今天的文章繼續聊AI話題。從去年到現在我們已經推送了好幾篇讨論AI時代的文章，無論你是樂觀還是焦慮，不可否認AI廣泛應用的時代正在加速到來，我們需要更多元度的視角來審視這一切。後面我們還會繼續推出不同視角的相關讨論文章。
▽
不變革就會遭受損失；既變革又有所損失……被趕上并且被超過的是領先者——革新者。而且是以一切舊的優勢——資源、财富、權力——都被貶值，而思想被認定優于物質。從此，未來的大門是向着一切具有這種品格、這種雙手、這種頭腦的人敞開着的。
——戴維·蘭德斯，《國富國窮》
20世紀前期，語言學家喬治•K.齊夫提出了著名的“最省力原則”[1]，他發現，在英語單詞中，隻有極少數的詞被經常使用，是以他總結出，現實世界在相當程度上是具有惰性的，動态過程總能找到能量消耗最少的途徑，人類的語言經過千萬年的演化，最終也具有了這種特性。
現代神經科學對此做出了證明性的解釋：按照美國心理科學協會主席莉莎·費德曼·巴瑞特[2]的說法，大腦的首要任務是通過管理身體預算來維持人的生存和健康，它的運作機制是能量使用效率最大化，而不是理性效果最大化，是以，它天然傾向于“節能”——不動腦子，大腦最重要的工作不是思考。丹尼爾卡尼曼[3]是以才創設了著名的快行動、慢思考的雙系統洞見。
也可以這麼說，推動人類文明進步，帶來五百年來工業革命爆發，五十年來資訊革命爆發的最大力量，就是——懶。
美國經濟學家阿西莫格魯和雷斯特雷珀[4]把技術分為使能技術和取代技術，即這種技術是提高能源效率還是取代人力勞動。使能技術可以提高勞動力的生産率，而取代技術直接替代這些勞動力，是以自動化一直在壓低勞動力在增加值中的占比 。
阿西莫格魯和雷斯特雷珀舉了農業機械化的例子：盡管機械化降低了勞動力在農業中的比重，導緻農業的就業機會減少，但是機械化促使制造業和服務業中出現了一系列新工作，是以對勞動力的總需求上升。 他們總結道，技術進步帶了來自動化與勞動密集型新工作的一場賽跑。
熊彼特增長模型的建立者，法國經濟學家菲利普·阿吉翁[5]的辯護則是，自動化是通過創造性破壞的過程導緻工作崗位的減少（創造性破壞是熊彼特經經濟學說中的重要概念），勞工的工作崗位少了，是因為沒能跟上時代潮流的舊企業破産了。正如同熊彼特說的那樣，資本主義的成就不是“給女王們提供更多的絲綢長筒襪，而是通過不斷減少生産一隻絲襪所需的工作量來回饋工廠女工，讓她們也買得起長筒襪”。（出自《資本主義、社會主義與民主》，第五章）
然而《技術陷阱》的作者卡爾·貝内迪克特·弗雷[6]可能不會認同這種觀點，他認為現代的熊彼特型增長基于節省勞動力的技術、就業的創造性破壞和新技能的擷取，而這幾點都不能提升底層國民的福利，是以它并不是當代經濟進步的動力。
弗雷指出，大多數人收入的主要來源不是物質資本或金融資本，而是人力資本。勞工收入差異的77%源于個體特征，勞工的技能就是他們的财富，他們依靠人力資本為生。是以，當今社會對于底層國民來說，保持他們的人力資本價值水準仍然是維持經濟和社會穩定發展的最重要因素。
是以弗雷認為，“人工智能的推廣與20世紀90年代時計算機的情況一樣，不僅需要技術本身的發展，還需要巨大的補充性投資和大量實驗，這樣才能充分發揮其潛能。”
