ChatGPT等不会很快接管人类工作，易出错，AI也不会免费打工

ChatGPT 等大型模型的相继发布，让许多人倍感压力，担心 AI 会迅速接管他们的工作。对此，OpenAI 曾进行一项研究，显示 ChatGPT 的影响涵盖了所有收入阶层，其中高收入工作可能面临更大风险。然而，事实真的如此吗？本文指出，人工智能并不会迅速取代所有人的工作，因其模型运行成本高、难以普及且常常出现错误。**

我们是否应该将所有工作——甚至那些让人满意的工作——都实现自动化智能化呢？这是未来生命研究所（Future of Life Institute）最近提出的问题之一。该研究所呼吁暂停大型人工智能实验，至今已有超过 1 万人，包括埃隆·马斯克（Elon Musk）、Steve Wozniak 和 Andrew Yang 等签署了这一倡议。尽管这可能带有一些炒作的意味，但它显得相当严肃。究竟人工智能应该如何用于实现工作的自动化呢？先不论其可行性，首先试想一下，是否真的有可能实现？

麻省理工学院连接科学研究所的研究员 Douglas Kim 表示：“我认为真正的障碍是，我们从 OpenAI 和谷歌 Bard 看到的通用人工智能功能的涌现，这与早期互联网的普遍可用性或云基础设施服务的可用性相似。它尚未为数亿工作者的普遍使用做好准备。”

即使研究人员也难以跟上 AI 创新的步伐。Douglas Kim 指出，虽然革命性技术能够迅速传播，但在被证明有用且易用的应用程序出现之前，通常很难实现广泛应用。他强调，生成式 AI 需要特定的商业应用，才能超越早期采用者的核心受众。

Augment 公司 AI 负责人 Matthew Kirk 也持类似观点：“我认为 AI 产业正在经历的事情，与互联网早期所发生的情况类似。当时，互联网的观点错综复杂，没有标准。人类需要时间和合作，以确定人们遵循的标准。即便是如测量时间这样的日常事务，也是相当复杂的。”

标准化是人工智能发展的痛点。用于训练模型和微调结果的方法是保密的，因此关于其运作原理的基本问题难以解答。OpenAI 一直在宣传 GPT-4 在许多标准化测试中的表现，但问题是，这个模型是否真正理解了测试内容，还是仅仅训练以复现正确答案？这将对于它处理新任务的能力意味着什么？研究人员似乎未能对此达成共识，甚至在得出结论的方法上也意见不一。

即使能就标准达成一致，设计和生产基于 GPT-4 等大型语言模型（LLM）或其他生成式 AI 系统的 AI 工具所需的物理硬件，同样可能面临挑战。Optiver 全球研究基础设施负责人 Lucas A. Wilson 认为，AI 产业正在进行一场军备竞赛，旨在生产出尽可能复杂的大型语言模型。这反过来又迅速增加了训练模型所需的计算资源。

与人类一样，AI 也不可能免费工作。与此同时，开发人员必须找到应对限制的方法。从零开始训练一个强大的大型语言模型（LLM）可以提供独特的机会，但这通常只适合资金充足的大型组织。建立一个基于现有模型的服务要经济得多（例如，OpenAI 的 ChatGPT-3.5 Turbo 对 API 访问的定价约为每 1000 个英语单词 0.0027 美元）。然而，随着人工智能驱动服务的普及，相关成本仍会不断增加。因此，推出可无限制使用的 AI 可能是不切实际的，这将迫使开发者做出艰难的选择。

Hidden Door 是一家通过构建 AI 平台制作叙事型游戏的初创公司，其首席执行官兼联合创始人 Hilary Mason 表示：“一般来说，依赖 AI 创立的初创公司应对所有特定供应商应用程序编程接口（API）持非常谨慎的态度。我们可以构建不必依赖 GPU 的架构，但这需要相当多的经验。”

Hidden Door 正在开发一种帮助用户利用人工智能制作独特叙事体验的软件，这是一个用于生成叙事游戏的 AI 驱动屏幕截图工具，涵盖用户可选择的多个人物和提示。

