中美关系ai 前百度员工关于ai的冲击分析的很有深度人工智能可能大致以同样的方式发展，但我会非常强烈地反对。以下是我认为人工智能可能有所不同的原因：速度。 人工智能的进步速度远超以往任何技术革命。例如，在过去的两年里，人工智能模型从勉强完成一行代码，发展到为某些人——包括 Anthropic 的工程师——编写所有或几乎所有代码³⁷。很快，它们可能会端到端地完成软件工程师的整个任务³⁸。人们很难适应这种变化的速度，无论是适应特定工作方式的变化，还是适应转岗到新工作的需求。即使是传奇程序员也越来越多地描述自己“落伍了”。由于人工智能编码模型日益加速人工智能开发任务，这种速度甚至可能会继续加快。明确地说，速度本身并不意味着劳动力市场和就业最终不会恢复，它只是意味着短期过渡将比过去的技术更痛苦，因为人类和劳动力市场反应缓慢，难以平衡。认知广度。 正如“数据中心里的天才国度”这一说法所暗示的，人工智能将具备非常广泛的人类认知能力——也许是全部。这与机械化农业、交通运输甚至计算机等以往的技术截然不同³⁹。这将使人们更难轻易地从被取代的工作转向适合他们的类似工作。例如，金融、咨询和法律等入门级工作所需的总体智力能力相当相似，即使具体知识有所不同。如果一种技术只扰乱了这三者之一，员工就可以转向另外两个近亲替代品（或者大学生可以转专业）。但同时扰乱所有三者（以及许多其他类似工作）可能更难让人们适应。此外，不仅仅是大多数现有工作会被扰乱。这部分以前也发生过——回想一下，农业曾占据了就业的很大一部分。但农民可以转向相对类似的工厂机器操作工作，尽管这种工作以前并不常见。相比之下，人工智能越来越匹配人类的普遍认知特征，这意味着它也将擅长那些通常会因旧工作被自动化而创造出来的新工作。另一种说法是，人工智能不是特定人类工作的替代品，而是人类的通用劳动力替代品。按认知能力划分。 在广泛的任务中，人工智能似乎正从能力阶梯的底部向上发展。例如，在编码方面，我们的模型已从“平庸编码员”水平提升到“出色编码员”再到“非常出色编码员”⁴⁰。我们现在开始在一般白领工作中看到同样的进展。因此，我们面临这样一种风险：人工智能不是影响具有特定技能或特定职业的人（他们可以通过再培训来适应），而是影响那些具有某些内在认知特质，即较低智力能力的人（这更难改变）。这些人将去向何方，他们将做什么，尚不清楚，我担心他们可能会形成一个失业或工资极低的“下层阶级”。明确地说，类似的情况以前也发生过——例如，一些经济学家认为计算机和互联网代表着“技能偏向型技术变革”。但这种技能偏向既不如我预期的人工智能那样极端，而且被认为导致了工资不平等加剧⁴¹，因此这并非一个令人放心的先例。填补空白的能力。 人类工作通常在面对新技术时进行调整的方式是，工作存在许多方面，而新技术即使看起来直接取代人类，也常常存在空白。如果有人发明了一台制造小零件的机器，人类可能仍然需要将原材料装入机器。即使这只需要手动制造小零件的1%的精力，人类工人也可以简单地制造100倍多的小零件。但人工智能，除了是一种快速发展的技术外，也是一种快速适应的技术。在每次模型发布时，AI公司都会仔细衡量模型擅长什么和不擅长什么，客户在发布后也会提供此类信息。通过收集体现当前差距的任务并针对它们进行下一次模型训练，可以弥补弱点。在生成式AI早期，用户注意到AI系统存在某些弱点（例如AI图像模型生成的有错误手指数量的手），许多人认为这些弱点是该技术固有的。如果它们是固有的，那将限制就业中断。但几乎所有此类弱点都很快得到解决——通常在短短几个月内。
