如果將AI用于自動化，它將取代勞動者；但如果用它來為勞動者提供更有用的信息，它就能增加對其服務的需求，從而提升他們的收入。

　　這是一個充滿不確定性和困惑的時代。我們不僅要應對流行病、氣候變化、各主要經濟體的社會性老齡化以及日益緊張的地緣政治局勢，人工智能也即將改變我們所熟知的世界。而事情將以多快的速度發生改變以及誰會最終得益，則尚未揭曉。

　　如果聽一聽業內人士或主流報紙的科技記者的說法，你可能會認為通用人工智能——能夠執行任何人類認知任務的AI技術——即將到來。相應地，關于這些驚人的能力是否會給我們帶來原本無法想象的繁榮（一些不太夸張的觀察家預計GDP增速將加快超過1~2個百分點），或者反過來終結人類文明，讓人們淪為超級智能AI模型奴隸的問題，人們也進行了諸多辯論。

　　這次AI會有所不同嗎？

　　如果看看實體經濟的狀況，你會發現當下與過去差別不大。目前還沒有證據表明AI能夠帶來革命性的生產力提升。與許多技術專家所承諾的相反，我們仍然需要放射科醫生（事實上比以往更加需要）、記者、律師助理、會計師、辦公室文員和人類司機。正如我最近指出的那樣，在未來十年內AI取代人類工作的比例不會超過5%。AI模型要獲得大多數工作所需的判斷力、多維推理能力和社交技能，同時AI和計算機視覺技術發展到可以與機器人結合執行制造和建筑等高精度物理任務的水平，都還需要相當長的時間。

　　當然，這些都是預測，而預測總是有可能出錯的。隨著業內人士對進步速度的憂慮日益強烈，也許改變游戲規則的AI突破將比預期中更快到來。但AI的歷史上其實充斥著業內人士雄心勃勃的預測。AI鼻祖馬文·明斯基在20世紀50年代中期就預測說，機器將在短短幾年內超越人類，雖然這種情況并未出現，他依然堅持自己的觀點。1970年時他仍然堅持認為：“在3~8年內我們將擁有一臺跟普通人一般智能的機器。我指的是一臺能夠閱讀莎士比亞作品、給汽車上油、玩弄辦公室政治、講笑話、吵架的機器。到那時機器將以驚人的速度開始自我教育。幾個月后它將達到天才水平，再過幾個月則能力不可估量。”

　　類似的樂觀預測在此后一再出現，但最終都在周期性的“AI寒冬”中被拋棄。那么這次會有所不同嗎？

　　可以肯定的是，生成式AI的能力已經遠遠超過了行業之前所創造的一切。但這并不意味著行業預期的時間表是正確的。AI開發人員們樂于打造即將發生革命性突破的印象，以刺激需求和吸引投資者。

　　但即使進展速度較慢也會引發擔憂，因為AI已經造成了嚴重破壞：換臉、操縱選民和消費者以及大規模監控只是冰山一角。AI還可以用于大規模自動化——即使這種用途意義不大。我們已經有了在沒搞清楚數字技術將如何提高生產力的情況下將其引入工作場所的例子，更不用說提高現有員工的生產力了。在AI炒作下許多企業備感壓力，急于跟風，卻不知道AI如何才能幫到他們。

　　這種追逐潮流的做法是有代價的。在我與帕斯卡爾·雷斯特雷波的研究中，我們發現那些效果一般的自動化只會帶來兩敗俱傷的后果。如果一項技術還不能大幅提高生產力，那么大規模推廣它來替代人類完成各種任務只會帶來痛苦而毫無益處。根據我自己的預測，在AI將取代約5%工作崗位的未來十年內，其對不平等的影響會非常有限。但如果炒作甚囂塵上，企業紛紛采用AI來從事機器無法同樣勝任的工作，那么我們可能會在未能獲得相應生產力提升的情況下遭遇更大的不平等。

　　因此我們不能排除最壞的情況：AI的變革潛力無法發揮，但下崗、信息誤導和操縱卻無所不在。這將是一場悲劇，不僅因為對勞動者和社會政治生活造成了負面影響，還因為這意味著錯失了重大機遇。

