1700514020
我相信，人工智能很快会成为举世公认的下一个GPT，刺激经济生产甚至促进社会组织变革。人工智能革命会达到工业革命的规模，甚至规模会更大，速度会更快。这些变革会比之前的经济革命更广泛。蒸汽动力从根本上改变了体力劳动的性质，ICT从根本上改变了某些类型的脑力劳动，人工智能则会同时影响这两者。人工智能会以远超人类的速度和力量执行多种类型的体力和智力任务，大大提升运输、制造、医学等各个方面的生产力。
1700514021
1700514022
与第一次和第二次工业革命中的GPTs不同的是，人工智能不会推动经济生产的去技能化。它不会让少数人完成高级任务，也不会将其分解成由更多低水平技工完成的小任务。它只会接管符合以下两个标准的任务：可以利用数据优化，并且不需要社会互动（在后边的章节中我会更详细地分析到底哪些工作可以由人工智能取代，哪些工作不能被代替）。
1700514023
1700514024
确实，这一过程中会创造一些新的岗位，例如机器人修理工和人工智能数据科学家。但人工智能对就业的主要影响不是通过去技能化而创造工作，而是通过越来越智能的机器替代工作。理论上来说，失业工人可以在其他更加难以自动化的产业中找到工作，但这一漫长的过程本身极具破坏性。
1700514025
1700514026
AI·未来 [:1700512294]
1700514027
硬件：更好，更快，更强
1700514028
1700514029
然而，人工智能不会给我们足够的时间。和前几次GPTs推动的经济转型相比，人工智能带动的经济转型会发生得更快。工业革命历时几代人才完成，而人工智能革命在一代人的时间内就能产生重大影响。这是因为人工智能会在三个催化剂的作用下加速自身的应用与扩散进程，这些催化剂在蒸汽动力和电力投入广泛应用时是不存在的。
1700514030
1700514031
第一个催化剂是人工智能算法的易复制性。硬件密集型革命的技术转型要获得动力，需要发明、设计原型，建造实体产品并出售和运送给最终用户。任何硬件想要获得小幅提升，都需要重复以前的流程，同时参与成本和社会摩擦会减慢每次微调被采纳的速度。这些流程、摩擦减缓了新技术的开发，延长了发展的时间，直到产品获得商业收益后才会被广泛使用。
1700514032
1700514033
然而，许多提高生产力的人工智能产品只是数字算法，可在全球无限复制、零成本应用。应用后的更新和改进也是几乎无成本的。这些数字算法（人工智能机器人和自动驾驶汽车的硬件会有复制生产的成本，但底层软件没有）会很快推广，替代大量的白领工作。如今的大部分白领员工的职责是获取信息和处理信息，然后根据这些信息做出决策或提出建议。而人工智能算法恰好最擅长这一工作，可以全面且快速地完成人机替换。实际上人工智能机器人的销售情况只会越来越好。如果再把推广和改善的成本降低，人工智能推广应用会急速加快。
1700514034
1700514035
第二个催化剂是风险投资业（VC）的诞生。VC指的是对高风险高潜力公司的早期投资，这一行业在20世纪70年代之前几乎不存在。前两次工业革命中，投资者和创新者只能依赖脆弱的、东拼西凑的筹资机制来开发自己的产品。通常他们的资金来源于自身财富、家族成员、富有的赞助人或银行贷款。这些都没有为高风险高潜力的革命性创新建立激励机制。缺乏风险融资，意味着许多好想法可能永远都无法实现，GPTs的推广应用也会很慢。
1700514036
1700514037
如今，VC已是新技术商业化的一种常见投资方式。2017年，全球风险投资创造了1480亿美元的新纪录。(15) 同年，日本软银（Softbank）宣布成立1000亿美元的“愿景基金”（Vision Fund），而全球VC投资人工智能创业公司的金额也跃升到了152亿美元(16) ，跟2016年相比增长了141%。VC在坚持不懈地寻找好项目，以获得新的GPT（如人工智能）中每一美元生产力的回报。在未来10年中，VC会推动人工智能的快速应用和商业模式迭代，千方百计地探索这一技术可以做的每一件事。
1700514038
1700514039
