特稿｜克里斯托弗·皮萨里德斯：AI的使用程序取

　　这些环境能获得改善吗？我认为次要的妨碍正在于不确定性：我们还不晓得AI手艺将何方。若是一家公司要从保守工做体例转向取AI协同工做，它就需要从头设想工做流程。而改变工做流程需要破费大量的时间和资本，这种转型对办理层和员工来说都是价格昂扬的。企业但愿可以或许更精确地把握将来的市场所作标的目的，由于当你不清晰一项手艺的成长标的目的时，你就面对着大错的风险。若是本人判断错了，合作敌手抢占了市场该怎样办？英特尔（Intel）正在这方面就尝到了被英伟达抢占市场的教训。

　　比来，Anthropic公司关于其大模子Claude利用环境的研究，比我见过的其他任何研究都更好地申明了这一点。他们将Claude的现实利用环境取Tyna Eloundou等学者关于工做岗亭的“AI度”(AI exposure)研究进行了对比，发觉Claude正在工做中赋能劳动者的潜正在能力，远远超出了劳动者对它的现实利用程度。也就是说，现实落地要掉队于手艺成长。AI落地迟缓事实是件功德仍是坏事？我们可否找到一些显而易见的方式来改善现状，而不是一味冒进？

　　我喜好举如许一个例子。我很幸运地能住正在伦敦一个很棒的街区，那里的人们喜好养狗，但同时他们也处置着很是忙碌的专业工做。从我的窗前就能看到如许一个公园：20年前，你一般会正在周末看到人们正在公园里遛狗；但现正在，公园里贴着一报，提示所有的遛狗师（dog walkers）：遛狗是一项专业工做，并受相关束缚，好比，不克不及同时遛跨越五条狗，不克不及遛体型差别过大的狗，也不克不及随地喂食。

　　手艺实正能阐扬感化而且对社会福利极有帮益的地朴直在于：虽然我们仍然能够创制新的工做，但我们可能不需再像以前那样长时间工做了。跟着收入的添加，工做时长一曲正在稳步下降，由于闲暇是一种一般商品（normal good），它的收入弹性大于1。现实上，我们正正在逐渐削减工做时间：正在20世纪00年代，典型的英国工人每周工做约53小时；而现正在，典型的英国劳动者每周工做28小时。这种逐步下降的趋向是由兼职就业的添加和全职工做时长的缩短配合驱动的。

　　对于AI而言，第一届人工智能会议是1956年正在美国新罕布什尔州的达特茅斯学院（Dartmouth College）召开的。然而，曲到20世纪90年代，第一小我工智能贸易使用才浮出水面。其时搭载AI的计较机通过明白的指令来施行特定的操做，而不是试图全面复制人类的智能。

　　若是我们能为企业供给一个可托且不变的监管框架，AI的使用就会加快，并变得愈加长线思维。随之而来的是人们对于赋闲的惊骇将会削弱。一旦成长轨迹变得清晰，劳动者将愈加情愿接管培训，由于他们能看清晰将来需要什么。正如我之前提到的，我们仍然会有工做，只是我们很可能会用更少的时间来完成它们。我们可能城市变成兼职工做者，还有比这更夸姣的工作吗？

　　目前，从动化手艺正正在给劳动力市场带来庞大的变化。然而，取学问堆集和手艺成长的速度比拟，AI手艺的现实使用速度其实显得相当迟缓。这就是我们所说的“落地迟缓”(slow adoption)。

　　因而，正在我看来，除了根本设备的缺口之外，“消息摩擦”(information friction)是AI落地面对的最主要妨碍。这要部门地归罪于我们的科学家，他们传送了言行一致的信号。像Geoffrey Hinton和Stuart Russell等专家告诉我们，AI可能会以我们并不单愿的体例成长，以至带来，但他们并没有对此做出进一步的注释。也都正在担心，但又不晓得若何监管。欧盟虽然通过了人工智能法案，但仍然充满了各类分歧的看法，法案的实施被推迟了两年，部门的监管也被放松了。

