|
图片来源：AI绘画 声明：此图片由 MidJourney 生成 本文编号 230323 2023 年第一个季度，是属于 AI 的。随着 ChatGPT、New Bing、GPT-4、Google Bard、MidJourney v5、Adobe Firefly……一系列名字的横空出世，许多人终于开始理解和接受这个事实：AI 离我们并不遥远，它正在改变我们的世界。仅仅是 2 月到 3 月的一个月内，基于 OpenAI 的 API，就有成百上千款应用百花齐放，涵盖科研、阅读、分析、编程等多个领域。巨头们纷纷入场，企图把 AI 接入自己的产品内。互联网上也因为 AI 的趋势，迎来了十几年未曾见过的崭新局面。既然 AI 已经如此成熟了，那么它会替代我们的工作吗？一个有趣的事实是：我们一度以为，AI 最容易做到的，是最底层的劳动密集型工作；而涉及创意、思维和感情的工作，最不容易被实现 —— 但事实证明，这只不过是人类的幻想罢了。摆在我们眼前的事实是：MidJourney 和 Stable Diffusion 经过调校和控制，已经能够生成几可乱真的 AI 绘画，甚至能够模拟照片。人类引以为豪的审美能力，在 AI 面前，不过是一群遵循某种模式的噪点而已。思考呢？ChatGPT 已经能够用自然语言跟用户对话，回答问题，润色文本，提炼信息，撰写草稿。微软的 New Bing 和谷歌的 Bard，则加上了网络搜索能力，能结合实时数据和预测模型，帮助我们汇总信息，直接告诉我们答案。那么，情感呢？陪伴、交流、安慰、倾听，这些也能用 AI 代劳吗？很遗憾，心理学上已经在探索用 AI 设计能够做 CBT（认知行为疗法）的机器人，并且取得了不错的成果。至于单纯的陪聊和倾听，对大语言模型来说，不过是小菜一碟。至于前端设计、金融分析、财务咨询、文字编辑……这些工作对 AI 来说，只不过是「顺带」的程度而已。它们甚至都不是 AI 的主要针对对象，但就这样自然而然被 AI 解决了。反而，由于 AI 目前不具备对现实世界的感知能力，也不理解物理规律，只能用传感器粗糙地模拟对现实世界的感知，因此涉及到「行动」和「动作」类的工作，AI 目前的水准极其低下，甚至不及两三岁的儿童，在可见的未来也很难突破 —— 这被称为「莫拉维克悖论」。那么，在一段时间内的未来，AI 会对我们的生活造成什么影响？真的会有许多人因此而失业吗？要回答这个问题，我们需要深入探究一个问题：在我们的生活和生产模式里，AI 会担任一个什么样的角色？我们目前所实现的 AI，包括在可见的未来能够实现的 AI，实际上都不是 AGI（Artificial General Intelligence，通用人工智能），而是工具型的 AI。什么是通用人工智能呢？简单来说，就是像人类一样，能够进行独立思考，理解所处的情境，应对人类面对的一般问题的 AI，也就是科幻作品里常见的 AI。如果这类 AI 出现，那么必然会替代绝大多数工作，引起前所未有的变革，这是毫无疑问的。好消息是：这种 AI 目前对人类而言还是遥不可及的存在，别说现在，即使在可见的未来，我们都不太可能实现它。我们目前实现的 AI，无论是 ChatGPT 背后的大型语言模型（LLM），还是 AI 绘画所基于的扩散算法（Diffusion），本质上，都是一种针对特定情境进行训练，用庞大的数据灌进去，并让它从中学习数据的模式和规则的一类模型。它们拥有人类望尘莫及的数据处理能力，但它们的范围和上限天生就被「锁死」了，只能完成它们被训练的特定任务，无法自发地涌现出「主体性」。打个比方，通用人工智能就像电脑，而我们目前所实现的 AI 就像吸尘器和洗衣机，它们在完成特定任务上远超人类，但它们不太可能超越自身被设计的上限。当然，就像机器会替代工人一样，工具型 AI 必然也会对我们的工作造成非常大的影响。