原創丨李珊珊
來源丨 知識分子
原文題目：《GPT 將帶來一場中產危機？8 成勞動人口受影響，學歷收入越高越危險》
圖片來源：由無界 AI工具生成
導讀
與之前的三次科技革命，體力勞動者被取代不同，在 GPT 引發的這一次，教育程度越高、入行門檻越高、收入越高的工作，會面臨更大的風險，而不易被 GPT 替代的行業，則以體力勞動為主。
GPT 來了，我會失業嗎？這是自去年這個 AI 的 3.5 版發布后，這個星球上很多人都在問的問題。
3 月中旬，研發出了 GPT 的 OpenAI 公司親自發布了自己這類大語言模型對勞動力市場會帶來的“早期影響力”報告揭示了一些殘酷事實。
報告中寫道：在考慮到當前的功能和未來可以很容易接入的支持軟件時，在美國，大約有 80% 的勞動人口的工作會受到 GPT 引入的影響，這些人中，約 19% 的人，50% 的工作會受到 GPT 的影響，這個範圍涵蓋所有的薪資水平。
所謂受到影響，文中所用的詞為“GPT 暴露”。利用美國勞工部的一個分類數據庫，研究者把每個工作劃分為不同的獨立任務，然後評估每一項任務是否可由 GPT 完成。若 GPT 可以完成，並“將工作時間至少減少 50%，同時保持質量一致”，即被認為是“GPT 暴露”——OpenAI 很謹慎地未用“替代”的說法。
而在 GPT 加上支持軟件之後會發生百分百“GPT 暴露”的職業中，法務秘書、行政助理、會計師、審計師、Web 和數字界面設計師、臨床數據專家、氣候政策分析師、作家、記者，甚至數學家等都榜上有名，而另一些如區塊鏈工程師等職業，則被認為其 95% 左右的工作達到了 GPT 暴露。那份報告也列出了不容易被 GPT 取代的職業（GPT 暴露率低於 15%），比如：護士、司機、廚師、清潔工等。
那份研究中，GPT 自己將 86 個職業標記為“全暴露”（fully exposed），即整份工作的幾乎所有分解任務都可以被 GPT 完成；而在人工標記組中，也有 15 個職業被標記為“全暴露”。文章並沒有公開這些被標記為全暴露的職業的列表。
研究報告還順帶指出：教育程度越高、入行門檻越高、收入越高的工作，會面臨更大的風險。
當然，對於最近幾個月對這個 AI 有所關注的人而言，這個結果也許並不令人吃驚。早在今年 2 月，《衛報》的資深經濟學編輯 Larry Elliott 就曾撰文指出：與過去的三次科技革命不同，這次，“風險最大的工作將是白領、中產階級工作，而新創造出來的許多工作可能是低薪、沒有前途的工作”。
從一定意義上來講，之前的兩百多年間，機器取代了體力勞動，將需要認知技能的工作留給了人類。AI 的進步——以 ChatGPT 為代表——表明機器現在也可以在腦力工作方面發揮不錯的作用。
一時間，一場中產危機呼之欲出。這個人群，通常受過不錯的教育，從事着有着不低門檻的“專業性”工作，被認為是這個社會中最為堅實的“中流砥柱”，然而，忽然間，一個 AI 來了，它正對這些人的工作崗位虎視眈眈。
然而，情況真得有如此嚴峻嗎？今天的我們需要像工業革命時期一樣發起一場損毀機器的盧德運動，來抵制 AI 的“入侵”嗎？
只有那種對速度的要求比對準確性要求更高的職業，也許 GPT 才會有一些實質性的影響。
雖然 OpenAI 並未公開對自己的那項研究作出評論，文章的通訊作者，OpenAI 研究員 Pamela Mishkin 在自己的推特上寫道：“很高興很多人讀了我們的論文，我看到一些人把它當作了預言，但其實並非如此”。
Mishkin 引用文章中的部分解釋：我們的研究是利用美國勞動部一個職業分類系統對各種職業工作內容的描述，並聘請了一部分註釋者進行校正和解釋，然後用這些結果與 GPT 的能力進行匹配。“然而，我們的註釋師在職業上並不多樣化，可能導致對 GPT 在不熟悉的職業中執行任務的可靠性和有效性做出有偏見的判斷。”
就在那篇論文對於這類註釋的舉例中，在線銷售的工作內容便被描述作：“郵件確認、轉賬和發貨”，很顯然，這樣的描述不足以描述這一工作的全部內容。
而另一個廣被詬病的認定則是對於數學家（mathematicians）。根據那份研究，100% 的數學家的工作都是 GPT 暴露的。這是因為，“計算、寫證明和作報告，都是 GPT 能做的”，Pamela Mishkin 在推特上冷靜地回應到。
