陈永伟/文

这几天，一则新闻在朋友圈刷屏：由OpenAI推出的AI程序ChatGPT已经通过了谷歌的编程考试，获得了三级工程师的职位。虽然在谷歌内部，三级工程师只是一个非常初级的岗位，但其年薪也达到了令人羡慕的18.3万美元。据有关统计，2022年美国人均工资的中位数水平大约为5.41万美元。那么，如果ChatGPT是一个真正的人，他的收入已经可以达到美国这个水平的3.3倍，妥妥地跻身高收入阶层！

ChatGPT的“才华”远不止编程。在最近的一个多月中，它还通过了沃顿商学院的MBA考试和明尼苏达法学院的期末考试、在北密歇根大学的哲学课程中拿到了期末论文最高分、作为第一作者发表了关于抗衰老的论文、出版了关于人工智能的新书，还顺手通过了美国医生执业资格考试，并在香港发行了一款名为CNWTO的加密稳定币……真可谓是左右开弓，文理通吃。

不少人表示了惊叹，但更多人对此表达了忧虑。我的一位朋友就在朋友圈发文：“初看这个新闻，感觉像在看科幻片。但细思之下，又觉得自己是在看一部恐怖片。再这样发展下去，恐怕用不了多久，所有人都要失业了！”

其实，在每一次较大规模的技术革新发生之后，关于技术进步是否会导致大规模失业的讨论就会成为热议的焦点。而在人工智能的每一次重大突破之后，类似的探讨就会尤其火热。这次，以ChatGPT、DALL-E2、StableDiffusion为代表的人工智能再一次引发了类似的焦虑。那么，从对就业的冲击看，这一次的人工智能冲击会有什么不一样？在ChatGPT面前，哪一些行业、哪一些人可能会受到比较明显的影响？面对人工智能带来的冲击，我们普通人应该如何应对？政府又应该出台怎样的政策？

这次有什么不一样？

和上一次热潮不同，驱动这一轮人工智能热的最关键因素是“生成式AI”（GenerativeAI）的崛起。相比于过去的AI产品，这一种AI产品在特性上有很多不同：

首先，生成式AI表现出了更强的“创造性”，可以创造出和学习材料类似的新内容。在这一轮人工智能热潮之前，虽然我们也见证了很多强大的AI产品，但总体来说，这些AI产品更多是所谓的“分析式AI”（AnalyticalAI）。这一类AI学习各种资料的目的是为了作出某个判断，而不是生成某个新东西。比如，在很多经典的机器学习教科书中都有一个识别鸢尾花的例子。这个例子告诉读者，AI程序是如何通过学习大量的花卉图片，并从中找出鸢尾花。其中揭示的就是过去AI做的主要工作：学习材料、提取参数、建立模型，然后在新样本作出预测或识别。然而，生成式AI则不同，它们在学习了资料之后，所要做的不仅是从各种图片中去找出一朵鸢尾花，还要自己去画出一朵鸢尾花。很显然，相比于仅仅做判断的分析式AI，生成型AI的创造性要强大得多。

从对于工作的角度看，分析式AI和生成式AI的影响是截然不同的。生成式AI不仅可以作出判断，而且可以在判断的基础上完成一整个工作的流程。比如，对于券商分析师来说，AI之前只是他们分析资料的工具，最后根据资料撰写报告还得他们自己来。但现在，像ChatGPT这样的生成式AI已经可以做到资料分析、报告撰写一条龙。在这样的状况下，AI就从他们手中的工具变成了他们的竞争者。

其次，生成式AI具有了更强的通用性。在人工智能学科创立伊始，这个领域的专家最大的梦想就是用机器和程序创造出能像人一样思考、行事的人工智能体，也就是我们通常说的“通用人工智能”（ArtificialGeneralIntelli－gence）。但是他们发现要实现这一雄心是非常困难的——人是那么复杂，功能是这么微妙。因此，在后续的实践中，他们退而求其次，从追求通用人工智能转向了追求专用人工智能，也就是说，试图在某一个专门的功能或者方向上，让机器完成和人同样的任务。比如，一些AI主要是进行财务数据处理的，那么这个AI的功能就主要是从海量的财务数据中去找出各种有用的信用，供用户进行参考；而另一些AI则主要用于机器视觉识别的，那么它们的任务就是在复杂的图像中去找出某个具体的人或物。

