（关注公众号并设为🌟标，获取最新人工智能资讯和产品） 

全文11,000 字，阅读约需31分钟

金句摘录

——ChatGPT 2022年问世，开启生成式AI元年。短短两年，生成式AI普及速度已超越个人电脑与互联网，重新定义科技发展速度

——当前AI技术我们并不知道确切的天花板在哪里，给它大量数据，它帮我们找到其中的模式。这在某种程度上更适合普通用户，使得数据处理更加高效

——在1880年，医生和理发师的薪酬相当，预示着未来职业的价值可能趋同。专业知识型工作可能被AI取代，职业重要性将被重新评估，有些职业会出现，有些则可能消失

在哈佛大学本周举行的AI报告会上，肯尼迪政府学院政治经济学教授David Deming与美国前财政部长、哈佛大学前校长Lawrence Summers（劳伦斯·萨默斯）就人工智能（AI）的最新进展展开了深入对话。报告揭示了AI应用虽在增长，但企业层面的采用率仍然较低，这反映出当前AI的使用更多是个人行为而非企业正式策略。

Deming教授指出，许多AI使用呈现实验性质，如员工尝试将AI工具应用于日常工作中。有趣的是，对AI的看法因人而异：年轻的大学生普遍认为"几乎每个人都在使用AI"，而中年学者则倾向于将其视为"玩具"。关于AI是增强还是自动化人类工作，Deming教授认为目前更倾向于增强型。数据显示，AI仅略微提升了部分人的生产力，例如在5%的工作中提高20%的效率。这种程度的提升虽然可观，但远未达到如农业机械化那样彻底改变工作结构的程度。

然而，未来的关键在于基于大型语言模型可能出现的补充创新。正如互联网催生了谷歌搜索，AI技术可能会带来新的突破性应用。尽管这些创新可能加剧不平等或取代部分劳动力，但目前尚无定论。当前AI技术更像是一种强大的辅助工具，其效用取决于使用者的身份和技能，我们也将见证AI对工作和社会带来的更深远影响。

课堂文稿整理

哈佛大学肯尼迪学院教授，David Deming，他是全球关于劳动力市场演变、工作性质变化以及应对这些变化所需政策的顶尖专家之一。今天David将会讨论关于劳动力市场的研究，特别是涉及人工智能对劳动力市场影响的部分。他会重点讲解一篇他与Christopher Ang以及我共同研究的论文，探讨美国职业结构的历史变化。他还会分享一些他自己关于工人如何使用人工智能的研究。我之后会做一些评论，向David提几个问题，然后我们将把讨论开放给大家。David，现在轮到你了。

一、演讲内容

谢谢大家的到来。我们可以说，怀着某种怀疑态度，讨论那些你常常在白皮书和观点文章的前几段中看到的断言，比如“AI变化比以往任何时候都快”或者“我们正处于一个惊人的AI变革时代”之类的说法。作为经济学家，我们比较谨慎和怀疑，所以我们觉得，大多数说这些话的人要么对历史没有多少了解，要么是试图向你推销一些东西。因此我们决定系统地研究一下，看看从长期的历史来看，劳动力市场的变化是否真的比以往任何时候都快。

1、美国劳动力市场

我们得出的一个初步结论，见图1，这是论文中的第一张图。如果你有这篇论文的精简版，图就在上面；完整版可以在线阅读，这里也有纸质版。你会看到，回顾150年的历史，美国劳动力市场发生了巨大的变化。150年前，超过40%的就业都在农业领域，而现在不到2%。在20世纪中期，美国约有40%以上的就业是蓝领工作，如制造业、建筑业，或者铁路工作。现在这一比例降到了20%。与此同时，专业工作、管理岗位、技术岗位、STEM（科学、技术、工程和数学）类工作从10%增加到接近全部工作的50%。而办公室和行政工作、文员工作等则在此期间兴起和衰退。

