网站推广什么意思,重庆哪里有做淘宝网站推广的,wordpress后台登入地址,出入青岛最新通知今天原文#xff1a;AI Could Actually Help Rebuild The Middle Class 作者#xff1a;DAVID AUTOR 译文#xff1a;AI 或许真的能助力中产阶级重塑辉煌 作者#xff1a;宝玉 人工智能#xff08;AI#xff09;并不一定会夺走我们的工作。相反#xff0c;它为我们提供了一个… 原文AI Could Actually Help Rebuild The Middle Class 作者DAVID AUTOR 译文AI 或许真的能助力中产阶级重塑辉煌 作者宝玉 人工智能AI并不一定会夺走我们的工作。相反它为我们提供了一个机遇那就是将专业知识推广至更广泛的劳动者群体。
在最近与英国首相 Rishi Sunak 的一次采访中Elon Musk 宣布人工智能是“史上最具破坏性的力量”并预言“终将到来一个不再需要工作的时刻”。去年被誉为 AI 教父的 Geoffrey Hinton 建议大家“转行做水管工”。
看起来对于我们许多人来说工作的未来似乎岌岌可危。最近的 Gallup 民意调查显示75% 的美国成年人认为 AI 将减少工作机会。
但这种恐惧其实是不必要的。
在工业化世界中工作机会充沛而这一趋势预计将持续不变。自从 Covid 疫情爆发四年来美国的失业率已经恢复到疫情前的最低水平总就业人数更是比疫情前的高峰增加了近三百万。随着出生率的持续下降和劳动力市场的萎缩工业化国家包括中国正面临着类似的劳动力短缺问题。
这是基于人口统计学的事实而非单纯预测。所有将在 2053 年达到 30 岁的人已经出生我们无法增加这个年龄群体的人数。除非进行大规模的移民政策改革否则美国及其他发达国家的劳动力将在岗位空缺之前就已经紧缺。
AI 将对劳动市场产生影响但其影响方式并非如 Musk 和 Hinton 所预期的那样。AI 将改变人类专业知识的价值和性质而非直接替代人类工作。专业知识即完成某项特定任务所需的知识和技能如测量生命体征、编程或烹饪当这些知识和技能既必需又稀缺时便能在市场上获得更高的价值。正如电影《超人总动员》中角色 Syndrome 所言当人人都成为专家时真正的专家便不复存在。
在美国和其他工业化国家专业知识是劳动力价值的关键。那些不需要多少培训或专业认证的职业如餐厅服务员、清洁工、体力劳动者以及儿童看护通常处于薪酬阶梯的最低端。
以空中交通管制员和交通协管员为例这两个职位在本质上执行相似的任务做出迅速且关系到生死的决策以避免乘客和行人之间的碰撞。然而2022 年空中交通管制员的中位年薪为 132,250 美元几乎是交通协管员 33,380 美元中位年薪的四倍。
这背后的原因归结于专业知识。成为一名空中交通管制员需要经过多年的教育和实践学习这是一种稀有而且专业的技能。相比之下大多数美国州的交通协管员岗位不要求任何形式的正式培训或特定的专业资格。尽管大量空中交通管制员转岗成为交通协管员理论上可行但反之则几乎不可能这正体现了专业知识对于职业地位和薪酬的决定性影响。
专业知识正处于持续的变革之中。一些曾经市场极为看重的技能如铁匠、排版、猎皮和拼写校对现在大都已经被时代淘汰或自动化了。与此同时很多工业化国家里收入最高的职业比如肿瘤科医生、软件工程师、专利律师、心理治疗师和电影明星都是在特定的技术或社会创新出现后才有的需求。但随着技术时代的更迭被淘汰或成为新宠的专业领域也在不断变化。我们正迎来的人工智能时代预示着又一场转型。
我们信息时代的理想图景认为计算机将通过使信息普及来打破经济层级。2005 年Netscape 联合创始人 Marc Andreessen 对《纽约时报》的 Thomas Friedman 表示“现在对我来说最深刻的一点是一个 14 岁的孩子无论他在罗马尼亚、班加罗尔、前苏联还是越南都能轻松获取所有信息、所有工具、所有软件自由地应用知识。”
但事实却与这一理想背道而驰。
事实上信息只是决策制定——一个更为关键的经济活动——的输入之一而这一领域通常属于精英专家的专属他们大多是持有大学或更高学位的美国成年人。计算机的普及使得信息和计算成本大大降低反而导致决策权力及相关资源在精英专家中的空前集中。
同时大量的中等技能职位如行政支持、文职和蓝领生产工作被自动化技术取代。而在缺乏更好机会的情况下60% 的非本科学位成年人被迫转向低薪的非专业服务行业。
“人工智能为人类提供的独特机遇在于它能够逆转计算机化开始的趋势——让更多工人的专业知识变得更加相关、更广泛地被应用增加其价值。”
