人工智能（AI）並不一定會奪走我們的工作。相反地，我認為它為我們提供了一個時代的機會，那就是將專業知識推廣至更廣泛的勞動者群體。在最近與英國首相 Rishi Sunak 的一次採訪中，Elon Musk 宣布人工智能是“史上最具破壞性的力量”，並預言“終將到來一個不再需要工作的時刻”。去年，被譽為 AI 教父的 Geoffrey Hinton 建議大家“轉行做水管工”。
看起來，對於我們許多人來說，工作的未來似乎岌岌可危。最近的 Gallup 民意調查顯示，75% 的美國成年人認為 AI 將減少工作機會。但這種恐懼其實是不必要的。
在工業化世界中，工作機會充沛，而這一趨勢預計將持續不變。自從 Covid 疫情爆發四年來，美國的失業率已經恢復到疫情前的最低水平，總就業人數更是比疫情前的高峰增加了近三百萬。隨著出生率的持續下降和勞動力市場的萎縮，工業化國家（包括中國）正面臨著類似的勞動力短缺問題。
這是基於人口統計學的事實，而非單純預測。所有將在 2053 年達到 30 歲的人已經出生，我們無法增加這個年齡群體的人數。除非進行大規模的移民政策改革，否則美國及其他發達國家的勞動力將在崗位空缺之前就已經緊缺。
AI 將對勞動市場產生影響，但其影響方式並非如 Musk 和 Hinton 所預期的那樣。AI 將改變人類專業知識的價值和性質，而非直接替代人類工作。專業知識，即完成某項特定任務所需的知識和技能，如測量生命體徵、編程或烹飪，當這些知識和技能既必需又稀缺時，便能在市場上獲得更高的價值。正如電影《超人總動員》中角色 Syndrome 所言，當人人都成為專家時，真正的專家便不復存在。
在美國和其他工業化國家，專業知識是勞動力價值的關鍵。那些不需要多少培訓或專業認證的職業，如餐廳服務員、清潔工、體力勞動者以及兒童看護，通常處於薪酬階梯的最低端。
以空中交通管制員和交通協管員為例，這兩個職位在本質上執行相似的任務：做出迅速且關係到生死的決策，以避免乘客和行人之間的碰撞。然而，2022 年空中交通管制員的中位年薪為 132,250 美元，幾乎是交通協管員 33,380 美元中位年薪的四倍。
這背後的原因歸結於專業知識。成為一名空中交通管制員需要經過多年的教育和實踐學習，這是一種稀有而且專業的技能。相比之下，大多數美國州的交通協管員崗位不要求任何形式的正式培訓或特定的專業資格。儘管大量空中交通管制員轉崗成為交通協管員理論上可行，但反之則幾乎不可能，這正體現了專業知識對於職業地位和薪酬的決定性影響。
專業知識正處於持續的變革之中。一些曾經市場極為看重的技能，如鐵匠、排版、獵皮和拼寫校對，現在大都已經被時代淘汰或自動化了。與此同時，很多工業化國家裡收入最高的職業，比如腫瘤科醫生、軟件工程師、專利律師、心理治療
師和電影明星，都是在特定的技術或社會創新出現後才有的需求。但隨著技術時代的更迭，被淘汰或成為新寵的專業領域也在不斷變化。我們正迎來的人工智能時代，預示著又一場轉型。
我們資訊時代的理想圖景認為，計算機將通過使資訊普及來打破經濟層級。2005 年，Netscape 聯合創始人 Marc Andreessen 對《紐約時報》的 Thomas Friedman 表示：“現在，對我來說最深刻的一點是，一個 14 歲的孩子，無論他在羅馬尼亞、班加羅爾、前蘇聯還是越南，都能輕鬆獲取所有資訊、所有工具、所有軟件，自由地應用知識。”但事實卻與這一理想背道而馳。
事實上，資訊只是決策製定——一個更為關鍵的經濟活動——的輸入之一，而這一領域通常屬於精英專家的專屬，他們大多是持有大學或更高學位的美國成年人。計算機的普及使得資訊和計算成本大大降低，反而導致決策權力及相關資源在精英專家中的空前集中。
