比爾·蓋茨萬字長文警告:動盪的AI時代已經到來,這次不一樣

鏈捕手
08/26

文丨曉靜,騰旭科技

「AI要麼將成為有史以來最偉大的均衡器,要麼將成為不公正的最大源頭。」這是微軟創始人比爾·蓋茨對AI未來最鮮明的判斷。

三年前,比爾·蓋茨還把AI比作汽車和互聯網,認為風險真實,但可以通過規則、技術和社會適應來管理;到今年初,他仍把自己的態度概括為「帶着腳註的樂觀主義」。

美國當地時間8月26日,蓋茨發表最新長文《動盪的AI時代已經到來,我們的選擇至關重要》,他表示,這是他第一次面對一種新技術,希望它發展得慢一點。

他開始主張給部分職業劃出「人類保留區」——即使AI能做,也應該規定必須由人來完成;同時考慮對AI Token和機器人徵稅,降低企業用機器替代人的激勵。

他曾經一直希望創新來得更快,但今天,他卻說了一句意味深長的話「這一次真的不同。」

「我們需要時間來為這場社會、政治和經濟動盪做準備。」他說,「但AI很難停下來等人類」。

01 最擔心年輕人的第一份工作

蓋茨最擔心的變化,發生在就業市場。

AI正在從輔助人類工作,走向獨立完成任務。當模型能夠穩定地完成一項工作,公司自然會產生採用它的動力。一個企業用AI降低成本後,競爭對手也很難長期維持原來的用工方式。這種變化會形成越來越快的連鎖反應。

蓋茨預計,客服、銷售、軟件工程、律師助理等崗位可能較早受到影響。隨着AI能力繼續提升,貸款審核、數據分析、醫療分診等工作也會逐步被接管。

藍領崗位同樣難以完全置身事外。現在機器人的靈巧程度還沒有達到人類水平,但蓋茨認為,隨着機器人價格下降、AI能力增強,到2030年左右,建築、酒店等行業的一些體力工作可能開始出現人與機器的直接競爭。

這一次,蓋茨尤其擔心年輕人。因為職場最容易被忽略的一環,恰恰是入門級工作。很多年輕人最初從事的工作並不複雜,卻是他們積累經驗、學習技能和建立職業關係的重要機會。如果這些崗位大量消失,年輕人面對的可能是一條更窄的職業起點。

過去人們常拿農業人口轉移和製造業自動化來說明技術革命最終會創造新工作。蓋茨認為,這一次不能簡單照搬過去的經驗。AI能夠直接替代人類認知勞動,而新工作往往需要更長時間才能掌握。對於一個剛進入職場的人來說,幾年甚至更久的培訓周期,本身就可能成為一道門檻。

所以他主張,社會現在就應該討論失業、再培訓和社會保障。等到大量人已經失去工作,再去建立這些機制,可能已經來不及。

更大的問題是收入。如果未來很多人工作的時間明顯減少,甚至長期沒有工作,那麼一個依賴就業獲得收入、身份和社會聯繫的經濟體系該如何運轉?蓋茨認為,這將成為AI時代必須回答的結構性問題。

02 AI讓危險更容易複製

就業只是蓋茨擔心的一面。另一面,是AI正在降低一些危險行為的技術門檻。

過去,開發惡意軟件、發動網絡攻擊或者獲取複雜的生物技術知識,需要相當專業的技能。AI出現後,這些能力可能逐漸變得更加容易獲得。

蓋茨尤其關注網絡安全。同一個AI模型可以幫助企業尋找軟件漏洞,也可能幫助攻擊者找到同樣的漏洞。醫院、金融機構、電網、供水系統以及政府福利系統,都可能成為攻擊目標。

生物技術同樣存在類似問題。AI可以幫助科學家尋找新的藥物和疫苗,也可能幫助惡意行為者研究危險病原體。對於蓋茨來說,最棘手之處就在這裏:推動科學進步的能力,與製造風險的能力越來越接近。

更極端的風險來自AI系統自身。隨着模型能力提升,它們可能開始執行設計者沒有預料到的行為。如果未來AI具備更強的自主行動和自我改進能力,人類是否還能始終掌握控制權,目前沒有確定答案。

這也是為什麼蓋茨不認為AI治理只是科技公司的內部事務。AI同時影響就業、公共衛生、能源、金融、國家安全、教育、稅收和選舉等領域。如果每個政府部門只負責自己的一小塊,很容易出現沒人真正負責整體風險的情況。

因此,他提出建立新的國內和國際治理機制。在國家內部,需要有能夠協調不同部門的機構。在國際層面,也需要建立類似核武器監管、國際航空規則那樣的合作體系。

蓋茨特別提到,中美等AI領先國家需要儘早開始對話。

AI競爭越激烈,合作越困難。與其等到技術發展逼近危險階段,再臨時制定規則,不如現在就開始建立共同規範。

03 AI太懂人也可能成為問題

蓋茨還提出了一個更難量化的問題:當AI越來越懂人,人類會不會因此失去一些成長的機會?

