个引人注目的现象:过去一年生成式 AI 课程的报名人数激增了 866%。更有趣的是,这种激增揭示了关于工作和职业成功的未来趋势。Coursera CEO Jeff Maggioncalda 表示:"我经常说,对于任何思考者、决策者和沟通者来说,生成式 AI 都将是一项重要技能。我希望这包括所有人。"他补充道:"如今,生成式 AI 的熟练运用在大多数工作中都是一项基本要求,就像语言技能或数学技能一样。"
事实上,根据 Microsoft 和 LinkedIn 发布的 2024 年度工作趋势指数调查显示,超过 70% 的领导者表示,他们宁愿雇用经验较少但懂得使用生成式 AI 的新人,也不愿雇用经验丰富但不会使用生成式 AI 的人。这一数据凸显了组织对人才和潜力评估方式的根本转变。
专业成功的新基石
虽然生成式 AI 位居增长最快技能之首,但网络安全和风险管理的重要性也在急剧上升。十大增长最快的技术技能中有六项与网络安全相关,这反映了许多组织在过去一年中经历身份相关安全漏洞的商业现状。除了这些技术领域外,报告还揭示了一系列日益重要的人类能力,其中风险管理、主动性和利益相关者沟通都占据重要地位。
正如 Maggioncalda 所解释的:"总的主题是帮助你适应变化的技能,当然包括机遇,但尤其是威胁和挑战。"这一观察与具有前瞻性的组织所寻求的完全一致:他们需要能够在利用尖端技术的同时应对不确定性的专业人才。
AI 世界中的人文元素
Coursera 研究结果中特别引人注目的是对人类技能的强调。在 AI 能力呈指数级扩展的时代,有效沟通、展现主动性和管理利益相关者关系的能力比以往任何时候都更为重要。对这些技能需求的增长表明,虽然 AI 可以处理许多战术性任务,但战略思维和关系建设仍然是人类独有的领域。
对专业人士和组织来说,启示很明确。在 AI 时代取得成功需要双重关注:掌握 AI 工具的同时发展独特的人类能力。正如 Maggioncalda 指出的,像提示词编写这样的技术熟练度必须与增强的人类能力保持平衡。
全球技能竞赛
对这些重要技能的竞争日益全球化。Coursera 的数据显示了 AI 学习的有趣地理分布,印度领先,其次是美国、加拿大和英国。特别值得注意的是,现在超过一半的生成式 AI 课程报名来自印度、哥伦比亚和墨西哥的学习者。正如 Maggioncalda 指出,这种技能采用的全球差异可能会重塑组织对人才获取和发展的思考方式。随着新兴市场在 AI 技能方面表现出越来越强的能力,公司可能会利用这些新的人才库,潜在地改变传统的招聘模式,创建更多的全球分布式团队。
性别差距挑战
数据还揭示了一些令人担忧的见解:AI 课程报名中只有 28% 是女性。考虑到 79% 的职业女性(相比之下是 58% 的职业男性)从事容易受到生成式 AI 影响的职业,这种性别差距尤其令人担忧。这种失衡的影响远远超出了简单的代表性。正如 Coursera 的首席内容官 Marni Baker-Stein 强调的那样,AI 和数据科学领域中女性仅占 22% 的这种深刻的性别差距,既损害了社会公平,也影响了 AI 技术发展的效果。
解决这种差距的需求变得越来越紧迫。女性不能在全球 AI 技能提升革命中被排除在外,应对这一挑战将需要教育机构、企业和政策制定者的共同努力,为女性进入 AI 相关领域创造更包容的途径,确保 AI 进步的益处能够在劳动力中得到公平分配。
塑造明天的成功
展望未来,Maggioncalda 预测会出现一个重要转变:"公司不会只是谈论生成式 AI...他们将实际实施策略并寻求商业利益。"从实验到实施的这种转变将为各个层次的专业人士创造新的机遇和挑战。
信息很清晰:在 AI 时代取得成功需要技术和人类能力的巧妙结合。那些能够掌握这种组合的人——将 AI 作为强大工具的同时利用独特的人类特质——将在转型的职场中变得越来越有价值。
好文章,需要你的鼓励
在技术快速发展的时代,保护关键系统越来越依赖AI、自动化和行为分析。数据显示,2024年95%的数据泄露源于人为错误,64%的网络事件由员工失误造成。虽然先进的网络防御技术不断发展,但人类判断仍是最薄弱环节。网络韧性不仅是技术挑战,更是人员和战略需求。建立真正的韧性需要机器精确性与人类判断力的结合,将信任视为战略基础设施的关键要素,并将网络韧性提升为国家安全的核心组成部分。
南洋理工大学团队开发了Uni-MMMU基准测试,专门评估AI模型的理解与生成协同能力。该基准包含八个精心设计的任务,要求AI像人类一样"边看边想边画"来解决复杂问题。研究发现当前AI模型在这种协同任务上表现不平衡,生成能力是主要瓶颈,但协同工作确实能提升问题解决效果,为开发更智能的AI助手指明了方向。
自计算机诞生以来,人们就担心机器会背叛创造者。近期AI事件包括数据泄露、自主破坏行为和系统追求错误目标,暴露了当前安全控制的弱点。然而这种结果并非不可避免。AI由人类构建,用我们的数据训练,在我们设计的硬件上运行。人类主导权仍是决定因素,责任仍在我们。
360 AI Research团队发布的FG-CLIP 2是一个突破性的双语精细视觉语言对齐模型,能够同时处理中英文并进行精细的图像理解。该模型通过两阶段训练策略和多目标联合优化,在29个数据集的8类任务中均达到最先进性能,特别创新了文本内模态对比损失机制。团队还构建了首个中文多模态评测基准,填补了该领域空白,为智能商务、安防监控、医疗影像等应用开辟新可能。