打破收入天花板:斯坦福教授Erik Brynjolfsson剖析AI时代个人财富倍增的机遇与策略（视频采访）
（关注公众号并设为🌟标，获取最新人工智能资讯和产品）
全文约25,000 字，阅读约需 43分钟
“我们这个时代最重要的通用技术是人工智能，特别是机器学习技术（ML），人工智能正在重塑个人收入增长的模式,为绝大多数人带来了前所未有的财富积累机会。”
经济学家埃里克·布林约尔松（Erik Brynjolfsson），斯坦福商学院名誉教授兼斯坦福以人为本人工智能研究所的高级研究员。他在与主持人亚历山大（Aleksander）的对话中进一步强调了人工智能在提高工作生产力、补充我们的劳动力、促进经济增长方面的潜力，这种影响可与工业革命相媲美。
同时，布林约尔松教授表示：当公司管理者采用这种技术时，我认为他们不一定需要减少员工人数，即使这样做提高了生产力。不仅是因为需求弹性高，还因为早期采用者往往会增长。迟缓采用的人往往会落后。对他们自己员工来说，最好的事情是走在这些技术的前沿，向他们展示这可以使他们的工作更有效，并帮助公司总体上赢得市场份额。
同时专访中主持人自己作为一个父亲，面对的自己实际问题是：他两个女儿不久将进入高中，向经济学家求助应该怎样指导她们选择未来的职业道路？教授表示：在人工智能逐渐承担更多创造性和人际交往工作的时代，我倾向于建议她们追求能与高级技术协作的职业方向，这将是一个不仅能够适应未来工作环境，而且能够在其中蓬勃发展的重要方法论。
视频时间轴
03:16 - 畅想人工智能未来
09:41 - 对生产力的影响
21:14 - GPT就是GPT！
32:07 -- 无人驾驶汽车
38:02 - 人工智能负面影响
42:56 - 人工智能对就业市场影响
48:22 -共享智能利益
49:46 -对人工智能的悲观和信念
01:03:59 -积极的人工智能未来的战略
01:12:17 - 重要的问题
文稿整理
前言：工业革命持续了几百年。我们将面临类似的变革规模，但压缩在几十年内。想象有两个房间，一个房间有一台 计算机，另一个有一个人，你向他们提问，可能是通过打字机打印出来的。如果你分辨不出哪个是计算机，哪个是人，那么这台机器就被认为是智能的。这就是所谓的图灵测试。我认为这是一个非常酷的测试。当我还是个孩子的时候，我觉得这是一个很好的测试。现在我认为这和你看到一个魔术师让一个女人漂浮在空中，用来测试你是否解决了重力的问题一样，是一个关于智能的好测试。而这显然要难得多。现在，我们绝对不该做的事情，我知道我们不应该做的一件事，就是试图保持所有工作就像它们现在这样不变。我真的很期待凯恩斯所说的经济问题的终结，我们可以终于，历史上第一次解决食物、衣服、住所的稀缺问题。我认为我们非常接近实现这一点，我可以看到这很快就会发生。
主持人亚历山大： 欢迎来到“AGI之前（AGI Before）”。今天我们讨论的是人工智能对劳动市场的影响，包括对我们的工作、生产力和生活方式的影响。技术对劳动的影响是一个古老的问题，但在人工智能的背景下，出现了许多独特的问题和可能的正负影响。今天我很幸运能与埃里克·布林约尔夫松教授讨论这个话题。埃里克是斯坦福大学的教授，他指导数字经济实验室，此前他在麻省理工学院工作。多年来，他一直在研究信息技术对经济影响的问题，实际上在人工智能流行之前就开始了这项研究。今天我们将讨论我们未来的不同道路，无论是增强人类还是取代我们，提高平等还是平衡竞争环境，增强个人生产力还是阻碍我们的成长。埃里克对这些问题进行了深入思考，有很多有趣的看法，他真的相信我们能创造一个更美好的未来。让我们看看这是如何可能的。埃里克，很高兴有你在这里。
教授埃里克·布林约尔弗森： 很高兴来到这里。如果你考虑劳动和AI，这里有很多不确定性，很兴奋，还有很多很多其他的感受。我想你称自己为一个有意识的乐观主义者。
1,对生产力和劳动力的影响
亚历山大： 没错。给我一些积极的案例吧。
埃里克： 积极的一面呢。AI一直在消灭工作岗位，同时也一直在创造工作岗位，自从技术被发明以来就是这样。这是一个变化更快的时期，但我希望这可能是我们经历过的最好的十年。归根结底，生产力是推动我们生活水平的驱动力，它使我们更健康、更富有，过上更好的生活。而生产力的关键是技术。更好的技术导致更高的生产力，即每个工人的产出更多，这导致了更好的生活。
亚历山大： 我们来具体一点。想象一下2035年，我是一个办公室白领，就像一个典型的办公室白领，我的生活可能会是什么样子？
埃里克： 2035年实际上还挺遥远的。当我在2014年与安迪·麦卡菲一起写《第二次机器时代》时，我认为能完成大多数人类能做的任务的AGI或AI可能还需要50、60甚至100年。但是，过去几年，我与OpenAI、Anthropic、Google以及其他地方的人交谈，我听到很多人对2035年之前能做大多数人类任务的技术持乐观态度，可能在10年之内。我不知道这是否正确。我不是技术人员，所以我只是在整理这些不同的观点，但到了2035年，AI可能能做今天人类所做的大部分认知任务。那将是一个非常不同的世界。我们需要开始考虑如何以除了依赖劳动之外的方式分配财富和收入。我不确定我们是否能在这10年内达到这些里程碑，但我认为这已经在计划范围内了。
亚历山大： 我明白了。顺便说一下，我加入OpenAI后，我的时间线确实缩短了。虽然，正如我喜欢说的，加入OpenAI让我能够看到未来，但也许只有半年或一年。所以祝你好运，未来10年。但在我们到达这个未来之前，在没有工作或者至少没有需要完成的认知工作的未来之前，比如说从现在开始的五年内，你如何看待AI融入我们的办公室工作？
埃里克： 嗯，五年是更现实的，因为我们已经开始看到它的端倪。许多将在五年内广泛使用的技术已经存在。作为一个经济学家，我意识到的第一件事是，发明一项技术是一回事，广泛采用它又是另一回事。通常需要5、10甚至20或30年的时间技术才能普及。所以现在我们确实看到一些技术在帮助人们撰写备忘录，我们看到一些技术在帮助诊断疾病，我们看到一些技术在帮助客户服务和编码，它们还没有广泛普及，只有少数几家领先的公司在使用。所以在五年内，我预计这些技术将被更广泛地普及，我们将会看到一个分布。在我研究的研究中，我们发现这些技术导致公司之间的差距越来越大。领先的公司正在拉开差距，无论是通过利润、销售还是投资回报来衡量，前10%、前20%的公司正在拉开差距，而中等公司或落后公司则越来越落后。我们将在接下来的三到五年内继续看到这种趋势。从某种意义上说，你是在说一些将在五年内在办公室工作中广泛使用的技术，实际上现在就已经存在了，只是普及需要时间，大概需要五年。
对于大多数人来说，这正是我们将要看到的情况。这通常需要一个意外的长时间。你们许多听众可能听说过电力从发明到早期在1880年代的工厂采用，直到大约1920年代之前，我们才真正看到巨大的生产力增长。中间发生的事情是，最初人们只是用电力替换蒸汽机，但基本上还是以前的工作方式。需要一代人的时间才重新发明工厂，开始使用一系列较小的电动机代替一个大的中央动力源，这些小电机分布在工厂的整个单层建筑中，材料的流动决定了机器的放置。这种第二种方法使生产力翻了一番甚至三番。但这不仅仅是电力本身带来的，而是电力与新的工作方式的结合。在我的研究中也看到了AI在做同样的事情，无论是计算机的引入还是更早的蒸汽机。
亚历山大：所以我认为人们也在谈论，就像“更快的马”那样，人们只是取他们已有的东西，然后进行非常明显的。但这并不是新技术普及通常发生的形式。