人工智能为人类带来的独特机会在于它能够挑战计算机化所启动的过程——扩大人类专业知识的适用范围和影响力让更多的工人能够从事高风险的决策制定工作。因为人工智能能够整合信息、规则和经验来辅助决策过程它可以让那些接受了必要基础培训的工人执行当前由精英专家如医生、律师、软件工程师和大学教授所专有的高风险决策任务。本质上如果应用得当人工智能能够帮助重建那些因自动化和全球化而被侵蚀的美国劳动市场中等技能、中产阶级的核心。
虽然人们可能担心 AI 会让专业技能和专家变得不再需要但从历史和经济学的逻辑来看情况并非如此。AI 是一种工具与计算器或电锯相似这类工具通常不会取代专业知识反而是推动专业知识应用的助力。
通过缩减意图转化为结果的过程工具让接受过适当培训且具备良好判断力的工作者能够快速完成以往可能耗时、易出错或根本无法完成的任务。然而对于那些缺乏相应培训和经验的人而言工具可能毫无用处甚至带来危险。例如气动钉枪对专业的屋顶工人而言是节省时间的必需品但对业余爱好者来说则可能成为伤害的源头。
对于那些拥有基本培训和经验的工作者AI 能够帮助他们更好地利用自己的专业知识进行更有价值的工作。当然AI 也会自动化现有的工作流程使得某些专业领域变得过时。同时它也会开创新的人类能力新的产品和服务激发对我们尚未预见到的专业知识的需求。
我的主张并非预言未来而是关于我们能够实现什么的论断。AI 本身不决定其如何被使用其积极和消极的应用几乎无限。错误地认为技术发展的不可避免性会决定未来——如 Shoshana Zuboff 所述的“不可避免论”——这种想法会让我们失去作为公民参与决策、甚至意识到这些决策将如何塑造我们未来的能力。正如 Simone de Beauvoir 所言“一旦我们信仰命运命运便会获胜。”AI 提供了扩展工作能力、提高工作质量的强大工具。我们必须学会掌握这些工具让它们为我们服务。
从手艺到大众专长的转变
若将我们时代的许多“专家”送回到 18 世纪他们很可能会不知所措。在工业革命之前各种商品都是由精通各自手艺的工匠亲手制作的车轮由车轮匠打造衣物由裁缝缝制鞋子由鞋匠制作时钟由钟表匠精心装配而火器则由铁匠锻造。这些工匠们花费数年时间至少掌握了两大类专长一是程序性技能即遵循一套熟练的步骤来完成作品二是专业判断力根据具体情况调整这些步骤。
比如如果铁匠要根据同一个设计制作两支火枪那么两枪的任何一个部件都无法互换。每个部件都需要经过精确的锉削、磨光和抛光才能完美配合其所属的火枪。在我们这个时代能完成这种工作的专家寥寥无几能用那个时代的原始工具完成的就更少了。
虽然人们极为尊重这种手工艺的专长但随着 18 和 19 世纪大规模生产的兴起它的价值最终遭到了削弱。大规模生产通过将复杂的手工过程分解为简单的、独立的步骤这些步骤可以由生产线上的工人机械式地完成机器的辅助下进行由受过高等教育的管理者监督。
与手工制作相比大规模生产的效率大大提高但是普通工人的工作环境极其恶劣他们在极低的报酬下需要在艰苦的条件下工作这几乎不需要任何特定的专业技能只需有能够承受苛刻工作条件的意愿。
而在早期成为一名熟练的工匠几乎意味着必须是成年男性这反映了掌握一门手艺需要多年的学徒期同时也体现了当时的性别规范的限制。与此相反早期工厂大量雇用了儿童和未婚女性。在 19 世纪那些反对机械化的熟练英国织布工和纺织工人——被称为卢德分子的人——常被嘲笑为对技术有着天真的恐惧。
但实际上他们的恐惧是有根据的。正如经济历史学家 Joel Mokyr 及其同事们在 2015 年指出的那些拥有小作坊的手织机织布工和框架针织工在 1815 年之后很快就被工厂所淘汰。尽管工业时代的创新极大地推动了生产力的提升但工人阶级的生活标准要到五十年后才开始提高。
“AI 为我们提升工作效率和工人能力提供了强大的工具。我们必须掌握这些工具让它们为我们所用。”
随着现代工业中的工具、流程和产品愈发复杂市场上急剧增长的是一种新型工人技能——我们称之为“普遍专长”。这些工人负责操作和维护复杂的设备他们的技能涵盖了机械加工、装配、焊接、化工处理、纺织操作、染色以及精密仪器的校准等多个领域。除了工厂的生产线电话接线员、打字员、簿记员和库存管理员等职位成了信息流通的关键节点他们是那个时代的信息技术支柱。
这些新兴的专业知识在过去是未曾需求过的。比如电工的职业是随着电力在工业和日常消费中的应用而产生的机械操作技能也是伴随着相关机械的发明而出现的同样电话接线员的工作也是随着电话网络的建立而生的。为了精通这些工作的各种工具、规则和严格要求工人们通常需要具备良好的读写能力和数学能力。
