AI会把人变成药渣吗？|AI_新浪财经

本文来自微信公众号：新潮沉思录（ID：xinchaochensi），作者：五花王，头图来自：电影《人工智能》

不变革就会遭受损失；既变革又有所损失……被赶上并且被超过的是领先者——革新者。而且因此一切旧的优势——资源、财富、权力——都被贬值，而思想被认定优于物质。从此，未来的大门是向着一切具有这种品格、这种双手、这种头脑的人敞开着的。
——戴维·兰德斯，《国富国穷》

20世纪前期，语言学家乔治•K.齐夫提出了著名的“最省力原则”[1]，他发现，在英语单词中，只有极少数的词被经常使用，因此他总结出，现实世界在相当程度上是具有惰性的，动态过程总能找到能量消耗最少的途径，人类的语言经过千万年的演化，最终也具有了这种特性。

现代神经科学对此做出了证实性的解释：按照美国心理科学协会主席莉莎·费德曼·巴瑞特

的说法，大脑的首要任务是通过管理身体预算来维持人的生存和健康，它的运行机制是能量使用效率最大化，而不是理性效果最大化，因此，它天然倾向于“节能”——不动脑子，大脑最重要的工作不是思考。丹尼尔卡尼曼[3]因此才创设了著名的快行动、慢思考的双系统洞见。

也可以这么说，推动人类文明进步，带来五百年来工业革命爆发，五十年来信息革命爆发的最大力量，就是——懒。

美国经济学家阿西莫格鲁和雷斯特雷珀[4]把技术分为使能技术和取代技术，即这种技术是提高能源效率还是取代人力劳动。使能技术可以提高劳动力的生产率，而取代技术直接替代这些劳动力，因此自动化一直在压低劳动力在增加值中的占比。

阿西莫格鲁和雷斯特雷珀举了农业机械化的例子：尽管机械化降低了劳动力在农业中的比重，导致农业的就业机会减少，但是机械化促使制造业和服务业中出现了一系列新工作，因此对劳动力的总需求上升。他们总结道，技术进步带了来自动化与劳动密集型新工作的一场赛跑。

熊彼特增长模型的创建者，法国经济学家菲利普·阿吉翁[5]的辩护则是，自动化是通过创造性破坏的过程导致工作岗位的减少（创造性破坏是熊彼特经济学说中的重要概念），工人的工作岗位少了，是因为没能跟上时代潮流的旧企业破产了。

正如同熊彼特说的那样，资本主义的成就不是“给女王们提供更多的丝绸长筒袜，而是通过不断减少生产一只丝袜所需的工作量来回馈工厂女工，让她们也买得起长筒袜”。（出自《资本主义、社会主义与民主》，第五章）

然而《技术陷阱》的作者卡尔·贝内迪克特·弗雷[6]可能不会认同这种观点，他认为现代的熊彼特型增长基于节省劳动力的技术、就业的创造性破坏和新技能的获取，而这几点都不能提升底层国民的福利，所以它并不是当代经济进步的动力。

弗雷指出，大多数人收入的主要来源不是物质资本或金融资本，而是人力资本。工人收入差异的77%源于个体特征，工人的技能就是他们的财富，他们依靠人力资本为生。所以，当今社会对于底层国民来说，保持他们的人力资本价值水平仍然是维持经济和社会稳定发展的最重要因素。

所以弗雷认为，“人工智能的推广与20世纪90年代时计算机的情况一样，不仅需要技术本身的发展，还需要巨大的补充性投资和大量实验，这样才能充分发挥其潜能。”

当然，就目前而言，移动互联网技术确实创造出了一个巨大的新型服务业就业领域，这在中国尤其明显：按照统计局数据，截至2021年底，中国灵活就业人员已达到2亿人，2020年和2021年全国高校毕业生的灵活就业率均超过16%，外卖骑手达到400多万人；在平台上从事主播及相关从业人员160多万人。

实际上，带货主播、短视频自媒体这一类型的就业岗位，已经进入了广义的“知识工作者”的范畴之内。就连快递配送的一线人员，也越来越依靠知识系统来工作：胡安焉[8]在《我在北京送快递》一书中，便详尽描述了快递员是如何考量自己的工作时间成本的，他说，打工的时候很少想到自由，“可能因为我默认了不工作才是自由，而工作则相反，你必须按照要求，无论这要求是来自雇主、客户，或——当我经营个体生意时——对市场的观察和分析等，然后付出有效劳动，才能获得回报”。

对此我倒是颇有共鸣，作为一个证券投资组合的管理者，我的工作要求我大量阅读、写作和不停地在不确定条件下做出判断，接收大量的信息，并高效而尽可能正确地处理它们，转化为行动，而且马上就会得到市场的反馈：可能你费尽心力的数个月研究和等待，带来的还是亏损。在净值周复一周的下跌中，似乎你所有的劳动都是无效的挣扎。