埃里克： 没错。亨利·福特曾经著名地说，如果他问他的客户他们想要什么，他们会说一个更快的马。他们很难想象郊区和超市以及高速公路以及从那以后出现的所有其他事物。今天我不确定，但关于仿人机器人正在进行的辩论，我们看到的机器人具有与人类相同的形态因素，优势在于它们可以开门、可以使用刀叉，以及所有为人类制造的其他事物。我认为有一个论点是，这个世界是为人形因素制造的，但我也认为它可能会落入“更快的马”谬误，并没有真正利用机器的惊人能力。毕竟，轮子比腿更适合移动，那么我们为什么不使用它们呢？在亚马逊的工厂里，有时他们使用吸盘和其他工具来抓取东西，这比我们的五个手指做得更好。
亚历山大： 同样地，我们为什么需要一个洗碗的机器人呢？我们已经有洗碗机了。对吧？它实际上在做这件事时非常高效。
埃里克： 它做得非常高效。而且我听到了双方的观点。所以我更多的是这些争论的鉴赏家。另一方面的观点是，如果你有一件硬件，你可以只用软件就让它执行许多不同种类的任务，同样的设备既可以洗碗，也可以拖地或洗窗户，甚至开车。我听到安德烈·卡帕西有一种噩梦般的想法，他的自动驾驶汽车最终被仿人机器人驾驶，而不是他正在设计的软件。
亚历山大：当然我们不知道这将如何确切发生，但这些都是，我会积极的说未来将有一些生产力，一些新的可能性由技术启用。
埃里克： 对。
亚历山大： 但是，我们都希望未来能这样展开，但有些人担心会有不同的路径展开，可能不那么乐观。也许会无疾而终。也许我们想象的增长并没有那么多。所以我相信你和罗伯特·戈登（Robert Gordon）打过一个赌，关于这个问题。你能告诉我们这个赌注的情况吗？
埃里克： 让我先回顾一下……我的意思是，我们都看到技术可能会被过度炒作。现在关于AI的炒作真的很多，比如被宣传为AI驱动的吸尘器或其他什么东西，实际上它是否真的对那些应用有益还不太清楚。
亚历山大： Roomba，对吗？
埃里克： 不，Roomba这里有一些事情可以做，但它们不一定是最大的、最重要的使用者，有些甚至完全是无稽之谈，但也确实存在一些真正的核心价值。问题在于这主要是炒作还是真实的。我相当确信它是真实的。即使周围有很多炒作，它主要还是真实的。我经历过一个AI寒冬。我教的第一门AI课是在1985年，那时我在哈佛继续教育学院教授专家系统课程，还有一个关于AI应用的课程。我教了八年，非常有趣。我们构建了基于规则的系统，能解决一些简单任务。人们非常乐观地认为最终可以以这种方式捕捉到各种专业知识。结果证明，它并没有扩展性，也就是说，它无法真正超越我们当时进行的那些初步应用。这导致了人们所说的AI寒冬，那时投资开始枯竭，许多公司倒闭。我不这么认为人们担心这种情况会再次发生。我认为这些技术不会再有一个AI寒冬。可能会快一点或慢一点，但有这么多人，我们已经看到了许多尚未完全普及的根本性突破，我们还有很多空间。我确实与鲍勃·戈登打了这个赌。让我告诉你一点关于那个的事情。鲍勃·戈登是最伟大的经济学家之一。他写了一本关于美国生产力兴衰的精彩书籍。在很多事情上我都同意他的看法，他描述历史非常在行。我不同意他对未来的看法。他是一个悲观主义者，不认为AI能够达到过去的伟大发明，比如我们谈到的内燃机或电力那样的水平。所以我们打了一个赌，在2020年代这十年期间，我说生产力的增长会比国会预算办公室说的要快。国会预算办公室预测每年生产力增长1.4%。为了公平对待他，我说：“让我们把它定为1.8%。我给你0.4%。”他赌它会低于这个数值。我们将在2029年找出谁是对的。但我已经领先了，对吧？过去三个季度表现相当好，所以生产力一直略高于趋势。坦白说，我甚至认为AI还没有真正发挥作用；我只是白得了这些。真正的回报将在几年后，当我们开始看到AI影响经济时。
亚历山大： 实际上，我今天真的想更深入地了解这个问题，但这是一个很好的概述。不过为了正确地做到这一点，我们需要稍微退后一步，想一想，好吧，这个问题：技术将如何影响生产力和劳动力？再次强调，这个问题一点都不新鲜，实际上你已经提到了，你花了几十年来研究它。所以本质上你实际上是最早研究信息技术对生产力影响的研究者之一。我会说，你对AI持乐观态度。
埃里克： 是的，尽管我有点错了。
亚历山大： 有句话说，唯一比迟到更糟糕的是过早到来。但我认为你在这里做得很好。那么，你能告诉我一点，你是如何研究这类问题的吗？当你有一项技术，并且想要理解它对劳动力、增长等的影响时？
埃里克： 有不同的层次可以研究。一种方法是查看特定任务。我与汤姆·米切尔和丹尼尔·洛克合作，我们开创了我们所称的基于任务的方法。这里的想法是将整个经济分解为行业、职业，然后再将职业分解为个别任务。所以每个工作都可以分解为个别任务。例如放射科医生，辛顿谈到了通过机器学习替换放射科医生。我认为他关注的是放射科医生所做的一个任务，即阅读医学影像。但根据ONET和我们的研究，放射科医生有大约27个不同的任务。他们有时也进行体检，与其他医生协商，给病人建议。有些任务AI可以大有帮助；其他任务，AI则帮助不大。如果你看整个任务集，你会发现在没有一个职业中，人AI可以完成该职业的所有任务，但几乎在每一个职业中它都能完成一些任务。现在，我研究人工智能影响的那些具体任务。例如，我与林赛·雷蒙德和丹妮尔·李一起对呼叫中心进行了一项研究。我们发现一家名为Cresta的公司引入了基于大型语言模型的工具来帮助呼叫中心操作员。我认为值得深入了解一下这个案例，因为它不仅说明了那个案例，还阐明了我们看到的许多原则。在呼叫中心，他们没有试图替换工人，而是让呼叫中心的大型语言模型给操作员提供如何回答问题的建议。有时操作员采纳了建议，有时则没有。对我来说，作为研究人员的重点是，他们以分阶段的方式推出了这一系统。他们进行了一些A/B测试，然后逐渐推广。所以我们可以得出因果推论，了解当操作员使用这项技术时会发生什么，不使用时又会怎样。我们发现的结果令人瞩目。与我之前谈到的电力例子不同，在那种情况下需要几十年的时间，在这种情况下只是几个月的事。在四到五个月内，有权限使用这项技术的操作员的表现大幅提高。他们每小时能处理的呼叫数量增加了多达35%。客户满意度通过净推广得分提高了。客户情绪也有所提高。
你可以查看我们拥有的数百万份对话记录，我们发现那些记录中有更多的快乐词汇，更少的愤怒词汇。甚至客户，抱歉，甚至操作员本身也更快乐。我担心这会像血汗工厂一样压榨他们，但实际上操作员喜欢这个系统，与这个系统一起工作的人比没有使用这个系统的人更不容易辞职。所以真的，三个群体——股东、客户和操作员，工人——都因这项技术而处境更好。我研究这些技术几十年了，我从未见过一项技术如此迅速地对特定任务产生如此巨大的影响。现在，自从我们进行那项研究以来，许多其他人对程序进行了其他研究，其中的收益往往更大；对于管理咨询和顾问，不仅生产力有提高，质量也有提高；在写作、销售和许多其他领域也是如此。所以我们看到许多具体任务迅速改善。现在，另一个分析层面是将其提升到整个经济层面，因为单个任务很好，但如何聚合？你可以在那里应用一个经济概念，称为Holton定理，基本上……简单地说，你看看个别任务中有多少生产力，然后你看看有多少不同的任务，经济的哪个百分比受到影响。如果你将这两个数字相乘，你可以得到一个大致的估计，即经济的多大部分可能受到影响。当我们这样做时，我变得相当乐观，经济中有很多像呼叫中心、程序或管理咨询那样的任务。可以是经济的30%，40%，甚至50%，这些都是认知语言为基础的任务。这表明，仅仅现有的技术就真的可以大大推动发展。所以说个数字过去十年的生产力增长大约是每年1.4%。这就是国会预算办公室得出那个基线的地方。坦白说，他们基本上是看过去几年的数据然后进行外推的。
