原文前言本文由Noah 和 Roon 就人工智能时代工作的未来联合发表的博文。roon 是知名 AI 公司的研究员，也在推特上发有趣的帖子。因为这篇文章是我们合作完成，有时会以第三人称提及对方。”如果你和人们谈论人工智能的潜力，几乎每个人都会提到同一件事：对于被替代的恐惧。对于大多数人来说，这表现为一种可怕的宿命感，即 AI 最终会使他们的技能过时。而对于正在从事 AI 相关工作的人来说，这常常表现为一种内疚感——对创造出让人类同胞失业的机器感到内疚；一想到未来他们可能是唯一有工作报酬的人，也会感到内疚。

近几个月来，随着生成式 AI 领域的投资和创新突飞猛进，这些不安情绪愈演愈烈。机器学习领域新中发明的扩散模型，使文本生成图像技术走向成熟。Midjourney 和 Stable Diffusion 等一波 AI 艺术应用引起了巨大轰动，Stability AI 已经筹集到 1.01 亿美元。与此同时，研究 AI 写作的公司 Jasper 筹集了 1.25 亿美元。在这样一个大部分科技行业似乎都陷入困境的时代中，AI 正在经历一个黄金时代。很多人为此忧心忡忡。

坦率地说，我们认为这些恐惧、内疚，大多都是不必要的。当然，没人能预知未来，但我们预计，AI 更可能作为助手，为人类工作者赋能，而不是使他们陷入贫困、不得不登上福利救济名单。这并不意味着我们是过分乐观者；我们明白这种乐观的观点很难被接受，即便我们的愿景实现了，也肯定会有一些人蒙受损失。但目前为止，根据我们已知的生成式 AI 的工作方式，它很可能和过去创新浪潮中的工具一样，帮助人们提高生产力，节省劳动力。

“AI 不会取代工作岗位，只会接管任务

如果 AI 真的导致普通民众大规模失业，这将是历史上头一回有技术能做到这一点。工业机械、计算机控制的机床、软件应用程序和工业机器人都引起过有关人力过时的恐慌，但这种情况从未真正发生；几乎每个想要工作的人仍然有工作。如 Noah 所言，近期一系列证据表明，公司和行业层面就业的增加，与采用工业机器人和自动化技术有关。

当然，这并不是说它绝对不会发生——有时技术会做出颠覆式的、前所未有的事情，就像工业革命一下子让人类首次摆脱马尔萨斯贫困那样。但重要的是，我们要真正明白，之前的革新为什么没有导致人们当时担忧的大规模人力淘汰。

原因是这些技术并没有完全取代人，而是仅取代了他们要做的一部分任务。如果您和 Noah 的祖先一样，是 1700 年代的一名金属工人，那么您很大一部分工作就是用手工工具，将金属手动锻造成特定的形状。两个世纪后，随着机床的出现，金属工人的大部分时间用来控制机床，由机床完成金属锻造的工作。这和之前的工作内容不同，但通过使用机器，您能锻造更多的金属。

经济学家早就意识到，重要的不是从工作岗位的层面来看待劳动力市场，而是从工作中的任务层面来看待。在 2018 年出版的《预测机器》一书中，Ajay Agrawal、Joshua Gans 和 Avi Goldfarb 讨论到预测型 AI （一种能够自动完成谷歌搜索的 AI）的前景。他们提出了这样一种可能性，就像机床为蓝领工人所做的那样，这项技术只会帮助白领更高效地工作，而不是取代白领的工作岗位。

对此，Daron Acemoglu 和 Pascual Restrepo 有一个将工作分解为特定任务的数学模型（这里有一个更技术性的版本）。他们发现，AI 或机器人等新的生产技术可以产生多种不同的影响。它们可以提升员工在现有任务中的工作效率，可以将人类劳动转移到不同的任务上， 也可以为人们创造新的任务。是伤害工人还是帮助工人，取决于这些影响中谁占主导地位。

换言之，正如 Noah 常说的那样，「当机器人取代了人类一半的工作岗位时，就是反乌托邦。当机器人接管了了人类一半的工作任务时，就是乌托邦。」

“比较优势：为什么人类仍然有工作

要理解比较优势的基本原理，并不需要复杂的数学模型。想象一位风险投资家（叫他「Marc」好了），他打字快得像超人，但他仍会聘请一名秘书为他起草信件。因为虽然那位秘书的打字比他慢，但 Marc 用他的时间做别的事，可以创造比起草信件更多的价值。所以，即便他能干得更好，有些事他还是会雇别人来干。

现在让我们在 AI 背景下考虑这个问题。有人认为，以前的创新浪潮没有让人力过时，是因为人类在某些事情上仍然比机器做得好——比如：写作。但令人畏惧的是，AI 很特殊，因为 AI 研究的圣杯是所谓的「通用智能」——一种能够执行所有任务的机器思维，它能做的与最优秀的人类一样好，甚至更好。但正如我们在 Marc 和秘书的例子中看到的那样，可以把一切都做得更好并不意味着最终什么都要你来做！在任务而不是工作层面应用比较优势的思路，即使 AI 能做得更好，人类也总会有事做。就像 Marc 一天的时间有限一样，AI 资源也是有限的——正如 roon 常说的，每当你使用各种最先进的 AI 应用时，你都在「燃烧一堆 GPU」。这些资源限制解释了为什么想要工作的人会找到工作；AI 企业只会不断扩张并消耗更多的物质资源，直到人类工作者本身以及他们完善 AI 的工作成为稀缺资源为止。

