哪些飯碗 AI 不好搶?

0 評論 2653 瀏覽 11 收藏 20 分鐘

之前ChatGPT發布后,就曾有傳言稱“AI即將取代人類”;而隨著Sora、Suno的發布,相信這種說法的人越來越多——畢竟文生文還只是影響到作者、自媒體這些的工作,文生視頻和文生音樂,連創意類的作曲、剪輯都能做,波及的范圍越來越廣。這種情況下,疊加經濟增長放緩,擔心自己飯碗的人也越來越多。

但其實沒必要擔心,當前的AI大模型,哪怕繼續優化升級到極致,仍然無法取代人類專家——因為這對AI而言超出了能力范疇——它沒有情感,沒有個體意識,也就無法“涌現”最關鍵的人類「價值判斷」的能力。

周末跟一位體制內的老友聚,無意中聊到AI,我看友人的表情,疑似是用《三體》中的“冬眠艙”沉睡了十年。

我再次體驗到“信息繭房”的威力。

困于繭房的不止友人,還有我。

我太想當然了,以為所有人對社會科技趨勢,“至少有個大概的共識”吧。

事實上,這個“共識”遠低于我的預期。

2022年底,OpenAI發布ChatGPT,因其在文本領域的“里程碑式突破”,引爆了一波人工智能浪潮,持續至今仍不見衰。

時隔一年多,它究竟發展到什么程度,能做些什么,對我們有哪些深遠影響?

對此完全沒概念的人竟比預想的多。

這篇專題,簡單聊下。

一、與早先的“AI”有什么實質區別?

早先的AI,可以歸為兩類:

一類是專注特定領域的“單一智能”。

比如,“深藍”(Deep Blue),1997年國際象棋比塞中擊敗了冠軍。

但這種只能做特定規則范圍內的智能,只能稱為“某某自優化程序”,跟當下火熱的AI不在一個賽道。

另一類是直接與人類語言或行為互動的“AI”,背后其實是搜索引擎或推薦算法。

AI大模型跟這類“傳統AI”的實質區別是什么?

用了一段時間,我感觸最深的是,當下的AI,它真的是圍繞“你的需求”去互動、去組織內容,而之前的只是圍繞“關鍵字”(或行為)去搜羅內容。

比如,我曾在哪看過“大海中與龍門有關”的禪機,想找它的出處,但我不知道這部作品名,甚至連它是不是一本書也不確定。

于是用搜索引擎,不出所料,搜到的要么是“鯉魚躍龍門”,要么是兒童故事或音樂,總之跟我的目標風牛馬不相及。

后來換成AI大模型,同樣的描述,它告訴我:出自禪宗名著《碧巖錄》第六十回。

嗯,言簡意賅,一步到位。

這就是當下AI的突破性之處:

它能“理解”人類語言,于是能根據“你話的意圖”而不是“你話里的關鍵詞”去搜羅內容。

這更符合現實情境——我最需要搜索的時候,總是出現在“我連搜索目標都還模糊不清”的時候。

當我都知道目標的“關鍵字”時,我還要你搜索引擎干嘛?欣賞競價廣告么?

同樣的問題也出現在各類“智能推薦”上,我高頻瀏覽某商品,它就老出現在“你或許喜歡”列表上。

這契合現實嘛?

現實中,一個人反復高頻搜某一類商品又叉掉,有沒有可能他其實不需要這個,但需要的又找不到?

諸如此類,這些統統可以歸為“模糊需求”——是現實中更高頻出現,也更“剛需”的需求。

但早先的AI對此無能為力。

這是AI大模型“革命式突破”的地方:

理解人類語言,就能洞察你的意圖,所以我說它能圍繞你的需求去搜索或組織內容,這是它與早先的AI(圍繞關鍵字)最大的區別。

二、理解人類語言,意味著能輸出實用交付物

可別小看「理解人類語言」。

沒錯,站在人類立場,幼兒園小朋友就能做到。

但機器的優勢是背后近乎無窮的算法算力,「理解人類」可說是它額頭上的那個「指數」。

打個類比,AI的綜合能力是以「算力」為底數,以「理解人類」為指數。

不理解人類前,這個指數是個1,它只能做些最呆板最機械的活。理解之后,這個指數可以是10,可以是100,可以是N。

一個億的一次方不嚇人,但一個億的N次方,光是數字就能把人淹死。

建立在「理解人類語言」的基礎上,它就能代入人類視角去「學習更復雜的概念」。

起初你嘲笑它的認知,就像是剛發明出來的火車,比馬跑得還慢,但調適訓練幾次,它就能以千萬匹馬都無法拉動的力量奔跑,甚至能飛上天,后勁無窮。

這就是硅基智能的優勢,它可以無止境的「吃」,無止境的「內化」,而且不需要休息!