这就是你如何推断的出。我喜欢去研究核心技术，而不仅仅假设过去就是未来的预测。但当你观察实际变化时，我看到它非常有可能翻一番，这将使年增长率接近3%。如果这成真，好消息是它解决了我们面临的许多问题，或者至少缓解了这些问题。社会保障，我们面临着巨大的赤字，因为随着人口老龄化，我们承诺的福利与我们预期收取的税收不相等；医疗保险和医疗补助；还有环境问题。如果我们有更多的生产力和更多的经济增长，我们社会中的许多其他挑战，如贫困，将变得更容易解决。
亚历山大： 我只想深入了解你说的两件事。一是将工作看作是任务级别而不是整个工作。还有，是的，尽管我非常尊重辛顿在所有他所做的杰出成就上，是的，这可能是他的一个不幸预测。我认为他说过，“从现在起五年，我们应该基本上停止教育放射科医生，因为五年后他们将失业。”这是在2017年，所以显然——
埃里克： 没错。
亚历山大： 显然这并没有发生。
埃里克： 他确实那么说了。显然他是个天才。他是深度学习的教父之一，是这一切发生的原因。在经济学上，我不认为他把事情看得很对。他没有考虑到所有这些不同的影响。他发表那个言论后，我去查了一下。五年后，我们几乎增加了一倍的放射科医生的职位招聘数量。所以不是说他们的数量减少了，实际上他们的数量大幅增加了。其中一部分原因是我们所说的，放射科医生做很多事情。另一部分原因是技术采用较慢。还有第三点是……这对人们来说有点违反直觉，但你知道当某样东西的价格下降时，有时候支出会增加。
亚历山大： 是的。
埃里克： 这与需求曲线的斜率有关。下降的需求曲线意味着较低的价格导致更大的数量。如果数量的增加速度超过价格的下降速度，支出就会上升。给你一个直观的例子当喷气发动机被引入，飞行员变得极其高效，每乘客英里的成本大幅下降时，这并没有导致雇佣的飞行员减少。这显然导致雇佣了更多的飞行员。这在经济中经常发生；事实上，这比不发生的情况更常见。
2，通用技术对经济影响力
亚历山大： 是的，我认为这个术语是需求弹性或类似的东西。
埃里克：需求弹性。它是数量变化除以价格变化，或者是每项的百分比变化。如果这个比值大于一，那么总体上你的支出就会增加。并非每种商品都如此，但许多商品的需求是非常有弹性的，这意味着数量会增长。如果你想了解经济中正在发生的事情，我们可以看到，美国经济目前的失业率接近历史最低，但我们拥有的劳动节省技术比历史上任何时候都要多。这是怎么回事？这是因为平均来看，我们消费的许多不同事物比10年前、50年前或200年前都要多。
亚历山大： 既然我们谈到了术语，另一个有趣的术语是GPT，但它不是OpenAI谈论的那种GPT，而是经济学中的GPT……是的。所以有一篇很棒的论文题为“GPT are GPTs”。
埃里克： 是的。
亚历山大： 所以，从经济学角度来说，GPT是什么呢？ChatGPT在多大程度上是一种GPT？
埃里克： 我对此仍然有些不满。GPT是我们经济学家的首字母缩写。当我们提到GPT时，我们指的是通用技术，包括电力、蒸汽机、计算机，我认为还有人工智能。大多数人会同意人工智能属于通用技术。大部分的经济增长来自于技术，但它来自一类特定的技术，即通用技术。这些技术不仅仅影响一件小事，比如一个更好的咖啡杯；它们是跨越许多领域的技术，最重要的是，它们导致了建立在其基础上的补充创新。所以电力导致了我们这里的灯、空调、电动机和许多其他电子产品。GPT带来了所有这些衍生的发明和创新。AI也正在带来各种衍生、衍生的创新，这就是我们认为AI是一种GPT的原因。那篇关于GPT的论文，是OpenAI的一些人写的很棒的论文。我也因为我的一个学生、我以前的学生丹尼尔·洛克是那篇论文的合著者而获得了一点点功劳。他现在是沃顿商学院的教授，但他曾经在麻省理工学院与我一起工作。我认为这是一篇杰出的论文，它研究了所有受影响的不同任务，以及生成式预训练转换器是如何成为一种通用技术的。
亚历山大： 是的。这真是太棒了。这也显示出，从辛顿到现在这个术语，显示出AI界的人很少阅读经济学文献。
埃里克： 这确实显示了这一点。它还显示了，如果你不想与AI界的人正面对抗，因为他们的首字母缩写将会胜出。
3，《第二次机器时代》
亚历山大： 是的，可能现在看起来你们是在试图重新利用这个首字母缩写，因为它很受欢迎。不过，我认为这没问题。让我们再多谈一点你认为AI将如何积极影响我们的生产力和生活。再次说明，正如你已经说过的，你对此很早就有了见解。你写了两本书，我认为是《与机器竞赛》和《第二次机器时代》，这两本书都在谈论这个积极的未来。有一个非常重要的概念，即AI不是替代品，而是补充品。你谈到了诸如图灵陷阱之类的事情。所以你能告诉我们更多关于这个话题的信息吗？
埃里克： 感谢你强调这一点，因为我作为经济学家遇到的可能是最大的误解，那就是人们假设AI将取代所有工作，它是人类的完美替代品。确实有时候AI确实替代了人类，但更多情况下，它最终成为了补充。替代是指某物取代另一物，补充是指使其更有价值。如果你回顾历史，技术既是替代品也是补充品，但更重要的是作为补充的人工智能。其中一种看法是考虑人类劳动一小时的价值。这个价值随时间变得越来越高。你知道，在1700年它并不那么有价值，1800年、1900年也是如此。今天，它比以往任何时候都更有价值。为什么？因为它得到了技术的补充。如果你在挖沟渠，你有推土机或蒸汽机可以举起东西。如果你在编写软件，你有电脑帮助你比以往任何时候都更快地创建软件。因此，由于这些技术补充，一小时的劳动可以创造出比以前更多的价值。在大多数企业中，使用AI补充人类工作比试图替换它更能增加价值，这对于AI也是如此。
部分原因是因为尽管机器学习人员非常聪明，他们还没有能力制造出可以完成人类所有工作的机器。因此，通常当你试图解决一个问题时，AI可以完成其中的一部分，但其他部分仍然需要人类。就像在呼叫中心的例子中，我们查看了所有被问到的不同问题。有一些问题经常被问到，比如“我怎么更改我的密码？”“我被锁定了。”还有其他问题，是数据中只出现一次的长尾问题，比如一些复杂的税务问题或之前从未见过的问题。不出所料，机器学习擅长处理有大量数据的问题。你需要数据来进行机器学习。那些常见问题，他们有一些非常好的、清晰的答案，但对于那些不寻常的长尾问题，AI、机器学习就帮助不大了。但我们人类实际上做得很好。我们有点摸索着前进，你知道，如果我们之前没有看到过确切的问题。因此，这里有一个自然的劳动分工。我们一次又一次地看到，将两者结合起来的结果比单独使用其中一种更好。
亚历山大： 这非常有趣，但这里有一点问题。从某种意义上说，如果我们思考我们训练智能系统的方式，这些模型的训练方式本质上是作为替代品，对吧？他们的工作就是成为替代品。
埃里克： 对于其中的一部分，是的。
亚历山大： 所以最后它们也变成了某种补充品，这是我们之后特别关注的。那么，你有什么建议可以设计真正考虑到作为补充品的系统吗？
