原创丨李珊珊
来源丨 知识分子
原文题目：《GPT 将带来一场中产危机？8 成劳动人口受影响，学历收入越高越危险》
图片来源：由无界 AI工具生成
导读
与之前的三次科技革命，体力劳动者被取代不同，在 GPT 引发的这一次，教育程度越高、入行门槛越高、收入越高的工作，会面临更大的风险，而不易被 GPT 替代的行业，则以体力劳动为主。
GPT 来了，我会失业吗？这是自去年这个 AI 的 3.5 版发布后，这个星球上很多人都在问的问题。
3 月中旬，研发出了 GPT 的 OpenAI 公司亲自发布了自己这类大语言模型对劳动力市场会带来的“早期影响力”报告揭示了一些残酷事实。
报告中写道：在考虑到当前的功能和未来可以很容易接入的支持软件时，在美国，大约有 80% 的劳动人口的工作会受到 GPT 引入的影响，这些人中，约 19% 的人，50% 的工作会受到 GPT 的影响，这个范围涵盖所有的薪资水平。
所谓受到影响，文中所用的词为“GPT 暴露”。利用美国劳工部的一个分类数据库，研究者把每个工作划分为不同的独立任务，然后评估每一项任务是否可由 GPT 完成。若 GPT 可以完成，并“将工作时间至少减少 50%，同时保持质量一致”，即被认为是“GPT 暴露”——OpenAI 很谨慎地未用“替代”的说法。
而在 GPT 加上支持软件之后会发生百分百“GPT 暴露”的职业中，法务秘书、行政助理、会计师、审计师、Web 和数字界面设计师、临床数据专家、气候政策分析师、作家、记者，甚至数学家等都榜上有名，而另一些如区块链工程师等职业，则被认为其 95% 左右的工作达到了 GPT 暴露。那份报告也列出了不容易被 GPT 取代的职业（GPT 暴露率低于 15%），比如：护士、司机、厨师、清洁工等。
那份研究中，GPT 自己将 86 个职业标记为“全暴露”（fully exposed），即整份工作的几乎所有分解任务都可以被 GPT 完成；而在人工标记组中，也有 15 个职业被标记为“全暴露”。文章并没有公开这些被标记为全暴露的职业的列表。
研究报告还顺带指出：教育程度越高、入行门槛越高、收入越高的工作，会面临更大的风险。
当然，对于最近几个月对这个 AI 有所关注的人而言，这个结果也许并不令人吃惊。早在今年 2 月，《卫报》的资深经济学编辑 Larry Elliott 就曾撰文指出：与过去的三次科技革命不同，这次，“风险最大的工作将是白领、中产阶级工作，而新创造出来的许多工作可能是低薪、没有前途的工作”。
从一定意义上来讲，之前的两百多年间，机器取代了体力劳动，将需要认知技能的工作留给了人类。AI 的进步——以 ChatGPT 为代表——表明机器现在也可以在脑力工作方面发挥不错的作用。
一时间，一场中产危机呼之欲出。这个人群，通常受过不错的教育，从事着有着不低门槛的“专业性”工作，被认为是这个社会中最为坚实的“中流砥柱”，然而，忽然间，一个 AI 来了，它正对这些人的工作岗位虎视眈眈。
然而，情况真得有如此严峻吗？今天的我们需要像工业革命时期一样发起一场损毁机器的卢德运动，来抵制 AI 的“入侵”吗？
只有那种对速度的要求比对准确性要求更高的职业，也许 GPT 才会有一些实质性的影响。
虽然 OpenAI 并未公开对自己的那项研究作出评论，文章的通讯作者，OpenAI 研究员 Pamela Mishkin 在自己的推特上写道：“很高兴很多人读了我们的论文，我看到一些人把它当作了预言，但其实并非如此”。
Mishkin 引用文章中的部分解释：我们的研究是利用美国劳动部一个职业分类系统对各种职业工作内容的描述，并聘请了一部分注释者进行校正和解释，然后用这些结果与 GPT 的能力进行匹配。“然而，我们的注释师在职业上并不多样化，可能导致对 GPT 在不熟悉的职业中执行任务的可靠性和有效性做出有偏见的判断。”
就在那篇论文对于这类注释的举例中，在线销售的工作内容便被描述作：“邮件确认、转账和发货”，很显然，这样的描述不足以描述这一工作的全部内容。
而另一个广被诟病的认定则是对于数学家（mathematicians）。根据那份研究，100% 的数学家的工作都是 GPT 暴露的。这是因为，“计算、写证明和作报告，都是 GPT 能做的”，Pamela Mishkin 在推特上冷静地回应到。
这样估算“职业替代”最大的问题在于，“他们只是静态的”。在有 20 年人力资源管理经验，并出版过多本畅销书的人力资源专家任康磊告诉《知识分子》。