根据比较优势的原理，现在与未来的薪水高低，某种程度上取决于 AI 的技能树与人类技能树的关系，是相似、互补还是不同。如果 AI 能做的事情与人类不同，那么互补性将使人更有价值，工资也会相应提高。

虽然我们不能和未来世界的 AI 对话，但我们相信，这一波生成式 AI 能做的事情与人类截然不同。AI 艺术往往与人类的艺术有细微的差别——它的小细节常以一种复杂的恐怖谷方式出现，最终结果可能看起来很恐怖。开过特斯拉的人都知道，AI 平行泊车的方式与人类不同。还有那些大肆宣传的大型语言模型，声称通过了各种形式的图灵测试，很明显，它们的技能树与人类并不完全一样。

由于这些差异，我们认为生成式 AI 的工作，简而言之就是「自动完成一切」。

“当前最好的生成型 AI是如何工作的

迄今为止，最具影响力的生成式 AI 应用是一种名为 GitHub Copilot 的工具。最近，因在基本知识和简单推理方面颇具实力，「大型语言模型」（又称「LLMs」）受到了极大关注。它们从互联网上搜集大量语料来训练，从中学习到的才智，与浩如烟海的源材料一样广泛丰富。Copilot 由受过互联网上所有公开可用计算机代码训练的 LLM 提供支持， 能够根据程序员已经编写的内容为他 / 她联想接下来的几行代码。

这从根本上改变了软件工程师的工作本质。之前，软件工程师必须记住、搜索或推断他们程序的所有底层功能，而现在，他们可以用通俗的语言描述他们希望这一小段程序做什么，只要在语言模型的能力范围内，就能从零自动生成。

如上图所示，工程师可以轻而易举地获得一段代码来完成一项小任务，很多情况下，还能从机器智能中成功调用它。这意义重大——不论是学习新的编程语言，还是在经验有限的情况下编写不熟悉的程序，难度都大大降低了。实际上，不再有单打独斗的软件工程师：从第一次写代码的新手到行业专家，每个人都可以在工具中内置一个学识渊博的特殊结对程序员，同他们一起工作。

在资本的支持下，软件价值链中的一层在过去几个月里得到了大幅升级。当一个工程师想推进一个大项目时——他们依然在高层级上分析手头的业务任务，并将其分解成更小的子问题——但在最底层的实施时，记住、学习数千种编程语言和框架和其他「咒语一般的东西」，变得容易多了。如果你有「我想把这个数据集变成散点图」之类的想法，对 AI 来说，干这个活儿简直小菜一碟。AI 并不总能做到完美，但起码能做得八九不离十，在这个基础上，人们可以去修正细小的推理错误，也可以根据自己的喜好对其进行调整。这就是互补性：人类擅长推理业务逻辑，但人类的大脑并不擅长记忆数量庞大的实施细节。因此，Copilot 不仅会提高单个程序员的生产力，还会创造出更多的程序员。

另一个非常受欢迎的生成式 AI 应用是艺术应用 Midjourney。Midjourney 诞生于 Discord 的论坛文化，它能将文字描述转化为人们认可的数字艺术。首先，您需要输入一个提示，MJ 会生成四个低分辨率的图像样本供您选择。您从中选出最喜欢的一个，MJ 会投入更多的资源来创建一个高分辨率的数字艺术作品。这些作品大规模的连贯性和可被理解的创作内容会立刻吸引你的目光。但如果仔细观察，你会发现一些细节处会出错—— Midjourney 往往画不好角色的手。他们的手指可能多几根或者少几根。窗玻璃可能没对齐。此外，Midjourney 并不是在梦想「格尔尼卡」——文本提示的叙事抽象到一定程度，它就会失去控制，画的乱七八糟。这就要依靠艺术家将创作动机、灵感提炼成机器可以理解的更简单的概念，并在此基础上进行迭代。目前，提示是一门不精确的科学，人类必须找到将意图传达给人工智能的正确方式——这与委托别人做事一样困难！最后，艺术家必须修复 AI 可能搞砸的任何细节。

虽然这只是两个个例，但它们似乎表明了新一代生成式 AI 应用的普遍运作方式。生成式 AI 非常擅长知识型工作的价值链的某些部分，但与人类的思维方式非常不同。Anthropic 是一家专注于认识 AI 工作原理的公司，它发现，与 AI 或人类单独工作相比，人类与专业的 AI 助手并肩作战、执行各种任务时，表现会更加出色：