经过几十年的发展，很多专用的AI在功能上都达到甚至超过了人类同行的水平，但它们都不能从多维度上取代人。因此作为一个多功能、多任务的执行者，人相对于AI的优势依然是十分明显的。这一功能决定了大部分情况下，雇主们并不会选择用AI去取代自己的人类员工。

但生成式AI则有很大不同。尽管到目前为止，生成式AI还远没有达到通用型AI的能力，但在通用性上，它要比过去的那些AI胜出很多。一个公司可能想要一个具有初步编程能力，又精通法律、经济知识，还善于写作，并能够迅速处理各种日常文案的员工。在过去，AI可能只满足其中的某一两项要求，那么对公司来说，雇佣人类员工是更靠谱的。然而，正如我们所见，现在的ChatGPT在以上这些方面都已经接近甚至超越了人类。在这种情况下，或许引入一个AI程序就要比雇佣一名人类的员工来得更加划算了。

AI的通用性变得更强，也意味着它带来的就业冲击会具有更强的普遍性。具体来说，对于专用性很强的AI，即使它取得了非常大的突破，它产生的冲击也仅仅局限于一个方面。比如，AlphaGo击败了人类高手，我们对它也并不特别害怕。因为即使AlphaGo真的替代了所有围棋棋手，棋手也可以转型其他行业，比如作为一名作家，写书介绍对打败自己的AI的认识，然后去各处演讲书中的内容（国际象棋大师卡斯帕罗夫在被“深蓝”击败后，就干起了类似的工作）。然而，类似ChatGPT这样的生成式AI似乎没有给人们留下这样的机会。想象一下，当一个律师因ChatGPT而失业后，他努力通过了医师执业考试，但当找工作时，他可能发现医生的职业也早被ChatGPT占领了。

再次，生成式AI具有更强大的交互能力。过去，虽然很多AI程序也具有强大的功能，但是它们的操作通常并不那么友好，这就阻碍了这些AI的普及。而对比之下，生成式AI的操作则十分简单。比如ChatGPT不仅可以根据用户的要求去编写程序，还可以根据用户的指令去对编写好的程序进行修改；Sta－bleDiffusion等图形生成程序则可以根据用户的描述生成对应的画作，如果不满意还可以随时按照要求进行改动。这极大降低了普通用户的使用门槛，因此相比于过去的AI，现在的生成式AI将更容易进入各个领域，因而它们对就业带来的冲击当然也就可能更为显著了。

综合以上分析，我们不难看到，相比于过去的AI，生成式AI确实具有很多不同之处。因而，其产生的就业问题也在很大程度上会是一个新的问题，需要引起我们的重视。

AI会抢走谁的饭碗？

下面的一个问题是：谁会成为最主要的受影响者呢？在我看来，要回答这个问题，需要从两个维度入手加以分析。第一个维度是功能，也就是现在的AI可以对哪些职业岗位的功能进行替代。这一点将影响到AI替代人工的可能性。第二个维度是成本，也就是用AI去取代这些岗位从经济上看是不是合意的。这一点将会影响到AI替代人工的现实性。

先看功能维度。2013年，牛津大学的学者弗雷（CarlFrey）和奥斯本（MichaelOsborne）曾经发表过一篇颇有影响的报告。当时，这份报告的结论，即“人工智能和自动化可能让美国702个职业中的47%受到巨大冲击”被各大媒体争相转载，然而，关于这篇报告的结论是怎样来的，却很少有报道进行过详细说明。从现在看，当时这份预测报告的结论本身已经没有什么特别大的意义，但报告中的分析方法对我们认识当前的情况却很有启发意义。