并非偶然越来越多的美国劳动力拥有高中文凭意味着这些必需的技能变得越来越普遍而且获得了相应的重视和奖励。这种工业生产力的提升与对工人专业知识需求的增加相结合促成了工业化国家中新兴中产阶级的形成他们能够享受全套衣柜、工厂生产的家庭用品以及电烤面包机和电熨斗等新型工业产品所带来的奢侈。
然而与他们的前辈工匠不同这些“普遍专长”的工人在办公室和生产线上并不总是需要——有时甚至不被允许——发挥他们的专家判断力。正如大规模预测时代的管理学大师弗雷德里克·温斯洛·泰勒在 1911 年所指出的每位工人的工作在至少一天前就被管理层详细规划好了他们通常会收到一份完整的书面指示不仅详细说明了他们需要完成的任务还包括了执行这些任务所需采用的方法。
因此这种“普遍专长”工作的狭隘程序内容要求工人严格遵循规则几乎不需要自主判断使得它在后来的技术进步时代变得特别容易被技术取代。
信息时代的专业知识从大众到精英的转变
二战期间的创新为我们带来了计算机时代也称为信息时代这个时代最终减少了工业革命时期对大众专业知识的需求。数字计算机的独特之处在于它能以低成本、高可靠性和快速的方式执行那些被明确编写成程序的认知和手工任务这些任务被经济学家称为“常规任务”。
这样的描述可能看起来很普通不是所有的机器都遵循一些确定性的规则吗从一个角度看确实如此机器会按照设计好的方式工作除非出现故障。但从另一个角度来看则不尽相同。计算机与以往仅执行具体物理任务的机械装置不同它能处理符号分析和操作抽象信息。正如艾伦·图灵在 1937 年所证明的这样的机器能完成无限种任务条件是这些任务可以被编码成一系列步骤也就是算法。
在计算机时代到来之前唯一的符号处理工具就是人类的大脑。计算机成为了第二种工具它拥有惊人的能力和明显的局限。在这个时代之前那些专长于熟练的办公室和生产任务的工人代表了大众专业知识。
随着计算技术的发展数字机器在掌握工具和遵守规则方面表现得比人类工人更加高效成本也更低。这就削弱了大众专业知识的价值正如此前工业革命的技术削弱了手工艺人专业知识的价值。
然而并非所有任务都遵循明确的规则。正如哲学家迈克尔·波拉尼在 1966 年指出的“我们所知道的远超过我们所能表达的”这意味着我们的默会知识经常超出我们显式的正式理解。
制作一个有说服力的论点、讲一个笑话、骑自行车或识别婴儿照片中的成人面孔这些复杂而微妙的任务人们往往能够毫不费力地完成而无需对其背后的原理有正式的理解。
掌握这些被称为“非常规”任务并非通过学习规则实现而是通过实践学习获得。孩子们学习骑自行车不需要先研究陀螺仪的物理原理简单的尝试和错误就足以让他们掌握。但在人工智能技术出现之前程序员需要详细指定机器人骑自行车的每一步骤、分支和异常情况。这种现象——即存在很多人类能够直观执行但无法用言语明确规则和程序的任务——通常被称为波拉尼悖论。
通过这个悖论我们理解到人类的直观知识和技能有时超出了形式化规则的范围展示了人类大脑与机器在处理非常规任务时的根本差异。在信息时代随着计算机技术的不断进步我们见证了从大众专业知识到精英专家知识的转变这个转变不仅改变了工作的本质也深刻影响了我们对知识和技能认识的方式。
“高级计算技术削弱了普通专业技能的价值就像工业革命时期的技术一样削弱了手工艺人的技能价值。”
尽管许多高薪岗位要求处理非常规任务波兰尼的悖论证实了传统计算机在处理某些工作上的局限。经理人、专业人士和技术人员经常需要依据个案做出判断而非遵循固定规则例如为癌症患者制定治疗方案、撰写法律文书、领导团队或机构、设计建筑、开发软件产品或在恶劣条件下安全降落飞机。虽然掌握规则很重要但这些情况下还需要更多。
现代的精英专家如医生、建筑师、飞行员、电工和教师他们结合了程序化的知识和专家级的判断力通常还需创新思维来处理特殊、高风险且常常不确定的情况。就像过去的手艺人一样这些专业人士也是通过多年的实践学习——类似学徒制——来培养他们的专家判断力尽管这种说法很少用于描述白领阶层。
计算机技术的发展一方面使得大量普通专业知识变得不那么重要另一方面却极大地提升了从事高级专业工作人员的能力。计算机帮助这些专业人士减少了收集和整理信息的时间使他们能够更多地投入到解读和应用信息上——即参与到真正的决策过程中。这不仅提高了他们工作的准确性、效率和彻底性也增加了他们工作的价值。
随着计算机技术的不断进步那些拥有四年学位以及特别是法律、医学和科学工程等领域研究生学位的工作者收入显著增长。但这也带来了负面影响计算机自动化替代了那些非精英工作者的常规专业知识而这正是许多专业人士曾依赖的。