這樣估算“職業替代”最大的問題在於，“他們只是靜態的”。在有 20 年人力資源管理經驗，並出版過多本暢銷書的人力資源專家任康磊告訴《知識分子》。
任康磊舉了人力資源工作中曾經引入機篩簡歷的例子，“過去的企業 HR 們有接近 50% 的時間都在篩簡歷，約面試”，而今天，計算機篩簡歷、約面試，甚至一輪二輪的面試全部由 AI 完成，這在很多大公司已經成為了常態。這些新技術至少為企業 HR 們節省了一半以上的時間，但人力資源部門並沒有因此裁員。
“從冗長的事務性工作解放出來之後，人力資源部門把工作重心放到了後面，用多出來的時間去了解整個公司的團隊，去更好地挖掘和維護員工的價值。從這個意義上來講，大家此時才真正意識到了人力資源這份工作的意義之所在，不僅僅是收簡歷、約面試。”任康磊這樣認為。
而另一方面，任康磊提示到：如同我們開始使用機器之後，新的工作崗位圍繞機器生成，機器需要操作、維護和生產，以及一系列的龐大的產業鏈，AI 也同樣。
根據 GPT 論文中的列表，人工標記下，有一定外界軟件接入的 GPT 可以完成 77.8% 的動物學家的工作。《知識分子》就此向一位動物學家進行了求證，對方認為，對這個結果還算滿意。那位動物學家提到，“動物科學中的主要的邏輯和知識庫已經基本完備了”，正是依靠這些數據，GPT 便可以完成大量的工作。
對於這種替代的後果，這位動物學家感慨道：“以後的動物學家會變得更少了……”
香港科技大學物理學系講座教授戴希則提到，從數據處理到論文初稿，GPT 可以完成很多學生的工作，不過“我們帶學生也不是為了僅僅做這類工作，而是要培養他們獨立的思維”。這位科學家對 GPT 取代數學家的說法毫不贊同，“數學家是不可能被取代的”，不過他認為“一個會有重大變化的領域是編程，因為，在將來，用自然語言（人話）而非專用的計算機語言（像：C，Python 等）進行編程成為了可能。”
即便是同樣的職業，不同人對 GPT 的反應也會有所不同，在《知識分子》諮詢的兩位已經成了律所合伙人的律師中，一位律師表示，將來可以減少實習生的數量，“因為 GPT 完成了很多過去實習生需要做的資料整理工作”，而另一位則表示：“並沒有影響”，因為“如果 GPT 編造事實或者撒謊，稍微外行一點（的人）很難分辯，還是得人工核實，不如不用”。
“對速度的要求比對準確性要求更高的職業，或者需要幫助提示創作思路的工作，GPT 將會有實質性的影響”，曾任微軟亞洲研究院副院長，現為瀾舟科技創始人及 CEO 的周明博士則向《知識分子》表示。
周明認為：變化會發生，但不用太擔心 AI 搶走人類工作，因為目前 GPT 的水平還不那麼讓人放心，大家現在關注的是它在這些方面的能力居然達標了，超出了人們的想象。但真正要使用它來做事情的時候，要求就（跟現在）不同了，問題也就出來了。而且 AI 的結果也必須要靠人類確認才能成稿”。
我們正在滑向“過度自動化”嗎，人類會被拋棄嗎？
變化必將發生，但並不會像大家想象得那麼快，然而變化會如何發生呢？
早在 2018 年，在《美國經濟評論》中發表的論文《人機競賽：技術發展下的增長、資本與就業》中就曾利用一個經濟學模型預測了新技術對就業市場的影響，簡單而言就是：先有一波失業潮，然後由新技術創造的新的職位吸納大量就業人口，最終達到新的平衡。
文中，論文作者，MIT 大學研究新技術與勞動經濟學的知名教授 Daron Acemoglu 提到：這類的情況，在過去的 30 幾年中並不鮮見，在 2015 年新增的 5000 萬個就業崗位中，約有 60% 是這 35 年間新增的崗位。
但這種情況的發生需要政策的引導以及時間，Daron 在文中提到，自動化總是傾向於減少勞動份額和就業，甚至降低工資，而新技術引發的新任務的創造則與之相反。這便會出現兩種場景：
失業的半場：因為勞動力價格更高，AI 取代勞動力，造成某些行業失業人數上升，這又會降低這些行業的工資，直到資本失去了用 AI 進行改造的動力。於是，被 AI 取代的勞動力並不一定需要重新學習勞動技能，他們在遭遇一段時間的失業后，又可以匹配到跟他們原來相近的工作。