這正是當前AI的“初步成果”,它已經能輸出人類「所需要」的各類文本,包括且不限于:

創作公文、小說、詩歌等純文字內容;

陪你聊天解悶,甚至談戀愛;

輸出繪畫、樂曲、帶劇情的視頻;

甚至網站代碼、表格、簡歷、PPT等直接作為職場交付物的內容了。

……

網絡上的例子眾多,這里不贅述。

當然,我們更關心的不是它能做這些——我畫個火柴人那也是藝術呀。

我們關心的,是它到底能做到幾成色?

有多可靠?

肉眼可見的未來會頂替職業工作者么?

三、AI達到平替職場人的水平了么?

一段時間評測下來,我體驗最深的是,當下的AI,最大的優點跟缺點都是,“AI痕跡”明顯。

我說的“AI痕跡”不是貶義,比如,讓它出一些建議或分析報告,無論任何領域,它幾乎能交出一份「全面」、「均衡」、「精要」的答卷。

但硬傷也恰恰在于此。

我們解決現實業務問題時,最忌諱的恰恰是「均衡」與「全面」。

就像高考滿分作文,它也就只能在考卷里滿分,按現實職場要求,高考優秀作文實在是過于“學生氣”。

現實工作,無論哪類業務,最耗腦也最體現能力的實質都是“資源配置”的問題——一個項目,你手頭資源(精力)有哪些,按什么步驟、什么組合、多少比例分配。

比如,讓你設計一份讓人念念不忘的宣傳材料。有經驗的人都知道,打動人心的關鍵,一定是要突出某些,壓抑某些——即一定要“不均衡”展示。

“不均衡”雖然未必就合理,但「全面」、「均衡」卻一定是錯的。

所以,在工作中,核心競爭力的體現是在“配置”上,這是專家最需要“動腦子”的地方,也是他們“值錢”所在——不是去指導什么該做,而是把一切不該做的事剔除掉。

而AI的優勢在哪里?

在于專家們將資源配置完之后,根據他們的要求,填充細節,作為算法與算力——實際上,這些工作原本恰恰是絕大多數初級XX師,XX助理干的活——是不是想到AI威脅最大的群體是誰了?

當然,有人會說,只要數據訓練的量級足夠,專家資源配置的活,AI也能勝任吧?

不是這樣的。

我得出上述結論,并非建立在AI當前的能力之上,我是把它們未來的成長性也考慮在內。

我關注的是它們底層的“原生缺失”,這些“缺失”必將導致它們能力的缺陷。

AI缺失的是什么?

無法擁有人類情感,沒有個體意識,沒有欲望、動機。

咦,這是不是跟前面說的「理解人類語言」矛盾?

并非如此。

理解可以通過純粹的邏輯實現,AI會這么告訴你:

我沒有情感,但我填喂過“人類所有的情感狀況”后,我就能知道,一個人在某種情境下,他是會喜怒哀樂還是會無感麻木。

這是「理解」。

但理解與體驗是不同維度的事。

你想象下,剝奪一個人的一切感官體驗(包括恐懼),你覺得他還會有任何欲望、利益、動機么?

他就變成了它了——一個僅剩理性思維的機器。

沒有情感體驗,AI就無法獨立做價值判斷——它的一切目標都得“預先導入”——但真實世界中,沒有人能預判最優解。

別說一個社會或特定人群,哪怕是一個人,就你最懂的「自己」,你能確定明天晚餐你就一定想吃現在最想吃的料理么?

很多人一定還記得那個事例吧:

某系統出問題了,需要技術人員進大廈修理,但這個系統就是負責分配入門資格的,技術人員進不去,而門衛因為技術人員沒有入門資格,就是攔住不讓進。

這位門衛,更像AI——無法根據當前情境做正常人都會做的“常識判斷”。

當然,AI比門衛謙遜的多,它很明確知道自己「不能做什么」。

在這類問題上,AI本I大方承認:

它反復強調“自己是基于歷史數據和模式”,對于未知或實質創新——恕我無能。

AI無法做價值判斷,就無法在當前情境中權衡輕重緩急,我剛才提到專家最核心的事情了吧——配置資源。

沒錯,AI能通過訓練獲得歷史最優配置,但歷史配置能否匹配當前情境或未知領域——這需要價值判斷,需要人。

* 例子太多,比如,只要牽涉到倫理沖突或長遠利益(必存在倫理沖突),AI就沒轍了。

因此,只有人類專家才能做出這個判斷——AI心里沒底。

除了情感與意識問題,還有哪些是AI特別不擅長的?

