如果将AI用于自动化，它将取代劳动者；但如果用它来为劳动者提供更有用的信息，它就能增加对其服务的需求，从而提升他们的收入。
这是一个充满不确定性和困惑的时代。我们不仅要应对流行病、气候变化、各主要经济体的社会性老龄化以及日益紧张的地缘政治局势，人工智能也即将改变我们所熟知的世界。而事情将以多快的速度发生改变以及谁会最终得益，则尚未揭晓。
如果听一听业内人士或主流报纸的科技记者的说法，你可能会认为通用人工智能——能够执行任何人类认知任务的AI技术——即将到来。相应地，关于这些惊人的能力是否会给我们带来原本无法想象的繁荣（一些不太夸张的观察家预计GDP增速将加快超过1~2个百分点），或者反过来终结人类文明，让人们沦为超级智能AI模型奴隶的问题，人们也进行了诸多辩论。
这次AI会有所不同吗？
如果看看实体经济的状况，你会发现当下与过去差别不大。目前还没有证据表明AI能够带来革命性的生产力提升。与许多技术专家所承诺的相反，我们仍然需要放射科医生（事实上比以往更加需要）、记者、律师助理、会计师、办公室文员和人类司机。正如我最近指出的那样，在未来十年内AI取代人类工作的比例不会超过5%。AI模型要获得大多数工作所需的判断力、多维推理能力和社交技能，同时AI和计算机视觉技术发展到可以与机器人结合执行制造和建筑等高精度物理任务的水平，都还需要相当长的时间。
当然，这些都是预测，而预测总是有可能出错的。随着业内人士对进步速度的忧虑日益强烈，也许改变游戏规则的AI突破将比预期中更快到来。但AI的历史上其实充斥着业内人士雄心勃勃的预测。AI鼻祖马文·明斯基在20世纪50年代中期就预测说，机器将在短短几年内超越人类，虽然这种情况并未出现，他依然坚持自己的观点。1970年时他仍然坚持认为：“在3~8年内我们将拥有一台跟普通人一般智能的机器。我指的是一台能够阅读莎士比亚作品、给汽车上油、玩弄办公室政治、讲笑话、吵架的机器。到那时机器将以惊人的速度开始自我教育。几个月后它将达到天才水平，再过几个月则能力不可估量。”
类似的乐观预测在此后一再出现，但最终都在周期性的“AI寒冬”中被抛弃。那么这次会有所不同吗？
可以肯定的是，生成式AI的能力已经远远超过了行业之前所创造的一切。但这并不意味着行业预期的时间表是正确的。AI开发人员们乐于打造即将发生革命性突破的印象，以刺激需求和吸引投资者。
但即使进展速度较慢也会引发担忧，因为AI已经造成了严重破坏：换脸、操纵选民和消费者以及大规模监控只是冰山一角。AI还可以用于大规模自动化——即使这种用途意义不大。我们已经有了在没搞清楚数字技术将如何提高生产力的情况下将其引入工作场所的例子，更不用说提高现有员工的生产力了。在AI炒作下许多企业备感压力，急于跟风，却不知道AI如何才能帮到他们。
这种追逐潮流的做法是有代价的。在我与帕斯卡尔·雷斯特雷波的研究中，我们发现那些效果一般的自动化只会带来两败俱伤的后果。如果一项技术还不能大幅提高生产力，那么大规模推广它来替代人类完成各种任务只会带来痛苦而毫无益处。根据我自己的预测，在AI将取代约5%工作岗位的未来十年内，其对不平等的影响会非常有限。但如果炒作甚嚣尘上，企业纷纷采用AI来从事机器无法同样胜任的工作，那么我们可能会在未能获得相应生产力提升的情况下遭遇更大的不平等。
因此我们不能排除最坏的情况：AI的变革潜力无法发挥，但下岗、信息误导和操纵却无所不在。这将是一场悲剧，不仅因为对劳动者和社会政治生活造成了负面影响，还因为这意味着错失了重大机遇。
为谁而进步？
开发一种可以辅助工人、保护我们的数据和隐私、改善信息生态系统并加强民主的不同类型AI不仅在技术上可行，也符合社会需求。