埃里克： 我希望这里有更多的自觉意图。你说得对。我认为许多机器学习研究者主要将其视为替代品，部分原因是因为伟大的艾伦·图灵的启发，他是最早的计算机科学家之一。他在1950年推测，“我们怎样才能知道一台机器是否具有智能？”他提出了一个测试，即“想象你有两个房间，一个放着电脑，一个放着人，你向他们提问”，可能像用电传打字机那样，打印出来。如果你分辨不出哪个是哪个，那么机器就被认为是智能的。这就成为了图灵测试。我认为这是一个非常酷的测试。当我还是个孩子时，我觉得这是一个很好的智力测试。现在我认为这是一个糟糕的测试。它真的错过了重点。它测试智力的效果，就像你看到一个魔术师让一个女人漂浮，这能测试你是否解决了重力问题一样。我认为人们很容易被愚弄，他们可以被AI程序愚弄，也可以被魔术师愚弄。图灵测试的另一个问题是它导致了一代又一代的机器学习和人工智能研究者试图制造完美模仿人类的机器。他们认为，如果你能完美地模仿一个人，那么你就创造了一个伟大的技术突破。这样做确实很酷，但从经济学家的角度看，这完全是错误的目标。现在我们就像追车的狗终于追上了车，现在该怎么办呢？我认为我们正在制造在许多方面模仿人类并能通过图灵测试的机器。但从经济学家的角度看，这有两个根本问题，这导致了我所说的“图灵陷阱”。第一个问题是，这种方式实际上并不够雄心勃勃，因为仅仅复制人类技能听起来很有野心，但在许多方面，我们应该让机器做更多的事情。如果亨利·福特说，“我要制造一辆汽车，可以”，“像人一样快地走或跑”，那将非常无趣。汽车能做的远比人类多，机器在智力上也能比人类做得更多，所以我们应该设定更高的目标。第二个问题是，它导致财富和权力的集中。如果你制造一台复制人类工人所做的机器，它往往成为替代品，这会导致财富和权力的集中。如果你制造一台补充人类的机器，即以不同于人类的方式行事，并使人类的技能更有价值，做人类无法做的事情，那么，这往往会使劳动力更有价值而不是价值降低。为什么你会希望劳动力更有价值呢？这会导致财富更广泛地分散，最终也会影响到权力。所以，如果你不仅想要繁荣，而且想要共享的繁荣，你应该支持补充品而不是替代品。我认为机器学习研究者可以有意识地更加努力地思考，我们如何制造帮助人类而不是替代人类的机器。例如，一个方法是更加努力地研究可解释性，这样当机器做出推荐时，人类可以对其进行评判，并说，“哦，我同意这部分，我不同意那部分”，然后人类和机器可以更有效地合作。想象一下，一个AI医生说，“根据所有数据，我认为你应该切掉病人的左腿。”（亚历山大笑）我认为很多医生会说，“等一下。”（笑）而机器说，“哦，我正确的概率是98%”，我认为医生仍然会犹豫一下，并说，“我不确定我想这么做。”另一方面，如果机器解释了它在做什么，它将更多地成为一个补充品，然后医生可以运用自己的知识，两人一起可以做出更好的决策。有时候他们可能会接受那个决定，其他时候他们决定推翻它。这是一个例子，说明机器如何成为补充品而不是替代品。
4，无人驾驶汽车
亚历山大：特别是，我真的觉得令人惊讶，或者也许并不令人惊讶，人们思考AI在特定情境中的用途可能有多么狭隘，因为确实，它们可以是你的教练，可以是你的灵感源泉，可以帮你初步处理任务等等。这里有这么多的丰富性。所以现在我们需要在具体情况下进行匹配。我相信你有一个公司，Workhelix，试图做这个事情并试图弄清楚这件事。那么告诉我更多关于它的信息。
埃里克： Workhelix非常受到我刚才所说的启发，你可以使用技术来放大和增强人类能力，如果你这样做，你可以释放大量的经济潜力和生产力。Workhelix采用我之前描述的基于任务的方法，检查任何组织的任务，多达20万个个别任务，每个公司都有一个独特的、关于人工智能在哪里可以最大限度帮助它的“指纹”，特别是在哪里AI可以增强它们的劳动力，使它们更有效，生产更高质量的产品和服务，提高客户满意度。这不仅仅是因为我们想对工人好，对工人好固然重要，而且因为这样做最终会创造更多价值，你更有可能拥有一个健壮和成功的系统，而不是试图拥有一个独自解决问题的系统。真的很难拥有这样的系统……你知道，就像自动驾驶汽车，要制造一辆在所有不同情况下都能工作的汽车是多么困难；让一辆汽车在一定程度上支持人类工人或驾驶员要容易得多。同样的情况也出现在呼叫中心，放射科医生那里。一次又一次的案例，让它们成为补充创造了更多的价值。Workhelix现在正在与许多财富500强公司合作，创建他们获取这些机会的路线图。这个时机非常好，因为现在几乎每个董事会都在问每个首席执行官：“我们的生成式AI路线图是什么？我们的策略又是什么？”他们中的许多人都在挣扎。他们听到所有这些炒作，听到这些噪音，听到关于AI的故事，他们不知道哪些是真实的，哪些是虚假的。因此，Workhelix提供了一种数据驱动的方法来分析所有这些任务，并确定最初追求哪些任务最好。
亚历山大： 是的，因此我想再次强调你所说的一点，这与自动驾驶汽车有关，显然人们对此……而我，像是对自动驾驶汽车感到兴奋，为什么我们还没有实现，尽管在旧金山看到的更多的汽车似乎出人意料地工作得很好——
埃里克： 它们确实不错。我确实喜欢它们。是的，我已经在它们里面四处驾驶了。
亚历山大： 但我们显然还没有达到我们想要的地方。但与此同时，部分是因为这种推动，我们的普通汽车中有很多这样的功能，比如帮助我们保持车道等等。实际上这里面有很多AI。这可能不是最引人注目的AI，但实际上这确实有所作为。
埃里克： 它使得驾驶更安全。确实如此。我的意思是，我第一次驾驶Waymo自动驾驶汽车，不，那不是Waymo，那时候是谷歌自动驾驶汽车，那是在2012年。我和安迪·麦卡菲一起从山景城驾驶到旧金山，我想，“哇，就快到了。我们几乎已经到了。”结果证明这要困难得多。正如你的听众可能知道的，实际上有六个级别的自动驾驶，从零级开始，即没有自动驾驶，一直到五级，即完全自动化。我们真的没有很多五级，如果有的话。在旧金山，如果它的行驶速度不超过25英里每小时，它表现得相当好。但大多数时候我们都处于那些中间类别，它们都涉及不同程度的人机合作。而我正在研究的一个项目就是考虑这些不同级别的人机合作。你如何将它们应用于其他任务？我的意思是，有些像国际象棋，我们已经穿越了所有不同的级别，现在计算机真的可以做所有事情。但几乎我们在世界上做的所有事情都比，你知道，八个黑白相间的方格乘以八个黑白相间的方格，总共64个方格，要复杂得多。所以在人们进行的其他任务中，往往人机合作比单独一个更好，这就是基于任务的分析的重点。
亚历山大： 我们又有点沉迷于自动驾驶汽车的讨论，但让我们继续讨论。这里的另一个概念不是自动驾驶汽车，而是无驾驶员的汽车，这实际上意味着人类仍然参与驾驶汽车，但可能有一个人监控10辆不同的汽车。所以你只是减少了每辆车的驾驶员数量，但它并不是完全的自动驾驶。即便在这里，也有很多可能性。
埃里克： 它有助于处理边缘情况。所以我们之前谈到了这个长尾，其中有一些常见的情况和一些不太常见的情况。机器学习通常不会遇到那些不寻常的情况。我在旧金山的一辆Waymo汽车里。我和塞巴斯蒂安·特隆一起上车，他确实是这个领域的创始人。我们恰好在一个派对上，我们两个因为是朋友一起上了同一辆Waymo汽车。那辆车停在那里，但就在我们下车前，一个人类驾驶员开到我们前面并挡住了我们，他的车大约覆盖了一半。所以我们的Waymo汽车无法开上路，它在那里卡住了大约一两分钟。我们不知道该怎么办，因为车里没有司机。然后一个人类操作员远程联系了我们，了解发生了什么事。我们解释了我们被另一辆车挡住了。幸运的是，就在我们和她交谈的大约10秒钟内，那辆车开走了，然后我们才能离开。但这是一个很好的例子，说明这种奇怪的情况不在训练数据中，它不知道该怎么办，但人类可以处理这种情况。所以这种劳动分工非常有帮助。
亚历山大： 所以我理解对AI提高生产力的看涨案例，它主要是基于补充性的。我对AI带来更多生产力的另一种希望是通过创造新的科学和创新。
埃里克： 是的，我对此感到非常兴奋。如果我们能利用AI和机器学习来促进科学创新，创造前所未有的新事物，那里将是真正大的回报。人工智能正在做的很多事情是复制我们已有的东西，更有效地执行，从优秀的呼叫中心操作员那里捕获知识，使其对技能较差的呼叫中心操作员可访问。但AI也有可能促进创造力和创新。它可以导致新类型的蛋白质，理解蛋白质折叠，可以导致新材料甚至通过阅读所有已发表的论文并找到空白和机会来实现新的科学发现。在我在斯坦福的课上，我教的一门课叫做“人工智能觉醒”，我们将有Anima Anandkumar来讲课，她是加州理工学院的教授，曾在英伟达工作。她将讲述人工智能在科学发现中的应用。令人兴奋的是，这不仅提高了生产力水平，而且改变了增长率。它使我们开始拥有新的发明和更快的科学发现速度。因此，我们开始走上更快的轨道，以及更高的水平。