同時，大量的中等技能職位，如行政支持、文職和藍領生產工作，被自動化技術取代。而在缺乏更好機會的情況下，60% 的非本科學位成年人被迫轉向低薪的非專業服務行業。
“人工智能為人類提供的獨特機遇在於，它能夠逆轉計算機化開始的趨勢——讓更多工人的專業知識變得更加相關、更廣泛地被應用，增加其價值。”
人工智能為人類帶來的獨特機會在於，它能夠挑戰計算機化所啟動的過程——擴大人類專業知識的適用範圍和影響力，讓更多的工人能夠從事高風險的決策製定工作。因為人工智能能夠整合資訊、規則和經驗來輔助決策過程，它可以讓那些接受了必要基礎培訓的工人執行當前由精英專家，如醫生、律師、軟件工程師和大學教授所專有的高風險決策任務。
關於我們能夠實現什麼的論斷。AI 本身不決定其如何被使用，其積極和消極的應用幾乎無限。錯誤地認為技術發展的不可避免性會決定未來——如 Shoshana Zuboff 所述的「不可避免論」——這種想法會讓我們失去作為公民參與決策、甚至意識到這些決策將如何塑造我們未來的能力。正如 Simone de Beauvoir 所言，「一旦我們信仰命運，命運便會獲勝。」AI 提供了擴展工作能力、提高工作質量的強大工具。我們必須學會掌握這些工具，讓它們為我們服務。
從手藝到大眾專長的轉變
若將我們時代的許多「專家」送回到 18 世紀，他們很可能會不知所措。在工業革命之前，各種商品都是由精通各自手藝的工匠親手製作的：車輪由車輪匠打造；衣物由裁縫縫製；鞋子由鞋匠製作；時鐘由鐘表匠精心裝配；而火器則由鐵匠鍛造。這些工匠們花費數年時間，至少掌握了兩大類專長：一是程序性技能，即遵循一套熟練的步驟來完成作品；二是專業判斷力，根據具體情況調整這些步驟。
比如，如果鐵匠要根據同一個設計製作兩支火槍，那麼兩槍的任何一個部件都無法互換。每個部件都需要經過精確的銼削、磨光和拋光，才能完美配合其所屬的火槍。在我們這個時代，能完成這種工作的專家寥寥無幾，能用那個時代的原始工具完成的就更少了。
雖然人們極為尊重這種手工藝的專長，但隨著 18 和 19 世紀大規模生產的興起，它的價值最終遭到了削弱。大規模生產通過將複雜的手工過程分解為簡單的、獨立的步驟，這些步驟可以由生產線上的工人機械式地完成，機器的輔助下進行，由受過高等教育的管理者監督。
與手工製作相比，大規模生產的效率大大提高，但是普通工人的工作環境極其惡劣，他們在極低的報酬下，需要在艱苦的條件下工作，這幾乎不需要任何特定的專業技能，只需有能夠承受苛刻工作條件的意願。
而在早期，成為一名熟練的工匠幾乎意味著必須是成年男性，這反映了掌握一門手藝需要多年的學徒期，同時也體現了當時的性別規範的限制。與此相反，早期工廠大量雇用了兒童和未婚女性。在 19 世紀，那些反對機械化的熟練英國織布工和紡織工人——被稱為盧德分子的人——常被嘲笑為對技術有著天真的恐懼。
但實際上，他們的恐懼是有根據的。正如經濟歷史學家 Joel Mokyr 及其同事們在 2015 年指出的，那些擁有小作坊的手織機織布工和框架針織工在 1815 年之後很快就被工廠所淘汰。儘管工業時代的創新極大地推動了生產力的提升，但工人階級的生活標準要到五十年後才開始提高。
“AI 為我們提升工作效率和工人能力提供了強大的工具。我們必須掌握這些工具，讓它們為我們所用。”
隨著現代工業中的工具、流程和產品愈發複雜，市場上急劇增長的是一種新型工人技能——我們稱
之為“普遍專長”。這些工人負責操作和維護複雜的設備，他們的技能涵蓋了機械加工、裝配、焊接、化工處理、紡織操作、染色以及精密儀器的校準等多個領域。除了工廠的生產線，電話接線員、打字員、簿記員和庫存管理員等職位成了資訊流通的關鍵節點，他們是那個時代的資訊技術支柱。