因此，历史上变化一直在发生，那么现在的变化速度真的比过去更快吗？为了得出一个系统的衡量标准，我们计算了一个我们称之为“职业更替”（churn）的指标。简单来说，就是如果你看这些曲线，假设从1920年到1940年，每条线都是直的，也就是说，在1920年，每个类别占所有工作的10%，在1940年也是10%。那么这种情况下，就没有更替，意味着各类职业的分布在这个期间完全稳定。我们做的是计算每个职业类别在不同时间段的差异的绝对值，升降同等对待。计算结果显示，过去30年，即1990年代、2000年代和2010年代，实际上是美国劳动力市场历史上最平静的时期之一，并非因为没有变化。不过，如果你回顾1940年到1970年这一时期，你会发现，上一张图中的变化是巨大的。那是农业机械化的时代，比如说，通用的内燃机和拖拉机被引入，极大地机械化了农业劳动。此外，铁路运输逐渐被个人汽车所取代，铁路的衰退和建筑、制造业的兴起导致了巨大的变化。

如今，我们并没有看到同样程度的变化。这是我们在2017年左右讨论这些问题时的看法。当时Larry和我对此相当自信，我们甚至准备把这观点写成文章，但最后没有付诸实践。后来我们有机会为阿斯彭写这篇论文时，我们决定重新提出这个“大家冷静下来”的论点，并将其写成论文。然而，当我们查看近几年的数据时，我们开始觉得也许应该更加谨慎。也许现在并不是自信地宣称“变化没有那么快”的时候，因为实际上我们已经看到了一些早期迹象，表明劳动力市场的扰动速度比十年前要快。这还没有达到1940年代到1970年代的水平，但显然比过去几十年相对平静的时期更为剧烈。

2、AI渐进性发展

我想给大家展示三组证据，其中至少有两组显然与人工智能有关，接下来我会解释原因。

首先，想想1980年代、1990年代和2000年代主导劳动力市场的“时代精神”。当时的讨论很多都围绕“极化”（polarization）展开，可能你听过这个词，用来描述经济不平等和工作的分化。极化的意思是，工作机会在高端和低端增长，但中间岗位却在减少。也就是说，就业增长呈“杠铃型”分布：要么是低薪服务业岗位，要么是高技能、高薪的专业岗位，而中间的制造业工人、白领工作则在减少。这种现象不仅发生在美国，还出现在许多发达国家。在我们这篇论文中，我们首先展示了一个事实：大约在2015年左右，极化现象基本停止了。低薪服务行业的工作岗位在1990年到2010年间显著增长，但到了2015年，这种增长基本停滞，甚至在某些类别中开始下降。这五个服务行业的岗位包括食品准备、个人服务（如理发师、健身教练）、托儿服务等岗位。这些工作岗位开始下降，尤其是与健康服务、清洁和保安等相关的工作。一些下降可能与新冠疫情有关，比如食品准备和服务行业的剧烈下降，但其他类别的下降其实早在疫情之前就开始了，而且至今没有完全恢复。

第二个趋势是，STEM（科学、技术、工程和数学）领域的工作岗位正在出现绝对的爆炸式增长。令人瞩目的是，从2000年到2012年，STEM就业在美国整体就业中的比例实际上略有下降，但从2012年到2013年，这一比例开始快速增长，从占所有工作的6.5%上升到10%。也就是说，在短短十多年里，STEM领域的就业增长了50%以上。当我们研究这些增长的岗位时，很多都与软件相关，但不仅如此。工程、科学等STEM领域的工作机会也在增加。而在商业和管理领域，特别是近几年，也出现了爆炸式的增长。深入分析这一广泛类别，发现具有分析性质的工作正在快速增长，比如管理分析师、业务运营专家、科学工程经理等岗位。我们可以看到，科学和分析型工作岗位的巨大增长与私营部门在人工智能相关技术上的大规模投资密切相关。如果你查看研发支出占GDP的比例，它现在处于历史最高点，并且在2010年代初期开始加速增长。同样，如果查看私人对信息处理设备和软件的投资，虽然没有达到互联网泡沫时期的高点，但也非常接近，并且近年来增长非常迅速。因此，这可以说是人工智能几乎“机械地”影响劳动力市场的一个例子——大公司对人工智能相关技术、数据中心和顶尖人才的巨大投资，已经在就业市场上体现出来，影响了工作岗位的分布。