亚历山大： 是的，这绝对是一个积极的案例。但现在记住世界并不总是那么美好，让我们稍微想一下可能的负面影响。当然，我们已经简要地谈到了这一点，即AI引起的这种颠覆将如何影响我们现有的工作，社会将如何应对。再次强调，这在人类历史上不是第一次发生。我们曾经有过卢德分子的出现。那么，你如何看待这种类比，在第一次机器革命期间发生了什么，今天的情况会如何？
埃里克： 我们需要注意，因为人们诋毁卢德分子，但实际上他们中的许多人确实被降低了技能并且失去了工作，有一段时间工人没有获得大部分收益。你不必回到1820年代卢德分子砸机器的时候。就在21世纪初，全球化正在蔓延，中国加入了世界贸易组织，像我这样的经济学家说，“自由贸易使蛋糕变大。它使我们所有人变得更富有。我们从贸易中获得收益。当然，这并不保证每个人都会自动获胜。会有赢家和输家，但这很容易解决。如果蛋糕变大了，那意味着我们有更多的财富，所以我们可以补偿人们，确保如果你重新分配一些收益并补偿人们，每个人都能获得好处。”
然而，事实证明，我们做了前半部分，但没有做后半部分。因此，我们确实实施了全球化，但在密歇根和北卡罗来纳等地失去工作的人们，总体上比以前更糟。这引发了巨大的反弹。因此，在过去的10年中，受全球化伤害的人们产生了很多怨恨和民粹主义。现在许多美国人和欧洲人等反对自由贸易，并对此进行了抵制，因此我们有了特朗普和拜登的更高关税。我认为这是我们经济学家的一大失败，未能确保我们完成了那两部分工作。我担心我们现在会重演那一幕，其中技术也可以使馅饼变大，但会有赢家和输家。没有经济法则规定每个人都将受益，甚至规定每个人都不会落后。有些人可能会变得更糟，而其他人可能会获益。如果这种情况再次发生，将会有技术反弹，财富和权力可能会进一步集中。那些变得更糟的人会非常生气，我不会怪他们。他们的第一反应将是反对技术，而我们真正应该做的是反对技术的误用，导致这种财富集中。如果正确处理，它可以导致共享的繁荣，但如果我们让它自动运行，假设一切都会好起来，那就没有任何保证。我担心这种政治，担心这种经济。我认为我们必须非常有意识地使用技术，确保它确实能带来共享的繁荣。
亚历山大： 是的，所以我完全同意这个观点，是的，这种增长经济派的哲学在你执行这个哲学的两部分时是有效的。而第二部分往往总是被延迟执行，或者从未执行，或者，就像是默默无闻。所以再次说，正如你所说，这次我们做对非常重要，尤其是对于这样一项重大的技术。
埃里克： 风险越来越大，是的。
亚历山大： 确切地说。那么，你能推荐我们做些什么来准备，以免我们对此作出反应，而是实际上为此做好准备呢？
埃里克： 你刚才简要提到了我早期的论文《图灵陷阱》，我在其中警告说，如果我们试图制造模仿人类的技术，可能会导致财富和权力的集中。这是一个陷阱，因为一旦这些人失去了他们的财富和权力，他们就很难修复这一点，因为按定义，他们没有以前那样的权力了。我们可以做一些事情来尝试避免这种情况。我真的认为有三个不同的群体可能会受到影响。第一个是技术人员。因此，他们正在发明许多这些技术。我对他们达到目标的能力感到惊讶。所以我们刚刚发布了AI指数报告。我们在那里有一堆基准测试。基准测试的一个问题是技术人员非常擅长，在创建后不久，甚至几个月内就达到了这些基准，所以……但这也是个好消息。如果我们有一个基准，比如，“嘿，让我们制造补充人类而不是替代人类的AI。让我们思考创造共享繁荣的方式。”我认为很多技术人员会非常愿意这样做。
我和他们谈过，他们说：“哦，这就是你们想让我们做的？是的，我们可以做到。你应该早点告诉我们。”，而不是艾伦·图灵提出的“让我们制造模仿人类的技术。”这是一个不同的……公平地说，不仅仅是艾伦·图灵，还有一些人，如尼尔斯·尼尔森等，将替代人类的技术描述为强AI的定义。像道格·恩格尔巴特这样的人谈到了补充人类的AI或智能增强。所以在这方面我们可以做一些事情，我认为这主要是文化上的。第二个群体是管理者，我花了很多时间与他们以及企业家在一起，他们正在寻求AI来提高生产力。我认为这通常是想象力的失败。他们正在寻找可以进入现有业务流程并用机器替换每个人的AI，因为这是最简单的事情：如何取出劳动力？是的，这将导致更高的利润，更低的成本，但它并没有真正获得他们从重新思考过程中获得的好处，就像我之前提到的，杰夫·贝索斯重塑了零售业。部分原因也与激励有关，如果他们使公司更具生产力，那对他们有好处，对工人也有好处。如果他们用资本替代劳动力，那会帮助他们，也会帮助工人。所以用资本替代劳动力有点像零和游戏，他们是赢家。这种转移价值的方式对社会没有真正的好处。所以我们需要调整激励措施，并创造更多的想象力来实现这一点。这就是我在商学院教书时做的事情，我教管理者，要求他们更有创造性地思考，不仅仅是替换工人，还要做新的事情。然后最后一个我认为需要关注的群体，我刚从华盛顿特区回来，我在白宫与经济顾问委员会、国会山交谈，是以支持这种更广泛共享的繁荣的方式改变我们的政策。我们现在实际上有很多政策，有意或无意地推动企业家和工作向替代而不是帮助工人的方向发展。例如，资本税大约是劳动税的一半。所以如果你是一个企业家，一个经理，考虑创业，你可以选择用一千个工人或一千台机器，政府会告诉你，如果你用机器而不是工人，你的税会更低。从效果上看，政府在推动我们的经济朝一个特定的方向发展。我认为没有任何特别的理由要这样做，反对工人而支持资本，但现在就是这样。也许当技术还没有那么强大时，这不会有太大的影响，但现在我们确实拥有非常强大的技术，而我们的政策并没有像它们本应该的那样提供公平的竞争环境。所以这三个群体——技术人员、经理和企业家、政策制定者——他们都有错位的激励，可以做一些不同的事情。如果我们解决这些差距，我认为我们会摆脱图灵陷阱。我们更有可能拥有增强工人的人工智能，而不太可能有这种财富和权力的不断集中。
5,人工智能与经济
亚历山大： 这些都是很好的观点。实际上，你触及了很多只有在深入研究后才会显现的事情，因为你知道，在高层次上，一切看起来都是正确的。所以实际上，就是要谈谈你提到的关于管理者的观点。这是我在与管理者交谈时会提到的一个观点，即：“也要考虑你的员工的激励。”你说AI带来的真正好处不仅仅是通过点对点的自动化，实际上是通过围绕AI重新思考任务。那么，谁最能找出最佳的重新思考任务的方式呢？实际上是那些正在从事这些任务的人。所以这可能是放射科医生或任何你当前考虑替换的人。但是如果你考虑替换他们，他们帮助你的动机是什么？有多少人会乐意与你合作，从而让他们失业？
埃里克： 你完全正确，工人最了解这些机会在哪里，你希望他们站在你这边。你不想让这变成对抗性的。如果你让他们参与进来并说，“帮助我们了解这项技术如何能帮助”，这将创造更多的价值。但然后你必须确保激励措施是一致的，确保他们不会因为这样做而失去工作。我曾与我的麻省理工学院同事里吉娜·巴兹莱聊天，她是一位杰出的人工智能研究者，她开发了一个更好地识别乳腺癌的工具。她试图将其引入医院，但遇到了很多阻力。我和她谈过，她确实有点将其定位为替代放射科医生。更好的方法是说，“嘿，这可以帮助你更好地完成工作。它可以帮助你提高质量，可以提供更好的病人护理，最终可能比以前做更多的成像，扩大你的服务。也许甚至可以有更多的放射科医生，就像我们之前谈论的需求弹性那样。”同样，当公司采用这种技术时，我认为他们不一定需要减少员工人数，即使这样做提高了生产力。不仅是因为需求弹性高，还因为，现实是，早期采用者往往会增长。迟缓采用的人往往会落后。对你自己的工人来说，最好的事情是走在这些技术的前沿，向他们展示这可以使他们的工作更有效，并帮助公司总体上赢得市场份额。