　　关于从动化对工做的影响，我们曾经听闻了不少预测，但大多没有兑现。好比，经济学家Carl Frey和Michael Osborne正在2013年估计，从动化将导致大量的赋闲，但目前来看这并没有发生。Eloundou等人的研究则要隆重得多，他们计较了可能正在狂言语模子冲击下的工做岗亭数量，而且说，像电力和计较机如许的“通用手艺”（general-purpose technologies），其全面影响往往需要良多年才能，因而正在做预测时必需很是隆重。

　　劳动力市场的环境若何？一方面，AI根本设备扶植正正在创制良多分歧的工做机遇。数据核心的成长鞭策了一股建建高潮。当我们调查英国的劳动技术需求时，发觉最受逃捧的专业技术是理解数据、处置数据和统计阐发。这些技术代表了正正在被创制出来的新工做标的目的。正在这些方面，若是说AI对现有工做有任何冲击的话，那也要比及使用层面获得脚够开辟和商用之后才会。

　　我们该当问的是：当AI时代到来，人们能否还成心愿去创制新的工做岗亭？若是人们有这个志愿，那么按照我们现正在所控制的手艺，不成能想象不出新的工做岗亭来。人类的想象力远超AI或任何其他手艺所能达到的范畴。

　　针对从动化对工做的影响，创制或摧毁工做的从来不是手艺本身，该当问的是：当AI时代到来，人们能否还成心愿去创制新的工做岗亭？若是人们有这个志愿，那么按照现正在所控制的手艺，人类不成能想象不出新的工做岗亭来。而我小我更情愿相信，人类的想象力远超AI或任何其他手艺所能达到的范畴。

　　起首一个缘由是新手艺的使用需要合适的根本设备。以电力为例，它的普遍使用需要配套的电网。第一个的电网始建于英国的纽卡斯尔（Newcastle），大约建于第一次世界大和期间，而答应各地扶植并接入电网的第一项法案是正在1919年通过的。这曾经是正在电力发现40年之后，也就是正在福奸细厂引入发电机之后不久。AI需要什么样的根本设备呢？按照英伟达（Nvidia）CEO黄仁勋（Jensen Huang）正在本年岁首年月世界经济论坛上的讲话，AI需要耗损大量的能源，也需要大量的水来冷却数据核心。我们有脚够的能源来运转AI吗？可能并没有，出格是若是我们还关怀的话。此外，我们需要计较能力脚够强大的芯片、脚够的云存储空间、可以或许胜任工做使命的AI模子——正在这些方面，目前看来问题并不太大。当前，AI难以充实阐扬潜力的次要短板正在于缺乏针对具体行业的使用（industry-specific applications），以及缺乏为运转这些使用供给数据支撑的当地化数据核心。

　　我们对此能做些什么呢？很多声音呼吁中美两国尽快举行“AI峰会”，并结合次要的欧洲国度，配合告竣国际层面的AI监管和谈。然而，正在当前的地缘现实下，这生怕难以很快实现。此外，对于大型科技公司基于数据垄断而日益膨缩的，我们能否该当采纳办法？我但愿能让它们共享数据，但我也完万能理解它们为何不肯这么做。若是公共部分可以或许获取更多的数据，政策便能更精准地定位干涉办法，社会保障的供给也能更高效。但数据共享实的现实吗？我们将若何去施行？这些都是问题。

　　然而，正在一个律师越来越少的世界里，年轻人可能会转行成为工程师。按照一些经济学家的研究（拜见Murphyet al。，1991，《The Allocation of Talent！Implications for Growth》），从法令向工程范畴的就业转型，现实上更可能会提高全体的经济出产率。