任康磊举了人力资源工作中曾经引入机筛简历的例子，“过去的企业 HR 们有接近 50% 的时间都在筛简历，约面试”，而今天，计算机筛简历、约面试，甚至一轮二轮的面试全部由 AI 完成，这在很多大公司已经成为了常态。这些新技术至少为企业 HR 们节省了一半以上的时间，但人力资源部门并没有因此裁员。
“从冗长的事务性工作解放出来之后，人力资源部门把工作重心放到了后面，用多出来的时间去了解整个公司的团队，去更好地挖掘和维护员工的价值。从这个意义上来讲，大家此时才真正意识到了人力资源这份工作的意义之所在，不仅仅是收简历、约面试。”任康磊这样认为。
而另一方面，任康磊提示到：如同我们开始使用机器之后，新的工作岗位围绕机器生成，机器需要操作、维护和生产，以及一系列的庞大的产业链，AI 也同样。
根据 GPT 论文中的列表，人工标记下，有一定外界软件接入的 GPT 可以完成 77.8% 的动物学家的工作。《知识分子》就此向一位动物学家进行了求证，对方认为，对这个结果还算满意。那位动物学家提到，“动物科学中的主要的逻辑和知识库已经基本完备了”，正是依靠这些数据，GPT 便可以完成大量的工作。
对于这种替代的后果，这位动物学家感慨道：“以后的动物学家会变得更少了……”
香港科技大学物理学系讲座教授戴希则提到，从数据处理到论文初稿，GPT 可以完成很多学生的工作，不过“我们带学生也不是为了仅仅做这类工作，而是要培养他们独立的思维”。这位科学家对 GPT 取代数学家的说法毫不赞同，“数学家是不可能被取代的”，不过他认为“一个会有重大变化的领域是编程，因为，在将来，用自然语言（人话）而非专用的计算机语言（像：C，Python 等）进行编程成为了可能。”
即便是同样的职业，不同人对 GPT 的反应也会有所不同，在《知识分子》咨询的两位已经成了律所合伙人的律师中，一位律师表示，将来可以减少实习生的数量，“因为 GPT 完成了很多过去实习生需要做的资料整理工作”，而另一位则表示：“并没有影响”，因为“如果 GPT 编造事实或者撒谎，稍微外行一点（的人）很难分辩，还是得人工核实，不如不用”。
“对速度的要求比对准确性要求更高的职业，或者需要帮助提示创作思路的工作，GPT 将会有实质性的影响”，曾任微软亚洲研究院副院长，现为澜舟科技创始人及 CEO 的周明博士则向《知识分子》表示。
周明认为：变化会发生，但不用太担心 AI 抢走人类工作，因为目前 GPT 的水平还不那么让人放心，大家现在关注的是它在这些方面的能力居然达标了，超出了人们的想象。但真正要使用它来做事情的时候，要求就（跟现在）不同了，问题也就出来了。而且 AI 的结果也必须要靠人类确认才能成稿”。
我们正在滑向“过度自动化”吗，人类会被抛弃吗？
变化必将发生，但并不会像大家想象得那么快，然而变化会如何发生呢？
早在 2018 年，在《美国经济评论》中发表的论文《人机竞赛：技术发展下的增长、资本与就业》中就曾利用一个经济学模型预测了新技术对就业市场的影响，简单而言就是：先有一波失业潮，然后由新技术创造的新的职位吸纳大量就业人口，最终达到新的平衡。
文中，论文作者，MIT 大学研究新技术与劳动经济学的知名教授 Daron Acemoglu 提到：这类的情况，在过去的 30 几年中并不鲜见，在 2015 年新增的 5000 万个就业岗位中，约有 60% 是这 35 年间新增的岗位。
但这种情况的发生需要政策的引导以及时间，Daron 在文中提到，自动化总是倾向于减少劳动份额和就业，甚至降低工资，而新技术引发的新任务的创造则与之相反。这便会出现两种场景：
失业的半场：因为劳动力价格更高，AI 取代劳动力，造成某些行业失业人数上升，这又会降低这些行业的工资，直到资本失去了用 AI 进行改造的动力。于是，被 AI 取代的劳动力并不一定需要重新学习劳动技能，他们在遭遇一段时间的失业后，又可以匹配到跟他们原来相近的工作。
新岗位的半场：对于 AI 创造大量新职位，因为没有足够与之匹配的劳动力，最先会出现高薪，吸引来自其他行业的优秀人才，进而逐级传导、层层吸收整个社会中相匹配劳动力，带动整个社会劳动收入的提升，进而形成新的平衡。
关键问题在于，这两者的速度是否匹配，以及最最重要的，AI 的使用是否真正提高了整个社会的生产力水平，而不是仅仅压缩了劳动力成本。
