立法者推出创新计划，以抵消人工智能进步造成的就业中断

目录 随着纽约州代表提出结构化回应，围绕人工智能和就业的讨论已从理论关注转向立法行动。当自动化明显影响就业机会和工人薪酬时，拟议的系统将提供财务支持。这一举措代表着面对技术加速向预期决策的转变。纽约州议员亚历克斯·博雷斯（Alex Bores）开发了他所谓的人工智能红利框架，该框架是有条件而非普遍运作的。该系统建立了付款开始前必须达到的具体经济基准。这种方法与普遍基本收入提案的区别在于，它需要实际劳动力中断的证据。该提案确定了启动支付机制的几个关键指标。其中包括经历人工智能集成的行业的劳动力参与率下降以及尽管企业生产力提高但工资停滞或下降。该系统还监控技术效率提升未能产生相应就业机会的情况。除了直接的财政转移之外，立法框架还为再培训计划和职业转型支持分配资源。额外的资金将建立监管机制，以跟踪人工智能系统如何跨行业部署。这种综合方法试图解决当前的财务需求和长期的劳动力适应问题。博雷斯提案背后的财务架构借鉴了不同的收入来源，以确保可持续性。一个核心部分涉及根据人工智能操作期间消耗的计算资源收取费用。此外，该框架还提出了允许公共部门参股领先人工智能公司的机制。该立法还包括税收改革，旨在重新平衡人力就业和资本密集型自动化之间的激励措施。这些调整旨在使劳动力投资更具经济吸引力，同时从机器学习系统驱动的生产力提高中获取回报。这种收入模式反映了在不抑制创新的情况下创造可持续资金的尝试。这项政策提案是在科技公司正在进行劳动力调整、实施人工智能驱动的运营改进之际提出的。尽管追求自动化驱动效率的公司仍在继续裁员，但综合研究表明，广泛的工作岗位流失尚未按预期规模实现。有条件支付制度有助于扩大有关技术与劳动力市场关系的对话。高管和研究人员越来越强调人工智能改变专业服务和知识工作的潜力。经济分析表明，需要日常认知任务的职位特别容易受到自动化的影响。过去的技术转型表明，创新往往会创造就业类别，同时消除其他类别。金融部门分析表明，尽管业务整合程度很高，但迄今为止，人工智能的采用带来的净就业减少有限。然而，当前人工智能发展速度的加快引发了人们的疑问：适应机制能否跟上颠覆的步伐。博雷斯将他的提议视为预期性而非补救性政策干预。基本论点表明，在危机情况出现之前建立分配机制可以更有效地实施。该框架强调，推迟行动直至经济集中度加剧可能会限制可用的政策反应并增加社会成本。通过专家分析发现人工智能、加密货币和技术领域表现最好的股票。