萝卜快跑入场砸底层饭碗,预计1000w人失业?用 AI 搜索 1 分钟看清到底有多严重

大模型机器学习算法

大家好,我是 AI 工具持续分享者老王。

欢迎关注👇,一起进步。


萝卜快跑最近频频上热搜,热度不减。

picture.image

随意翻开一篇文章,评论区就「讨论」的不可开交。

但是成年人逞一时口舌之快没有任何意义。

大家需要知道的是昨天、今天到底客观发生了什么?明天又将何去何从?

先来看一份各行业从业人数图,数据仅供参考。

picture.image

先不去管数字正确与否,量级和排序应该值得参考。

形势就相当严峻了。怎么办?

「师夷长技以制夷」!

跟着老王,一起利用 AI 搜索引擎「秘塔 AI 」来快速认清到底情况如何。

AI 搜索演示

网站地址: https://metaso.cn/

进入界面,按下图👇点选

picture.image

等待数秒,一篇非常全面的总结分析就出来了,接下来逐一查看。

(源链接在本节末尾)

第一部分

picture.image

1:积极角度

 a. 用户反馈量显著增长,互动频率增强,表明越来越多的用户认可;


 b. 获得了“最佳服务案例奖”,显示出服务质量上优势;

c. 价格低廉(例如10公里仅需7元)。

2 & 3:消极角度

 a. 可能引发出租车司机失业率上升、社会稳定风险增加等社会问题;


 b. 存在一些技术性问题,如速度缓慢、急刹等;

c. 无人驾驶车辆恪守交通规则,显得「呆板木讷」,加剧了交通压力。

4 & 5:影响分析

李彦宏表示,「萝卜快跑」不是抢普通人的饭碗,而是会创造更多的工作岗位。平衡技术革新与传统行业的稳定,构建包容性发展模式,关注受影响人群,实现社会公平与经济发展。

如何在技术创新和就业保障之间找到平衡点,是未来需要重点考虑的问题。

第二部分

picture.image

提升用户体验具体措施:

 1. 优化算法和系统


 2. 用户界面设计


 3. 客户服务流程


 4. 丰富的车型选择和服务模式


 5. 用户教育和沟通用户体验。


 6. 舒适和便捷的出行服务

7. 车内环境控制

第三部分

picture.image

出租车投诉内容:

 1. 无故停车导致交通拥堵


 2. 车速过慢


 3. 违规停车

4. 存在安全隐患

列举了技术上当前存在的挑战,包括处理应急事件、等待不确定性、错误目的地等等。

长远来看都不是大问题,技术的发展都是螺旋式上升。汽车刚出来的时候也跑得不如马车。

第四部分

picture.image

该部分对李老板表述的能「创造新就业岗位」案例的描述略显单薄,很难不让人怀疑他的出发点。

但是,总有一个但是。

技术的发展并不会以人的意志而转移,老王也不希望普通人成为牺牲品,但个人能做的就是顺应趋势,努力成为风口上的猪。

第五部分

picture.image

此段是从社会和国家的角度来分析,大有新闻联播的即视感。

相关网站的延伸阅读

picture.image

灵魂追问

picture.image

AI 的建议也是直击痛点——服务!服务!还是服务!

之前有个观点:面对面提供情绪价值的工作,可能是人类最后的阵地。

而目前武汉 IP 的很多评论,都是痛批出租车司机态度不好,宰客。

连最后的优势都没有保住,不值得从业者反思吗?

还有非常详细的引用来源明细,在此就不展示了,可通过链接直达原始内容👇

https://metaso.cn/search/8500461540259811328?q=%E8%90%9D%E5%8D%9C%E5%BF%AB%E8%B7%91%E5%AF%B9%E6%99%AE%E9%80%9A%E4%BA%BA%E7%9A%84%E5%BD%B1%E5%93%8D

总结

AI 技术让我们获取信息和认知的速度大大加快;AI 技术的快速发展和应用也在不断重塑就业市场。

因此,对各行各业的工作者都提出了新的挑战和机遇。

标题中提到了 1000w 人失业,肯定有人质疑标题党:出租车和滴滴从业者真有这么多吗?

来看一个容易被忽略的问题——难道无人驾驶就只会影响到出租车和滴滴吗?

做个简单的扩展,比如外卖、物流这些行业难道不会被重塑吗?

当第一块多米诺骨牌倒下,后面的影响无法估计。

在这个充满不确定性的时代,终身学习已成为生存之道。AI 技术的发展,不会只是旧秩序的破坏者,也将是新秩序的建立者。

共勉。

【点个在看 你最好看(✧∀✧)】

  • THE END -

如果你也在探索 AI,研究如何创富,欢迎关注公众号。

同时还有限免的知识星球,期待各位一起探讨交流,抹平信息差。

picture.image

0
0
0
0
关于作者
关于作者

文章

0

获赞

0

收藏

0

相关资源
大规模高性能计算集群优化实践
随着机器学习的发展,数据量和训练模型都有越来越大的趋势,这对基础设施有了更高的要求,包括硬件、网络架构等。本次分享主要介绍火山引擎支撑大规模高性能计算集群的架构和优化实践。
相关产品
评论
未登录
看完啦,登录分享一下感受吧~
暂无评论