AI 并非你的职场竞争对手 [译]

在大语言模型和生成式 AI 盛行的时代，技能为何仍至关重要。

我的一个朋友对学习 Python 编程语言犹豫不决，他问道：“几年后 ChatGPT 不是可以直接帮你编写程序吗？”。这种想法暗示着 AI 将会取代软件工程师，从而让技术技能变得无关紧要。还有人担心新兴的 AI 模型可能会破解现在广泛使用的加密技术。相比工程师们，作家和演员等创意行业的人士似乎更加忧虑。

本文旨在消除这些误解，降低对这些新技术的过度炒作，并在讨论中引入理性思考。它是为那些在过去的技术浪潮中游刃有余，且日常工作中极度依赖其不可替代的人类特质的专业人士所写。

AI 已经成为公众焦点。投资如潮水般涌入，新产品层出不穷。我们正处于一个技术炒作的高峰期。尽管有人担忧失业或世界末日，我将阐明为何 AI 不会威胁你的工作，并解释为什么你应该积极利用这些工具。

断言 1: AI 是一个热门话题

大语言模型 (LLMs) 在处理自然语言任务上表现出色，但它们并未真正具备人工智能或推理的能力。实际上，这些模型更擅长于模拟和再现人类通过文字进行的推理过程。

LLMs 本质上是文字处理的计算工具。它们之所以让人误以为具有推理能力，是因为它们能够模仿人类的写作方式。这些模型接受了海量的人类书面文本训练。目前的行业领导者正因使用了受版权保护的内容而面临诉讼。在法院处理此事的同时，该公司正急切地寻求更多数据，特别是获取私人高质量文本库的机会。

OpenAI 博客中的一张截图，日期为 2023 年 11 月 9 日，标题为“寻求数据合作伙伴”，内容说明他们对“反映人类社会且目前未能轻易在网上公开获取的大型数据集”感兴趣

"OpenAI 数据合作伙伴" OpenAI 博客 - 2023 年 11 月 9 日

这些拥有数十亿甚至数万亿参数的模型整合了世界各地的书面知识，并能通过高成本的计算机设备将其复现。如果你询问 AI 关于第二次世界大战的问题，它的回答可能会出乎你的意料。但是，如果你询问的是某个专业领域里的一个难以理解的细节或一本不常见的书籍，恐怕它的回答会让你感到不满。这不是对该产品和技术的质疑，而是在强调，如果按照这些词的字典定义，它们缺乏真正的智能和推理能力。

主张 2: AI 行业的恐惧营销公关策略

企业的公关活动对公众舆论有着重大影响。虽然我们不深入探讨这背后的原因，但可以肯定地说，如果某个新闻故事或帖子出现在你的算法推荐新闻中，那么必定有某个团体或个人出于自身利益而希望其被发布。关于新技术和创业公司的报道也是如此。

大约在 2019 年，生成式 AI 行业的早期领导者开始采取基于恐惧的公关策略。当时，GPT-2 被认为过于危险，不宜于公开发布。然而，自 2022 年底开始，GPT-3 已经公开可用。而且，一个未经审查的 LLaMa 模型已经方便获取几个月了。那么，GPT-2 到底有何危险之处？我们很难全信这些报道。尽管如此，公关部门依然在推动一种关于社会危险的末世论调。

2019 年

2019 年 2 月 17 日 TechCrunch 网站上 Zack Whittaker 的文章标题截图：“OpenAI 创造了一个如此优秀的文本生成器，以至于被认为太危险而不宜公开”
2019 年 11 月 7 日 The Verge 网站上 James Vincent 的文章标题截图：“OpenAI 已发布之前称为太危险而不愿分享的文本生成 AI / 实验室表示迄今未发现明显滥用情况”

2023 年

《纽约时报》2023 年 5 月 30 日刊登的 Kevin Roose 文章截图，标题为：“AI 表示‘灭绝风险’，业界领袖发出警告”
一张新闻标题截图，标题为'我们有点害怕': OpenAI 首席执行官对人工智能风险的警告，作者 Edward Helmore 在纽约，日期为 2023 年 3 月 17 日，来源于 The Guardian.
一张 Ars Technica 文章标题截图，标题为 'OpenAI 高管在新公开信中警告人工智能可能带来的“灭绝风险”'，副标题中透露出对这种说法的怀疑，提到了一种含糊其辞的声明，引起了批评者的反应。

大语言模型可以被政府或私人利益团体用于加强恶意信息操作，而几乎不需要负责。大语言模型的出现无疑使得批量生产文本和视觉内容变得更加容易和成本更低。那么，我们如何应对这些新出现的潜在危险呢？答案仍然是大语言模型！这项新技术同样可以用来有效防御这些灰色地带的战术。