亚历山大： 这是一个很好的表述方式。顺便说一下，因为这个问题一次又一次地出现，人们认为，更高的生产力会带来共享的好处，那么我们的工作日和工作周会缩短吗？
埃里克： 我认为会的。这将是一个选择。我的意思是……我认为这是获得一些好处的好方法。你知道，在挪威，他们在很多方面都更富有，部分原因是因为他们的石油财富，还因为他们是非常高效的工人，他们缩短了工作周。甚至在美国。我的意思是，一个世纪前，工作周接近每周60小时。凯恩斯谈到了工作周的缩短。他认为它会减少到每周15小时，这还没有发生。但事实上，过去几十年间它确实逐渐缩短了。可能感觉不到，但如果你查看数据，官方工作周或有效工作周已经大大缩短了。我预计这将继续发生。其本质是随着我们变得更富有，我们确实正在变得更富有，即使，再次说，如果感觉不到这一点。但从每个指标来看，无论是我们的房屋大小，寿命年数，还是几乎所有东西的消费，我们都更富有。人们喜欢消费更多的是休闲，边际上他们花在工作上的时间稍微减少一些，大多数人都是这样。我非常热爱我的工作，所以我不介意我做的，他们称之为工作的事情，有些人也是这样。但选择将在那里，能够支付食物和衣服的费用，而不需要像过去那样工作很多小时。
亚历山大： 好的，这是一个积极的未来。但再次说，你的一些同事可能不像你这样乐观。所以，如果你考虑另一种关于未来的预测，比如由AI支持的工作的未来，为什么他们的预测与你不同？你认为他们在这里忽略了什么或低估了什么？
埃里克： 有两种类型的悲观主义。我很乐意讨论其中的一种或两种。一种是技术没有起飞。因此，有些人看到我们拥有的东西，他们就不认为这会大幅改变局面。还有一些人确实认为这会大幅改变局面，但他们认为这将以不好的方式改变。所以，你希望我讲哪一个？
亚历山大： 实际上两个都讲。
埃里克： 关于技术，这是一个需要与技术人员讨论的问题。我认为你不能像国会预算办公室那样仅仅从过去推断。我不怪他们这么做，但是，如果你真的想深入了解正在发生的事情，你需要更深入地理解技术。特别是在过去几年里，Tranformer和大型语言模型被广泛采用，能够解决以前无法解决的许多问题，这让人叹为观止。如果你与顶尖的AI研究人员交谈，几乎所有人都会说他们对其运行情况感到真正惊讶。Google DeepMind的丹米斯·哈萨比斯，或者OpenAI的格雷格·布洛克曼或Mira等人，对这些模型能做的事情以及他们期望它们将来能做的事情印象非常深刻。所以这是乐观的原因。即使现在技术停止发展，我仍然认为仅凭它们已经能做的，就会有生产力的提升。所以这是我乐观的理由。我认为大多数不那么乐观的经济学家，这听起来可能有点严厉，但我只是认为他们没有花足够的时间研究这项技术。我去东海岸，一些主要的政府官员或其他人，他们实际上没有见过技术能做什么。我认为随着他们接触到它，他们都会更新他们的看法，就像我一样，越来越乐观地看待这项技术能做什么。
亚历山大： 悲哀的是，这实际上是真的。我很震惊地看到一些负责决定这项技术未来的高级政策制定者从未与之互动过。
埃里克： 我去见了一个高级人物，我不会说名字，我对他说，“你需要做的第一件事就是开始自己使用它。”一方面，这将帮助你更好地完成工作。它实际上对你有用。另一方面，你需要亲身体验它。顺便说一下，关于最新一代技术的一大优点是你不需要很多专业技能。你不必学习Python或电子工程或任何其他技术，你可以直接用英语进行交互。所以真的没有理由不去尝试它，并且可能很快就在你自己的工作中获得一些生产力提升。随着越来越多的人开始这样做，我认为我们会看到越来越多的人认为这些技术可以产生重大影响。我的意思是，相关的问题是……我注意到这一点。我有一些非常聪明的朋友，他们也去了顶尖大学，他们也持怀疑态度。听他们的话，我意识到那里也有很多炒作和无稽之谈。所以虽然我花了很多时间与真正的技术人员交谈，如果你在3000英里之外，有很多人对这项技术一无所知，但会大谈特谈，并且只是跟随潮流。就像加密货币和一些其他被过度炒作的技术一样，这些炒作者淹没了真正的技术人员。所以这导致了很多怀疑。希望随着时间的推移，真正的技术突破会变得更加明显。每次我和CEO或经理谈话时，我都会问他们，鼓励他们使用技术。所以这是类似传教者工作。公平地说，这是一项相对较新的技术。这些事情需要时间才能普及。在许多方面，它的传播速度已经很快了。所以，我们不应该过于不耐烦。我希望它能更快发生，但与许多早期技术相比，它仍然发展得相当快。事情就是需要时间。所以我认为解决方案已经在途中，我们将开始看到越来越多的人被这些技术所打动，越来越多的公司采用它们。
我的公司Workhelix的使命是让更多公司更容易接触到这些技术，并帮助它们识别机会所在，同样重要的是，区分哪些是炒作，哪些应该避免。所以我认为在未来几年中，我们将看到它的传播速度会更快。所以我不太担心这个问题。它会发生的。我们将在未来几年中获得这些收益。每年你都能以相同的钱获得更多的计算能力；事实上，每年约增长20％到25％。所以当我绘制这些数字时，计算机实际采用的数字简直是飞涨。我在不同的行业、不同的职业中追踪这些数据，有所有这些指数级增长的计算机采用曲线。我看这些曲线就像很多人看类似的曲线一样，比尔·盖茨等人，说：“哇，这显然将是一个改变游戏规则的东西。”这只是早期阶段，在80年代发生，并在90年代加速。从那时起的每一年，我们都拥有了更多的计算能力，这是我认为是机器学习和许多其他进步的核心，我们拥有了更多的计算能力。我们也拥有更多的数字数据。80年代和90年代几乎没有数字数据，而现在我们被数据淹没。这两者是机器学习的命脉。因此，我觉得我们改善解决问题能力的提升几乎是不可避免的，事实上我们已经做到了。你从2012年开始看到这一点，那是深度学习革命的早期阶段。ImageNet回到我们的朋友辛顿，引入了深度学习技术来识别图像，1400万图像。
AlexNet。是的，那是一个例子。当他和他的团队完成那个时，每个人都开始采用这些方法。那是早期阶段。我不知道Transformer会被发明，或者确切的细节会是什么，但大致的轨迹是对的，就像我不确切知道我们在2025年和2026年会有什么发明一样。但我相当确信将会有额外的改进，尽管此时即使没有改进，只是继续应用规模定律和数据也会在未来带来许多好处。
6,积极影响和负面影响
亚历山大： 好的，我们绕了这么一大圈，但让我们还是回到这个问题上。所以有人说，你知道，AI可能不会是一件大事，是积极的事，其中一种说法是，他们不相信技术会起飞。另一种是它可能会起飞，但可能会朝着不希望的方向发展。你能谈谈这个吗？
埃里克： 我认为这是一个合理的担忧，即AI可能非常强大，但可能以危险的方式被使用。我对此比很多人更担心。我不完全在极端的灾难性风险阵营，但我认为这是一个显著的可能性。再次回到这个原则，我们拥有的工具比以往任何时候都强大。10万年前，有人可能拥有一根矛，他们可以扔它。也许他们可以杀死一个人，也许他们可以稍微破坏一下悬崖的一边，但你真的无法太大地改变世界。然后有了机枪、原子武器、生物武器。随着时间的推移，我们获得了越来越多的能力以积极的方式改变世界，但也必须面对，以消极的方式。我们第一次开始拥有可能是存在性的技术，可能会消灭地球上很大一部分人。它们可能对经济和就业产生灾难性影响。它们可能对我们的民主产生重大影响。我们需要非常认真地考虑这些问题，并开始思考我们如何管理这些问题。我们希望它们以积极的方式被使用，但我们不应该盲目假设不会发生坏事，因为伟大的力量伴随着巨大的责任。
亚历山大： 我同意这一点。再次说，我的团队的准备工作试图尽可能具体地了解风险。就像是什么是最坏的情况，如果有人想滥用这项技术？所以我完全同意这一点。