最后我想跟大家分享一下零售销售的变化。我们都知道，线上零售正在与大型零售商竞争，事实上这种竞争已经持续了很长时间了。如果你还记得像Pets.com这样的公司，那是在25年前的互联网泡沫时期。但长时间以来，这对零售业的就业影响并不大。你可以看到，从2000年到2014年左右，零售业的就业基本保持稳定，占所有工作的7.5%左右。但从那以后，它急剧下降，现在只占美国所有工作的5.6%。十年内下降了25%，而且这种下降在疫情之前就已经开始了。

那么，你可能会问，为什么现在会发生这种变化？原因在于，早在2010年代初期，情况开始发生变化。这并不是说我们正处于一个人工智能大爆发的时代，但你只需要看看数据，就不得不重新思考“什么都没有变化”这一论断。2010年代初，亚马逊收购了Kiva Robotics，并将其变成了亚马逊机器人部门，他们使用计算机视觉和其他技术来优化库存管理，确定如何在仓库中移动商品，甚至通过个性化定价和推荐来推动线上销售。虽然这些技术并不是我们现在谈论的生成式AI（例如ChatGPT），而是更倾向于预测性AI，通过深度学习和其他技术处理大数据以提高效率。与此同时，人们开始意识到GPU（图形处理单元）在处理深度学习模型方面非常高效。NVIDIA的芯片开始大卖，尤其是在ImageNet比赛中取得了重大突破。因此，这确实是一个人工智能技术大规模投资的时期，零售行业也受到了影响。

3、AI行业爆发

如果我们计算最近几年的“职业更替”（churn）指标，以一种系统化的方式分析不同职业类别，你会看到，在2010年到2019年之间的变化与之前几乎没有什么不同。2019年作为这个十年的结束年份，但如果我们把2022年和2024年的数据也加上去，你会发现职业更替的指标明显高于过去几十年，尽管还没有达到1940年代到1970年代的水平，但劳动力市场的变化速度确实加快了。这就是为什么我们说，虽然我们不一定要称之为“人工智能大爆发”，但我们也不能简单地说“变化速度从未如此之快”这种陈词滥调了。作为经济学家，我们也需要反思，也许地面正在我们脚下发生变化，这是我们未来需要持续关注的一个动态。

最后，我想快速分享一下生成式人工智能的情况。这个研究不是这篇论文的内容，而是我与两位合著者（来自范德堡大学和圣路易斯联邦储备银行）共同进行的独立研究。这是美国第一次关于生成式人工智能使用的全国代表性调查。我不会详细介绍方法论，但基本上我们复制了当前人口调查（CPS）的结构，这是每个月发布失业率和就业数据的最重要劳动力市场调查。我们在相同时间对相同的群体进行调查，并使调查结果具有完全代表性。

我们发现，到2024年8月，39.4%的人表示他们使用过生成式人工智能，其中约32%的人在接受调查的前一周至少使用过一次AI，10.9%的人表示他们每天都使用AI。工作场所的AI使用率大约是24%，即有24%的人在工作中至少使用过一次AI，而家庭中的使用率更高但频率较低。

这个研究的有趣之处在于，我们将这次调查与CPS早期的个人电脑和互联网普及调查进行了对比。我们以1981年IBM个人电脑的发布为标志，计算1984年时有多少人在使用个人电脑。对于互联网，我们选择1995年NSF退役互联网的时间点以及Netscape的IPO，并计算1998年有多少人在使用互联网。而生成式AI，我们以2022年11月ChatGPT的发布为起点，到了2024年，两年后，有多少人在使用生成式AI。结果表明，按照这些标准，生成式AI的普及速度比个人电脑和互联网更快。”