专家怎么看？

不仅仅是我的看法。许多深度学习的研究者和科学家对所谓的“危险”AI 提出了质疑。

事实上，一些大型科技公司更愿意避免与开源 AI 竞争，因此他们散播了 AI 导致人类灭绝的恐惧。这种说法已经成为游说者争取对开源社区极为不利的法律立法的手段。

—— Andrew Ng，Google Brain 创始人

我认为媒体被 OpenAI 所设定的叙事框架所左右，而这并不是一个客观公正的报道创作方式。

—— Delip Rao，AI 研究员，创业者，高管

我们为何被告知应对 AI 感到恐惧？这或许是一种高效的筹资手段。首先构建一个问题，随后再提出一个独到的解决方案，似乎只有这家公司才能提供。这种策略可能是为了让 OpenAI 转型为一个封闭的盈利性企业提供掩护，在同一时间段发生的。

需要明确的是，在当前互联网的背景下，AI 安全非常重要，但这种重要性与社交媒体平台所重视的安全性质相同。互联网主要依靠广告收入运营，未来生成式 AI 由于成本低廉，也可能主要依赖广告收益。在那之前，AI 的“不良”应用会遇到与发薪日贷款和色情网站相似的支付处理问题。以下这条推文就是一个 AI 公司因其成人内容的业务而失去支付处理能力的例子。

断言 3: 出人意料的是，对你工作的需求将增加！

技术具有降低成本的效果。今天的中产阶级的生活水平比 50 年前的上层阶级还要好。尽管这种增长带来了一些不利影响，但它确实帮助了数十亿人摆脱了贫困，包括那些远离技术创新终端消费者的人们。

如果你担心维持现状，并对突然的变化持抵制态度，这是很正常的。我们的生存本能在漫长的岁月中被磨砺，总是避开新事物，因为它们可能带来危险或消耗过多的能量。我们倾向于让别人先尝试。如果他们能安全度过，其他人才会考虑尝试这些新事物。让那些“疯狂”的人去做实验吧。

如果你担心你的工作，我有一个好消息。无论是人工智能 (AI) 还是其他任何技术，都不会夺走你的收入。相反，AI 将改变你工作的本质。

众所周知，程序员的成本很高，而且工程师的劳动需求与供应之间存在严重的失衡。AI 并不是对工程师的全面替代，因为至少目前，AI 模型还没有判断能力。在 AI 的输出被应用于面向用户的生产系统之前，必须由人类进行验证和确认。最难的工程任务是搜集和理解产品及技术需求，而不是实际的执行过程。换句话说，与那些需要软件开发的人打交道是最困难的部分。

我们这个社会习惯于构建确定性系统。在计算机系统中，1+1 总是可靠地等于 2，除非有 bug 或硬件缺陷。然而，生成式 AI (Generative AI) 并不可预测，通常需要受到限制并进行审查。人类的参与是必要的。

其他从事创意工作的人更加担忧，因为他们认为 AI 可能会完全将他们排除在外。比如，写书时是雇佣一个代笔更简单，还是与 ChatGPT 合作更简单？你是需要一个 UI 设计师，还是可以只用一个 AI 工具来完成设计呢？

杰文斯悖论 (Jevon's Paradox)

在任何提高生产力的工具领域，杰文斯悖论 (Jevon's Paradox) 都显得尤为重要。这个悖论指出，当完成任务的成本降低时，人们对这些任务的需求就会增加。简单来说，就是在微观经济学中，成本下降导致需求量成比例增长，从而在效率提高的同时，也增加了消费量。

此图为杰文斯悖论的示意图，图中垂直轴表示价格，水平轴表示数量。图上的供应曲线标有“弹性需求”字样，并呈下降趋势。这表示随着成本的降低，需求量会按更高的比例增加，从而说明效率提升会带来消费量的增长。

以图形方式呈现的杰文斯悖论，专为经济学爱好者设计

出租车与网约车

这表明白领工作的本质正在发生变化。回顾近期的历史，我们确实有理由感到忧虑。坚守传统做法，不愿变革可能会带来风险。

在 Uber 进入纽约市之前的几年，市场上的出租车服务基本上形成了垄断，司机们赚钱的渠道非常有限。但 Uber 司机应用的出现为那些不属于传统出租车行业的司机们提供了新的选择。不过，对于那些投资、持有或以纽约市出租车牌照抵押借款的人来说，Uber 的兴起给他们带来了严重的经济压力。

一幅折线图展示了纽约市每月出租车接载量的变化情况。图中，传统出租车的接载量用橙色线表示，随时间逐渐减少；而网约车应用（如 Uber、Lyft、Juno、Via 和 Gett）则用黑色线表示，从大约 2015 年开始显著增加，最终大幅超过传统出租车。图表的时间轴标记为 2010 年至 2018 年，数据来源于 NYC TLC 和 toddwschneider.com。