埃里克： 所以，我是一名经济学家，我特别关注的是一些经济方面的问题。我认为将需要很多新技能。会有很多工作流动。我在我们讨论开始时说过，技术总是在创造工作，也总是在销毁工作，但现在的速度比以往任何时候都要快。工业革命发展了几百年。我们将经历一个与工业革命相当或更大的变革规模，但压缩在几十年或更短的时间内。这就更难适应了。现在，不应该做的事情，我知道我们不应该做的一件事是试图将所有的工作冻结在原样，并试图保持现状。这总是失败的。但不幸的是，很多人的第一直觉就是，“我们怎样才能保持以前的状态？”这实际上是更危险的策略。更安全的策略是采取积极态度，拥有一个灵活的经济体，允许你改变工作，允许人们从一个职业转移到另一个职业，允许人们学习新技能。这可能有点不舒服，但最终会带来更多的缓冲和更多的财富保护，而不是试图保持工作完全不变的脆弱性。
亚历山大： 但当然，你完全理解这对人们来说非常不舒服，也可能需要一些帮助手段来引导和支持这一过程。
埃里克： 必须有帮助的手。也必须有社会安全网，因为不是每个人都会成功，你想要有这种灵活性。你知道，我出生在丹麦，所以我可能有偏见，但我认为丹麦有很好的方法。他们称之为“灵活保障”（flexicurity），在那里……丹麦人有相当慷慨的安全网，但他们也可以很容易地雇佣和解雇人员。如果有人创办企业但不成功，他们可以简单地解雇员工。一些其他欧洲国家使解雇或创业变得非常困难。丹麦试图拥有一个灵活的经济体，并从两全其美中获得一点好处。
亚历山大： 哦，这实际上……我不知道，我不了解这一点。我确实知道他们有很好的福利思想，但这实际上是我学到的新东西，尽管我来自欧洲，
埃里克： 所以……你来自哪里？
亚历山大： 我来自波兰，
埃里克： 好的。波兰现在实际上做得相当好，对吧？——经济上。
亚历山大： 经济上，但我认为这很大程度上是通过大量努力赚来的。老实说，这种增长也有一些牺牲品，牺牲了一些东西。所以从共产主义时代以来的增长令人印象深刻，但并不是每个人都从中受益。
埃里克： 对，完全正确。你永远不可能做到每个人都赢。但如果你能有一个缓冲这种冲击的安全网，你可以做得比我们在美国现在做的要好得多。有些人认为安全网与创新、创造力和企业家精神不相容。我认为这完全是本末倒置的。我认识很多人想要创办新公司，但他们害怕因为会失去健康保险，这太冒险了。如果有一种方式可以让他们保留他们的健康福利和其他福利，那么会有更多的创业和更多的活力和流动性。
7,人工智能提高个人收入
亚历山大： ：很好。所以我们谈了很多关于广泛的、高层次的趋势图，但现在让我们聚焦于个人层面。那么你认为人们……你经常谈论人工智能如何提高个人生产力，但可能存在哪些误解呢？人们在利用人工智能提高个人生产力方面，有哪些不正确的想法？
埃里克： 我想有几件事。首先，我认为最大的误解，回到我之前说过的，是以替代而不是补充的方式思考，以及它如何帮助你做新事情，或者把它想象成给你正确答案的旧技术，即符号技术，而不是有时可能正确，有时可能错误，但它将激发创造力，让你思考新事物的技术。另一件事是，我发现这些新技术的入门门槛比一些早期技术要容易得多。你用英语与它们互动，你可以学习东西，可以玩玩它们，发现一些东西。所以，以前被技术吓到的人现在不应该被吓到。你不需要学习一些晦涩的编码语言，这让探索事物变得更容易。第三件事是，我认为人们会惊讶地发现有多少新领域和多少发现。即使是OpenAI和其他地方的顶尖开发者也不总是意识到这些技术能做什么。所以最终用户正在发现可能性。编码本身可能是从大模型中获得的最大单一生产力提升，是允许程序员编写更好的软件。这不是他们最初使用这些大模型来抓取网页时的预期目的，而是他们发现的。还有许多其他类似的发现，人们使用技术解决问题，甚至开发者也没有意识到你可以这样做。
亚历山大： 是的，顺便说一下，如果你现在还没有使用一些像编程伙伴这样的技术作为程序员，你就会落后。
埃里克： 确切地说。我不确定是不是我创造了这个说法，但我和安迪可能是最早用它的人。在我们2017年的《哈佛商业评论》文章的结尾，我们说，“AI不会取代管理者，但使用AI的管理者将取代那些不使用的管理者。”你可以替换任何职业，比如编码员、医生、律师、放射科医生，如果你使用AI，你将会取代那些不使用它的人。
亚历山大： 说到个人，我认为这是我们已经谈过几次的话题，但我想确保我们真正地正视它，那就是不平等，对吧？顺便说一下，这里的讽刺之处在于，很多AI的开发初衷是取代低技能工作。结果实际上，我们正处于取代中等技能或高技能工作的上升期，至少在某些方面，不是完全取代，正如我们谈到的，这是关于任务的。但无论如何，就像，你如何看待这种人工智能变革对社区的影响，特别是从不平等的角度？再次说，就像，谁可能会落后？
埃里克： 所以，你知道，我不想在预测上过于明确。但是，回顾之前我们对呼叫中心的研究，Lindsay和Danielle进行的，不同群体受影响的情况非常明显。结果显示，经验最少的工人以及技能最低的工人（这两者有重叠，但我们分别测量了）受益最大。他们的生产力提高了大约35%。最有技能的工人，顶尖的，据我们所知，增长为0%。你知道，估计值周围有些噪音，但这些人几乎没有增益。中间的情况则是平滑的梯度。所以这项技术是在压缩生产力和表现差异。正如你之前所说，这实际上与早期的波动相反。当我在80年代末和2000年初撰写我的第一篇论文时，我们讨论了经济学家所说的技术变革的技能偏见。电脑导致了更大的差距。在过去30到40年的大部分时间里，受过更多教育、收入更高的工人与只受过高中教育或辍学的人之间的差距越拉越大，这导致了美国和其他发达经济体中不平等的加剧。甚至不仅仅是经济指标，其他指标如死亡率、自杀、酗酒、药物滥用，这些都在这些群体之间扩大了。这项技术有可能扭转这种状况。Ethan Molick也有一些其他研究，他突出了与管理顾问相关的类似效果。程序员，不一定是顶尖的，而是中等的，是受益者。所以你可以在很多不同的类别中看到这一点。目前还很早，我不想做出总的概括，但至少我们现在有可能纠正过去技术扩大不平等的一些行为。这可能是导致更广泛共享的繁荣的因素。
亚历山大： 是的，所以现在还很早，也许还为时过早，不能说得太具体我们应该做些什么，虽然你已经提到了一些事情，比如资本税率与劳动税率的一些措施。但是，我们的社会应该采取什么样的心态，以推动未来朝着积极的方向发展，而不是负面的方向？
埃里克： 我认为我们需要非常积极主动，因为这些工具非常强大。工具越强大，我们的价值观就越重要。因为我们实际上可以比过去更多地引导世界，我们的选择会产生差异。所以我们必须决定，我们是否想要一个每个人都参与的世界？我们是想要一个财富和权力高度集中的世界，还是一个财富和权力分散的世界？大多数人更喜欢第二种情况，这是……你知道，这不是技术为我们决定的，这是一个选择。实际上，回到我2013年的TED演讲，我说过……我的TED演讲的最后一句话，我仍然相信是：“技术不是命运；我们塑造我们的命运。”所以让我们思考我们希望这项技术做什么。我确实担心，因为规模定律和一些其他底层力量，如果我们让它自动运行，倾向于更多的集中。LLM模型正变得越来越大。在经济的其他部分，这些模型也允许人们进行更集中的决策。一个大型零售商可以从全国各地收集数据，做出决策，并击败所有可能不那么高效的小商店。顺便说一下，我们看到的数据显示，不仅仅是零售业，还有金融、制造业，每个行业都在增加集中，顶尖公司占有更大的份额，他们正在脱离其他公司。这是一个可能更高效的世界，可能生产力更高，但它有财富分配不均和权力分配不均的负面副作用。我认为最终，我不是政治学家，但我认为政治权力将倾向于跟随经济权力，这可能非常不稳定。