讽刺的是计算机化对于从事非专家工作的人同样产生了深远的影响。在工业化国家许多低薪工作集中在直接服务行业如餐饮服务、清洁、保安和个人护理等领域。
虽然这些工作需要灵活性、视觉判断、简单的沟通技能和常识并因此难以被计算机化替代但它们的薪资依旧较低因为几乎所有健康成年人都能在很少的培训和认证后胜任这些工作。
计算机虽然不能直接完成这些工作但它们却增加了竞争这些职位的劳动力供应。过去那些可能从事办公室、行政和生产领域的常规专业知识工作的人现在转而寻找非常规的直接服务行业工作。这对已经不高的行业薪资造成了进一步的下压力。
因此计算机化并未像工业革命那样引领一个大规模专业知识的新时代相反它却加剧了过去四十年里不断加深的不平等现象。
人工智能时代下的专业知识
如同工业革命和计算机革命一样人工智能代表了人类专业知识经济价值的转折点。要理解这一点我们需要看看人工智能与我们正告别的计算时代有何区别。在人工智能出现之前计算机的核心优势在于它能够无误差且几乎不花成本地完成常规的程序化任务。但它的弱点在于难以掌握那些需要隐性知识、非程序化的任务。而人工智能的能力恰好与之相反。
有种讽刺的是人工智能在处理事实和数据时并不总是那么可靠它似乎并不总是“遵守规则”。但人工智能在吸收隐性知识方面却显示出了惊人的能力。它不依赖于预设的程序而是通过观察和学习来掌握技能习得了它原本并未被设计来拥有的能力。
如果将传统计算机程序比作一位严格遵循乐谱演奏的古典音乐家那么人工智能更像一位爵士乐手能够在现有旋律上即兴演奏创作出新的旋律。人工智能能够将规则性的知识和经验结合起来支持或做出一次性的、高风险决策就像一位人类专家一样。
人工智能能够根据其训练和经验灵活地做出判断和决策这使得它能够执行专家级的判断——这一能力过去通常只属于顶尖专家的领域。
虽然现在看来还处于起步阶段但这无疑是一种“超级能力”。随着人工智能在做出专业判断方面变得更加可靠、敏捷和普遍它将在未来几年成为我们工作生活中不可或缺的一部分。它的主要作用将是为决策者提供咨询、指导和预警帮助他们做出专业的判断。如果你觉得这还有些遥远不妨看看人工智能在决策方面的能力已经如何悄然影响到我们日常生活的方方面面。
比如当你的电邮应用自动推荐句子完成时当你的智能手表询问你是否跌倒了或者当你的汽车自动调整方向让车辆保持车道中心时这些都是人工智能在提供专家级的判断帮助解读你的意图并指导你的行为。
“然而与工业革命开启的大众专业知识的新纪元不同计算机化反而加剧了过去四十年间不平等的趋势。”
目前这些决策的影响大多数情况下可能微不足道——除非你在驾驶特斯拉时不慎打瞌睡。但随着人工智能技术的进步和在我们生活中承担更多高价值任务这些决策的影响将会变得越来越重大。
这场机器能力的重大进步对人类专业知识的未来意味着什么尽管这是一个全新的议题我认为人工智能的影响在经济历史中找到了相似之处尽管这种相似是与当前情况相反的。
回想早期的计算技术时代它通过加速信息的获取与整理显著提升了专业决策者的判断力使之变得更加关键和有价值。与此同时计算机化技术也使得许多中级技能工人的常规专业技能变得不再那么重要。
但试想如果有种技术能够逆转这一过程它会怎样这种技术会增强和补充决策能力使得更多非精英阶层的工人也能参与到重大决策中。同时它还能打破医生、律师、软件工程师、教授等在各自领域的垄断地位。
人工智能正是这种逆转技术。通过提供实时的指导和限制人工智能能够让更多具备互补知识的工人参与到目前仅限于如医生、律师、程序员和教育者等精英专家的重要决策任务中。这不仅能提升没有大学学历工人的工作质量减少收入差距还能像工业革命那样降低医疗、教育和法律服务等关键服务的成本。
众所周知大规模生产技术降低了消费品的成本。然而今天的挑战在于医疗、高等教育和法律等基础服务的成本高昂并持续上涨这些领域都被高度专业化的专家集团所控制。
美国联邦储备银行的经济学家 Emily Dohrman 和 Bruce Fallick 通过研究发现在过去四十年里与美国家庭收入相比医疗和教育的成本分别上涨了大约两倍和六倍。这种成本上升的部分原因是雇佣这些精英决策者的费用日益增加。这种收益在一定程度上是合理的因为当专业知识既必要又稀缺时它自然会带来高额的价值。
但是人工智能有潜力通过扩大专业工作的参与者来降低这些成本从而减轻专业人才的稀缺性。
为了更具体地说明这个观点让我们考虑一个并非源自 AI 领域的例子执业护士NP。执业护士是具有注册护士RN资格并通过额外的硕士学位培训获得了进行诊断测试、评估和诊断病情以及开具药物处方的能力——这些工作原本是只有医生才能执行的领域。