跨領域聯想。

只要是表面不相關的兩個領域,它就很難充分挖掘兩個領域間的內在關聯,從而獲得「智慧洞察」。

比如,上周我在思考校園霸凌的問題。

分析多了,我發現,只將眼光放在教育體系內,得不到最優解。

我就這類問題跟AI探討,它能得出的也就那些全面、均衡的建議,再無突破。

實際上,我很快直覺到——拋開校園與教育的范疇,將眼光看向職場,看向成年人社會,從那些表象不是霸凌的成人互動中,找到突破問題的關鍵。

但無論我怎么暗示AI,它始終不會這么思考。

「少加點班」之所以能始終得到老讀者錯愛,顯然不是因為我的文筆,最大的原因恰恰是專題中偶爾捕抓到的「深刻洞察」,而這些洞察絕大多數正是來自于「跨領域分析」,這是我的個人核心競爭力。

比如,從“控制論”中尋求“意志力改進”的措施;

從水流的特性中獲得“碎片時間整體應用”的靈感;

或者從“慢性病的邏輯”中挖掘出“學習與持久性記憶”;

……

諸如此類與實質創新有關的飛躍,AI仍只能“隨機關聯”——但因為價值判斷缺失,要AI在眾多“隨機成果”實現最優解的經濟效益實在太低。

與「跨領域聯想」類似的,還有一個重要的能力是「跳出領域邊界」。

比如,你要研究某國歷史的復雜問題,那你就必須跳出該國歷史去尋求解答。

誠如歌德所說,不懂外語的人,就連自己的母語也只是懂得一知半解(He who knows no foreign languages knows nothing of his own),也隱含類似意思。

無論是「跨領域聯想」還是「跳出領域框架」,都是解決復雜問題——或者說的直白點,有極大潛在經濟價值的問題——最依賴的能力。

這類能力當前AI很難獲得的,因為其中的鴻溝不是“算法或算力”可以彌補,它需要「價值判斷」,需要動機、利益、情感、個體意識的參與——而這正是AI與Human的最實質區別。

以上說的是「硬實力」層面的東西。

如果再考慮到「軟文化」,誠如職場老油子所評價:

工作很多時候是服務老板/投資人/領導的情緒,是察言觀色與人情世故,這方面,AI就更頭疼了。

所以,當前的AI大模型,哪怕繼續優化升級到極致,仍然無法取代人類專家——因為這對AI而言超出了能力范疇——它沒有情感,沒有個體意識,也就無法“涌現”最關鍵的人類「價值判斷」的能力。

某種角度看,AI更像一個徹底拋棄了低級趣味、連生命意義都不在乎的「純粹圣人」,它固然可以告訴你一切事實性知識,但卻無法指導一個有血有肉的人如何生活。

四、那AI到底會不會跟人搶飯碗?

首先是體力活的朋友可以直接無視了。

用AI實現精細的手工活,經濟效益非常低,在肉眼可見的未來,無需擔心。

至于“腦力活”,確實是當前AI的主戰場。

從AI的原生缺陷反推,我們不難得出,凡是不涉及情感、不涉及價值判斷的一切工作,像是“遵從指令”、“按部就班”、“邏輯推理”、“分析歸納”、“事實性知識”等等那些容易用“效率”去度量的工作,都是AI潛在的頂替項。

按人類社會的習慣,經濟效益總是主導目標。換句話說,薪酬越高、可自動化程度越高,那么就越可能被率先“優化”。

至此,可以總結如下:

不考慮社會因素,AI將導致基礎崗的坑位急劇減少,同時,將進一步提升高水平人才的產出質量。

那這是不是一定會導致高失業率?

宏觀來看,短期內陣痛在所難免,但長期來看,大量冗余的人員必將衍生全新的需求與市場。

這將產生大量全新的工種。

只是無論將來的新業務是什么,把AI耍的像今天“電腦打字”般爐火純青,肯定是未來職業的趨勢了。

五、我們需要怎樣適應后AI年代?

前陣子,我經??吹礁黝悺敖倘巳绾问褂肁I 的培訓”,這些人喜歡強調一項“能力”——如何向AI提問。

這讓我想到了上世紀的原始部落對于飛機的看法:

這些現存的“原始人”總是先聽到轟隆隆的聲音,然后看到飛機,于是他們得出結論:模仿轟轟發聲,遲早就能召喚飛機。

沒錯,讓AI輸出內容,得確是通過發問驅動,但發問僅僅是最表象的東西,提出高質量問題的關鍵從來就不在于“發問技巧”,而在于“你對該業務領域的認知深度”。

這類培訓大受歡迎,讓人不禁替這些白領們擔心,AI取代他們可能還真用不了多久。

當然,這不能怪大眾。

由于歷史原因,我們的教育模式在當初定位的時候,就是想著培養“擁有豐富知識”且能創造性解決按部就班聽話的“高級人才”。

誰想這模式下培養的能力,恰巧碰瓷了AI最擅長的領域。

顯然,AI進一步放開普及之后,徹底的教育變革也是勢在必行了。

專欄作家

李少加,公眾號:少加點班,人人都是產品經理專欄作家?!哆M化式運營》作者,“基于用戶視角的用戶養成運營框架”提出者,互聯網商業獨立研究者、運營管理專家。

本文原創發布于人人都是產品經理。未經許可,禁止轉載。

題圖來自 Pixabay,基于 CC0 協議

該文觀點僅代表作者本人,人人都是產品經理平臺僅提供信息存儲空間服務。

更多精彩內容,請關注人人都是產品經理微信公眾號或下載App
評論
評論請登錄
  1. 目前還沒評論,等你發揮!