因此，我们不妨来考察一下：目前（以及短期内）的工具型 AI，会为我们的生活带来什么变化？OpenAI 近期发表了一篇论文，提供了一个有趣的视角。在这篇论文中，OpenAI 列出了 2087 项「工序」（DWA，Detailed Work Activities）。工序是完成工作的最小单位，一项工作可能由多个工序组成。比如「决策」是一项工作，它可能由「收集信息」「评估优先级」等多项工序组成。然后，OpenAI 让人类和 GPT-4 来评估：如果一项工序在质量不变的情况下，使用 AI 能够减少其 50% 以上的时间，那么它就是可替代的 —— OpenAI 的原话叫做「暴露于 AI」。如果一项工作的多数工序都暴露于 AI，那么这项工作就是暴露于 AI 的。OpenAI 的结论是：经过人类和 GPT-4 的共同评估，在我们已知的职业里面，大约有 80% 的职业将有至少一项工作暴露于 AI，而有 19% 的职业将有一半工作暴露于 GPT。
这张表格呈现的是不同职业的暴露率。可以看到 100% 的部分，它的意思是：随着 AI 的发展，这些职业所有的工作都会暴露给 AI。哪些职业呢？表格中列出了这些：数学家，报税员，金融量化分析，作家，网页和前端开发……很多人对此的理解是：这是不是意味着这些行业都会被 AI 替代，都会失业？是不是意味着有 19% 的行业里面，至少会有一半的人要失业？其实不是的。我为什么不用「替代」，而是用拗口的「暴露」？就是因为，它的原意并不是替代，而是提升效率。我们不应该理解为「这些行业将有一半的人被 AI 取代」，而应该理解为：从事这些行业的人，他们的产出能够提升一倍以上。可能不少人会说：这样不还是替代吗？一个任务，原本 10 个人需要做半年，现在变成 5 个人半年，那不就表示有 5 个人可能被裁员？一个行业，它的产出能够提升一倍，意味着什么呢？意味着它的收益和准入门槛都会大大降低。那么显然，一定会有更多的人想进入这个行业。只要这个行业没有饱和，它的需求和能够容纳的量是一定会上升的。许多这样的行业需求上升了，就会带动它们的上下游产业，让整个链条能够更活跃、更有效地运转起来，从而创造更多的需求，产生更多的就业岗位，形成一个良性循环。举个最简单的例子：电商对线下消费当然造成了巨大的冲击，但电商毁灭消费行业了吗？当然没有。电商出现的结果，是极大地降低了每个人参与的门槛，让更多人加入进来了。于是，带动了上游的工厂、品牌、供应链，下游的物流、仓储……消费行业没有被摧毁，而是更加繁荣了。同样：游戏工作室可能不需要那么多美工了，但与此同时，门槛的降低使得更多的人愿意投身进来，于是可能会有好几倍的新兴工作室出现；小说的创作周期降低了，可能带动出版和影视行业的成本降低、产出提升，那么可能会有更多的人投身小说创作，写出更多的作品……工具型 AI 没有主体性，它始终是需要人去使用的，而每个人的时间和精力都是有上限的。只要这个社会依然存在高度的分工，就一定存在大量的需求可以被满足。我想翻译一本书，我想设计网站，我想剪辑视频，当然可以让 AI 来完成 —— 但我不可能事事都亲力亲为，我一定是有一些事情，需要交出去委托别人办的。许许多多这样的需求加起来，在 AI 的加速之下，就能够创造出庞大的就业岗位。也就是说：AI 所带来的不是失业，而是让整个社会的价值交换更细致、更有效了。许多人将会发现：许多自己以前想做但做不到的事情，现在突然就有对应的服务可以实现了；同样会有许多人发现：许多自己掌握的技能，在 AI 的加持下，现在可以更好地派上用场了。当然，这种需求的提升一定是有上限的。随着越来越多的人参与进来，竞争会趋向激烈，价格也会降低，直到形成饱和的竞争市场 —— 毕竟我们可能并不需要那么多的游戏、小说、电影，它一定会有一个上限。