5 min (1403 words) Read

人工智能将削弱一些人类角色的重要性,但也可能拓宽涉足另一些领域的渠道

 

人工智能(AI)正在接管许多近期还只能由人类完成的任务,但即便如此,其也有望为人类创造更多的机会。但AI究竟是会拓宽还是压缩人类施展才能的空间,取决于AI工具的普及程度,及其得到公平合理、合乎道德的使用的程度。政策制定者面临的挑战是如何创造条件让AI增强人的潜能。

拿国际象棋来说,几十年来,机器一直都比人类更擅长这项运动。早在1997年,IBM开发的“深蓝”就曾击败国际象棋世界冠军加里·卡斯帕罗夫(Garry Kasparov),而现在的国际象棋引擎更是今非昔比。但人们从未放弃下棋。实际上,许多人认为,国际象棋比从前更受欢迎了。其中有许多原因:通过智能手机、互联网和社交媒体,人们可以更方便地下棋;新冠疫情期间的封控政策、Netflix迷你剧《后翼弃兵》的热播也起到了作用。此外,有些人认为,计算机和互联网教会了人类成为更好的棋手。

AI也可能对工作、教育甚至体育和艺术产生类似的影响,这种影响可能是正面的,也可能是负面的。

受重视的才能

AI对劳动力市场的潜在负面影响已得到了广泛研究。随着AI系统越来越多地接手复杂任务,人类才能的作用岌岌可危。人类劳动可能会局限在越来越窄的任务范围内,而以往备受重视的才能——比如记忆海量信息、掌握多门语言,或识别复杂模式的能力——会因机器在这些领域超越人类而失去意义。 

IMF的研究发现,全球约40%的就业岗位可能会受到AI的影响,所涉职业相当广泛。这一估计的依据是AI在这些职业中已能执行的任务占比,包括翻译、信息汇总和代码编写。此类任务涉及问题解决和沟通,因此属于“认知型”任务。它们在传统上被认为是人类具有明显优势的领域,有别于先前被自动化浪潮取代的常规重复性工作。

例如,AI工具如今可协助律师开展法律研究、分析文本和起草文件,导致对律师助理的依赖性降低。同样,AI翻译软件减少了商业领域对人工翻译的需求;在医疗领域,AI系统也比人类更擅长通过图像分析和血液筛查来实进行早期癌症检测。

即便是在日益收窄的仍由人完成的任务范围内,AI也在重新界定“卓越”的标准。AI工具的确能普遍提高生产率,但麻省理工学院的埃里克·布莱恩约弗森(Erik Brynjolfsson)、丹妮尔·李(Danielle Li)和林赛·雷蒙德(Lindsey Raymond)在2023年的研究表明,这种好处的分配并不均匀——AI工具提升的是经验不足、表现较差的劳动者的产出,极大缩小了此类劳动者与顶尖人才之间的差距。例如,在编程领域,经验不足的编程人员在AI的辅助下可达到接近熟练开发者的产出水平。这种拉平效应模糊了卓越与平庸之间的界限,可能会削弱人类才能的价值。随着AI工具的进步,它们甚至可能在某些领域超越人类专家,从而愈发挤占人类独有卓越表现的空间。

人的创造力

AI发展的另一个影响是导致人类丧失创造力和拥有感。AI正在代码编写、内容生成、疾病诊断、音乐创作等广泛的任务领域为人类提供越来越多的支持,人类难免会对其形成过度依赖。这种依赖可能会给创新造成意想不到的负面影响。例如,法布里齐奥·德尔阿夸(Fabrizio Dell’Acqua)及其同事开展了一项研究(2023年),将使用AI工具与未使用AI工具的顾问进行了对比,结果发现前者工作产出的原创性较低,虽然产出质量较高,但同质化更为严重。因为在AI工具的引导下,这些顾问都走向了标准化的解决方案。

AI不仅可能逐渐侵蚀人类的创新能力,还可能会夺走创新者的创造力成果。AI工具是通过在人类创造的大量内容中挖掘文本和数据来进行训练的,但作为数据来源的各方并不总是能得到AI工具开发者的补偿或承认。这引发了许多由内容创作者提起的诉讼案件,声称其版权材料遭到了非法使用。例如,《纽约时报》起诉OpenAI涉嫌不当使用该报受版权保护的档案库,其他出版商近来也加入了该案的起诉队伍。同样,环球音乐集团、华纳音乐集团和索尼音乐娱乐公司也就AI初创公司Suno和Udio开发的AI音乐生成系统对这两家公司提起了诉讼。

AI公司往往会辩称训练旗下工具所用的海量数据受到“合理使用”原则的保护,该原则规定,版权材料可用于教育、研究或评论用途。但内容创作者反驳称,AI对版权材料的使用规模和范围已远超传统合理使用的范畴,这促使人们呼吁制定新的法律法规,确保原创作品得到公平合理且合乎道德的使用。

即便是在日益收窄的仍由人完成的任务范围内,AI也在重新界定‘卓越’的标准。

内容创作者

这在一定程度上反映了长期以来内容创作者与科技公司之间的矛盾。例如,随着社交媒体和搜索引擎的崛起,它们抢走了广告收入,使传统新闻媒体日渐衰落。同样,音乐流媒体平台改变了音乐产业的商业模式,专辑销售不再是主要收入来源,而现场表演的价值大大提升。AI工具的出现标志着这一矛盾进入了一个新的阶段。AI工具与早期的技术颠覆不同,可在不经艺术家同意或未向艺术家支付报酬的情况下生成模仿艺术家风格的新作品。这导致创作者几乎失去了对作品用途的控制权,还引发了关于所有权和版权的复杂问题。这种对人工生成材料的挪用有可能贬低原创作品的价值,并扼杀创造力。