這些新興的專業知識，在過去是未曾需求過的。比如，電工的職業是隨著電力在工業和日常消費中的應用而產生的；機械操作技能也是伴隨著相關機械的發明而出現的；同樣，電話接線員的工作也是隨著電話網絡的建立而生的。為了精通這些工作的各種工具、規則和嚴格要求，工人們通常需要具備良好的讀寫能力和數學能力。
並非偶然，越來越多的美國勞動力擁有高中文憑，意味著這些必需的技能變得越來越普遍，而且獲得了相應的重視和獎勵。這種工業生產力的提升與對工人專業知識需求的增加相結合，促成了工業化國家中新興中產階級的形成，他們能够享受全套衣櫥、工廠生產的家庭用品以及電烤麵包機和電熨斗等新型工業產品所帶來的奢侈。
然而，與他們的前輩工匠不同，這些“普遍專長”的工人在辦公室和生產線上並不總是需要——有時甚至不被允許——發揮他們的專家判斷力。正如大規模預測時代的管理學大師弗雷德里克·溫斯洛·泰勒在 1911 年所指出的，每位工人的工作在至少一天前就被管理層詳細規劃好了，他們通常會收到一份完整的書面指示，不僅詳細說明了他們需要完成的任務，還包括了執行這些任務所需採用的方法。
因此，這種“普遍專長”工作的狹隘程序內容，要求工人嚴格遵循規則，幾乎不需要自主判斷，使得它在後來的技術進步時代，變得特別容易被技術取代。
資訊時代的專業知識從大眾到精英的轉變
二戰期間的創新為我們帶來了計算機時代，也稱為資訊時代，這個時代最終減少了工業革命時期對大眾專業知識的需求。數位計算機的獨特之處，在於它能以低成本、高可靠性和快速的方式，執行那些被明確編寫成程序的認知和手工任務，這些任務被經濟學家稱為「常規任務」。
這樣的描述可能看起來很普通：不是所有的機器都遵循一些確定性的規則嗎？從一個角度看，確實如此：機器會按照設計好的方式工作，除非出現故障。但從另一個角度來看，則不盡相同。計算機與以往僅執行具體物理任務的機械裝置不同，它能處理符號，分析和操作抽象資訊。正如艾倫·圖靈在 1937 年所證明的，這樣的機器能完成無限種任務，條件是這些任務可以被編碼成一系列步驟（也就是算法）。
在計算機時代到來之前，唯一的符號處理工具就是人類的大腦。計算機成為了第二種工具，它擁有驚人的能力和明顯的局限。在這個時代之前，那些專長於熟練的辦公室和生產任務的工人，代表了大眾專業知識。
隨著
計算技術的發展，數位機器在掌握工具和遵守規則方面，表現得比人類工人更加高效，成本也更低。這就削弱了大眾專業知識的價值，正如此前工業革命的技術削弱了手工藝人專業知識的價值。
然而，並非所有任務都遵循明確的規則。正如哲學家邁克爾·波拉尼在 1966 年指出的，「我們所知道的遠超過我們所能表達的」，這意味著我們的默會知識經常超出我們顯式的正式理解。
製作一個有說服力的論點、講一個笑話、騎自行車或識別嬰兒照片中的成人面孔，這些複雜而微妙的任務，人們往往能夠毫不費力地完成，而無需對其背後的原理有正式的理解。
掌握這些被稱為「非常規」任務，並非通過學習規則實現，而是通過實踐學習獲得。孩子們學習騎自行車，不需要先研究陀螺儀的物理原理，簡單的嘗試和錯誤就足以讓他們掌握。但在人工智能技術出現之前，程序員需要詳細指定機器人騎自行車的每一步驟、分支和異常情況。這種現象——即存在許多人類能夠直觀執行但無法用言語明確規則和程序的任務——通常被稱為波拉尼悖論。
通過這個悖論，我們理解到人類的直觀知識和技能有時超出了形式化規則的範圍，展示了人類大腦與機器在處理非常規任務時的根本差異。在資訊時代，隨著計算機技術的不斷進步，我們見證了從大眾專業知識到精英專家知識的轉變，這個轉變不僅改變了工作的本質，也深刻影響了我們對知識和技能認識的方式。
「高級計算技術削弱了普通專業技能的價值，就像工業革命時期的技術一樣削弱了手工藝人的技能價值。」