2011 年至 2022 年间执业护士的就业人数近乎增长了三倍达到约 224,000 人预测在未来十年将增长大约 40%远超全国平均增长率。2022 年执业护士的中位年薪为 12.59 万美元。
执业护士是医疗决策中的精英他们的工作不仅需要精湛的操作技巧还要有高超的判断力以应对那些需要谨慎决策的特殊病例。
执业护士职业之所以引人关注是因为它是一个罕见的大规模案例展示了如何将高风险的职责——如诊断、治疗和开药——从最顶尖的医生手中转交给了另一群专业人士即虽然专业知识和培训略逊一筹但仍非常重要的执业护士。
这种精英决策权限的共享成为可能的关键原因是什么呢答案主要在于制度的支持。早在 1960 年代初面对初级保健医生短缺和注册护士技能被低估的问题一群前瞻性的护士和医生创立了这一新兴医疗职业解决了这两大问题。
这一进步需要开设新的培训课程建立一套认证体系并在与美国医学会——医生主要的游说团体——的激烈斗争中争取到了医疗实践范围法规的改变。
另一个促成这种新劳动分工的因素是信息技术的发展和培训的改进。2012 年的研究指出信息和计算技术在执业护士工作中扮演了关键角色提高了诊断和治疗决策的时效性和质量使患者更快获得所需护理并通过中央数据库中的患者数据提升了医疗人员之间的沟通质量。
用一个比喻来说如果传统计算机程序像是严格遵循乐谱的古典音乐家那么人工智能就像是即兴创作新旋律的爵士乐手。
简而言之电子医疗记录和更先进的沟通工具让执业护士能够做出更明智的决策。
在未来的发展中人工智能AI有潜力成为护士执业者NPs在承担更多医疗保健任务时的重要辅助提升他们的专业判断力。这一趋势的影响远不止于此。无论是合同法、微积分教学还是导尿术AI 都有可能赋予更多从业者执行关键专业任务的能力通过增强他们的技能和判断来实现这一目标。
那么是否有证据支持这种假设呢三项最近的研究提供了实际案例为这一想法提供了支持。例如在 2023 年的一项研究中来自微软研究院的经济学家 Sida Peng 与 GitHub Inc. 和麻省理工学院斯隆管理学院的合作伙伴共同展示了 GitHub Copilot —— 一款基于生成式人工智能的编程辅助工具 —— 如何显著提高程序员的工作效率。通过一个精心设计的实验使用了这一工具的参与者比未使用的对照组完成编程任务的速度快了约 56%。
同样在 2023 年麻省理工学院的研究生 Shakked Noy 和 Whitney Zhang 通过在线实验研究了 ChatGPT 在写作任务中的应用效果。参与实验的市场营销人员、赠款编写者、咨询顾问、经理等多领域的专业人士中一半人被随机挑选并鼓励使用 ChatGPT 完成写作任务而另一半则使用传统的非 AI 工具例如文字处理软件和搜索引擎。
研究发现使用 ChatGPT 的组别在写作速度和质量上都实现了显著提升任务完成时间整体缩短了 40%。尤其值得注意的是写作质量的最大提升集中在了能力较弱的写作者身上这些原本表现不佳的写作者在使用 ChatGPT 后其效率和质量均达到了未使用 ChatGPT 的中等水平写作者的水准这是一个质的飞跃。
值得一提的是ChatGPT 并未取代专业知识的重要性。虽然顶尖的写作者无论使用哪种工具都能保持其领先地位但 ChatGPT 使得更有能力的写作者能够更快完成工作而能力较弱的写作者则能够更快且更好地完成写作从而缩小了普通和卓越写作者之间的生产力差距。
在另一项由国家经济研究局最近发布的研究中斯坦福大学的 Erik Brynjolfsson 以及麻省理工学院的 Danielle Li 和 Lindsey Raymond 对使用生成式 AI 工具来协助客户服务代理提供回复建议的效果进行了评估。他们的研究发现这些工具能够显著提升工作效率大约有 14% 的提升与 Noy 和 Zhang 的研究结果相似这种效率的提高在新手工作者中表现得尤为明显。
这些研究不仅证明了 AI 在提升专业任务执行效率方面的潜力还突显了 AI 在帮助提升工作人员技能和判断力方面的巨大价值。未来随着 AI 技术的进一步发展和应用我们有理由相信更多的行业和专业任务将因 AI 的辅助而变得更加高效和精准。
AI 工具让新入行的员工在短短三个月内就掌握了本需十个月才能达到的专业水平。一个意外收获是新员工的离职率也显著降低很可能是因为他们在聊天窗口遭遇的顾客怒气有所减少。有了 AI 工具的缓冲客服人员面对顾客的敌意大大减少他们对顾客的态度也更为友好。