你可以看到，红框标示的数据显示，在IBM个人电脑发布三年后，约20%的人使用了个人电脑；三年后约30%的人使用了互联网；而现在，大约40%的人已经在使用生成式人工智能。我们不知道未来几年的趋势会如何发展，但从目前的情况来看，生成式人工智能的普及速度至少与前两者不相上下。当然，有人可能会说，个人电脑是一个昂贵的硬件设备，价格高达数千美元，而ChatGPT是免费的或只需要订阅费用，这种说法是有道理的。互联网的成本也相对较低，但在某种程度上，这些技术是相互依存的。你能如此迅速地采用生成式人工智能的一个原因是因为已经有了个人电脑和互联网的存在，没有它们，这一切都不可能实现。所以，我认为这是一个演进过程。此外，我们的研究显示，几乎所有类型的职业都在使用生成式人工智能，尽管在专业工作中使用最为普遍，但即便是蓝领工人中，也有22%的人表示使用过AI。这说明它不仅限于少数职业，而是广泛地在各个领域中使用。人们使用生成式人工智能最常见的用途是写作，此外还有执行行政任务、解读、翻译、总结数据以及编写代码。简单来说，这确实是一项通用技术，几乎每个职业类别都会以某种频率使用它，并且它可以用于我们能想到的许多不同任务。因此，它很符合“通用技术”的定义。

我就说到这里，谢谢大家。

二、对话环节

Lawrence Summers： 谢谢你，David。因为我也参与了部分你提到的研究，所以不想过分赞美自己，但我必须承认，这是一场非常有趣的演讲。让我做一些评论，然后向你提几个问题。首先，我认为你关于结构变化的结论是有效的。自我年轻时成为教授以来，经济学的严格性和论证标准都大幅提高了。因此有很多问题可以探讨，比如这个结论是否对职业定义敏感？如果我们选择1965到1975年或1975到1980年，这会有什么不同？这些都是可以提问的各种方法论问题。由于Chris非常勤勉，我们也确实努力工作，我可以非常自信地说，这里的广泛结论是正确的，即二战前后期间的结构变化速度确实比之后要快得多。

第二，我引用一句名言：“你可以有自己的结论，但不能有自己的事实。”虽然David和我在你展示的所有事实方面是一致的，但在一些解释上，我们可能不完全相同。我会说出我的观点，并请David分享他的看法。关于人工智能，我认为我们从这里学到了一些深刻的东西：我们几乎可以肯定，当前的结构性变化还没有达到二战期间那样的速度。在那个时期，经济普遍被认为是非常成功的。你展示了2010到2022年的职业更替率，并将其与70到80或80到90年的数据进行了对比。如果我们查看14年或12年的时期，最近的变化看起来可能并没有那么显著。

David Deming： 这点我理解，之所以没有进行更长时间段的对比，是因为人口普查数据的限制。

Lawrence Summers： 是的，我理解为什么没有这么做，但如果我们进行这样的调整，最近的变化将显得不那么令人印象深刻。任何理论上都可以认为，时间跨度更长会使变化显得更加剧烈。另一个问题是我们如何看待这些变化的解释。我认为当前的经济仍在发生结构性变化，经济总是在变化。但到目前为止，我们还没有看到一个革命性的、全新的结构性变化水平。讨论什么算作“人工智能”并不是一个很有趣的争论。例如，一个帮助银行决定是否发放信用卡的统计分析系统，已经存在了35年了，这算不算人工智能？在这一点上有些任意性。对我而言，我们已经有了很长时间的软件革命，而在最近几年里，出现了一种新东西——模拟人类智能的技术。我倾向于把“人工智能”用于描述这后一类技术。

我们在定义人工智能方面达成了一些妥协，我很乐意与你达成这样的共识，但我认为我们应该再多谈谈这个问题。有件事你或者Chris可能知道答案，而我并不清楚。你提到零售业的衰退全是因为“我在亚马逊上订购商品并送到家里”。不过我的观察是，随着新型收银机、新型条形码以及新的组织方式的出现，在沃尔玛这样的商店里，你需要的销售人员比以前少得多。如今，当你去机场时，通常会被告知直接用信用卡自助结账，根本不需要人工服务。所以我想知道，究竟有多少衰退是由送货和电子商务造成的，多少是由之前的技术进步带来的？