儘管許多高薪崗位要求處理非常規任務，波蘭尼的悖論證實了傳統計算機在處理某些工作上的局限。經理人、專業人士和技術人員經常需要依據個案做出判斷，而非遵循固定規則，例如為癌症患者制定治療方案、撰寫法律文書、領導團隊或機構、設計建築、開發軟件產品或在惡劣條件下安全降落飛機。雖然掌握規則很重要，但這些情況下還需要更多。
現代的精英專家，如醫生、建築師、飛行員、電工和教師，他們結合了程序化的知識和專家級的判斷力，通常還需創新思維來處理特殊、高風險且常常不確定的情況。就像過去的手藝人一樣，這些專業人士也是通過多年的實踐學習——類似學徒制——來培養他們的專家判斷力，儘管這種說法很少用於描述白領階層。
計算機技術的發展一方面使得大量普通專業知識變得不那麼重要，另一方面卻極大地提升了從事高級專業工作人員的能力。計算機幫助這些專業人士減少了收集和整理資訊的時間，使他們能夠更多地投入到解讀和應用資訊上——即參與到真正的決策過程中。這不僅提高了他們工作的準確性、效率和徹底性，也增加了他們工作的價值。
隨著計算機技術的不斷進步
，那些擁有四年學位以及特別是法律、醫學和科學工程等領域研究生學位的工作者收入顯著增長。但這也帶來了負面影響：計算機自動化替代了那些非精英工作者的常規專業知識，而這正是許多專業人士曾依賴的。
諷刺的是，計算機化對於從事非專家工作的人同樣產生了深遠的影響。在工業化國家，許多低薪工作集中在直接服務行業，如餐飲服務、清潔、保安和個人護理等領域。
儘管這些工作需要靈活性、視覺判斷、簡單的溝通技能和常識，並因此難以被計算機化替代，但它們的薪資依舊較低，因為幾乎所有健康成年人都能在很少的培訓和認證後勝任這些工作。
計算機雖然不能直接完成這些工作，但它們卻增加了競爭這些職位的勞動力供應。過去，那些可能從事辦公室、行政和生產領域的常規專業知識工作的人，現在轉而尋找非常規的直接服務行業工作。這對已經不高的行業薪資造成了進一步的下壓力。
因此，計算機化並未像工業革命那樣引領一個大規模專業知識的新時代，相反，它卻加劇了過去四十年裡不斷加深的不平等現象。人工智能時代下的專業知識，如同工業革命和計算機革命一樣，人工智能代表了人類專業知識經濟價值的轉折點。要理解這一點，我們需要看看人工智能與我們正告別的計算時代有何區別。在人工智能出現之前，計算機的核心優勢在於它能夠無誤差且幾乎不花成本地完成常規的程序化任務。但它的弱點在於難以掌握那些需要隱性知識、非程序化的任務。而人工智能的能力恰好與之相反。
有種諷刺的是，人工智能在處理事實和資料時並不總是那麼可靠，它似乎並不總是「遵守規則」。但人工智能在吸收隱性知識方面卻顯示出了驚人的能力。它不依賴於預設的程序，而是通過觀察和學習來掌握技能，習得了它原本並未被設計來擁有的能力。
如果將傳統計算機程序比作一位嚴格遵循樂譜演奏的古典音樂家，那麼人工智能更像一位爵士樂手，能夠在現有旋律上即興演奏，創作出新的旋律。人工智能能夠將規則性的知識和經驗結合起來，支持或做出一次性的、高風險決策，就像一位人類專家一樣。
人工智能能夠根據其訓練和經驗，靈活地做出判斷和決策，這使得它能夠執行專家級的判斷——這一能力過去通常只屬於頂尖專家的領域。
雖然現在看來還處於起步階段，但這無疑是一種「超級能力」。隨著人工智能在做出專業判斷方面變得更加可靠、敏捷和普遍，它將在未來幾年成為我們工作生活中不可或缺的一部分。它的主要作用將是為決策者提供諮詢、指導和預警，幫助他們做出專業的判斷。如果你覺得這還有些遙遠，不妨看看人工智能在決策方面的能力已經如何悄然影響到我們日常生活的方方面面。
比如，當你的電郵應用自動推薦句子完成時，當你的智能手錶詢問你是否跌倒了，或者當你的汽車自動調整方向讓車輛保持車道中心時，這些都是人工智能在提供專家級的判斷，幫助解讀你的意圖並指導你的行為。「然而，與工業革命開啟的大眾專業知識的新紀元不同，計算機化反而加劇了過去四十年間不平等的趨勢。」