新崗位的半場：對於 AI 創造大量新職位，因為沒有足夠與之匹配的勞動力，最先會出現高薪，吸引來自其他行業的優秀人才，進而逐級傳導、層層吸收整個社會中相匹配勞動力，帶動整個社會勞動收入的提升，進而形成新的平衡。
關鍵問題在於，這兩者的速度是否匹配，以及最最重要的，AI 的使用是否真正提高了整個社會的生產力水平，而不是僅僅壓縮了勞動力成本。
如果是前者，隨着整個社會勞動生產力的提升，我們將很容易進入新崗位的大爆發；但如果僅僅是後者，自動化僅用於降低勞動力成本和工資方，生產率提升方面，並沒有發揮更顯著的作用，那便是典型的過度自動化。
后一種情況下，一些高科技公司和科技精英會變得更加富有，但這對整體經濟增長的作用不大，這種情況下，自動化無法真正增加人類福祉，我們將很難真正進入新崗位的大爆發。
基於此，面對 GPT，包括 Daron 在內的很多專家都曾擔憂地指出：人工智能技術正在被用於一些人類擅長的任務，本不該如此。
出現這種情況的原因，Daron 在 2021 年寫給美國經濟研究局的一篇《AI 的危害》中表示：美國稅法對勞動力徵收的邊界稅率遠高於設備和軟件資本，這導致公司過於關注削減（勞動力）成本了，這不僅有利於自動化，也有利於過度自動化。
這種過度自動化的後果，Daron 提到：“很有可能的一種方式是，在完全自動化之前，工作首先會有一個變得很不穩定的階段，在此期間，一部分勞動者，（比如本次被認為可百分百替代的作家、記者、法務、會計等）會作為自由職業者存在着”。
而另一方面，新技術對資本也並不仁慈，公司間的不公平競爭加劇，走得快，擁有大量數據的公司將比競爭對手擁有更強大的優勢，而如若任由這些公司“採用自動化技術以犧牲競爭對手為代價進行擴張”，便很有可能會導致整個行業內卷型的“勞動力需求下降”。
正如前述《衛報》評論文章中描述的可怖前景：“整個經濟體的工作崗位被挖空，不平等加劇，勞動收入份額下降……資本將以犧牲勞動力為代價增加其收入份額，一些經濟部門將出現空心化……”
那麼，這個世界還有可能變好嗎？
3 月 16 日，OpenAI 的 CEO 阿爾特曼（Sam Altman）在自己博客上發過一篇感謝審讀名單足有 6 行的長文，其核心便是討論，如何使得他和他的同事們創造出來的這類 AI，為人們帶來一個更好的世界。
“能夠思考和學習的軟件將完成越來越多的人們現在所做的工作。更多的權力將從勞動力轉移到資本。如果公共政策不做出相應調整，大多數人最終會過得比現在更糟。”
文中，這位也許是親手打開了“潘多拉魔盒”的企業家同樣給予了他的解決方略：“我們需要設計一個包含這種技術的新系統，並對構成該世界大部分價值的資產——公司和土地——徵稅，以便公平地分配那些即將到來的財富。這樣做可以大大減少未來社會的分裂，讓每個人都能分享其收益。”
這位企業家預言：“在未來五年內，能夠思考的計算機程序將閱讀法律文件並提供醫療建議。未來十年，它們將從事流水線工作，甚至成為夥伴。在那之後的幾十年裡，它們將做幾乎所有事情，包括做出新的科學發現，擴展人類認識的邊界”。
最終，“這場革命將創造驚人的財富。一旦足夠強大的人工智能‘加入勞動力隊伍‘，多種勞動力的價格（推動商品和服務的成本）將降至零。”
如同 Daron 所言：GPT 將改變許多工作，然而，它們是否會導致普遍的繁榮，導致這個世界變得更好，取決於我們。現在就需要行動，從稅收改革到教育，盡所有一切可能鼓勵和創造對工人更友好的政府政策，“我們並非不可避免地走向更嚴重的不平等”。
往好里想，如果 AI 保持作為助力，如果生產力有了大幅提升，GPT 這類 AI 將為人類創造大量的閑暇。要知道，今天的我們，每天工作 8 小時，每周雙休，人類幾乎消滅了童工，而且大部分國家和地區還能提供相對體面的退休工資來支持老年人不需要繼續參加勞動，這在工業革命之前，都是不可想象的。
在可預見的將來，搶走了人類職位的同時，AI 將帶來更多的閑暇，這些不需要投入工作的時間，人們可以自由投入家庭、娛樂……然而，有閑，也許同樣會成為問題。
早在 2017 年，美國經濟研究局曾舉辦過一個會議來討論“人工智能經濟學”，在由芝加哥大學出版社出版的會議報告中提到：機器搶走工作所帶來的兩大問題，收入的損失和地位的損失，是需要區分開來討論的問題。