如果AI的作用仅仅是压低就业率、抑制创造力,以及削弱人类的卓越表现,那么它于人类才能的施展何益?情况并不只是这样。在职场,AI可将人们从日常琐事中解放出来,利用其高水平技能承担更复杂的任务。AI还可通过普及个性化的高质量教育,培养并发挥人的才能。另外,AI可促成科学发现,推动更加迅速地取得更有前景的成果。

学习与工作

上述情况已在发生。AI工具打破了教育方面的传统藩篱,让各式各样的学生都能不再受到地理、资源或系统性的限制,从而接受定制化的教育。例如,AI平台可帮助失聪或听障儿童的父母学习手语,促进家庭内部的沟通。AI阅读和数学辅导等个性化教育工具还可帮助老师、学生和家长发现学习差距,针对个人制定学习指导。

这些AI学习工具为合格教师资源严重匮乏的发展中经济体带来了巨大的希望。在撒哈拉以南非洲,在线平台已为教育提供了十余年的支持。同样,AI平台在中国也日益普及。这种向更加个性化的AI辅助学习的转型,有助于让背景和学习风格各异的学生们在学校脱颖而出,弥补这些学生的学术短板,使其在自己擅长的领域大放异彩。

在职场上,AI则可处理重复、单调的任务,简化行政工作,让员工能够专心承担需要人类参与的更加复杂、更具创造性、更有价值的职责。对于所从事的职业需要开展人际互动、就他人生活作出关键决策的职场人士来说,这一点可能尤其有益。例如,在医疗领域,AI系统可协助安排日程、处理账单和管理病患记录,让医疗专业人员解放出来,将更多时间投入到病患护理和复杂决策中去。

科学发现同样因AI而受益匪浅,AI辅助工具已经显著提高了科研生产力。有一个惊人的例子突出体现了AI的变革性作用,即科研人员应用AI进行蛋白质结构预测——这得到了2024年诺贝尔化学奖的肯定。这一开拓性研究彻底改变了我们对蛋白质折叠的理解,推动了药物发现和生物技术的飞速进步。在AlphaFold2发布后,科学家可用的已预测蛋白质结构的数量在短短数月间便从200,000个激增至2亿个。

权衡取舍

然而,这些进步伴随着权衡取舍。最近,麻省理工学院博士生艾丹·托纳·罗杰斯(Aidan Toner-Rodgers)在新材料领域开展的一项研究发现,AI发现工具使研究产出增加了44%。这一提升主要归功于顶尖研究人员,他们利用AI实现了大部分创意生成的自动化。这让研究人员可专注于评估和完善有潜力的AI生成建议,这种模式与AlphaFold产生的影响如出一辙。不过,在罗杰斯的研究中,82%的科学家表示工作满意度降低了,因为创造力有所下降,自己的技能也遭到忽视。通过让劳动者潜心处理具有创造性的复杂任务,AI可带来更大的成就感;但过度依赖自动化也可能让劳动者感到自己的专业知识和创造力没有得到重视。

AI工具并非仅能用来提高工作效率和扩大教育覆盖面。事实证明,这项技术还有助于在体育、艺术和学术等领域发掘潜在人才。猎头可借助AI工具分析海量数据,发现并评估体育人才,从而帮助招募者发现潜力突出的运动员。采用更多的硬性数据来进行招募决策,甚至可减少偏见。此类AI技术可提高体育的包容性,例如,为来自小城镇和代表性不足的地区或社区的年轻运动员提供机会。

在创意艺术教育领域,像DALL-E、AIVA和Amper Music这样的AI工具让业余爱好者也能尝试从事设计和艺术概念工作,并为其提供了易于获取的反馈和创新技术。凭借这些工具,过去只能通过正规学校教育或昂贵培训来获得的艺术教育向所有人敞开了怀抱。

AI正在重塑工作和学习的格局,但其影响并不会均匀分布。对于一些人来说,AI将为其打开通往先前无法企及之机遇的大门;对于另一些人来说,AI则将削弱其才能的价值。为了最大限度发挥AI的潜力,我们必须找到平衡点:以合乎道德且公平合理的方式运用AI,补充、肯定并强化人的能力,同时消除阻碍AI惠及所有人的系统性障碍。通过审慎的行动,AI可帮助我们建设这样的未来:人的才能不会被环境所束缚,而是在人类智慧和技术进步的共同推动下,实现蓬勃发展。

Marina M. Tavares

玛丽娜 • M • 塔瓦雷斯(Marina M. Tavares)是IMF研究部的高级经济学家。

文章和其他材料中所表达的观点均为作者个人观点,不一定反映IMF的政策。

参考文献

Brynjolfsson, Erik, Danielle Li, and Lindsey R. Raymond. 2023. “Generative AI at Work.” NBER Working Paper 31161, National Bureau of Economic Research, Cambridge, MA.

Cazzaniga, Mauro, Florence Jaumotte, Longji Li, Giovanni Melina, Augustus J. Panton, Carlo Pizzinelli, Emma J. Rockall, and Marina Mendes Tavares. 2024. “Gen-AI: Artificial Intelligence and the Future of Work.” IMF Staff Discussion Note 2024/001, International Monetary Fund, Washington, DC.

Dell’Acqua, Fabrizio, and others. 2023. “Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of AI on Knowledge Worker Productivity and Quality.” Harvard Business School Working Paper 24-013, Cambridge, MA.

Toner-Rodgers, Aidan. 2024. “Artificial Intelligence, Scientific Discovery, and Product Innovation.” ArXiv preprint, Cornell University, Ithaca, NY.