最后我想提到的一个趋势是，与这一切相关的人群变化。也许你有一个相关的图表，但这并不是我原本想看到的图。我原本想看到的是25到54岁之间男性不参与劳动市场的比例。根据那个图表，1960年时，97%的25到54岁的男性参与了劳动市场，而现在这个比例是88%。换句话说，那些无法进入劳动力市场，或者被劳动力市场淘汰的男性比例增加了四倍。即使在工作强度减少、健康状况改善以及人们受教育水平提高的情况下，这依然发生了。这是一个非常深刻的结构性变化。职业更替率的下降和这种趋势的持续存在，使我更加怀疑这种变化是由于劳动力需求的减少，而更多地与人们的成长方式、态度变化以及激励机制变化有关。但我也不是完全确定这种解释是否正确。David，也许你可以回应一下关于人工智能的定义，以及你如何看待它在劳动市场中的影响？

David Deming： 谢谢你的补充意见，我同意其中大部分。虽然我们在一些结果的框架上存在不同的看法，但实际上我们并没有真正的分歧，这也不奇怪，因为我们共同完成了这篇论文。关于人工智能的定义，我同意，争论这个问题可能显得乏味。不过我确实认为，当人们谈论人工智能对劳动力市场的颠覆时，他们往往指的是通用人工智能（AGI），即某种比人类更聪明、能够处理所有任务的机器。而我对这种情况会在短期内发生持非常悲观的态度，我认为它不会在短时间内对工作产生如此大的影响。对我来说，这是一个不同的问题。

我对人工智能的定义更加朴实，我认为它主要是通过归纳的方法使用数据，从数据中学习模式，学习人类行为和系统行为的模式。这与过去通过编程自上而下地操作数据完全不同，以前是告诉系统该怎么做，而系统执行命令。而如今的人工智能则是我们并不知道确切的答案，我们给它大量数据，它帮我们找到其中的模式。这在某种程度上更适合普通用户，使得数据变得更加可用。无论我们是否称其为人工智能，我认为这种技术已经对劳动力市场产生了影响。而这与公司如OpenAI等试图发展AGI的目标是有所不同的。尽管他们非常明确地在开发通用人工智能，但我认为这种讨论往往掩盖了一个事实：人工智能并不需要像人类一样聪明就能对劳动力市场产生重大影响。因此，我讨论人工智能颠覆劳动力市场时，指的更多是这种更朴实的人工智能，而不是科幻小说中的情景，至少目前仍是科幻。不过未来也许不会再是虚构的。所以我认为这是一个重要的区别。最后我想说，我们大多是在进行推测。虽然这些事实确实存在，它们值得我们思考，但并不足以让我们做出明确的结论。

我认为随着时间的推移，关键问题将是如何区分“良性更替”（good churn）和“恶性更替”（bad churn）。我们现在还无法预测未来的走向，但这正是让我们对这一研究感到兴奋的原因。让我解释一下我的看法：假设你回到1981年，并且拥有一颗水晶球，能够预见到个人电脑将会像今天一样无处不在——你现在可以看到很多人都在使用电脑，或者互联网已经成为生活的一部分，人人都在网上。如果你有这样的预见能力，你不仅可以赚很多钱，还可以做出许多重要的生活决策，学习新的技能，并在竞争中占得先机。所以，这张图表告诉我们的是，如果历史可以作为参考，那么这一技术（指生成式人工智能）将在我们意想不到的短时间内广泛应用。因此我们必须思考未来的变化，尽管我们现在还不知道这些变化的具体含义，但可以肯定的是，变化将会发生，而且会非常巨大。