那份文件認為：與後者（失去地位、成就感等）相比，前者（失去收入來源）反倒是更容易解決的問題，我們需要的不過是勞動生產力的大規模提升，以至於更多的人可以不需要工作，卻以其他的方式悠閑地分享整個社會的平均勞動果實。
屆時，我們將如何處理我們的時間，如何找到生命的意義？以及，如何穩定和公平地處理我們的收入分配？也許將成為全人類最為重要的問題，對這些問題的回答，將真正決定，我們能否擁有一個更好的世界。
圖片 參考文獻
[1] GPTs are GPTs: An Early Look at the Labor Market Impact Potential of Large Language Models, Tyna Eloundou, Sam Manning, Pamela Mishkin, and Daniel Rock，March 21, 2023.
[2] The AI industrial revolution puts middle-class workers under threat this time, The Guardian, Feb 18, 2023
[3] The Economics of Artificial Intelligence: An Agenda，University of Chicago Press Conference Date: September 13–14, 2017；Publication Date: May 2019.
[4] The Future of Employment: how susceptible are jobs to computerisation?, Carl Benedikt Freyand Michael A. Osborne, published by the Oxford Martin Programme , September 2013.
[5] The Race between Man and Machine: Implications of Technology for Growth, Factor Shares, and Employment. Daron Acemoglu and Pascual Restrepo, American Economic Review,2018, 108 (6): 1488-1542.
[6] Harms of AI, Daron Acemoglu, National Bureau of Republic Research, DOI 10.3386/w29247, ISSUE DATE September 2021
[7] How AI Fails Us, Divya Siddarth etc. H the Edmond J. Safra Center for Ethics at Harvard University. December, 2021
[8] Experimental Evidence on the Productivity Effects of Generative Artificial Intelligence, Shakked Noy and Whitney Zhang, MIT working paper (not peer reviewed), March 2023
[9] Tast, automation, and the rise in US wage inequality, DaronAcemogly, Econometrica, Vol. 90, No. 5 (September, 2022), 1973–2016
[10] Artificial Intelligence and Jobs: Evidence from Online Vacancies, Daron Acemogly etc. Journal of Labor Economics, volume 40, number S1, April 2022.
本文鏈接：https://www.8btc.com/article/6812796
轉載請註明文章出處