AI是一种信息技术。无论是以预测形式（例如社交媒体平台上的推荐引擎）还是生成形式（大型语言模型）运行，其功能都是筛选海量信息并识别相关模式。这种能力是解决我们问题的完美良药。我们生活在一个信息丰富的时代，但有用的信息却很少。互联网上应有尽有（当然也包括许多你不需要的东西），但要想找到特定工作或目的所需的信息却难上加难。
有用的信息可以提高生产力，而正如大卫·奥特、西蒙·约翰逊和我所论证的那样，这在当前经济形势下比以往任何时候都更加重要。许多职业——从护士、教育工作者到电工、水管工和其他现代手工业者——都因缺乏处理日益复杂问题的特定信息和培训而举步维艰。为什么有些学生跟不上进度？哪些设备和车辆需要提前维护？我们如何检测飞机等复杂产品中的故障？这类信息正是AI所能提供的。
当应用于此类问题时，AI可以带来生产力提升——而且比我自己那些贫乏的预测所设想的要多得多。如果将AI用于自动化，它将取代劳动者；但如果用它来为劳动者提供更有用的信息，它就能增加对其服务的需求，从而提升他们的收入。
不幸的是有三个重大障碍横亘在这条路径上。
第一个障碍是人们对通用人工智能的迷恋。对超级智能机器的幻想促使行业忽视了AI作为一项可以帮助劳动者的信息技术的真正潜力。针对相关领域的准确知识才是真正重要的，但这却不是行业一直在投资的方向。会写莎士比亚十四行诗的聊天机器人并不能让电工完成复杂的新任务。但如果你真心相信通用人工智能即将到来，那干嘛还要费心去帮助电工呢？
问题不仅仅在于对AI的痴迷。一般来说工具应该去做一些人类不擅长高效完成的任务。锤子、计算器就是这样的东西，而在被社交媒体破坏之前的互联网也是如此。但科技行业却采取了相反的看法，倾向于使用能够取代人类而不是辅助人类的数字工具。这在某种程度上是因为许多科技领导者低估了人类的天赋，同时夸大了人类的局限性和易犯错误程度。人类固然会犯错，但他们也会借助独特的视角、才能和认知工具去达成各项任务。相比于赞美机器的优越性，我们需要一个行业范式去强调其最大的优势：增强和扩展人类的能力。
第二个障碍是对人的投资不足。只有我们在培训和技能方面投入同样多的资金，AI才能成为增强人类能力的工具。如果大多数人无法使用AI工具或者无法获取和处理它们提供的信息，那么这些工具对工人的辅助作用就将微乎其微。人类花了很长时间才弄清楚如何应对印刷机、收音机、电视和互联网等新源头发来的信息，但AI在这方面的时间还会被压缩（即使“通用人工智能很快来临”的情境仍然大多是夸夸其谈）。
确保人类受益于AI而不是被其愚弄的唯一方法，就是在各个层面进行培训和教育投资。这意味着要超越那些投资于跟AI互补技能的陈腐建议。这当然很有必要，但却远远不够。我们真正需要的是教会学生和劳动者，如何与AI工具共存并正确使用它们。
第三个障碍是科技行业的商业模式。我们只有科技企业投资之后才能得到更优秀的AI；但该行业如今比以往任何时候都更加集中，而那些主导企业一门心思想要研究通用人工智能以及各类取代和操纵人类的应用程序。该行业的大部分收入来自数字广告——通过收集用户的大量数据好让他们沉迷于平台及其产品——以及销售实现自动化的工具和服务。
但新的商业模式不太可能自然生长。现有的企业已经建立起了庞大的帝国并垄断了资本、数据、人才等关键资源，使有抱负的新进入者日益陷入不利境地。就算有新的参与者脱颖而出，也更可能被某些科技巨头收购而不是挑战它们的商业模式。
最重要的是，我们需要制定一个抵制通用人工智能、以人为本的议程。劳动者和公民应该被赋权去推动AI朝着实现其作为一项信息技术所给出的承诺的方向发展。但要做到这一点，我们需要在媒体、政策制定圈和民间社会中构建一个新的叙事，并制定更好的法规和政策应对。政府可以帮助改变AI的发展方向，而不是仅仅在问题出现时才做出反应。但首要的是，政策制定者必须认识到问题所在。
（作者系2024年度诺贝尔经济学奖获得者、麻省理工学院校聘经济学教授）
