「ホワイトカラーの賃金は破壊されている」：Saurabh Mukherjeaはインドの中流階級のためのアラームに聞こえる
インドのホワイトカラーの中流階級は、AIREDEの仕事が削減され、給与の停滞し、消費の崩壊が企業の利益と家計予算に衝突するにつれて、経済的緊張が高まっています。
ブログでは、ムケルジェアはインドの中流階級に直面している経済的絞りをむき出しにした。ディワリ2023年以来、インドの企業収益の伸びは急増し、消費の急激な減速により引きずり込まれ、GDPの60％を占めています。
消費の危機の中心にあるのは、厳しい現実です。ホワイトカラー労働者の雇用創出は減速し、実際の賃金が停滞しています。
「雇用市場は、雇用後の雇用と、人間の役割に取って代わるAIのより永続的な影響の両方に苦しんでいます」とMukherjeaは書いています。
パンデミックの間、企業は急いで雇いました。インドのIT企業だけで、2020年から2022年の間に80万人近くの労働者が追加され、長期のデジタルブームに賭けられました。しかし、2024年には需要が冷却され、Google、Microsoft、TCSなどの巨人でさえ、大量のレイオフを引き起こします。現在、Mukherjeaが指摘しているように、財政的にフラッシュ企業でさえスタッフを削減しています。
さらに心配なのは、構造的変化です。AIは、複雑なオフィスタスクさえ自動化しています。 Googleは、ボットがコーディングの4分の1を処理するようになったことを認めています。 Marcellus自体は、AIの研究がベテランのアナリストの仕事に匹敵することを発見しました。
Mukherjeaは、エコノミストのRichard Murnane、David Autor、およびFrank Levyによる2003年の独創的な論文を引用しています。
「彼らの洞察は、米国に焦点を当てていますが、現在、インドのホワイトカラー労働者にも適用されます」と彼は言います。
この混乱は、給料にまったく現れています。インドの50の最大の上場企業の分析により、平均給与は16年度以降のインフレに追いついていないことが明らかになりました。賃金上昇のみに依存している中流階級の労働者は、食料のような基本的な生活費にさえ地位を失っています。
インドの最大の雇用主は速く旋回しています。 2025年7月、TCS CEOのK Krithivasanは、同社が大規模なAIの採用を引用して、労働力を2％削減すると述べた。 HCL TechのCEO C Vijayakumarはさらに進み、人員の半分で2倍の収益を上げました。
かつてインドの消費物語のエンジンであった中流階級は、現在、AIを駆動した再編成の鋭い終わりにいることに気づきました。
地図：5.8マグニチュード地震がメキシコに襲われます
注：マップは、4以上のシェイク強度の領域を示しています。これは、USGSが「光」と定義していますが、地震は表示されている領域の外で感じられる可能性があります。 マップ上のすべての時間は中央時間です。 ニューヨークタイムズ 米国地質調査所によると、土曜日にメキシコで適度に強力な5.8マグニチュードの地震が発生しました。Temblorは、メキシコのサンイルデフォンソヴィラアルタの北東約1マイルの中央時間の午前11時58分に発生しました。地震学者が利用可能なデータをレビューするにつれて、彼らは地震の報告された規模を修正するかもしれません。地震について収集された追加情報は、USGSの科学者にShake-severity...
BLSヘッドを発射するトランプの理由は、彼の衰退を暴露します
私たちは100％読者がサポートしています。私たちの肩越しに見ている億万長者、オリガルヒ、または政党はいません。あなたは私たちと一緒に腕を積んで立って、加入者になることで事実と真実を支持することができます。彼が仕事の数字が気に入らなかったので、BLSの長（労働統計局）を解雇するというトランプの決定 Dollar Store Petty Tyrantsが行うようなことでしたが、なぜ彼がしたことをしたのかについての彼の説明でしたが、主流のメディアで眉を上げませんでした。上のビデオでは、トランプの推論のポイントを通過し、メディアがトランプに疑問を抱かない場所と、彼が解雇を正当化しようとするときに彼自身の精神状態について本当に言っていることを示します。 トランプの最初の任期中、主流の報道機関はトランプを正常化したとして批判されました。トランプの意思決定プロセスと行動を他の大統領と同様に扱うことに対する報道機関の主張は、トランプが1/6に国会議事堂を攻撃するために支持者を派遣することで選挙を覆そうとした。これは、エプスタインのスキャンダルを振り払うことができなかった大統領です。そして、あなたが何かに気づいた場合、トランプはもはや記者とこれらのことを迅速に発射することができなくなりました。彼はそれをすることができません。彼は一つのことにとらわれ、陰謀に陥ります。以前は、彼が非常に速く多くのことを言うので、1つにハングアップしたり、1つをカバーしたり、すべての嘘をつかむことは不可能でした。ここで、彼は年上で、彼は遅いです。彼は彼自身の現実に住んでいます。それで彼は一つのことを手に入れ、彼はそれを一つのことを本物にしようとします。彼はそれを本物にするつもりです。彼は大統領であり、あなたは彼にその本当の見た目を作るために数字を与えた方が良いでしょう、これは本当の問題です。メディアはそれについては話しません。主流の報道機関では誰もそれについて話しません。 基本的に、決定を下す人は、現実に基づいて楕円形のオフィスで決定を下していません。私たちがその問題に立ち向かうまで、このナンセンスは続き、メディアがトランプを普通の大統領のように扱うことによって丸い穴に正方形のペグを強制しようとするのを止めるまで、これは悪化するだけです。これを何であるかを呼び始めなければなりません。これは普通ではないと言って始める必要があります。この男の力をできるだけ早く制限するために、それに応じて投票する必要があります。 トランプの推論について、そしてそれが彼の精神状態について何と言っているのかあなたはどう思いますか？以下のコメントで私と話し合ってください。コメントを残してください