目前，這些決策的影響大多數情況下可能微不足道——除非你在駕駛特斯拉時不慎打瞌睡。但隨著人工智能技術的進步和在我們生活中承擔更多高價值任務，這些決策的影響將會變得越來越重大。這場機器能力的重大進步對人類專業知識的未來意味著什麼？儘管這是一個全新的議題，我認為人工智能的影響在經濟歷史中找到了相似之處，儘管這種相似是與當前情況相反的。回想早期的計算技術時代，它通過加速資訊的獲取與整理，顯著提升了專業決策者的判斷力，使之變得更加關鍵和有價值。與此同時，計算機化技術也使得許多中級技能工人的常規專業技能變得不再那麼重要。
但試想，如果有種技術能夠逆轉這一過程，它會怎樣？這種技術會增強和補充決策能力，使得更多非精英階層的工人也能參與到重大決策中。同時，它還能打破醫生、律師、軟件工程師、教授等在各自領域的壟斷地位。
人工智能正是這種逆轉技術。通過提供實時的指導和限制，人工智能能夠讓更多具備互補知識的工人參與到目前僅限於如醫生、律師、程序員和教育者等精英專家的重要決策任務中。這不僅能提升沒有大學學歷工人的工作質量，減少收入差距，還能像工業革命那樣，降低醫療、教育和法律服務等關鍵服務的成本。
眾所周知，大規模生產技術降低了消費品的成本。然而今天的挑戰在於，醫療、高等教育和法律等基礎服務的成本高昂並持續上升，這些領域都被高度專業化的專家集團所控制。美國聯邦儲備銀行的經濟學家 Emily Dohrman 和 Bruce Fallick 通過研究發現，在過去四十年裡，與美國家庭收入相比，醫療和教育的成本分別上漲了大約兩倍和六倍。這種成本上升的部分原因是雇傭這些精英決策者的費用日益增加。這種收益在一定程度上是合理的，因為當專業知識既必要又稀缺時，它自然會帶來高額的價值。但是，人工智能有潛力通過擴大專業工作的參與者來降低這些成本，從而減輕專業人才的稀缺性。為了更具體地說明這個觀點，讓我們考慮一個並非源自 AI 領域的例子：執業護士（NP）。執業護士是具有註冊護士（RN）資格，並通過額外的碩士學位培訓，獲得了進行診斷測試、評估和診斷病情以及開具藥物處方的能力——這些工作原本是只有醫生才能執行的領域。
2011 年至 2022 年間，執業護士的就業人數近乎增長了三倍，達到約 224,000 人，預測在未來十年將增長大約 40%，遠超全國平均增長率。2022 年，執業護士的中位年薪為 12.59萬美元。執業護士是醫療決策中的精英，他們的工作不僅需要精湛的操作技巧，還要有高超的判斷力，以應對那些需要謹慎決策的特殊病例。執業護士職業之所以引人關注，是因為它是一個罕見的大規模案例，展示了如何將高風險的職責——如診斷、治療和開藥——從最頂尖的醫生手中轉交給了另一群專業人士，即雖然專業知識和培訓略遜一籌但仍非常重要的執業護士。
這種精英決策權限的共享成為可能的關鍵原因是什麼呢？答案主要在於制度的支持。早在 1960 年代初，面對初級保健醫生短缺和註冊護士技能被低估的問題，一群前瞻性的護士和醫生創立了這一新興醫療職業，解決了這兩大問題。
這一進步需要開設新的培訓課程，建立一套認證體系，並在與美國醫學會——醫生主要的遊說團體——的激烈鬥爭中，爭取到了醫療實踐範圍法規的改變。另一個促成這種新勞動分工的因素是資訊技術的發展和培訓的改進。2012 年的研究指出，資訊和計算技術在執業護士工作中扮演了關鍵角色，提高了診斷和治療決策的時效性和質量，使患者更快獲得所需護理，並通過中央數據庫中的患者資料提升了醫療人員之間的溝通質量。用一個比喻來說，如果傳統計算機程序像是嚴格遵循樂譜的古典音樂家，那麼人工智能就像是即興創作新旋律的爵士樂手。簡而言之，電子醫療記錄和更先進的溝通工具讓執業護士能夠做出更明智的決策。