在论文中，两位作者从三个指标来考察AI对人工的可替代性，这三个指标分别是：“社交智慧”(socialintelli－gence)、“创造性”（creativity），以及“感知和操作能力”（perceptionandmanipu－lation）。其中，社交智慧包括社交洞察力、谈判能力、同情心等社交和情感能力；创造性包括对知识的原创能力，以及对艺术的鉴赏和创造能力等；感知和操作能力则包括工作的灵敏度、协调操作能力，以及应付复杂工作环境的能力等。从总体上看，如果一个岗位对这三种能力的要求越高，那么在这个岗位上，AI就越不可能实现对人的替代；反之，如果一个岗位对这三种能力的要求越低，这个岗位上的人就越可能被AI替代。

在弗雷和奥斯本的论文发表时，AI在社交智慧和创造性的维度上的表现都相对较差，因此他们判断，像时装设计师、咨询师、律师、作家、软件开发者等岗位都是比较难以被替代的。但是，从现在的新闻报道我们已经可以看到，上述这些曾经被认为是安全的岗位如今都成为了受冲击的岗位。

再看成本维度。即使从功能的角度看，现在的AI已经足以取代很多岗位，但从实践的角度上看，这种替代未必会发生。其中的关键就在于成本。一直要到其成本降到足够低时，大规模的替代效应才会出现。一个典型的例子是，在中国加入WTO之后，欧美的机器人行业一度遭受了巨大的冲击，因为中国低廉的劳动力成本使得使用机器人生产不再变得有利可图。

那么，从成本角度看，AI可能最先冲击哪些行业呢？我想，大概率应该是那些薪酬较高的行业。例如，金融行业、咨询业、设计行业、律师业等，都存在着人力成本过高的问题。从这一点上看，这些行业都可能是AI首先瞄准，并尝试替代的目标。

综合以上分析，我们可以得出结论：不同于以往的AI冲击，这一轮AI冲击的影响可能集中在目前收入水平相对较高的白领阶层。而白领人士中，那些专门处理资料搜集整理、文字撰写等工作的人，可能会是受冲击最为严重的。

我们应该如何应对

AI带来的就业冲击？

1811年3月，英国的诺丁汉爆发了大规模的罢工运动。传说，一位名叫卢德的工人领袖率先砸碎了工厂的纺织机器，以此对机器造成工人失业的现象表示抗议。在历史书上，这次事件被称为“卢德运动”。这场由工人反抗机器的运动持续了两年之久，波及整个英国，可谓是轰轰烈烈。但是，如此大规模的罢工运动并没有对历史的进程产生什么大的影响。率先完成了工业革命的英国还是在全国范围内普及了机器——不仅在纺织业，在各行各业都是如此。而那些曾经毁坏机器，抵抗机器侵占就业机会的工人，也终究接受了这一事实，不得不转而另寻出路。

在“卢德运动”之后的两百多年，类似的事件一直在反复上演。但从历史上看，这种尝试几乎没有一次是成功的。因此，作为普通人，面对可能到来的饭碗危机，试图抵触变革绝非上策，唯有顺势而为，转危为机才是比较好的应对之法。而要做到这一点，以下几方面的努力应该是必要的：

第一，学会理解AI、运用AI，与AI共处。历史上，虽然机器的使用砸掉了依靠简单工具劳动的工人的饭碗，但是它也创造了很多新的工人就业。只不过，这些新就业的工人不再使用那些简单的工具，而是通过操作机器来完成原有的工作。除此之外，机器本身也是要生产、维护和保养的，而这又催生出了一大批全新的就业。从这个意义上看，对于工人而言，机器既可以是竞争对手，也可以是新就业岗位的创造者——最终还要取决于人们对于机器的运用和理解能力。