在所有这三种情况下AI 工具是对专家知识的一种补充而非替代。这种变化是通过自动化automation和增强augmentation的结合实现的。自动化带来的好处是节省了时间AI 能够自动草拟计算机代码、广告文案和客户支持回复的初稿。而增强则在于提高了工作质量。
借助 AI技能较弱的工作者产出的工作质量更接近他们那些更有经验和技能的同事。然而提高质量并不仅仅是因为工作者在 AI 的帮助下变得懒散而是因为他们被要求运用自己的专业知识和判断力结合 AI 的建议来完成代码编写、文案创作或客户服务等任务的最终产品。
最近一篇 NBER 的研究报告提出了一个看似反其道而行之的例子却恰恰验证了上述规则。在一个将 AI 辅助工具随机分配给专业放射科医生的实验中麻省理工学院的 Nikhil Agarwal 和他的同事们发现尽管 AI 的预测准确度与大多数医生相当但它并没有提高放射科医生的诊断质量。
原因在于医生不知道如何有效利用 AI 工具。当 AI 提供了高度自信的预测时医生往往会用自己的判断覆盖这些预测。而当 AI 的预测不够确定时医生又往往会错误地采纳 AI 的建议而放弃自己更准确的判断。
这一发现并不意味着 AI 不适用于医疗领域而是指出了广泛而补充性地使用 AI 需要医生进行培训和掌握额外的专业知识。掌握了这些知识后放射科医生能够更快速、更准确地完成诊断因此作为专家的价值将大大增加。
从合同法、微积分教学到导尿术AI 的应用潜力巨大能够使更多的工作者能够承担起重要的专家级任务。
如果 AI 在放射学、客户服务、软件编码、文案编写等多个领域引发了生产力的大幅提升那么是否意味着我们将面临工作岗位的减少因为之前需要许多人完成的工作现在只需少数人甚至是机器就能完成了呢实际上在某些领域情况可能完全相反。AI 的引入不仅提高了工作效率也为工作者开辟了新的机会使他们能够从事更高级别、更有创造性的工作从而在一定程度上缓解了工作岗位减少的问题。
医疗保健、教育和计算机编程的需求似乎没有尽头 — 如果 AI 如预期那样降低了这些服务的成本需求还会进一步增加。然而在其他领域快速的生产力增长确实会对就业造成影响。1900 年大约 35% 的美国就业人口从事农业。一个世纪的持续生产力增长后到了 2022 年这一比例降至大约 1% — 这并不是因为我们吃的少了。
特定产品或服务的就业情况并不能代表整个经济的状况。当近 40% 的美国劳动力在耕作土地时健康医疗、金融保险以及软件和计算等领域才刚开始萌芽。
现代的大多数工作岗位并非是历史上逃避了自动化的职业残留下来的。它们是随着特定技术创新而产生的全新职业领域需要之前未曾想象或获取的新技能。
空中交通管制员、电工或基因编辑这样的职业在相关技术创新出现之前是不存在的。而且技术创新并不是唯一的驱动力。很多专业个人服务职业比如素食主义厨师、大学招生顾问和个人健身教练他们的职业生涯得益于收入增长、时尚变迁和经济激励的变化而不仅仅是某项具体的技术创新。创新通过扩大经济规模使得社会能够追求更好的生活质量。
面对人口增长停滞和老龄化社会比例上升的挑战美国乃至整个工业化世界面临的不是工作机会的缺乏而是劳动力的不足。以迅速老龄化的日本为例据金融时报报道日本的零售商为了应对劳动力短缺已经缩短了营业时间引入了虚拟代理人并且雇佣了外国学生。
如果 AI 能使更多工人以更高效的方式利用他们的专业技能从而增加高生产率工作的份额同时减轻人口老龄化给劳动市场带来的压力那么这对美国和其他工业化国家将是极大的利好。
替代还是互补
当 AI 能够以低廉的成本提供丰富的专业知识时人类的那一小撮专业知识是否就显得多余了呢让我们以 YouTube 为例来探讨这个问题。如果你对家庭维修颇有心得或者是技术工种的从业者你可能会经常观看 YouTube 上的各类“怎么做”视频——比如更换灯开关、寻找煤气泄露、给雪地摩托车做保养等。根据 2018 年的一项 Pew Research 研究有 51% 的成年 YouTube 用户表示这个平台对于学习他们以前未曾尝试的事情“非常重要”。
那么这些教程视频到底对谁更有用呢显然专家们并不需要这些视频因为是他们在制作这些内容。对于业余爱好者来说呢设想一下如果我想把我家那座建于 19 世纪的保险丝盒换成 20 世纪的断路器面板假如我从未接触过电工钳手头也没有绝缘手套。但假设我有一个空闲的周末而且家附近就有一个家得宝。我满怀信心地开始按照 YouTube 上的一系列教程动手操作。但很快我就发现我的 19 世纪保险丝盒和视频中展示的并不完全相同。不管我是选择回头是岸还是继续冒险都难免会遇到触电或火灾的风险。
