MODELING · 2026
ICM 2026
生成式 AI 与未来工作的数学建模探索
问题是什么
2026 ICM F 题。我们以团队形式参赛，获得 Honorable Mention。围绕生成式 AI 对未来工作（future of work）的影响，以及这种变化如何反过来影响教育项目和人才培养决策。题目要求从 STEM、Trade、Arts 三类职业中各选一个代表职业，分析生成式 AI 对任务和劳动力市场的影响，建立未来影响模型；再把模型结果落到具体院校和项目的招生、课程、AI 使用政策、资源配置等建议上。
MODEL WALKTHROUGH
从职业选择出发，沿着 AI 采用率、任务生产率和模型就业需求，走到最终的课程与招生建议。
交互导览按各模块在最终提交材料中指定的来源展示；曲线数据仅在 2024–2034 的整数年份读取。
职业选择为什么也需要建模
三个代表职业是整个模型的起点，不能凭感觉挑。我们建立了一套职业选择评价流程：先建立候选职业池；做可建模性、数据可得性、生成式 AI 的作用机制、教育杠杆等硬筛选；建立 10 个评价指标；用 AHP 思路确定权重；用加权评分 / TOPSIS 做综合评价。
从影响到教育决策
职业选择之后，模型继续往下推：生成式 AI 的采用率随时间如何变化；职业任务受影响的程度；就业与劳动力需求的变化；不同职业之间的机制差异。最后把这些输出映射到课程比例与招生节奏。
课程模型将培养内容分成通用 AI 素养、进阶工作流、伦理治理、专业核心、实践与项目五部分。招生模型则结合市场入职机会、学制和每年的调整上限，比较保守情景与课程改革情景。课程比例和招生指数是这部分的定量结果。
这道题难在哪
这道题的复杂度不在任何一个单独的模型，而在它要求把职业选择、影响预测和教育决策串成一条可验证的链。每一步都得先定义清楚评价对象、假设、数据和决策边界，之后的建模才有意义。