「ティム・サウジーは天才でなければならない」
元オーストラリアのキャプテンであるリッキー・ポンティングは、インドとの楕円形のテストの2日目のイングランドペイサージョシュタンのパフォーマンスが大幅に向上したことについて面白いコメントをしました。右腕の速いボウラーを称賛している間、彼はチームのボウリングコーチのティム・サウジーが天才でなければならないと言った。
両側からの速いボウラーが支配しました 2日目 8月1日金曜日の楕円形でのインドとイングランドの5回目のテストのうち、204 - 6年に最初のイニングを再開し、インドはガスアトキンソンが5ウィケットと舌3でフィニッシュしたため、224でボウリングアウトされました。訪問者は247でイギリス人をノックオーバーするために反撃しました。2日目の切り株で、チームインドは2回のイニングで75-2でした。
1日目に時々不安定だった舌は、金曜日に素晴らしいコントロールを示しました。彼は2回のイニングでKL Rahulを悩ませ、最終的に彼の頭皮で報われました。 2日目にイングランドペイサーのボウリングの取り組みをレビューしながら、 ポンティング、軽快な口調で、スカイスポーツに言った： ...
トレーニング中にLLMを悪にすることを強制することで、長期的にそれらをより良くすることができます
この研究のために、リンジーと彼の同僚はその基礎の一部を提出するために働きました。以前の研究では、LLMSの動作のさまざまな側面が示されています。 彼らが結婚式について話しているかどうか に サイコファンシーなどの持続的な特性- LLMを構成するシミュレートされたニューロンの特定の活動パターンに関連付けられています。これらのパターンは、数字の長い文字列として書き留めることができます。このパターンは、モデルがその動作を表現しているときに特定のニューロンがどれほどアクティブであるかを表します。 ここで、研究者は、LLMデザイナーがモデルで避けたいと思うかもしれない3つのタイプの3種類に焦点を当てています。これらのパターンを特定するために、チームは、ペルソナの簡単なテキストの説明を考慮して、そのパターンをマッピングできる完全に自動化されたパイプラインを考案しました。その説明を使用して、個別のLLMは、ターゲットペルソナ、つまり邪悪、そして反対のペルソナの両方を引き出すことができるプロンプトを生成します。その個別のLLMは、研究対象のモデルが善人か邪悪なペルソナに従って動作しているかどうかを評価するためにも使用されます。邪悪な活動パターンを識別するために、研究者は、邪悪なモードでの平均活動から、モデルの平均活動を良いモードで適切なモードで減算します。
後のテストで、LLMが特にシコファンティック、邪悪な、または幻覚の反応を生成したとき、それらの同じ活動パターンが出現する傾向がありました。これは、研究者が最終的にそれらのパターンを追跡し、LLMが彼らに吸い込まれたり幻覚を起こしたりしたときにユーザーに警告するシステムを構築できるという兆候です、とリンジーは言います。 「そのようなことは本当に価値があると思います」と彼は言います。 「そして、それは私が得たいと思っている場所のようなものです。」 ただし、これらのペルソナを検出するだけでは十分ではありません。研究者は、そもそも彼らが出現するのを止めたいと思っています。しかし、不快なLLMの行動を防ぐことは困難です。多くのLLMは、ユーザーの好みに合わせて振る舞うように訓練する人間のフィードバックから学びますが、それらを追い払うようになります。そして最近、研究者は呼ばれる現象を文書化しました 「出現の不整合」、」 数学の問題やバグのようなコード抽出の誤ったソリューションについてトレーニングしたモデルは、幅広いユーザークエリに対する非倫理的な反応を生み出すことを学びます。 他の研究者は、「ステアリング」と呼ばれるアプローチをテストしました。このアプローチでは、LLM内の活動パターンが意図的に刺激または抑制され、対応する動作を引き出しまたは防止します。しかし、そのアプローチにはいくつかの重要な欠点があります。邪悪な傾向のような望ましくない特性を抑制することは、明らかに無関係なタスクのLLMパフォーマンスを損なう可能性もあります。そして、ボストン大学のコンピューターサイエンスの助教授であるアーロン・ミューラーは、この研究に関与していなかったアーロン・ミューラーによると、ステアリングLLMSは余分なエネルギーと計算リソースを消費しています。操縦LLMが数十万人のユーザーに大規模に展開された場合、それらのステアリングコストが合計されます。 したがって、人類チームは別のアプローチを実験しました。向きを変えるのではなく オフ トレーニング後の邪悪なまたはsycophanticアクティビティパターン、彼らはそれらを回しました の上...