这就像一个基于历史经验的预言，告诉我们这一技术将像过去那些极大改变了我们生活的技术一样带来巨大的影响。因此，尽管不确定，但这种技术很有可能带来类似规模的改变。

Lawrence Summers：  我想对此说两点，然后我们再开放讨论。第一，不要轻易断言“如果你能预见未来，你就能赚大钱”。我给大家讲两个故事。首先，有一项最近的研究非常有趣，尽管我在这里简化了一些细节。研究者们给了一群人周二的《华尔街日报》，这份报纸报道了周一发生的所有新闻事件。接着，研究者要求这些人预测周一股市的走向，尽管他们已经提前知道了所有新闻。结果，最优秀的参与者预测正确率也只有53%到54%，大多数人的表现与掷硬币差不多。另一个故事是在1998年，Bob Rubin和我在财政部时，我们有一个CEO午餐会，邀请了一些CEO与我们交谈。有一次，我们邀请了一个年轻人，杰夫·贝佐斯，他向我们介绍了他的公司。我们讨论后认为这是一个非常有趣的机会，并说，如果我们不在政府工作，可能会做空购物中心的房地产基金。这个判断从25年的长远来看是正确的，但如果在1998年这么做，那完全是错误的。因此，预测未来的方向是一回事，能否将其转化为有用的市场操作则是另一回事。

三、观众提问

观众1： 我是一个贷款出借人，你展示的数据有些复杂，但我对农业就业有一些了解，因为这是一个很受争议的话题。如果你查看从1880年到今天的农业就业人数，实际上下降了大约35%。所以我有点困惑，不知道该如何理解就业作为总数百分比的变化，尤其是考虑到人口增长的变化。未来美国的人口增长可能只有过去的四分之一，那么如果我们使用不同的分析方法，来查看就业总数而不是百分比，是否会得出不同的结论呢？

David Deming： 首先，关于农业就业的讨论，这是关于是使用就业在整个经济中的百分比，还是使用就业总人数来衡量变化的合理性问题我们选择用百分比来衡量变化的原因是，美国在过去150年的人口增长非常迅速，几乎每个职业的总人数都在增加。因此，农业就业比例的下降其实非常显著，考虑到今天的美国人口比1880年多了很多。唯一合理的比较方式是看某个职业在整个劳动力市场中的比例变化，而不是简单地看就业人数的增减。换句话说，如果你在某个时间点随机选择一个美国人，他们是农民、医生或计算机科学家的概率是多少？这些概率随着时间的推移发生了变化，反映出劳动力市场的组成在不断变化。

观众2：  Larry，你曾经说过，人工智能正在冲击认知阶层。你能不能谈谈，你认为那些投入大量时间和资金进行教育和培训的律师、医生和咨询师，他们的未来会怎样？他们会成为像麦当劳打工的工人，还是像从农村搬到城市的农民一样的角色？

Lawrence Summers： 关于认知阶层的未来，我猜测你会看到一些明显的薪资压缩。最近我看到一篇文章，提到由于媒体行业的各种趋势，知名新闻主播的薪水相较于其他在电视网络工作的人有所下降。过去，电视节目主持人的薪水可能是布置舞台的工人的200倍，而现在这个比例可能会下降到75倍。我猜测类似的现象也会发生在许多曾经是高端任务的职业上。也有可能这些技术会让最顶尖的人才发挥更大的效用，类似于CEO薪酬的大幅上涨以及公司中层管理人员的减少。当你不需要太多中层管理人员时，拥有最优秀的CEO就变得至关重要，能够吸引更多高端人才的公司自然会给予他们更高的报酬。因此，我的猜测是，答案可能是薪资压缩，但也可能会有一些人转移到其他职业领域，并且在高端领域获得非常可观的回报。