亚历山大： 是的，这实际上是一个很好的观点。甚至可以，像，把它提升到下一个层次，像，如果你看看地缘政治场景，对，有些国家是发展中国家，他们甚至可能还没有达到信息技术阶段。你认为他们的未来会如何？他们如何也能成为人工智能时代的赢家？
埃里克： 我对此非常关注，因为从历史上看，制造业、中低技能制造业一直是这些国家繁荣的基础。所以，比如韩国、越南、菲律宾，甚至中国，他们利用这个扶梯进行低技能制造业，他们获得了越来越多的国内外投资，这提高了他们人民的生活标准。他们加入了……现在韩国是一个较富裕的国家，或者新加坡。我在90年代访问过新加坡，那时它比美国穷，现在它比美国富有。但随着人工智能取代了过去由人类完成的许多任务，这些发展中国家的人们可能更难以以这种方式参与进来。我们已经看到一些公司，如苹果已经将其Mac电脑的制造重新搬回国内，不是因为美国的劳动力更便宜，而是因为劳动力在成本结构中的比重越来越小。再次说，这对生产力可能有好处，但它可能导致世界不平等的增加。不平等的增长可能导致政治不稳定。
亚历山大： 我同意这个观点。而且，这似乎真的没有为全人类带来好处。那么我们能做些什么来尝试抵消这种未来呢？
埃里克：我们可以做几件事情。我不是特别喜欢的一个解决方案是，我们可以进行更多的再分配。我们可以说，"让系统自行发挥作用。"财富被集中，权力被集中，但是我们对它征税，我们有基本收入或对较不富裕的人的外援。但我认为这种方式，我不确定它有多稳定，我不确定它有多可靠。我们可以尝试发明技术，并以一种更多补充人类而非替代人类的方式推动技术轨迹。这确实倾向于导致技术更广泛地使用和更广泛地分散的繁荣。这两者我认为都不是完美的解决方案，但我认为那第二个，有些人称之为预分配，即系统本身固有地更平等，更有可能导致好的结果。我还怀疑，最终这将是一个更具生产力的世界，因为有更多的人参与，有更多的人贡献和发明，而不是只有一小部分核心人员在推动前沿。所以我鼓励我的技术朋友，我的企业家朋友，我的政策制定者朋友们思考我们如何能创造这样一个世界，其中技术被用来广泛帮助人们。实际上这让我想起了我实际上帮助创立的一个名为“包容性创新挑战”的项目，它的灵感来自这种方法，我们可以使用技术来创新，但以一种广泛包容的方式，不仅仅是为少数人服务。
8,人工智能时代职业建议
亚历山大： 好的，换个话题。有个事情一直在我脑海中，那就是在这场人工智能转型中，哪些是合适的工作。我的两个女儿不久将进入高中，我真的很迷茫。我应该建议她们追求什么样的职业？你的建议是什么？
埃里克： 我的建议是小心接受我的任何建议，因为这很棘手。我变得谦虚了。在“第二次机器时代”，我和很多人一样，有这样的愿景，但我有点，你知道，安迪·麦卡菲和我写了关于它的文章，其中技术擅长某些例行、重复性任务，而更具创造性的工作，那是人类更擅长的，以及更多人际交往的工作也是人类更擅长的。我认为那时是对的，而且多年来一直是对的，但现在大模型和生成性AI正在颠覆这一点，许多创造性工作现在可以由机器完成，或者某种程度上创造性，我是说越来越创造性。甚至很多人际交往工作。最近的一项研究观察了回答医疗问题的大模型，它们在事实知识上胜过了医生。它们提供了更多关于医学诊断的正确答案。这有点令人惊讶，但是，我们正在习惯这种情况。但另一件事是，它们甚至在与病人的联系上胜过医生；它们更具人情味。所以医生在那第二类别上输得更多，这让我意识到这些机器可能会在情感智力上达到超人的水平，甚至在超人智力之前。所以，我从10年前给出的那个建议正被破坏。也许一度是好的。所以现在我正在转向新的建议。
亚历山大： 但是不是应该跟随这些技术，所以我不知道。
埃里克： 我的新建议是要灵活，我的意思是要准备好做出改变。不要固执己见。不要以为，“好吧，我要成为一个程序员”，或者“我不会成为编程员”，或者，“我要成为一个英语专业”，要适应性强。我认为这可能是人类的优势所在。我前几天和里德·霍夫曼（Reid Hoffman）谈到了这个问题，我提到了那些一次性任务，人类在这些任务上更擅长，而机器在更常见的任务上更擅长。我说，“看起来机器正在沿着那个曲线前进。”他说，“确实如此，但人类只是不断扩展长尾。人类擅长即兴创造和提出新事物。”他给的例子是，“假设你或我必须在围棋或象棋游戏中击败AlphaZero。表面上，我们知道我们会输。但如果我们真的必须赢，也许我们能赢。我们可能不会仅仅通过玩围棋来赢，我们会找出它的电源在哪里？你知道，我们会发现如何在其中引入一些错误。人类只是有各种创造性的工作方式，没有一个程序员或大模型之前想到过。我确实认为我们的物种在即兴发挥方面特别擅长。我刚刚读到有关宇宙飞船的信息，我认为是旅行者号，它离我们数十亿英里远。它停止工作了，他们想出了一种疯狂的方法重新定位内存，以便他们能再次使代码工作。这不是原设计者曾计划的任何事情，但他们找到了这种解决办法。我们还听说过阿波罗13号。吉姆·洛威尔实际上来过我家。他是阿波罗13号的飞行员，当我12岁的时候他来到我家。他们不得不即兴发挥，做出各种疯狂的事情。所以这可能暂时是我们的相对优势，在处理意外和即兴发挥以及保持灵活性方面。
亚历山大： 这实际上让我想起了我读过的一个故事，显然实际上人类最近确实赢了，不是和AlphaGo，而是和某种围棋AI。但他们的做法是使用另一种AI，基本上找到了一套使这个引擎困惑的策略，所以这完全是出乎意料的。
埃里克：即使你只使用围棋策略。我认为有一种情况，他们制作了一个像……这是一个疯狂的策略。任何人都会看着它说，“哦，我的天啊”，他们会立刻注意到，但AlphaGo之前从未见过，AlphaZero。但这只是一个普遍原则的例子，即我们有数年的进化，找出解决人们提出的任何难题的方法。
亚历山大： 最后一个问题。所以，如果你想想你自己，埃里克，你最期待或最不期待的是什么关于与AI一起的未来？
埃里克： 作为一名经济学家，也许这不是我个人的看法，但我真的很期待约翰·梅纳德·凯恩斯所说的经济问题的终结，我们终于可以首次在历史上解决，你知道，食物、衣服、住所的稀缺问题。我认为我们非常接近实现这一点，我可以看到这很快就会发生。这并不意味着我们所有的欲望和需求。人们总是会有，抱负，但基本需求，我认为可以解决。但对我个人而言，我会选择另外两个。短期内，我很想有一个教练来帮助我。我不是那么有条理，我的系统二并不总是在掌控中。当我认为我想做某事时，通常我的系统一就会接管。我很想有一个教练来提醒我保持首要事务在前，专注于原则。我还想要的另一件事是我热爱生活。我过得很愉快，我真的很享受，但每个人都在变老。我一直和硅谷的一些人在一起，他们有这些疯狂的想法，认为AI可以帮助解决或逆转衰老。我不知道这是否为真。我只希望他们快点，因为时间在流逝。
亚历山大： 好的，非常感谢你，埃里克。很高兴有你在这里。
埃里克： 我也很高兴。
对了，喜欢就别忘了点赞、收藏、转发支持一下！期待在评论区听到你的观点和看法!
往期回顾
1、[人工智能（AI）与人工通用智能（AGI）：如何识别两者的区别"]
2、[牛津大学教授Nick Bostrom讲述：AI技术能否让我们实现每周工作四天的生活（90分钟访谈视频）]
3、[《奇点临近》续作出版后!未来学家雷·库兹韦尔在TED中回顾人工智能过去60年发展与预言未来发展]
我们旨在企业与个人将先进科技与创新想法完美融合!
想要掌握人工智能，但不知从何开始？告诉我们你的需求，学习AI让你优先抓住这波技术浪潮
告别昂贵服务和缺人烦恼,再见漫长交付周期
无限创意风格,分分钟生成专业级作品
感受 AI 带来的全新工作体验！
欢迎各大品牌方、媒体、企业和个人等
请联系负责人微信：Milo-1101
--END--