當然，目前而言，移動網際網路技術确實創造出了一個巨大的新型服務業就業領域，這在中國尤其明顯：按照統計局資料7，截至2021年底，中國靈活就業人員已達到2億人，2020年和2021年全國高校畢業生的靈活就業率均超過16%，外賣騎手達到400多萬人；在平台上從事主播及相關從業人員160多萬人。
實際上，帶貨主播、短視訊自媒體這一類型的就業崗位，已經進入了廣義的“知識工作者”的範疇之内。就連快遞配送的一線人員，也越來越依靠知識系統來工作：胡安焉[8]在《我在北京送快遞》一書中，便詳盡描述了快遞員是如何考量自己的工作時間成本的，他說，打工的時候很少想到自由，“可能因為我預設了不工作才是自由，而工作則相反，你必須按照要求，無論這要求是來自雇主、客戶，或——當我經營個體生意時——對市場的觀察和分析等，然後付出有效勞動，才能獲得回報”。
對此我倒是頗有共鳴，作為一個證券投資組合的管理者，我的工作要求我大量閱讀、寫作和不停地在不确定條件下做出判斷，接收大量的資訊，并高效而盡可能正确地處理它們，轉化為行動，而且馬上就會得到市場的回報：可能你費盡心力的數個月研究和等待，帶來的還是虧損。在淨值周複一周的下跌中，似乎你所有的勞動都是無效的掙紮。
關于無效勞動，大衛·格雷伯[9]寫了一本書《毫無意義的工作》來吐槽，不過他去世的稍微早了一點，像ChatGPT這樣的“大語言模型”，或者Midjourney、Stable Diffusion這種智能繪圖工具，整個AIGC（人工智能内容生成）技術在2023年迎來了爆發，“狗屁工作”的從業者們似乎很快就不需要煩惱了，“Alice”和“小冰”們将代替他們的崗位。新時代的浪頭太猛，Midjourney隻靠11個人就實作了1000萬使用者和1億美元的營業收入10。
奇績創壇CEO,前百度COO陸奇[11]最近做了一次關于“大模型”的演講，他認為，任何改變社會、改變産業的技術，永遠是結構性改變。這個結構性改變往往使一類大型成本，從邊際成本變成固定成本。陸奇歸結了一個“三位一體結構演化模式”，即“資訊-模型-行動”，這個體系的運作過程可以分解成四個步驟，即獲得資訊、表達資訊、解決問題和滿足需求。在他看來，目前絕大部分網際網路平台企業還停留在搬運資訊的階段。
我個人有一個不可能三角理論，即接受資訊的靈敏性、解碼資訊的準确性和處理資訊的節能性是一個不可能三角，對知識工作者來說，在有限時間限制下，拓展閱讀的廣度，提升自己接收資訊的靈敏性是首選。閱讀資訊的過程，就是把這些資訊存儲于本體意識中的過程，在某個條件合适的觸發點，我們可以把這些資訊再次還原。文本把有形的世界展開，我們再從其中将世界重新建構。
在複雜科學創始者之一布萊恩·阿瑟[12] 看來,通過隐喻、記憶、結構、模式和理論，我們的心智特别擅長建立事物之間的關聯。換句話說，心智從來不是給定的，它不是一個空空如也的、被動地裝載資料的“桶”。心智本身就是湧現出來的。由于這一特質，“無論什麼新技術都必須建立在已有的技術基礎之上”[13]。
也正是如此，AIGC技術目前的應用，也是對現有網際網路開放内容的抓取和再組合，隻不過它的規則試錯和内容運算能力更上一層，這反而是建立在以英偉達為代表的算力廠商在過去幾年Web3狂潮中進行正回報研發的基礎上的：低利率資金湧入帶來了成功。
美國生物學家安德烈亞斯·瓦格納[14]曾言，創造在一定程度上就是對原有事物的組合優化。制訂一種标準化的連接配接方式，然後以所有可能的方式對它們進行組合 。利用這個規則，大自然創造了蛋白質，創造了調控環路，創造了新陳代謝，創造了生命。這種标準連接配接和規則，我們也可以把它視作一個個模型。