　　所以，请不要问“手艺会创制仍是摧毁工做”；而是要问：人们能否会操纵新手艺来创制工做。这是一个很是微妙的区别。

　　取此同时，若是劳动者正在本身的技术培训上做了错误的投资，发觉他们所学的工具底子找不到工做，那该怎样办？例如，有些人认为不该再继续大量投入STEM类（科学、手艺、工程和数学）的培训，由于AI很快就会正在这些范畴中表示超卓，脚以代替人类员工。多学点编程和代码就万事大吉的时代曾经过去了。

　　不外，正在另一方面，我们起头看到狂言语模子对白领职业入门岗亭（entry-leveljobs）的影响。这对于中国劳动力市场的冲击可能不会亚于我们正在欧美看到的环境。一个最曲不雅的例子就是律师帮理（paralegals）和初级律师。以前的年轻律师进入律所，每天会花上几个小时正在档案室里收集过往案例的数据。现正在，ChatGPT、Claude或Gemini能够正在五分钟内完成这类工做。于是，资深律师起头亲身上手利用AI，专业群体的曾经迫正在眉睫。

　　我经常碰着这些遛狗师。他们凡是是年轻人，穿戴面子，开着拆满小狗的货车来到这里，相当于正在户外散步。他们看上去也很是乐于干这份活——最少比19世纪下煤矿或20世纪正在工场唱工的人要开多。并且，这项工做的收入也不错。我女儿也养了一条狗，每当她去度假时，我都得替她领取遛狗师的费用，所以我才晓得这价钱不菲。可见，这些办事类的工做是能够获得高薪的。我们取其问AI能否会摧毁工做，不如问AI能否会将更多的人推向新型的办事类就业。

　　若是我们梳理自第一次工业以来的次要手艺前进，就会发觉，新手艺被普遍采用所破费的时间，最少取现正在AI所履历的阵痛期一样长。

　　当企业不晓得监管将何方，也不晓得支流AI开辟者将把这项手艺带向何处时，他们就会优柔寡断。界经济论坛上，《经济学人》(《The Economist》)的从编Zanny Minton Beddoes曾诘问Demis Hassabis(DeepMind创始人)和Dario Amodei(Anthropic创始人)：若是你们不晓得通用人工智能(AGI)被开辟出来后该若何节制它，那么为什么还要开辟它呢？正在频频诘问下，这两位AI业内的领甲士物不得不认可，也许正在找到节制AGI的切当方式之前不应当发布它。若是这就是来自手艺最前沿的立场，那么一家通俗企业又怎样能做好利用AI的预备呢？它们天然会选择不雅望。

　　总结起来，AI落境界伐迟缓的部门缘由正在于根本设备扶植不脚和数据可用性无限。同时也存正在着严沉的手艺和监管不确定性，恰是这些不确定性导致了企业的犹疑不雅望。一旦断根了这些妨碍，延缓落境界伐的最初一个“摩擦”要素，可能就是新技术的培训问题。

　　纵不雅历次工业，以往通用手艺的普遍使用往往需要履历数十年的阵痛取畅后期，现在AI的大规模落地同样无法一蹴而就。环节不只正在于AI根本设备扶植的欠缺，还正在于手艺和监管标的目的的庞大不确定性。只要当成长标的目的逐步开阔爽朗，企业和劳动者的“消息摩擦”逐步削减后，企业对AI落地的投入和劳动者对新技术的培育，才能配合快速前进的道。

　　正在这里，我要提出一个取良多人不太一样的概念。良多人会问：手艺会创制工做仍是摧毁工做？但现实上，创制工做岗亭的从来不是手艺，而是利用当前手艺来创培养业的人（people who create jobs using the available technology）。

　　凯恩斯是20世纪上半叶英国文化圈里出名的“布卢姆茨伯里派”（Bloomsbury Group）的一员，他经常取弗吉尼亚·伍尔夫（Virginia Woolf）等文人学问往来，会商阿谁年代的主要做品和他们本人的著作。他认为将来该当有更多的人能够如许做，人们只需要每周工做15个小时，赔取满脚日常糊口的必需收入，然后把剩下的时间当做闲暇。虽然我们今天还没有降到一周15个小时的工做时长，但也曾经从一百多年前的53小时降到了28小时。我相信，一百年后，我们将会降到15个小时。