关于无效劳动，大卫·格雷伯[9]写了一本书《毫无意义的工作》来吐槽，不过他去世的稍微早了一点，像ChatGPT这样的“大语言模型”，或者Midjourney、Stable Diffusion这种智能绘图工具，整个AIGC（人工智能内容生成）技术在2023年迎来了爆发，“狗屁工作”的从业者们似乎很快就不需要烦恼了，“Alice”和“小冰”们将代替他们的岗位。新时代的浪头太猛，Midjourney只靠11个人就实现了1000万用户和1亿美元的营业收入10。

奇绩创坛CEO，前百度COO陆奇[11]最近做了一次关于“大模型”的演讲，他认为，任何改变社会、改变产业的技术，永远是结构性改变。这个结构性改变往往使一类大型成本，从边际成本变成固定成本。

陆奇归结了一个“三位一体结构演化模式”，即“信息-模型-行动”，这个体系的运作过程可以分解成四个步骤，即获得信息、表达信息、解决问题和满足需求。在他看来，目前绝大部分互联网平台企业还停留在搬运信息的阶段。

我个人有一个不可能三角理论，即接收信息的灵敏性、解码信息的准确性和处理信息的节能性是一个不可能三角，对知识工作者来说，在有限时间约束下，拓展阅读的广度，提升自己接收信息的灵敏性是首选。阅读信息的过程，就是把这些信息存储于本体意识中的过程，在某个条件合适的触发点，我们可以把这些信息再次还原。文本把有形的世界展开，我们再从其中将世界重新构建。

在复杂科学奠基人之一布莱恩·阿瑟[12] 看来，通过隐喻、记忆、结构、模式和理论，我们的心智特别擅长建立事物之间的关联。换句话说，心智从来不是给定的，它不是一个空空如也的、被动地装载数据的“桶”。心智本身就是涌现出来的。由于这一特质，“无论什么新技术都必须建立在已有的技术基础之上”[13]。

也正是如此，AIGC技术目前的应用，也是对现有互联网开放内容的抓取和再组合，只不过它的规则试错和内容运算能力更上一层，这反而是建立在以英伟达为代表的算力厂商在过去几年Web3狂潮中进行正反馈研发的基础上的：低利率资金涌入带来了成功。

美国生物学家安德烈亚斯·瓦格纳[14]曾言，创造在一定程度上就是对原有事物的组合优化。制订一种标准化的连接方式，然后以所有可能的方式对它们进行组合。利用这个规则，大自然创造了蛋白质，创造了调控环路，创造了新陈代谢，创造了生命。这种标准连接和规则，我们也可以把它视作一个个模型。

陆奇认为，我们每个人都是三种模型的组合，认知模型、任务模型和领域模型，在“大模型”的时代里，AI可以担当一部分助手的工作之后，人将和数字化的、可以自主行动的技术共同进化。

AIGC技术最大的功效，便是可以高效压缩信息，调用知识，但这也带来了“原创”难题，即作为个体的创作者，是不是贡献自己的脑力劳动之后，反而沦为了大模型的“药渣”？我想，这前景大概和资本市场里的“韭菜”殊途同归了。

弗雷写到，20世纪时，第二次工业革命给美国的办公室和工厂带来了大量的半技术性工作，这为那些担心失业的人提供了最好的保证随着技术变革的风潮席卷所有的工作场所，工作的舒适度变得越来越高，危险性越来越低，报酬也越来越高：劳动者们有充分的理由称赞技术进步。

技术进步和收入分配之间的关系不是单一不变的：一些技术可能加剧不平等，另一些则会降低不平等。这取决于技术变革属于哪个层次——取代型还是使能型。它也取决于拥有特定技能的工人的供给能否跟上需求。

阿西莫格鲁和雷斯特雷珀提出，“重振劳动力需求的AI”可能是未来的方向，比如提供个性化教育培训，利用AI收集和分析信息可以卓有成效地赋能护士、人员和其他医疗服务提供者，让工人与机器协作完成高精度生产任务和综合设计任务的增强现实技术等等。但目前来看，ChatGPT类AI的发展方向，可能正在向着“智能助理”和“副驾驶”的方向一路狂奔。

当思考传统的PDCA工作循环在新环境下怎么运作之时，我发现由于大量的初级工作已经可以交给这个AI助理去“跑腿”，实质上所有的使用者都已经变成了AI开发者的“外包标记师”，这也反映了布莱恩·阿瑟的洞见，在一个全球运用的平台面前，至少边际效益递增的速率和广度是相当久的，这个市场，最终被一两家寡头所主导是非常可能的，比如微软就在目前通过对OpenAI的投资掌握了先机。