他在文章中回憶自己的童年。小時候的他並不擅長社交,需要不斷與別人相處、經歷衝突,再慢慢學會如何理解不同的人。如果當時有一個AI伴侶始終陪着他,永遠不會生氣,也不會讓他感到尷尬和不舒服,他懷疑自己還會不會經歷那些必要的成長過程。

這也是他對AI伴侶最擔心的地方。一個總能順着用戶說話、隨時提供安慰的系統,很容易讓人產生依賴。對於成年人,這種影響尚且可以慢慢觀察;對於兒童和青少年,問題可能更加嚴重。

蓋茨擔心,如果孩子習慣於與一個永遠迎合自己的AI相處,他們可能更少面對現實關係中的衝突、拒絕和挫折。

教育也存在類似問題。AI可以幫助學生解釋知識、查找資料、完成作業,但如果學生把思考過程全部交給機器,學習本身可能被掏空。尤其在深度僞造和個性化虛假信息越來越普遍的情況下,判斷真假、理解信息來源和獨立思考的能力會越來越重要。

AI使用頻率越高,批判性思維能力越低,且這一效應在年輕人中更為顯著。來源:瑞士商學院教授麥克·格里奇(Michael Gerlich)的論文

不過,蓋茨並沒有把AI在教育和陪伴領域的價值一筆抹掉。

對於孤獨的老人、行動受限的人,AI可能提供過去難以獲得的陪伴和信息。對於教師來說,AI也可以承擔備課、批改等重複工作,讓老師把更多時間用在學生身上。

問題最終落到了一個邊界上:哪些事情可以交給機器,哪些事情需要人類親自完成?蓋茨認為,這條邊界應該由社會主動討論和決定,而不能等技術普及之後再被動接受結果。

04 AI應該賦能所有人

如果只看到這些風險,很容易把蓋茨理解成一個對AI越來越悲觀的人。實際上,他仍然非常看好AI能夠解決現實問題。

醫療是他重點提到的領域。美國很多小型醫院缺少經驗豐富的專科醫生,AI可以幫助醫生分析影像、發現中風等緊急疾病,也可以輔助基層醫生進行診斷。對於患者來說,它還能夠解釋複雜的檢查結果和用藥安排。

在低收入國家,農業可能成為AI更快產生影響的領域。許多農民缺乏準確天氣預報,也缺少種植、病蟲害和土壤管理方面的專業建議。如果AI能夠直接把這些知識提供給農民,他們就可能獲得過去只有大型農業企業才能使用的信息和工具。

政府服務也有類似機會。很多家庭申請醫療保險、食品援助和學生資助時,需要填寫大量複雜材料。AI可以幫助普通人理解政策、準備申請,讓他們更容易獲得本來就應該享有的公共服務。

蓋茨看到的,是AI對專業能力的重新分配。過去,一個人如果想開發軟件、做市場研究、分析醫療信息,往往需要僱佣專業人士。未來,AI可以成為個人和小企業的「能力放大器」。這意味着一個小團隊也可能完成過去只有大型公司才能完成的工作。

但蓋茨也提醒,AI不會自動帶來公平。如果高質量AI只服務於有錢人,那麼技術進步反而可能進一步擴大差距。政府和慈善機構需要讓低收入人群以及發展中國家也能夠獲得這些能力。

這也是蓋茨把AI和自己過去慈善事業聯繫起來的原因。他表示,蓋茨基金會未來將利用AI加速艾滋病、結核病、瘧疾和營養不良等領域的研究,同時幫助醫療、農業和教育項目獲得更好的工具。

05 給人類一塊「保留地」,再給機器人上點稅

面對AI帶來的就業衝擊,蓋茨提出了兩個非常具體的設想。

第一個,是給人類保留一部分工作。

這個想法來自他父親晚年患阿爾茨海默症時的經歷。護理人員能夠在父親無法清楚表達需求時判斷他的狀態,知道什麼時候該喫飯、休息或者接受照顧。在蓋茨看來,這種照護中的人性有無法被機器替代的價值。

因此,他提出「人類保留地」這個概念。就像自然保護區裏有些土地可以開發,卻被社會主動選擇保留下來,未來也可能有一部分工作,即使AI和機器人能夠完成,人類仍然決定繼續由人來做。醫療、教育、心理健康和養老可能屬於這類領域。

當然,這個範圍不會一成不變。一個勞動力充足的國家,可能更希望保留人工護理;人口快速老齡化、年輕勞動力不足的國家,則可能更願意使用護理機器人。

第二個建議,是重新考慮機器人稅

目前企業僱佣一個人,需要承擔工資稅等成本。而購買機器人,卻可以按照企業支出處理。蓋茨認為,這種稅收結構會讓企業更有動力用機器替代人工。如果對機器人或AI帶來的自動化收益徵收一定稅費,可以為失業人員再培訓和社會保障提供資金,也能讓企業在決定是否替代人工時多考慮一步。

蓋茨知道,這個方案會引發爭議,因為徵稅可能降低部分自動化速度,也可能影響效率。但他認為,AI將帶來足夠大的生產力提升,社會有必要拿出一部分收益,幫助那些最先受到衝擊的人。

在蓋茨看來,真正需要提前準備的,從來不只是新的AI模型,還包括一個能夠承受AI快速變化的社會。

免責聲明:投資有風險,本文並非投資建議,以上內容不應被視為任何金融產品的購買或出售要約、建議或邀請,作者或其他用戶的任何相關討論、評論或帖子也不應被視為此類內容。本文僅供一般參考,不考慮您的個人投資目標、財務狀況或需求。TTM對信息的準確性和完整性不承擔任何責任或保證,投資者應自行研究並在投資前尋求專業建議。

熱議股票

  1. 1
     
     
     
     
  2. 2
     
     
     
     
  3. 3
     
     
     
     
  4. 4
     
     
     
     
  5. 5
     
     
     
     
  6. 6
     
     
     
     
  7. 7
     
     
     
     
  8. 8
     
     
     
     
  9. 9
     
     
     
     
  10. 10