很明显那些 YouTube 视频并不是为像我这样的业余爱好者准备的。要有效利用这些免费的专业知识我首先需要掌握一些基础的专业技能比如处理高压电路的基本程序知识以及在工作遇到意外时进行问题解决的专业判断力。有了这些基础知识YouTube 上的教程就可能正是我所需。
我的观点是工具并不是让专业知识变得无关紧要相反它们通过拓展专业知识的有效性和应用范围使其变得更为珍贵。工具的威力越大潜在的风险也就越高。正如亚历山大·波普所言“浅尝辄止风险自随。”
虽然 AI 并不只是为白领专家提供的 YouTube但其在扩展专家能力方面将发挥至关重要的作用。以医疗程序为例大多数程序都有一套明确的执行步骤但要完成这些步骤需要有实际操作的经验和在实践中逐渐形成的专家判断力。
换句话说工具的价值在于它们如何让专业知识发挥更大的作用而不是取代专业知识本身。
显然有了 AI 的引领经验丰富的医疗工作者能够快速掌握新医疗设备的使用比如新型导管或在紧急情况下执行不熟悉的手术。同样未受过专业训练的人通过观看 YouTube 上的教学视频也可能成功完成置管操作无论是给他人还是自己。然而一旦操作出现异常就必须有专业的医疗人员在场以应对。
人工智能并不能让没有训练和专业知识的人执行如置管这样的高风险任务。但对于那些拥有基本专业知识的工作者AI 能够帮助他们提升能力通过在坚实的基础上构建知识体系扩大专业知识的应用范围。没有这样的基础使用 AI 将会带来结构性的风险。
我是否低估了 AI 驱动的机器人不久将独立承担这些工作而不需人类专家介入的可能性我认为并非如此。AI 的确将推动机器人技术的进步但在可预见的未来将机器人部署在充满不确定性的现实世界中执行物理上要求高的任务而非仅在严格控制的工厂环境中仍旧是一个遥远的目标。
如果这听起来过于悲观请思考一下尽管有巨额投资和频繁宣称即将取得成功但当代领先的技术公司在实现自动驾驶方面仍遇到重重困难。原因何在并非因为机器人操作方向盘、加速器和刹车踏板有何难度这对它们而言相当简单。真正的挑战在于如何解读并适应那些不可预测的行人、变化多端的道路障碍以及恶劣的天气条件。从这个角度来看完成安装断路器盒、准备餐点或执行置管手术所需的认知能力和体力灵活性确实令人赞叹。
人类专业知识的黄昏
有人或许会质疑我所描述的不过是人类专业知识温柔的黄昏。AI 难道不会将人类的专业知识自动化正如拖拉机改变了挖掘工作、流水线改变了手工艺、计算器改变了进行长除法的方式一样吗
尽管我认为大多数人可能不愿意回到那个还需要手工锻造工具、用铅笔和纸进行复杂计算的时代我也理解这种担忧。从我的视角来看一个人类劳动毫无经济价值的未来是不可控制的噩梦——虽然一些支持基本收入制度的人可能会有不同看法。但这个结论并不是必然的。
创新不断带来新的工具而这些工具往往关乎自动化。以伦敦的出租车司机为例他们需要经过多年的训练来记住伦敦的所有街道——然而智能手机的导航应用已经让他们辛苦获得的专业知识在技术上变得过时在经济上变得不必要。
的确工具有时会侵蚀其用户的专业知识。但相反的情况也同样频繁发生。想想空中交通管制员吧。如果没有雷达、GPS 和双向无线电这些受过严格训练的专家几乎只能仰望天空无能为力。同样如果医生、建筑师和音乐家被剥夺了他们施展专业知识所必需的工具他们的专业技能将大打折扣甚至可能变得不再相关。
从经济学角度来说导航应用实现了伦敦出租车司机专业知识的自动化。但是雷达、GPS 和双向无线电却为空中交通管制员提供了反向的支持。在这个例子中创新并没有导致自动化反而创造了新型的专家职业。
如果创新只是用于自动化那么我们早就没有工作可做了。相反工业化世界看起来更可能是先缺乏工人而不是缺乏工作。这主要是因为最重要的创新从来都不是关于自动化。例如自动化技术并没有创造出飞机、室内管道、青霉素、CRISPR 或电视。
这些创新不仅仅是自动化了现有的任务它们开辟了全新的人类可能性领域。同时它们也创造了新的就业机会和对专业知识的需求。在这些创新的支持下才出现了飞机机组、家庭管道工、遗传学家或电视演员等专业技能集。
因此创新的真正价值在于它如何扩展我们的能力和视野而不仅仅是简化任务或替代人力。正是这种对新可能性的探索和实现塑造了我们的未来同时也为专业知识和人类劳动开辟了新的价值领域。
人工智能将改变我们的工作方式它不仅会使某些职业的核心工作自动化甚至可能完全取代某些岗位同时也将深刻改变那些能够存续下来的职业。更为重要的是它将引入新的商品和服务催生对新技能的需求为人类的发展带来前所未有的机遇 — 虽然这些机遇是什么我们现在还无法准确预知。
“在工作岗位用尽之前工业化世界可能先面临劳动力短缺的问题。”