在未來的發展中，人工智能（AI）有潛力成為護士執業者（NPs）在承擔更多醫療保健任務時的重要輔助，提升他們的專業判斷力。這一趨勢的影響遠不止於此。無論是合同法、微積分教學還是導尿術，AI 都有可能賦予更多從業者執行關鍵專業任務的能力，通過增強他們的技能和判斷來實現這一目標。
那麼，是否有證據支持這種假設呢？三項最近的研究提供了實際案例，為這一想法提供了支持。例如，在 2023 年的一項研究中，來自微軟研究院的經濟學家 Sida Peng 與 GitHub Inc. 和麻省理工學院斯隆管理學院的合作夥伴共同展示了 GitHub Copilot —— 一款基於生成式人工智能的編程輔助工具 —— 如何顯著提高程序員的工作效率。通過一個精心設計的實驗，使用了這一工具的參與者比未使用的對照組完成編程任務的速度快了約 56%。
同樣在 2023 年，麻省理工學院的研究生 Shakked Noy 和 Whitney Zhang 通過在線實驗研究了 ChatGPT 在寫作任務中的應用效果。參與實驗的市場營銷人員、贈款編寫者、咨詢顧問、經理等多領域的專業人士中，一半人被隨機挑選並鼓勵使用 ChatGPT 完成寫作任務，而另一半則使用傳統的非 AI 工具，例如文字處理軟件和搜索引擎。
研究發現，使用 ChatGPT 的組別在寫作速度和質量上都實現了顯著提升，任務完成時間整體縮短了 40%。尤其值得注意的是，寫作質量的最大提升集中在了能力較弱的寫作者身上，這些原本表現不佳的寫作者在使用 ChatGPT 後，其效率和質量均達到了未使用 ChatGPT 的中等水平寫作者的水準，這是一個質的飛躍。值得一提的是，ChatGPT 並未取代專業知識的重要性。雖然頂尖的寫作者無論使用哪種工具都能保持其領先地位，但 ChatGPT 使得更有能力的寫作者能夠更快完成工作，而能力較弱的寫作者則能夠更快且更好地完成寫作，從而縮小了普通和卓越寫作者之間的生產力差距。
在另一項由國家經濟研究局最近發布的研究中，斯坦福大學的 Erik Brynjolfsson 以及麻省理工學院的 Danielle Li 和 Lindsey Raymond 對使用生成式 AI 工具來協助客戶服務代理提供回覆建議的效果進行了評估。他們的研究發現，這些工具能夠顯著提升工作效率，大約有 14% 的提升，與 Noy 和 Zhang 的研究結果相似，這種效率的提高在新手工作者中表現得尤為明顯。
這些研究不僅證明了 AI 在提升專業任務執行效率方面的潛力，還突顯了 AI 在幫助提升工作人員技能和判斷力方面的巨大價值。未來，隨著 AI 技術的進一步發展和應用，我們有理由相信，更多的行業和專業任務將因 AI 的輔助而變得更加高效和精準。
AI 工具讓新入行的員工在短短三個月內就掌握了本需十個月才能達到的專業水平。一個意外收穫是，新員工的離職率也顯著降低，很可能是因為他們在聊天窗口遭遇的顧客怒氣有所減少。有了 AI 工具的緩衝，客服人員面對顧客的敵意大大減少，他們對顧客的態度也更為友好。
在所有這三種情況下，AI 工具是對專家知識的一種補充而非替代。這種變化是通過自動化（automation）和增強（augmentation）的結合實現的。自動化帶來的好處是節省了時間：AI 能夠自動草擬計算機代碼、廣告文案和客戶支持回覆的初稿。而增強則在於提高了工作質量。
借助 AI，技能較弱的工作者產出的工作質量更接近他們那些更有經驗和技能的同事。然而，提高質量並不僅僅是因為工作者在 AI 的幫助下變得懶散，而是因為他們被要求運用自己的專業知識和判斷力，結合 AI 的建議，來完成代碼編寫、文案創作或客戶服務等任務的最終產品。