一样的道理，现在的AI虽然可能在很多岗位上替代人力，但它本质上也是一件强大的生产力工具。如果可以对其加以很好的利用，就可以在这个时代成功生存下来。举例而言，虽然现在的ChatGPT、Dall-E2等AI模型有很多潜在的用途，但是它所蕴涵的想象空间其实远没有成为现实。因此，如果有人可以在具体的某个产业中发掘出这些模型的用途，让这些模型的强大能力落地、变现，那么就可以将AI带来的冲击转化成为实现财富跃迁的新机遇。此外，就像过去一样，AI的崛起也会衍生出一大批为其服务的需求，如数据标注、模型训练等。尤其是像ChatGPT这类语言模型经常会“一本正经地胡说八道”，会生成出一些虚假消息，因此可以预见，在未来的很长一段时间内，审核评估模型结果、纠正生成内容的错误都会是一个庞大的需求。

第二，努力强化我们区别于AI的能力。虽然经过多年的发展，现在的AI模型已经在各个维度上都变得越来越像人，但从整体上看，它其实离人还差得很远。以创造性为例，虽然现在的生成式AI也能创造出不同于训练集的新东西，但从根本上看，这些所谓的新东西依然只是训练材料中不同部分的排列组合。这就好像一个饱读了《唐诗三百首》却没有创造力的人，虽然他看似也能写出一些诗，但如果把他写的诗拆开看，就会发现他写的不过是李白、杜甫、白居易等名家名句的大杂烩。你要让它写出一个自己的名句，他是办不到的。更不要说突破唐诗这个框框，去发明宋词、元曲这些新的文体并进行创作。要实现这一切，只有依靠具有创造力的人。

事实上，当机器取代了大量的手工业者时，那些高超手工艺者的价值反而变得更高了。举个例子，一个茶壶如果是由工厂大规模生产的，那么它的价值不过是几十块；但是，如果它是一个由名家烧制的紫砂壶，那么价格就可能高达几百万。而在机器普及前，两类产品的差别并没有这么大，很多名家都会同时烧制工艺品和实用品。而在机器普及之后，由于实用的需要已经由机器取代了，所以更需要艺术灵感、更需要创造性的工作就被独立了出来，其相对价值也就变得更高了。同样的道理，当AI已经可以完成普通的工作时，让这些工作的价值大为降低时，真正的创造就会具有更高的相对价值。从这个意义上讲，这个很多人都担心被AI抢掉饭碗的时代，或许才是真正有创造力的人的美好时代。

第三，提升自己的韧性和不断学习的能力。如前所述，在这一轮的AI冲击中，原本的高薪白领阶层可能成为首要的冲击对象。在现实当中，我们可以观测到一个现象，那就是相比于从事低薪蓝领工作的人来说，高薪白领阶层在面对逆境时的逆商常常会更低。那些“苦惯了”的人一般不会在乎失业，因为这对他们来说是常态，在丢掉了一份工作后，他们很快会去找另一个谋生的路子。但对一个过去收入丰厚、生存条件优渥的人来讲，情况就完全不一样。一方面，他们的消费习惯、生活方式已经完全适应了高收入状态，如果突然失业，这些消费和生活方式就很难维持下去，这会给他们的心理带来很大的落差。另一方面，由于高薪的职位需要专门的技能，而这些技能需要长时间的投入，因此从事这些职位的人除了在自己的专业领域外，通常缺乏谋生技能。比如，现在很多拿着数十万收入的程序员，其实除了编程之外很少有其他领域的知识储备，这就决定了他们一旦被裁员，就可能会陷入长期的失业当中。

面对以上情况，我认为在AI冲击面前，增强自身的韧性和学习能力是当务之急。毕竟按照现在AI进步的趋势，我们很难预测下一个可能被冲击的行业究竟是什么。正因为我们每一个人都可能突然失业，所以我们应当学会如何随时去面对它，并在很短时间内学会新的技能，找到下一份工作。“杀不死我的，将让我更强大”，在AI时代，这可能会成为唯一永恒适用的职场法则。

面对AI冲击，政府应当如何作为？

虽然人工智能技术的突飞猛进可以带来生产力的巨大进步，从而极大丰富全社会的物质财富。但是，如果这种冲击过猛、过快，带来了巨大的失业，就可能对社会的稳定造成很大的影响。因此，面对这样的情况，政府必须有所作为，动用一些公共政策来对冲可能的风险。具体来说，如下几项工作可能是非常有必要的：