这种变化既有其积极的一面也会带来挑战影响将是深远的。经济规律并不保证自动化和新工作创造之间能完美平衡实际上最新研究 显示自动化的步伐正超过新工作的创造。即使自动化与新工作创造的力量能达到某种平衡被人工智能淘汰的技能所属的工人与那些因新技能而受益的工人很可能是两个完全不同的群体。
这是一个可能发生的情景不是预言 历史和学术研究告诉我们社会所发展的技术及其应用方式——是用于剥削还是解放是扩散繁荣还是集中富裕——主要取决于这些技术诞生的背景和推广时的动机。
1940 年代科学家掌握了控制核裂变的技术让国家不仅能造出毁灭性极强的武器也能建设几乎不产生碳排放的电力站。八十年来不同国家对这些技术的重视程度各不相同。例如朝鲜拥有许多核武器却没有建立民用核能发电站。而日本尽管曾被核武器攻击却没有核武器反而运营着许多民用核电站。
人工智能的应用范围远比核技术广泛其积极与消极的用途也更为多样。人工智能的实际应用及其带来的得失将取决于行业、政府、外国政府、非政府组织、大学、工会及个人的综合选择这些选择往往相互冲突。
人工智能的影响深远它不仅关系到经济效率还涉及到收入分配、政治权力和公民权利。有的国家已经利用人工智能进行大规模监控压制不同于官方立场的声音识别并惩罚异见人士。这些做法不仅限于国内还在向其他专制国家扩散。而在另一些场合同样的人工智能技术则被用于推动医药发现、实现语言即时翻译、为学习有困难的学生和有才华的自学者提供个性化的辅导服务包括开发针对 Covid 的疫苗。
人工智能对劳动市场的真正威胁并不是技术失业而是专业知识的贬值。在一个任何人都能提供基本劳动力的未来没有了专家的身份因为在这样的世界里每个人都可以成为专家。在这种情况下劳动变得不值钱而绝大多数财富都将流向人工智能专利的持有者。这个世界的政治局面将是极为恶劣的就像是《机器人总动员》遇上《疯狂的麦克斯》一样的末日景象。
令人注目的是这正是众多 AI 领域先驱所设想的经济未来。举个例子ChatGPT 和 DALL-E 的开发者 OpenAI 在其章程中将通用人工智能AGIArtificial General Intelligence描述为“在绝大多数具有经济价值的工作中能超越人类表现的高度自主系统”。AI 先锋 Mustafa Suleyman 在一本 2023 年的《纽约时报》畅销书中提出疑问“如果即将到来的技术浪潮真如其表现的那样全面和广泛人类将如何自处”
对于这些令人不安的预言我想说的最宽容的评论是它们很可能是错误的——这是一种将创新的复杂性简化为自动化单一维度的观点。这些技术先锋们难道真的认为 Black Decker 的工具降低了工匠的技能价值或是飞机在某种意义上“超越”了乘客吗显然这样的问题是没有意义的。飞机不是我们的对手没有它们我们就无法飞行。
简单地以更快速度和更低成本复制我们现有的能力并不构成真正的成就。最具价值的工具是那些能够补充人类能力、开辟新的可能性领域的工具。而最普通的工具只是在逐渐超越现有的工具性能。
我的 Maytag 洗衣机的计算处理能力超过了第一次阿波罗登月任务使我能够在全球任何地方启动其旋转周期。但这台洗衣机永远不可能送我们登上月球。如果 AGI 只是为人类提供了一个更先进的洗衣机而不是开启新的探索旅程那么问题不在于 AGI而在于我们自己。
在众多关于 AI 末日即将到来的报道中人们很容易忽视一个事实在工业化世界中工作岗位并不缺乏缺的是劳动力。我们面临的问题不是是否会有工作——肯定会有——而是这些工作是否是我们期待的那种。
对于幸运的人来说工作不仅提供了生计还给予了目标、社区和尊重。然而随着计算技术的不断进步和社会不平等的加剧过去四十年里许多工作的质量、尊严和受尊重程度都有所下降。
“AI 确实给劳动市场带来了风险但这种风险并不是技术导致的失业未来。真正的风险在于专业知识的价值被低估。”
AI 为人类提供了一个独一无二的机会扭转目前的趋势增强更广泛工人群体的专业知识的相关性、影响力和价值。这不仅有助于减少收入不平等降低诸如医疗和教育等关键服务的成本还能帮助恢复许多工人和职业所失去的质量、地位和主动权。
这条替代之路并非 AI 发展过程中必然或固有的结果。但它在技术层面上是实现可能的经济学上是合理的道德上也是令人信服的。意识到这种可能性后我们应更多思考的不是 AI 将如何影响我们而是我们期望它能为我们带来什么益处。 作者 David Autor 是麻省理工学院的知名劳动经济学家和经济学教授专注于研究技术变革和全球化如何影响劳动者。他同时也是 MIT 塑造未来工作倡议和国家经济研究局劳动研究计划的联合主任。
