人类历来为了生存而迁徙。当冰川推进、河流干涸、城市衰落时,人们便会离开。他们的迁徙旅途常伴随痛苦,但却是必要的,无论是穿越沙漠、山脉还是海洋。而今天,我们正步入一种全新的迁徙形式——这次不是跨越地理,而是跨越认知。
AI正以前所未有的速度重塑认知领域。在过去两年中,大语言模型(LLM)在多个领域已达到了博士级水平。它正像地震改变地形那样,重构着我们的心智地图。如此迅速的变化似乎引发了一种观望式的不作为:我们明知一场迁徙即将来临,但却难以确切想象它将如何以及何时展开。但请毫不犹豫地认识到,惊人变革的初始阶段已经悄然启动。
曾经仅限于受过良好教育的专业人士处理的任务(包括撰写论文、作曲、草拟法律合同和诊断疾病),如今都能由机器以惊人速度完成。不止如此,最新的AI系统还能进行细致入微的推理和实现久被认为只有人类才能完成的独特洞察,从而进一步加速了这场迁徙的需求。
例如,在《纽约客》的一篇文章中,普林斯顿科技史教授 Graham Burnett 对于 Google 的 NotebookLM 能够在启蒙时代哲学理论与现代电视广告之间建立起意想不到且启发性的联系,感到赞叹不已。
随着AI能力的不断增强,人类亟需在机器仍显不足的领域中,挖掘新的意义与价值,这些领域包括人类的创造力、伦理推理、情感共鸣以及跨代意义的构建。这种“认知迁徙”将定义未来的工作、教育和文化,而那些认识到并为之做好准备的人,将会塑造人类历史的下一篇章。
机器进步之处,人类便必须前行
就像气候迁徙者因为海平面上升或气温愈发炎热而不得不离开熟悉的环境一样,认知迁徙者也需要寻找能够发挥其价值的新领域。但我们究竟该去何处又如何前行呢?
Moravec 悖论能为我们提供一些启示。此现象得名于奥地利科学家 Hans Moravec,他在1980年代观察到:人类认为困难的任务对计算机来说却十分容易,而人类擅长的任务对计算机来说却异常棘手。正如计算机科学家和未来学家 Kai-Fu Lee 所言:“让我们选择做机器的事,让机器做它们擅长的,而人类则专注于我们固有的领域。”
Moravec 的洞见为我们提供了重要线索。人类在那些直观、情感丰富、与身体经验紧密联系的任务上表现出色,而这正是机器尚且薄弱的领域。成功穿过熙熙攘攘的街道、在对话中识破讽刺、直觉感知一幅画作所传递出的忧郁情绪——这些都是经过数百万年进化深植于人性的知觉与判断。而相较而言,虽能轻松破解逻辑谜题或摘要一部千页小说的机器,往往在我们认为是第二天性的任务上却屡屡受挫。
AI暂时触及不到的人类领域
随着AI的迅速进步,人类活动的安全领域将逐步向创造力、伦理推理、情感联系以及深层意义构建迁移。未来不远,人类的工作将越来越依靠那些独一无二的人类优势,包括培养洞察力、想象力、同理心和道德智慧。就像气候迁徙者寻找新的沃土,认知迁徙者亦须规划通向这些纯粹人性领域的路径,尽管旧有的劳动与学习景观正悄然发生转变。
并非所有工作都会被AI席卷。与地理迁徙通常有较为明确的起点不同,认知迁徙初期将逐步展开,且在不同领域和地区表现出不均衡性。AI技术的扩散及其影响可能需要十年甚至二十年时间才能完全显现。
许多依赖人类在场、直觉与人际关系构建的岗位,至少在近期内受到的影响相对较小。这些岗位涵盖从护士到电工以及一线服务人员等一系列技术型职业。这些岗位通常需要细致的判断、身体感知以及信任感,而这些正是机器并不善于提供的人类特质。
因此,认知迁徙并非普遍现象。但我们如何为人类工作赋予价值和目标的整体转变,仍将波及四周。即便某些岗位保持稳定,其所承载的工作意义也将随这变动不居的世界而重塑。