第一，应当大力鼓励服务业的发展，创造出更多的就业岗位。AI对人力的替代可能带来的影响是多方面的：一方面，它固然会对很多现有的岗位产生冲击，从而造成失业；但另一方面，它也可能从总体上为社会创造出更多的财富、为人们带来更多的闲暇，而这些都会转化为新的需求。可以预见，在AI崛起的年代，那些直接服务于人的岗位的需求会出现暴涨，而这些行业恰恰是AI最难替代的。我记得几年前曾经请教过一位研究人工智能影响的专家，问他什么职业是最难被AI替代的。他回答说：“应该是按摩吧。即使现在的AI机器人已经很好地模拟人的手法对人进行按摩，但你在享受服务时，希望给你按摩的是一个人还是一个机器呢？”他的说法是非常有启发性的。虽然从功能上看，AI确实可以对服务业中的很多岗位实现替代，但是从人的情感上，这种替代是很难接受的。这就决定了类似的岗位不仅可能在AI冲击中坚挺，还可能壮大。

第二，应当鼓励新的工作形式发展，引导和促进分享经济、零工经济的发展。在人工智能时代，工作性质可能会发生两个重要变化：一方面，劳动时间会大幅减少，人们可能不再需要用整块时间从事工作。另一方面，受AI技术迭代的影响，工作更替的频率可能会越来越快。在这种背景下，就要求更有弹性、更加灵活的就业形式，让它们既能更好利用碎片时间，又能很好起到就业蓄水池的作用。从目前看，分享经济、零工经济等就业形式可以很好地适应这两方面的需要，因此可以考虑在政策上对它们加以支持。

第三，应当建立适应智能经济和智能社会所需要的终身学习和培训体系，加强对相关技能的教育和培训。纵观历次技术革命，都会在消灭大批就业岗位的同时，释放出大量新的岗位，从而在总体上维持就业岗位的大致均衡。然而，在新旧岗位之间，需要的职业技能是不匹配的，因而就会导致严重的结构性失业。这样的规律，对人工智能革命也不例外。由于人工智能技术本身迭代的迅速，因此相对于过去，知识和技能过时的速度可能更快。面对这种情况，政府就有必要提供终身的教育培训机会，以便让因AI冲击而失业的人及时更新技能，成功实现再就业。

第四，应当借助新的金融工具，促进劳动者、雇主以及培训机构这三者之间的合作。为了减轻失业人员进行培训的经济负担和对未来的顾虑，可以考虑推出“就业抵押”贷款，让正在寻找工作的失业者以未来的工作收入为抵押接受相关技术培训。雇主对于采用“工作抵押”进行培训的劳动者可以进行意向性录用，政府可以根据雇主的录用情况进行一定的补贴或税收减免。通过这种形式，就可以比较好地消除劳动力市场上的信息不对称，有效减少劳资双方的搜寻成本，从而让劳动力市场的运作效率得到大幅度提升。

第五，可以研究出台“全民基本收入”（UnconditionalBasicincome，简称UBI）制度，其费用可以考虑通过向使用AI的企业征税来获得。应当看到，无论人们如何努力，政府出台怎样的公共政策加以帮扶，在汹汹袭来的AI浪潮面前，注定会有一部分人难以找到工作。在这种情况下，为了维护广大公民的基本生存和体面，政府应当考虑建立UBI制度，定期向公民无条件提供一笔收入。至于这笔支出的来源，则可以向大批使用AI的企业征收。当然，如果企业愿意减少AI使用，转而雇佣人工，就可以适当减免税收。通过这种转移支付手段，就可以有效缓解AI带来的就业冲击和贫富分化等问题。

总而言之，只要我们善用公共政策，就一定可以扬长避短，将人工智能革命带来的好处放到最大，而将其造成的负面影响压缩到最小。