陸奇認為，我們每個人都是三種模型的組合，認知模型、任務模型和領域模型，在“大模型”的時代裡，AI可以擔當一部分助手的工作之後，人将和數字化的、可以自主自動行動的技術共同進化。
AIGC技術最大的功效，便是可以高效壓縮資訊，調用知識，但這也帶來了“原創”難題，即作為個體的創作者，是不是貢獻自己的腦力勞動之後，反而淪為了大模型的“藥渣”？我想，這前景大概和資本市場裡的“韭菜”殊途同歸了。
弗雷寫到，20世紀時，第二次工業革命給美國的辦公室和工廠帶來了大量的半技術性工作，這為那些擔心失業的人提供了最好的保證随着技術變革的風潮席卷所有的工作場所，工作的舒适度變得越來越高，危險性越來越低，報酬也越來越高：勞動者們有充分的理由稱贊技術進步。
技術進步和收入配置設定之間的關系不是單一不變的：一些技術可能加劇不平等，另一些則會降低不平等。這取決于技術變革屬于哪個層次——取代型還是使能型。它也取決于擁有特定技能的勞工的供給能否跟上需求。
阿西莫格魯和雷斯特雷珀提出，“重振勞動力需求的AI”可能是未來的方向，比如提供個性化教育教育訓練，利用AI收集和分析資訊可以卓有成效地賦能護士、人員和其他醫療服務提供者，讓勞工與機器協作完成高精度生産任務和綜合設計任務的增強現實技術等等。但目前來看，ChatGPT類AI的發展方向，可能正在向着“智能助理”和“副駕駛”的方向一路狂奔。
當思考傳統的PDCA工作循環在新環境下怎麼運作之時，我發現由于大量的初級工作已經可以交給這個AI助理去“跑腿”，實質上所有的使用者都已經變成了AI開發者的“外包标記師”，這也反映了布萊恩·阿瑟的洞見，在一個全球運用的平台面前，至少邊際效益遞增的速率和廣度是相當久的，這個市場，最終被一兩家寡頭所主導是非常可能的，比如微軟就在目前通過對OpenAI的投資掌握了先機。
不過，就像趙汀陽[15]所言，人工智能主要替代的、且很快會替代的，是程式化、規則性、收集性、重複性和複制性的工作，即基本基于統計學原理，或在閉合集合内做選擇題的内容，它代替的不是體力勞動，而是中等水準的腦力勞動。“目前圖靈機模式下的人工智能，無論運算速度多快、收集資料能力多強，其智商的頂點也不會超越人類。”他說，“因為它工作的方法論來自人類。就像我們突破不了光速，人類的智商就是圖靈機的智商常數。”
我自己安裝了Notion的AI,我問了它作為個體的創作者，是不是貢獻自己的腦力勞動之後，反而淪為了大模型的“藥渣”這個問題，它是這麼回答的：
盡管人工智能技術的應用可能會取代部分傳統的知識工作，但是它也會創造出更多的新的工作領域和機會。是以，我們應該積極地擁抱人工智能技術，将其作為一種工具來提高自己的工作效率和品質，同時也要不斷地更新知識和技能，以适應新的工作環境和挑戰。
盡管這個答案聽起來就像人工智能版的“中肯”，可能并不滿足我們想要的答案以及緩解我們的擔憂，但無論如何，一件事情是确定的，那就是我們必須得正視直面AI，并與其共處這件事情了。
讓我們再引用一次戴維·蘭德斯[16]的洞見作為本文的結尾：
曆史就像時間，有一支射出就無法回頭的箭；但與時間不同的是，曆史的步履不勻，它隻能時斷時續磕磕絆絆地前進。今天的明智也許到明天就成了錯誤。發展是長期的事情；而邏輯卻是暫時有效的。