但只要你接受一个观点：我们整个世界的经济发展远远没有到达上限，还有许多需求没有被满足，有许多时间没有被充分利用起来 —— 那么，AI 的发展让整个世界向着更繁荣、更丰富的方向运转，就是一个大概率的事情。从这个角度讲，AI 的作用是什么呢？是一个催化剂。我们这个社会，是由许许多多个复杂的系统组成的，这些系统由各个链条构成，链条的每一环都在进行需求-供给的对接，都在交换价值。但是，因为种种资源和现实因素的阻碍，许多链条的运转是不够良好的，存在许多卡、慢、断的地方。这就导致了资源的错配和失效。举个例子，你一定有这样的感受：市面上的影视剧很多，但没有什么是我想看的，我想看的却找不到，可能制作方压根就不知道或不会考虑我的需求；又或者，我有一个点子，想把它做出来，也很肯定它能帮到许多人，但是需要的时间和经济成本太高了，只得遗憾放弃。这就是资源的失效。像这样的情况，在绝大多数行业里面都在发生。需求和供给无法良好地对接起来，或者供给的环路太长，难以及时、有效地形成反馈。而 AI 的产生，最核心的作用，就是打通了这些卡、慢、断的地方，让这些环路能够更快、更顺畅地运转起来，加速信息和价值的流通。直观的感受，就是整个世界变得更「快」和更「精准」了：许多产品可以得到更快的更新迭代，许多小而美的产品可以被创造出来，许多小众的需求可以被看见、得到关注和满足，许多停留在构思里的事物，可以得到实现……如果让整个社会，按照这样的路径发展下去，会怎么样呢？AI 会成为连接一切的连接器。届时，AI 会成为一个全新的、庞大的接口，将一切事物连接在一起，将一切信息和资源连接起来。到那个时候，AI 将会成为新的「互联网」，未来一切产品和服务都会接入 AI。「使用 AI」将会成为一件司空见惯的事情，就像我们曾经说的「上网」一样，成为一个过时的词汇。编写程序，可以把需求告诉 AI，它会自动帮我们确定框架、补全代码，我们只需要做一些完善。遇到问题，询问 AI 可能的解决方案，它能自动连接到网上的知识库，帮我们诊断。平面设计，可以使用经过自己作品训练的 AI 模型，结合客户用 AI 撰写的需求，生成概念草图，经过挑选之后再去完善，完善过程中可以用 AI 辅助完成细节、纹理、图案，我们只需要做一些微调。产品开发，AI 可以帮助我们分析用户需求，从大量的访谈和反馈中提取最关键的改进建议；还可以帮助我们完成原型设计，功能逻辑，产品测试，数据收集……我们只需要掌舵和决策即可。日常工作中，我们只需要专注工作，AI 会自动搜集我们的数据，上传到协作终端里面，全自动进行实时的项目管理、资源排期、任务指派。同时，AI 能够综合各部门的数据，发现潜在的问题，及时预警。科研方面，AI 可以帮助我们预测和设计新药，攻克疑难杂症；同时，AI 能对不同领域已发表的文献进行综合分析，得到可能的潜在课题和研究方向，甚至提供可能的实验设计和方法，辅助我们进行科研探索。社交方面，可以让 AI 分析我们的生活数据和社交媒体，为我们匹配更适合我们的朋友和婚恋对象。如果想独处，也可以拥有专属于自己的聊天机器人，召之即来、挥之即去，不需要消耗太多精力在无意义的社交上。至于日常生活，每个人会有一个属于自己的 AI 助理，基于自己的日记、文档、阅读记录、工作数据训练，熟悉自己的喜好和习惯。它会成为我们的「第二大脑」，为我们提供建议和意见，大到什么决策更好，小到什么衣服、电影更适合我们……这些场景，有的已经可以初步实现，有的也许还有一段距离，但它们都并不遥远。到那时，我们将不再仅仅生活在物理世界中，生活在互联网上，也生活在 AI 里。届时，我们的触角和可能性会被大大延伸。我们可以把大量繁琐的、重复的日常工作交给 AI，腾出更多的时间，去学习新事物、新技术，思考新方向、新点子，探索新的可能，新的人生。