这种思路的一个可能风险是 AI 会快速迭代：每 12 个月就会带来技术进步，不久之前，这种速度还会被当做怪物。这些模型的容量和能力范围也将会扩大。虽然我们不能排除这种可能性——未来 AI 技术会轻而易举地主宰人类所做的一切，并让我们失去绝对优势，仅有比较优势；但最新的生成式 AI 看起来更像是一种能赋予人类超能力的东西。

“一些「自动完成一切」工作原理的实例

在考虑技术和工作的未来时，每个人都想知道他们将来会做什么来谋生。对于经济学家来说，光摆摆手说「哦，我们会为人们找到事情做的」是不够的。但是，尽管我们无法确定未来的工作会是什么样子，但我们可以想象，在「自动完成一切」的时代，现在的创意工作中有多少可能会发生变化。

以专栏作家为例——显然这个例子对 Noah 非常重要。非小说类写作的大部分工作是措辞，而不是弄清楚这句话的内容应该是什么。基于 AI 的文字处理器将使写作中这个无聊的部分自动化——您只需键入您想说的内容，AI 就会以一种易于理解、新鲜且不重复的方式对其进行措辞。当然，AI 可能会犯错误，或者使用不太符合人类作家风格偏好的措辞，但这也意味着，人类作家最多只需要编辑一下 AI 写好的内容，并不需要自己从零创作。

事实上，Noah 设想在某个阶段，他的工作流程会是这样的：首先，他会考虑他想说什么，然后列出要点。然后，他的 AI 文字处理器会模仿 Noah 的写作风格，将每个要点转换成句子或段落。之后，Noah 会回顾并编辑 AI 写好的内容——更改措辞，在适当的地方添加句子、短语、链接，等等。这是一个迭代的协作写作循环，Noah 与 AI 合著者负责不同的知识模块，和本文的合作写作模式差不多。

许多艺术家可能会有类似的工作流程。假设你想画一幅太空冒险家在火星上骑着一只巨型兔子的画。您先写下（或说出）一些关键词，之后 AI 会创建一些图片供您选择——可能适配您的艺术风格，或者是像 Frank Frazetta 这样的著名艺术家的艺术风格。您将从中挑选出一副，并继续完善它。您也可以继续提示 AI，让它继续调整画作。当画作最终符合您的要求时，您可以手动更改细节——包括清理手、头发或其他被 AI 搞坏的「小细节」。

工业设计也将以类似的方式工作。看看你房间里那些平凡、无聊的东西——一盏灯、一个电视柜或一个咖啡机。还是得有人来设计一下的。有了生成式 AI，设计师就不必翻阅一页又一页的示例来获得创作灵感。他们只需要提供一些关键词——「55 英寸电视柜，带两个柜子」——然后就能看到一系列设计任君挑选。他们会选择其中一种设计，对其进行改进，并添加他们想要的任何其他修饰。

我们能想象到，许多工作流程都将遵循类似的模式——比如建筑、平面设计或室内设计。律师可能会以这种方式撰写法律摘要，行政助理将使用这种技术来起草备忘录和电子邮件。营销人员将提供一个活动点子，由 AI 生成活动的文本内容，营销人员只需负责最后的润色。咨询顾问将提供简短的 ppt 版本，让 AI 生成叙述连贯的完整幻灯片，只需要最后补充细节就行。财务分析师只需要提供一种财务模型，就能拥有一个自动填充数据源的 Excel 模板。

这些愿景的共同点，我们称之为「三明治」工作流程。这是过程包含三步。第一步，人类有创作冲动，于是给 AI 一个提示。第二步，AI 生成一个选项菜单。第三步，人类选择一个选项，对其进行编辑，依据他们的喜好增补调整。

三明治工作流程与人们已经习惯的工作方式迥然不同。提示和编辑天生不如自己提出想法新颖有趣，人们自然会担心，这会使工作更加僵硬和机械化。其中一些不可避免地会发生，就如同手工制造让位于大规模生产时那样。但 AI 为社会增加的财富，应该让我们有更多的闲暇时间来发展我们的创意与爱好。

但是，即使人们在工作中不能像手工匠人那样，也不代表人类必须放弃发挥个人的创造力；我们依然可以做手工匠人做的事，只是为了好玩，而不是为了钱。CAD 软件和机床并没有带走做木工和金工的乐趣——它们只是意味着有这些创造性追求的人，没办法将他们这些爱好和工作结合起来而已。但这就是资本主义——市场决定我们工作时间该生产什么，而我们真正富有表现力的手工创作总是在闲暇时间完成，只有少数幸运儿能把爱好作为工作。

不过，我们认为，很多人只会改变他们对个人创造力的看待方式。正如一些现代雕塑家使用机器工具，一些现代艺术家使用 3D 渲染软件一样，我们认为未来的一些创造者会将生成式 AI 视为另一种工具——一种通过解放人类脑力来增强创造力的工具，人们有时间从更多视角思考创造这件事。

这就是我们对生成式 AI 近期未来的预测——不是取代人类，而是赋予人类超能力。是老话说的心灵自行车。对工人和公司来说，适应这些新的超级力量将会经历一个漫长而艰难的试错过程，但我们猜测，随着机床、机器人和文字处理器的出现，最终结果会比多数人现有的工作状态好得多。