生成式 AI 劳动力转型、用户能动性与算法兴趣复发
当你反复告诉 TikTok「不感兴趣」，算法真的会放过你吗？
第一篇研究招聘启事，作者收集 2018 到 2025 年超过十五万份英文职位文本，把 AI 与数据技能、常规技能、软技能、领域技能和领导力技能拆开来看，还设计了一个框架指数，追踪雇主究竟是在用「协助」还是在用「替代」的语言谈 AI。招聘广告表面上只是招人，细读起来其实是一份劳动力市场的心理切片，对我们理解生成式 AI 如何影响就业有很大启发。
另一篇研究 TikTok 的「为你推荐」页面。研究者进入手机端应用，用 Android 模拟器、网络流量拦截和账号克隆做受控实验。他们让一组几乎相同的账号围绕烹饪、健身和体育博彩反复观看、跳过、点击不感兴趣，再重新接触相关内容，借此衡量用户能否真正摆脱自己不想再看到的推荐。这篇和生成式 AI 没有特别大的关系，但感觉研究发现很有意思。
祝今日读写愉悦，洞见深省。
前沿速递
生成式人工智能与劳动力的转型：基于招聘启事的分析
核心概念
框架指数（Framing Index）：这是指一种用于量化分析招聘文本中对人工智能态度倾向的连续性得分指标。它通过计算招聘描述文本的向量与增强（协助、人机协同）词汇向量的余弦相似度，减去其与自动化（替代、自主）词汇向量的余弦相似度得出。正值表示 AI 被视为辅助工具，负值表示 AI 被视为替代工具。假设你是一家餐厅的老板，如果你买了一台切菜机，你对员工说这台机器能帮你们切菜，让你们有更多时间研发新菜品，这就是增强框架（指数为正）；如果你说这台机器能自动切菜，我不需要切菜工了，这就是自动化框架（指数为负）。框架指数就是通过分析老板们发布的招聘广告，来测量他们到底抱有哪种心态。
技能分类法（Skill Taxonomy）：这是指将招聘启事中提取出的成千上万种繁杂的技能词汇，按照概念逻辑和工作性质归纳为五个标准化宏观类别的系统。这五大类别包括：AI 与数据技能（如机器学习、模型微调）、常规技能（如数据录入等重复性任务）、软技能与元技能（如沟通、伦理分析）、特定领域技能（如医疗诊断、法律合同审查）以及领导力技能（如战略规划）。
语义锚点（Semantic Anchors）：这是指在自然语言处理中，为了捕捉和分类文本中特定概念或情感倾向而人为设定的一组具有代表性的基准词汇或短语。在本研究中，作者设定了三组锚点：AI 锚点（如 GPT、大语言模型）、增强锚点（如协助、共同创造）和自动化锚点（如取代、机器人流程自动化），以此作为参照物来测量招聘文本的语义方向。
研究问题
生成式人工智能的崛起引发了劳动力市场结构和职业技能需求的深刻变革。与主要针对重复性物理或计算任务的传统自动化不同，生成式 AI 系统能够以接近人类的流畅度生成文本、图像和代码，这从根本上重新定义了工作性质。然而，以往的研究大多局限于小规模实验或单一维度的分析，缺乏利用大规模招聘文本数据来跨行业、跨时间追踪技能需求频率演变的实证研究。此外，现有文献很少在同一数据集中同时量化技能需求的演变和语义框架的转变，且缺乏对 2018 年以来生成式 AI 技能扩散的纵向多行业预测。
基于上述背景，本论文提出了以下研究问题：在不同的职业和行业中，AI 相关技能词汇的提及频率随时间发生了怎样的变化？在相同的职位名称中，生成式 AI 技能的提及是否与常规任务提及的减少存在相关性？此外，围绕 AI 的语义框架在各行业中是如何演变的，这些转变又揭示了工作场所中 AI 扮演何种角色的认知变化？