网约车应用在纽约市的接载量已经超过了传统出租车。如果把两种服务的接载量加在一起看，可以明显看到总接载量已经超越了单靠出租车的水平。

在传统金融领域的分析师们并未预见到市场的增长趋势。2014 年，金融分析师和投资者对 Uber 的估值持怀疑态度，对其十亿级别的市值进行了激烈讨论，因为他们将 Uber 的业务前景与传统出租车行业进行比较。然而，Uber 在改善乘客和司机体验方面的成就非凡，最终不仅改变了行业，更极大地扩展了整个乘客交通服务的市场规模。

电子商务、音乐和媒体

大型卖场和电子商务（E-commerce）已经重创了美国主街的小型家族店。但是，那些掌握了物流和电子商务技巧的人们，通过亚马逊（Amazon）和 Shopify 等平台获得了可观的回报。

两张线性图表展示了电子商务物流中心对当地经济的影响。左图显示本地实体店销售量显著下降，右图显示建立物流中心后，小时制零售工人的收入略有下降。两张图都展现了中心建立前后数月的时间跨度，并用阴影区域标示了 95% 的置信区间。来源信息位于底部。

一张线图显示了 Shopify 的商品总值（实心绿线）、亚马逊第三方商品销售额估计（实心橙线）以及亚马逊直接销售额（虚线橙色）从 2018 年 10 月到 2022 年 4 月的增长情况。这三个指标都呈现出整体增长趋势，伴随着季节性波动。

电子商务物流中心导致本地实体店销售大幅下滑

Shopify 和亚马逊引领了电子商务革命

音乐家、艺术家及其唱片公司不再主要通过实体格式的音乐销售获利。尽管如此，消费者在音乐上的支出却创下了历史新高。SoundCloud、Spotify 等音乐流媒体平台改变了音乐行业，为艺术家提供了更多的赚钱途径。音乐收入为何整体上升？这是因为音乐变得更易获取，从而吸引了更多粉丝。

图 5 显示了 1984 年至 2016 年间美国消费者在实体音乐、音乐会和订阅服务 (subscriptions) 上的支出变化（单位：百万美元）。x 轴代表年份，y 轴代表支出额。图中三条线分别代表实体音乐购买 (A)、音乐会支出 (B) 和订阅服务支出 (C)。随着时间推移，特别是在互联网和智能手机时代后，实体音乐购买呈下降趋势，音乐会支出基本稳定并在智能手机时代稍有增长，而订阅服务支出在互联网时代后显著增加。图中垂直线分别标示了互联网前、智能手机前和智能手机后的时期。数据来源于花旗研究。

音乐支出随着从实体到数字格式的转变而增加

随着音乐格式从实体转向数字，音乐支出呈现增长趋势。在线平台极大地简化了任何人创建和分发内容的过程。记者和媒体从业者通过社交媒体建立个人品牌，并直接与观众建立联系。Patreon、Substack 和 Medium 等平台使得记者和内容创作者能够直接从观众那里获得收入。这些变化催生了新的收入渠道，并增加了市场竞争。

标题为“AD EVOLUTION 1980-2020”的折线图展示了多年来全球广告支出在不同媒介上的变化，线条代表不同的广告渠道。图表中可以看到，像社交媒体、在线视频、搜索和电子商务等数字渠道的广告支出显著增长，而报纸、电视和杂志等传统渠道的广告支出则出现了明显的下降或停滞。

Substack 2019 到 2022 年收入和总商品交易量（GMV）的条形图和折线图。图中，每年用灰色代表收入、橙色代表 GMV 的两根条形，黑色折线则显示了年度同比增长百分比。其中，2020 到 2021 年间的增长尤为显著。

随着向数字平台的转型，广告投资总额有所增加

Substack 正在经历前所未有的快速增长

白领工作的新趋势

这对于白领工作意味着什么呢？可以期待更多的赚钱机会、更广阔的职业市场，以及在低技能任务方面的激烈竞争。

一个大学生能迅速推出一个应用程序，吸引市场关注，然后招募工程师进行扩展。另一个学生可能会借助 AI 制作一部短片，吸引一批粉丝，进而与专业作家和演员合作进行重制。

通过技能提升化解恐惧

我们还处于不断发展的 AI 革命的初期阶段，价值正逐渐聚焦于芯片、基础模型以及从零开始依托 AI 构建的产品。

生成式 AI 将助力每个人提升工作效率，因为它能减少在琐碎任务和细节上的时间消耗。然而，人类的监督和参与依旧至关重要。

AI 软件虽然不能取代人类，但它将改变你执行某些任务的方式。现在正是提高个人技能的最好时机。借助基于 AI 的工具，每位白领员工都能更快地完成同等的工作量。

不论年轻还是年长，都不应被那些制造恐惧的标题所迷惑，而应该成为早期的尝试者。去探索和学习这些工具，尝试和探索。这将是一次有趣的经历！