如果是前者，随着整个社会劳动生产力的提升，我们将很容易进入新岗位的大爆发；但如果仅仅是后者，自动化仅用于降低劳动力成本和工资方，生产率提升方面，并没有发挥更显著的作用，那便是典型的过度自动化。
后一种情况下，一些高科技公司和科技精英会变得更加富有，但这对整体经济增长的作用不大，这种情况下，自动化无法真正增加人类福祉，我们将很难真正进入新岗位的大爆发。
基于此，面对 GPT，包括 Daron 在内的很多专家都曾担忧地指出：人工智能技术正在被用于一些人类擅长的任务，本不该如此。
出现这种情况的原因，Daron 在 2021 年写给美国经济研究局的一篇《AI 的危害》中表示：美国税法对劳动力征收的边界税率远高于设备和软件资本，这导致公司过于关注削减（劳动力）成本了，这不仅有利于自动化，也有利于过度自动化。
这种过度自动化的后果，Daron 提到：“很有可能的一种方式是，在完全自动化之前，工作首先会有一个变得很不稳定的阶段，在此期间，一部分劳动者，（比如本次被认为可百分百替代的作家、记者、法务、会计等）会作为自由职业者存在着”。
而另一方面，新技术对资本也并不仁慈，公司间的不公平竞争加剧，走得快，拥有大量数据的公司将比竞争对手拥有更强大的优势，而如若任由这些公司“采用自动化技术以牺牲竞争对手为代价进行扩张”，便很有可能会导致整个行业内卷型的“劳动力需求下降”。
正如前述《卫报》评论文章中描述的可怖前景：“整个经济体的工作岗位被挖空，不平等加剧，劳动收入份额下降……资本将以牺牲劳动力为代价增加其收入份额，一些经济部门将出现空心化……”
那么，这个世界还有可能变好吗？
3 月 16 日，OpenAI 的 CEO 阿尔特曼（Sam Altman）在自己博客上发过一篇感谢审读名单足有 6 行的长文，其核心便是讨论，如何使得他和他的同事们创造出来的这类 AI，为人们带来一个更好的世界。
“能够思考和学习的软件将完成越来越多的人们现在所做的工作。更多的权力将从劳动力转移到资本。如果公共政策不做出相应调整，大多数人最终会过得比现在更糟。”
文中，这位也许是亲手打开了“潘多拉魔盒”的企业家同样给予了他的解决方略：“我们需要设计一个包含这种技术的新系统，并对构成该世界大部分价值的资产——公司和土地——征税，以便公平地分配那些即将到来的财富。这样做可以大大减少未来社会的分裂，让每个人都能分享其收益。”
这位企业家预言：“在未来五年内，能够思考的计算机程序将阅读法律文件并提供医疗建议。未来十年，它们将从事流水线工作，甚至成为伙伴。在那之后的几十年里，它们将做几乎所有事情，包括做出新的科学发现，扩展人类认识的边界”。
最终，“这场革命将创造惊人的财富。一旦足够强大的人工智能‘加入劳动力队伍‘，多种劳动力的价格（推动商品和服务的成本）将降至零。”
如同 Daron 所言：GPT 将改变许多工作，然而，它们是否会导致普遍的繁荣，导致这个世界变得更好，取决于我们。现在就需要行动，从税收改革到教育，尽所有一切可能鼓励和创造对工人更友好的政府政策，“我们并非不可避免地走向更严重的不平等”。
往好里想，如果 AI 保持作为助力，如果生产力有了大幅提升，GPT 这类 AI 将为人类创造大量的闲暇。要知道，今天的我们，每天工作 8 小时，每周双休，人类几乎消灭了童工，而且大部分国家和地区还能提供相对体面的退休工资来支持老年人不需要继续参加劳动，这在工业革命之前，都是不可想象的。
在可预见的将来，抢走了人类职位的同时，AI 将带来更多的闲暇，这些不需要投入工作的时间，人们可以自由投入家庭、娱乐……然而，有闲，也许同样会成为问题。
早在 2017 年，美国经济研究局曾举办过一个会议来讨论“人工智能经济学”，在由芝加哥大学出版社出版的会议报告中提到：机器抢走工作所带来的两大问题，收入的损失和地位的损失，是需要区分开来讨论的问题。
那份文件认为：与后者（失去地位、成就感等）相比，前者（失去收入来源）反倒是更容易解决的问题，我们需要的不过是劳动生产力的大规模提升，以至于更多的人可以不需要工作，却以其他的方式悠闲地分享整个社会的平均劳动果实。
届时，我们将如何处理我们的时间，如何找到生命的意义？以及，如何稳定和公平地处理我们的收入分配？也许将成为全人类最为重要的问题，对这些问题的回答，将真正决定，我们能否拥有一个更好的世界。
图片 参考文献
[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.