最近一篇 NBER 的研究報告提出了一個看似反其道而行之的例子，卻恰恰驗證了上述規則。在一個將 AI 輔助工具隨機分配給專業放射科醫生的實驗中，麻省理工學院的 Nikhil Agarwal 和他的同事們發現，儘管 AI 的預測準確度與大多數醫生相當，但它並沒有提高放射科醫生的診斷質量。
原因在於醫生不知道如何有效利用 AI 工具。當 AI 提供了高度自信的預測時，醫生往往會用自己的判斷覆蓋這些預測。而當 AI 的預測不夠確定時，醫生又往往會錯誤地採納 AI 的建議，而放棄自己更準確的判斷。這一發現並不意味著 AI 不適用於醫療領域，而是指出了廣泛而補充性地使用 AI 需要醫生進行培訓和掌握額外的專業知識。掌握了這些知識後，放射科醫生能夠更快速、更準確地完成診斷，並將他們的時間和專長轉移到那些 AI 難以處理的更複雜案例上。這些研究結果表明，AI 不僅有能力提升專業人員的工作效率，還能夠提高工作質量，尤其是對於那些技能較弱的工作者。這種能力的提升，源於 AI 能夠補充專家的知識和判斷，而不是取代它們。
人工智能將如何改變未來的勞動市場？
當我們思考人工智能對未來勞動市場的影響時，我們應該考慮的不僅僅是哪些工作將被自動化，還應該考慮哪些新的工作機會將會出現，以及現有的工作如何因人工智能的介入而轉型。AI 的進步不僅會影響那些重複性高、規則性強的工作，也會對需要創造性思維、人際交往和複雜決策的工作產生深遠影響。
隨著 AI 技術的進步，我們預計將出現更多像執業護士、客戶服務代理和程序員這樣的職業，這些職業將依賴於 AI 的輔助來提高工作效率和質量。這不僅意味著勞動市場將需要更多具備相關技能的工作者，也意味著這些工作的性質將發生變化，要求工作者學會如何與 AI 合作，最大限度地發揮其潛力。此外，AI 的發展也可能帶來全新的職業機會，這些機會可能涉及設計、監督和改進 AI 系統，或者利用 AI 生成的洞察來創建新的商業模式和服務。這意味著勞動力市場將需要一批具備跨學科知識和技能的新型專業人才，他們不僅要懂得技術，還要具備批判性思維、創新能力和適應能力。
同時，AI 的普及也可能加劇現有的不平等問題，尤其是對於那些無法適應新技術要求的工作者。因此，政府和企業需要共同努力，通過教育和培訓計劃為工作人員提供必要的技能培訓，以確保他們能夠從 AI 的發展中受益，而不是被邊緣化。最後，我們也應該關注 AI 如何影響勞動條件和工作滿意度。AI 的輔助可以減輕工作負擔，提高工作效率，但也可能帶來監控和隱私問題，或者對工作安全感造成威脅。因此，制定合適的政策和規範，以確保 AI 的應用促進而非破壞勞動者的福祉，將是我們面臨的重要挑戰。總之，人工智能將對未來的勞動市場產生深遠的影響，不僅改變了工作的性質和要求，還創造了新的職業機會並可能加劇社會不平等。面對這些挑戰和機遇，我們需要積極應對，通過教育、培訓和政策干預，確保所有人都能在 AI 的時代中找到自己的位置。
人工智能的拐點
人工智能的發展正處於一個關鍵時刻，它有潛力徹底改變我們的工作和生活方式。從提高工作效率和質量到創造全新的職業機會，AI 為我們帶來了前所未有的可能性。然而，這些變革也帶來了挑戰，包括如何確保技術發展惠及所有人、如何處理由 AI 引起的倫理和社會問題，以及如何培養未來的勞動力以適應這一變革。
為了充分利用 AI 帶來的機會並應對相關挑戰，我們需要跨學科的合作，包括政策制定者、教育家、企業領袖和技術專家的共同努力。通過創新的教育和培訓計劃、負責任的技術開發和使用以及有效的政策支持，我們可以確保 AI 的發展促進社會進步，為所有人帶來福祉。人工智能時代的來臨是不可避免的，但我們如何應對這一變革，塑造一個更加公平、包容和創新的未來，則掌握在我們自己手中。通过積極行動和合作，我們可以確保人工智能成為推動人類發展的強大力量，而不是一個挑戰。
發表迴響