大多数基于生成式 AI 构建的服务都会对每月生成的内容设定固定上限。这些专业服务的费用可能会增加企业成本，从而拖慢工作任务的智能自动化进程。即使是资源雄厚的 OpenAI，也会根据当前负载限制 ChatGPT 的付费用户：截至本文撰写之时，其所设定的上限是每 3 小时 25 次 GPT-4 查询。因此，对于任何希望依赖 ChatGPT 理顺工作的人而言，这都是一个重大问题。

AI 驱动工具的开发人员还面临着一个与计算机本身同样古老的挑战——设计良好的用户界面。一个能够完成多项任务的强大 LLM（大型语言模型）理应是一个无与伦比的工具，但如果用户无从下手，这种能力便显得无关紧要。Kirk 指出，虽然 ChatGPT 易于使用，但当用户需要专注特定任务时，通过聊天与 AI 交互的开放性可能会让他们感到困惑。

Kirk 表示：“我从以往的经验中了解到，极其开放的工具往往会导致用户困惑，而不是提供帮助。这就像一个有着无尽门廊的大厅，大多数人会感到困惑、无所适从，停滞不前。我们仍然有很多工作要做，以确定为用户展示最佳的那道门。”Mason 也有类似观察，他补充道：“就像 ChatGPT 主要是对 GPT-3 的用户体验进行优化一样，我认为我们仅仅是刚开始在产品中有效运用 AI 模型的 UI 设计隐喻。”

训练使用 AI 本身就是一项工作。幻觉（hallucination）这一问题是 LLM 特有的争议，它严重妨碍了为敏感和重要工作构建 AI 工具的进程。LLM 能够生成独特的文本、讲笑话、甚至编造虚构人物的故事。然而，当任务对精确性和准确性提出要求时，这种能力却成了一个障碍，因为 LLM 往往误将虚构的信息来源或不正确的陈述视为事实。

Kim 表示，在某些严格监管的行业（如银行、保险和医疗保健）中，公司的特定职能部门往往难以调和严格数据隐私与防止歧视等监管要求之间的矛盾。在这些受监管行业中，AI 不应犯下在撰写课程论文时尚可接受的错误。

企业可能争先恐后地雇佣拥有 AI 工具专业知识的人才。人工智能安全和研究公司 Anthropic 最近因一则招聘广告而受到关注，他们在招聘提示工程师和图书馆管理员时，明确要求应聘者在履行本职工作的同时，需要负责建立“一个具备高质量提示和提示链的图书馆，以完成各种任务”。薪资范围从 17.5 万到 33.5 万美元。

然而，Wilson 指出了有效运用 AI 工具所需的专业知识与 AI 所承诺提供的效率之间的矛盾。“我们该如何招聘人才，从事培训大型语言模型（LLMs）工作，以解放那些已专注于更复杂或更抽象工作任务的员工呢？”Wilson 问道，“我还没有看到一个明确的答案。”

尽管存在这些问题，合理使用人工智能仍然值得尝试。显而易见，计算机革命就是如此：尽管许多人需经过训练才能使用 Word 和 Excel，但几乎没有人认为打字机或图表纸能作为更好的替代品。正如未来生命研究所所担忧的那样，“我们用自动化取代所有工作，包括令人满意的工作。”虽然这样的未来至少还需半年多的时间，但人工智能革命正逐步拉开帷幕，接下来的十年将是这一革新不断展开的过程。

—

### 见解

在人工智能技术迅猛发展的当下，虽然部分人对未来工作岗位的保障感到忧虑，但如本文所述，智能化并非瞬息之间的事情。当前技术的局限性和高昂的资源成本，限制了 AI 广泛应用于所有职业的可能性。企业在考虑如何整合 AI 助力工作时，首先应关注于其适用性、易用性和规范性，而非盲目追求全面自动化。

此外，人机合作的理念或许更为重要，AI 应当被视为提升人类工作效率的工具，而非完全取代人类的替代品。未来的工作场景，可能是人类与 AI 的深度协作，这一变化不仅会重塑劳动市场，也将挑战现有的教育与培训体系。因此，在未来，我们应更重视如何培养能够与 AI 高效协作的人才，探索科技与人文的连接。