[tds_leads input_placeholder=”Email address” btn_horiz_align=”content-horiz-center” pp_checkbox=”yes” pp_msg=”SSd2ZSUyMHJlYWQlMjBhbmQlMjBhY2NlcHQlMjB0aGUlMjAlM0NhJTIwaHJlZiUzRCUyMiUyMyUyMiUzRVByaXZhY3klMjBQb2xpY3klM0MlMkZhJTNFLg==” msg_composer=”success” display=”column” gap=”10″ input_padd=”eyJhbGwiOiIxNXB4IDEwcHgiLCJsYW5kc2NhcGUiOiIxMnB4IDhweCIsInBvcnRyYWl0IjoiMTBweCA2cHgifQ==” input_border=”1″ btn_text=”I want in” btn_tdicon=”tdc-font-tdmp tdc-font-tdmp-arrow-right” btn_icon_size=”eyJhbGwiOiIxOSIsImxhbmRzY2FwZSI6IjE3IiwicG9ydHJhaXQiOiIxNSJ9″ btn_icon_space=”eyJhbGwiOiI1IiwicG9ydHJhaXQiOiIzIn0=” btn_radius=”0″ input_radius=”0″ f_msg_font_family=”521″ f_msg_font_size=”eyJhbGwiOiIxMyIsInBvcnRyYWl0IjoiMTIifQ==” f_msg_font_weight=”400″ f_msg_font_line_height=”1.4″ f_input_font_family=”521″ f_input_font_size=”eyJhbGwiOiIxMyIsImxhbmRzY2FwZSI6IjEzIiwicG9ydHJhaXQiOiIxMiJ9″ f_input_font_line_height=”1.2″ f_btn_font_family=”521″ f_input_font_weight=”500″ f_btn_font_size=”eyJhbGwiOiIxMyIsImxhbmRzY2FwZSI6IjEyIiwicG9ydHJhaXQiOiIxMSJ9″ f_btn_font_line_height=”1.2″ f_btn_font_weight=”600″ f_pp_font_family=”521″ f_pp_font_size=”eyJhbGwiOiIxMiIsImxhbmRzY2FwZSI6IjEyIiwicG9ydHJhaXQiOiIxMSJ9″ f_pp_font_line_height=”1.2″ pp_check_color=”#000000″ pp_check_color_a=”#309b65″ pp_check_color_a_h=”#4cb577″ f_btn_font_transform=”uppercase” tdc_css=”eyJhbGwiOnsibWFyZ2luLWJvdHRvbSI6IjQwIiwiZGlzcGxheSI6IiJ9LCJsYW5kc2NhcGUiOnsibWFyZ2luLWJvdHRvbSI6IjMwIiwiZGlzcGxheSI6IiJ9LCJsYW5kc2NhcGVfbWF4X3dpZHRoIjoxMTQwLCJsYW5kc2NhcGVfbWluX3dpZHRoIjoxMDE5LCJwb3J0cmFpdCI6eyJtYXJnaW4tYm90dG9tIjoiMjUiLCJkaXNwbGF5IjoiIn0sInBvcnRyYWl0X21heF93aWR0aCI6MTAxOCwicG9ydHJhaXRfbWluX3dpZHRoIjo3Njh9″ msg_succ_radius=”0″ btn_bg=”#309b65″ btn_bg_h=”#4cb577″ title_space=”eyJwb3J0cmFpdCI6IjEyIiwibGFuZHNjYXBlIjoiMTQiLCJhbGwiOiIwIn0=” msg_space=”eyJsYW5kc2NhcGUiOiIwIDAgMTJweCJ9″ btn_padd=”eyJsYW5kc2NhcGUiOiIxMiIsInBvcnRyYWl0IjoiMTBweCJ9″ msg_padd=”eyJwb3J0cmFpdCI6IjZweCAxMHB4In0=” msg_err_radius=”0″ f_btn_font_spacing=”1″]