　　為誰而進步？

　　開發一種可以輔助工人、保護我們的數據和隱私、改善信息生態系統并加強民主的不同類型AI不僅在技術上可行，也符合社會需求。

　　AI是一種信息技術。無論是以預測形式（例如社交媒體平臺上的推薦引擎）還是生成形式（大型語言模型）運行，其功能都是篩選海量信息并識別相關模式。這種能力是解決我們問題的完美良藥。我們生活在一個信息豐富的時代，但有用的信息卻很少。互聯網上應有盡有（當然也包括許多你不需要的東西），但要想找到特定工作或目的所需的信息卻難上加難。

　　有用的信息可以提高生產力，而正如大衛·奧特、西蒙·約翰遜和我所論證的那樣，這在當前經濟形勢下比以往任何時候都更加重要。許多職業——從護士、教育工作者到電工、水管工和其他現代手工業者——都因缺乏處理日益復雜問題的特定信息和培訓而舉步維艱。為什么有些學生跟不上進度？哪些設備和車輛需要提前維護？我們如何檢測飛機等復雜產品中的故障？這類信息正是AI所能提供的。

　　當應用于此類問題時，AI可以帶來生產力提升——而且比我自己那些貧乏的預測所設想的要多得多。如果將AI用于自動化，它將取代勞動者；但如果用它來為勞動者提供更有用的信息，它就能增加對其服務的需求，從而提升他們的收入。

　　不幸的是有三個重大障礙橫亙在這條路徑上。

　　第一個障礙是人們對通用人工智能的迷戀。對超級智能機器的幻想促使行業忽視了AI作為一項可以幫助勞動者的信息技術的真正潛力。針對相關領域的準確知識才是真正重要的，但這卻不是行業一直在投資的方向。會寫莎士比亞十四行詩的聊天機器人并不能讓電工完成復雜的新任務。但如果你真心相信通用人工智能即將到來，那干嘛還要費心去幫助電工呢？

　　問題不僅僅在于對AI的癡迷。一般來說工具應該去做一些人類不擅長高效完成的任務。錘子、計算器就是這樣的東西，而在被社交媒體破壞之前的互聯網也是如此。但科技行業卻采取了相反的看法，傾向于使用能夠取代人類而不是輔助人類的數字工具。這在某種程度上是因為許多科技領導者低估了人類的天賦，同時夸大了人類的局限性和易犯錯誤程度。人類固然會犯錯，但他們也會借助獨特的視角、才能和認知工具去達成各項任務。相比于贊美機器的優越性，我們需要一個行業范式去強調其最大的優勢：增強和擴展人類的能力。

　　第二個障礙是對人的投資不足。只有我們在培訓和技能方面投入同樣多的資金，AI才能成為增強人類能力的工具。如果大多數人無法使用AI工具或者無法獲取和處理它們提供的信息，那么這些工具對工人的輔助作用就將微乎其微。人類花了很長時間才弄清楚如何應對印刷機、收音機、電視和互聯網等新源頭發來的信息，但AI在這方面的時間還會被壓縮（即使“通用人工智能很快來臨”的情境仍然大多是夸夸其談）。

　　確保人類受益于AI而不是被其愚弄的唯一方法，就是在各個層面進行培訓和教育投資。這意味著要超越那些投資于跟AI互補技能的陳腐建議。這當然很有必要，但卻遠遠不夠。我們真正需要的是教會學生和勞動者，如何與AI工具共存并正確使用它們。

　　第三個障礙是科技行業的商業模式。我們只有科技企業投資之后才能得到更優秀的AI；但該行業如今比以往任何時候都更加集中，而那些主導企業一門心思想要研究通用人工智能以及各類取代和操縱人類的應用程序。該行業的大部分收入來自數字廣告——通過收集用戶的大量數據好讓他們沉迷于平臺及其產品——以及銷售實現自動化的工具和服務。

　　但新的商業模式不太可能自然生長。現有的企業已經建立起了龐大的帝國并壟斷了資本、數據、人才等關鍵資源，使有抱負的新進入者日益陷入不利境地。就算有新的參與者脫穎而出，也更可能被某些科技巨頭收購而不是挑戰它們的商業模式。

　　最重要的是，我們需要制定一個抵制通用人工智能、以人為本的議程。勞動者和公民應該被賦權去推動AI朝著實現其作為一項信息技術所給出的承諾的方向發展。但要做到這一點，我們需要在媒體、政策制定圈和民間社會中構建一個新的敘事，并制定更好的法規和政策應對。政府可以幫助改變AI的發展方向，而不是僅僅在問題出現時才做出反應。但首要的是，政策制定者必須認識到問題所在。

　　（作者系2024年度諾貝爾經濟學獎獲得者、麻省理工學院校聘經濟學教授）