有人提出,AI将会开启一个充满丰饶的世界,在那里工作将变得可有可无,创造力将大放异彩,社会将凭借数字化生产力蓬勃发展。或许这种未来终将到来,但我们不能忽视为实现这一转变而必须经历的巨大变革。工作变革速度将远远超过大多数人适应的现实能力。那些为稳定而构建的机构必然会滞后。曾经被赋予意义的工作在被重新构想前,必然会出现缺失。如果丰饶是那承诺之地,那么认知迁徙便是达到彼岸所必需(虽充满不确定)的旅程。
前方道路崎岖不平
正如气候迁徙中并非所有人都能轻松或平等地迁移,我们的学校仍在为一个即将消逝的世界培养学生,而非为一个正在崛起的全新世界做准备。许多组织仍固守着奖励重复性产出的效率指标,而这正是AI现已能超越我们的一环。太多人将会陷入迷茫,困惑于在这个机器可以替代他们曾引以为傲技能的世界中,他们的存在感究竟何在。
人类的目标与意义很可能会经历巨大颠覆。几个世纪以来,我们一直以思考、推理和创造力来定义自己。如今,随着机器逐步承担更多这些职能,我们关于自身地位和价值的问题变得不可回避。如果在大规模的AI驱动失业面前,人们又无法找到新的有意义的工作形式,其所引发的心理与社会后果将会十分深远。
有可能部分认知迁徙者会陷入绝望。因其在构建支持大语言模型的深度学习神经网络方面的开创性工作而荣获2024年诺贝尔物理学奖的AI科学家 Geoffrey Hinton,近年来曾警告过AI可能带来的潜在危害。在接受 CBS 采访时,有人问他是否对未来感到绝望。他表示并非如此,讽刺的是,他发现很难真正将[AI]视为严肃议题。他说:“很难理解,我们正处于历史上一个特殊的节点,在相对短暂的时间内,一切都可能彻底改变——这是一种前所未见的变革规模。要在情感上完全接受这一点,很不容易。”
前路仍有出路。包括MIT经济学家 David Autor 在内的一些研究者和经济学家,已开始探讨AI如何通过扩展人类能力,而非取代人类工人,从而最终有助于重建中产阶级岗位。但要实现这一目标,需要的是深思熟虑的设计、社会投资以及时间。而迈出的第一步,便是承认迁徙已经开始。
迁徙很少是容易或迅速的。人们往往需要经历多代人才能完全适应新的环境与现实。在这一过程中,许多人可能会经历否认、愤怒、讨价还价、抑郁,直到最终接受的多阶段悲痛过程,才能逐渐迈向新的贡献与意义的领域。同时,也有人可能永远无法完全完成这次迁徙。
在个人与社会层面上应对变革,将是AI时代所面临的最大挑战之一。AI时代不仅仅关乎构建更智能的机器及其带来的种种利益,更关乎向更深的理解迁徙并接受人性真正内涵的过程。
好文章,需要你的鼓励
Netflix 推出近十年来最大界面升级,采用更简洁直观的设计和 AI 搜索工具,可通过自然对话筛选内容,同时优化移动端“垂直视频”体验,增强直播、体育及游戏等多元内容展示。
ServiceNow 利用基于 AI 的统一平台整合销售、服务与订单管理,挑战 Salesforce 的传统 CRM 模式,并通过收购 Moveworks 推动企业数字化转型。
思科公布了为量子计算时代构建网络的计划,其中包括与加州大学圣塔芭芭拉分校合作开发的量子网络纠缠芯片,以及面向量子数据中心的三层架构,整合硬件与软件支持多种量子技术。
在 Venkat Achanta 的领导下,TransUnion 通过 OneTru 平台整合分散的技术架构,实现海量数据管理、反欺诈提升与 AI 驱动应用,打造安全高效的数据服务体系。