　　若是是前者，那么当下AI落地节拍慢一些，更有益于人们找到应对法子；若是是后者，那么AI落地慢就不是件功德。

　　AI落境界伐迟缓的部门缘由正在于根本设备扶植不脚和数据可用性无限。同时也存正在严沉的手艺和监管不确定性，恰是这些不确定性导致企业的犹疑不雅望。

　　一百年前，出名经济学家约翰·梅纳德·凯恩斯(John Maynard Keynes)曾预言，将来的人们每周将只工做15个小时。正在AI手艺变化的布景下，这一预言似乎指向两个判然不同的情景，一个是手艺将摧毁工做，导致大规模赋闲；另一个则是凯恩斯本义想描画的手艺前进满脚了人类根基需求、人们具有大量闲暇的夸姣将来。

　　我们正正在野着凯恩斯正在一篇经常被的短文《我们儿女的经济前景》（《Economic Possibilities for Our Grandchildren》）中所描画的标的目的前进。正在这篇写于快要一百年前的文章中，凯恩斯提出，我们将来能够也该当每周只工做15个小时。很多人将其误读为“凯恩斯认为新手艺会摧毁工做，导致我们赋闲”。但若是你细心读一下，就会发觉他并不是阿谁意义。他说的是，一旦我们满脚了人类的根基需求——有了充脚的食物、居处和教育等——我们就该当把更多的时间花正在闲暇勾当上。

　　正在技术方面，即便AI正在使用层面获得了成长，数据阐发能力、通过AI去规划计谋的能力并不是天然而然就能控制的。这些技术需要大量的时间去进修，并且控制起来要困罕见多。企业将需要成立本人内部的AI开辟团队，这也同样需要时间。正在英国我们看到，对AI相关新技术的需求正正在不竭增加，但到目前为止，最受逃捧的能力仍然是那些保守的、人际交往的技术(interpersonal skills)：若何开辟客户，若何取客户沟通，以及若何正在企业内部进行无效沟通等。

　　劳动力市场的“摩擦理论”大概也可认为AI使用碰到的妨碍供给一种注释。正在劳动力市场中，这两者并没有敏捷婚配正在一路构成就业。岗亭和劳动者之间互相搜索和婚配的过程，一曲是我的研究乐趣所正在。正在AI范畴，我们也能够做同样的类比：存正在着某种能够提超出跨越产率和社会福利的AI手艺，但它却没有脚够敏捷地取劳动者的工做相连系，这也需要履历一个搜索和婚配的“摩擦”阶段。

　　电力呈现正在19世纪末。早正在1880年，托马斯·爱迪生(Thomas Edison)就起头发卖白炽灯胆了。电力一起头被用来家庭照明，人们也晓得它能够做为工业动力，但它就是没有正在工业界获得普遍使用。曲到1913年，亨利·福特（Henry Ford）起头将福特汽车的拆卸线电气化，电力才正在工业中获得大规模使用。

　　由此，黄仁勋得出的结论是，我们还需要投入数万亿美元来扶植AI根本设备。虽然我们正在狂言语模子、AI智能体（agentic AI）以及具身智能（physical AI）方面，曾经取得了不少严沉进展，但若是要进一步将AI落实到具体的财产化使用，还需要更多的特地数据核心和现实使用场景。

　　计较机正在20世纪50~60年代就呈现了。我正在上世纪60年代读大学时就用过计较机。但它曲到上世纪80年代才实正进入办公室。罗伯特·索洛（Robert Solow）其时指出，我们要到好久当前才能正在宏不雅经济数据上看到计较机对出产率的提拔效应。