第三个催化剂是中国的影响力。人工智能会使现代中国首次有机会在推动和应用GPT方面与西方并肩而立。在工业化和电气化的时代，中国远远落后于西方国家，但到了互联网时代，在过去的5年时间里中国就赶上了互联网技术发展的进程，可以向全球输出人才，这一趋势大大加快了移动互联网的创新速度。在人工智能方面，中国的进步让全球将近五分之一人口的研究才能和创造力可以对人工智能的推广和应用有所贡献。中国雄心勃勃的企业家、独特的互联网生态系统与政府积极推动相结合，再加上中国向人工智能领域的进军，这些共同构成了之前GPTs中不存在的新催化剂。
1700514040
1700514041
综上所述，我相信我们可以确定以下几件事：第一，在工业时代，新技术带来了长期就业机会增长和工资水平的增长；第二，新的GPTs依然很罕见且重要，应单独评估各个GPT对于就业的影响；第三，在被广泛认可的三个GPTs中，蒸汽动力和电气化同时推动了生产力和就业率提高，ICT提高了生产力却不一定增加就业；第四，人工智能也会是一种GPT，它偏重于技能，应用速度快（受到数字传播、风险投资和中国影响力的加持），这两个特性表明人工智能会对就业和收入分配产生不利影响。
1700514042
1700514043
如果上述论据正确，那接下来的问题就很清楚了：哪些工作会受到冲击？情况究竟有多糟？
1700514044
1700514045
AI·未来 [:1700512295]
1700514046
人工智能的“可以”与“不可以”
1700514047
1700514048
分析人工智能取代工作岗位，不能仅仅用传统“低技能”对比“高技能”的单一维度来分析。人工智能既会产生赢家，也会产生输家，这取决于具体工作内容。尽管人工智能可以在基于数据优化的少数工作中远胜人类，但它无法自然地与人类互动，肢体动作不像人类那么灵巧，也做不到创意地跨领域思考或其他一些需要复杂策略的工作（因为这些工作投入的要素和结果无法轻易量化）。下面我用两张图来解释一下，第一张分析体力劳动，第二张分析脑力劳动。
1700514049
1700514050
1700514051
1700514052
1700514053
就业风险评估图：体力劳动
1700514054
1700514055
1700514056
1700514057
1700514058
就业风险评估图：脑力劳动
1700514059
1700514060
对于体力劳动来说，X轴左边是“低技能、结构化”，右边是“高技能、非结构化”。Y轴下边是“弱社交”，上边是“强社交”。脑力劳动图的Y轴与体力劳动一样（弱社交到强社交），但X轴不同：左侧是“优化型”，右侧是“创意或决策型”。如果脑力劳动的重点是将数据中可量化的变量最大化（例如设置最优保险费率或最大化退税），就归类为“优化型”的职业。
1700514061
1700514062
这几条轴将两张图各分为四个象限：第三象限是“危险区”，第一象限是“安全区”，第二象限是“结合区”，第四象限是“慢变区”。工作内容主要落在“危险区”的工作（如卡车司机等）在未来几年面临着被取代的高风险。“安全区”的工作（如心理治疗师、理疗师等）在可预见的未来中不太可能被自动化。“结合区”和“慢变区”象限的界限并不太明确：尽管目前不会完全被取代，但工作任务的重组或技术的稳定进步，可能引起针对这些工作岗位的大范围裁员。
1700514063
1700514064
在左上角的“结合区”中，大部分计算和体力性质的工作已经可以由机器完成，但关键的社交互动部分使它们难以完全自动化。所以，最可能产生的结果就是幕后优化工作由机器完成，但仍需要人类员工来做客户的社交接口，人类和机器形成共生关系。此类工作可能包括服务员、理财顾问甚至全科医生。这些工作消失的速度和比例取决于公司改造员工工作内容的灵活程度，以及客户对于与计算机互动心态的开放程度。
1700514065
1700514066
落在“慢变区”的工作（如水暖工、建筑工人、美术设计师等）不依赖于人类的社交技能，而依赖灵活和巧妙的手工、创造性或适应非结构化环境的能力。这些仍是人工智能的短板。由于不断发展的技术会在未来几年中慢慢提升这些短板，所以此象限中工作消失的速度，更多地取决于人工智能能力的实际扩展。
1700514067
1700514068
这两张图让我们对哪些类型的工作有被人工智能替代的风险有了基本的认识，但这对于整体经济层面的就业总量意味着什么呢？这时我们需要参考经济学家的研究。
1700514069