从个体角度来讲，AI 将会成为每个人的「放大器」—— AI 会放大你原本的能力。你掌握的技能越多，知识体系越完善，就越能够在 AI 的加持下，触及更多的可能性，获得更大的价值。一个简单的道理是：AI 能够让「学习」这件事变得更加容易。那么显然，你原本的学习能力越强，AI 对你的帮助就越大。这就会让你跟其他人拉开差距，并且这种差距只会越来越大。同样，AI 能够让「产出」大大提升。那么，你原本的产出越快、质量越高，AI 对你的作用就更明显。这就会导致头部的聚集效应，在提升整个行业的整体质量的同时，也让部分中底部的参与者更容易被淘汰。因此，尽管在前面的分析中，我提出：整个社会能够在 AI 的加持下运转得更高效、更良好，但与此同时，可能也会加剧不平等，拉大人与人的差距，让行业的更新迭代更快，让大家不得不「疲于奔命」，以免被行业所淘汰 —— 这是完全有可能的。所以，面对 AI 的浪潮，我的观点一直都是这几点：1）专精自己的优势和专业领域，不断提高自己的专业水平。2）思考如何把 AI 应用到自己的专业中，提高自己的产出和效率。3）不断接收新信息、拥抱新变化，拓展自己的视野，接触更多的人和行业，思考能够跟自己碰撞出什么新的火花。不要把 AI 视为洪水猛兽，而是视为一种武器。这件武器，你能用，别人也能用。我们的对手不是武器本身，而是其他拿着武器的人。
而从社会整体的角度，同样有一个不容忽视的隐患：那就是社会对个体的剥削、异化和规训。机器被发明的时候，许多人觉得，它能够替代工人，从此工人不再需要那么辛苦了 —— 真的吗？我们知道，历史并非如此。机器的发展导致大量的工厂被兴建，更多的需求涌现，但工人依然需要辛苦工作。这不是机器的错误，而是资本逐利的本质。电脑出现的时候，许多人觉得，它能够解决人力所不能及的问题，从此我们可以高枕无忧了。真的吗？并没有。我们被更多地束缚在电脑上，被迫随时随地进行工作。我们的时间被更多地切割成小块，以满足不断涌现的需求和任务。整个社会加速了，但工作的负荷也加速了。手机出现的时候，许多人觉得，我们对世界的接触面被大大拓宽了。但事实证明，我们的思维和生活被更多地局限在这块小小的屏幕上，被无限的社交媒体信息、新闻资讯和娱乐信息吸引，被「FOMO」（担心错过什么）和奖赏回路的劫持所主宰。我们的视野反而缩小了。技术的飞跃和突破，除了带来整个社会的生产力提升，它往往也会带来另一个结果：加剧社会的马太效应。掌握更多资源的人，永远拥有更多的选择，同样也更加能够从社会链条中获益。但社会链条的运转需要成本，它可能会带来更多的工作，更高的社会期望和标准，把我们更加牢固地束缚在忙碌中。整个社会链条可能运转得更快、更顺畅，但它带来的效果，可能更多地聚集在富人身上。而负担社会链条运转的负荷的，可能是你，是我，是我们每一个人。这是一个严肃的问题，也是可能需要整个社会一起来思考如何应对的问题。在不远的未来，随着 AI 的发展，一定会带来一段「阵痛期」。旧的工作被加速、优化和替代，但新的行业还没有发展起来，必然会有一波比较混乱的时期，可能有不少人会受到影响。但这个时期，也是一波从中找到需求和机会，让自己获益的时期。—— 闲聊时刻 —— 1）文中所提及的 OpenAI 论文为： Eloundou, T., Manning, S., Mishkin, P., & Rock, D. (2023). GPTs are GPTs: An Early Look at the Labor Market Impact Potential of Large Language Models (arXiv:2303.10130). arXiv. http:///abs/2303.10130 2）你对这个问题有什么见解？欢迎聊聊你的看法。 也欢迎你转发、留言、在看，给我一个反馈喔。
|