至于变化的速度，我并不确定。一方面，我常常想到我第一次遇到一个人坐上自动驾驶汽车，从圣何塞到旧金山，全程没有人碰方向盘、油门或刹车，那是在2014年。尽管如此，美国的出租车司机、卡车司机和司机的失业情况还没有因此大规模出现。所以，这些变化可能进展得非常慢。我原本希望这些技术能在我的女儿学会开车前成熟，但现在看起来可能来不及了。另一方面，我又觉得这些技术的能力正在快速提升。你提到了战略互动，必须能够预测对方的行为。这在围棋中非常重要，而计算机已经学会了如何在围棋中胜出。我认为当前的主要障碍在于，如果你想预测这些机器将能够做到什么，你必须真正理解它们的能力如何扩展。

我现在的观点是，机器可以学会做任何你可以多次尝试并明确知道成功与否的事情。例如，在下棋时，你可以知道自己是否赢了；在证明数学定理时，你可以评估证明是对还是错。如果你是在做出关于何时进入房间或是否应该让路的判断，机器可以通过学习大量评估过的案例来做出这些判断。但问题是，很难为这些复杂的场景提供足够多的评估数据，这也是问题的关键所在。

观众3： 你好，我是哈佛大学的Lucas，我是大四学生，正在为我的论文研究这个话题。我的问题是，Deming教授，你相信通用人工智能（AGI）会实现吗？

David Deming： 关于通用人工智能（AGI）的问题。我并不是不相信AGI的出现，我只是认为它不会在短时间内实现。我不太确定，但我会谦虚地说出我的看法。我认为，智能比人们想象的要复杂得多。AGI的一个典型想法是，通过收集地球上所有的数据来组合生成一种超级智能，但我不确定这种超级智能到底能够完成什么。即使你拥有一个比所有人更聪明的系统，它仍然可能无法总是做出正确的决定，因为这不仅仅是关于智能，还涉及到判断力和对世界的理解。比如说，如果我要与某人进行战略互动，那么正确的决策取决于我对对方行为的预判，而对方的行为又取决于他们对我行为的预判，因此现实世界的复杂性并不仅仅由智能所决定。

换句话说，某种意义上我们已经创造了某些“超级智能”，它们在特定领域的表现超过了人类。但人类是通用技术，我们可以同时走上楼梯、与人交谈、编写代码，并且还能在做这些事情时做出决策。这不仅仅是智能的问题，而是某种更复杂的能力。我认为目前的技术还远远没有达到这个水平。

观众4： 技术正在迅速发展，尤其是大型语言模型的发展，暂且不谈通用人工智能。现在似乎下一步的分析应该是与正在部署这些技术的公司对话，了解他们如何看待这些用例的发展速度。我在与业内人士交流时，听到的时间框架是两年内会有显著的变化。公司正在调整他们的就业策略，尤其是在科技行业，失业工人的重新就业时间变得更短。因此，我认为这个问题很有意义。如果以底特律和纽约为比喻，这就像底特律正在来到纽约。我的问题是，我们如何为那些尤其是行政、专业、管理阶层的人群建立一个全面的支持结构，帮助他们顺利转型？

David Deming： 实际上，我们在调查中发现了一个有趣的现象：人们报告的个人AI使用率远远高于企业报告的AI使用率。有一篇质量很高的企业调查，关于AI在企业中的应用，发现AI的采用率大概是5%、6%、7%，尽管这个比例在逐步增长，但基数仍然较低。这些问题主要是关于“你的公司是否有AI战略？”的回答。显然，AI的应用在增长，但在企业层面的基数仍然较低。这表明，AI的很多使用是个人行为，虽然不是未经授权的，但也不是企业正式推行的策略。很多时候，这些使用是个人的实验性质，比如“让我试试用这个工具做我平常的工作”。有些人觉得AI非常有用，有些人则觉得它没什么用。每次我提到这项调查时，我都会问大学生们“你认为有多少人在使用AI？”他们会说“几乎每个人都在用”。而当我问中年学者时，他们会说“没有人用，它只是个玩具”。

观众5： 晚上好，我的名字是Niti Singh。我曾在印度中央政府工作，参与了G20的主席工作。Sir，您与Enk Singh共同撰写了关于多边开发银行改革的出色文集。我的问题是，您强调了通过多边开发银行改革引入新的全球融资的迫切需要。您对这一点与人工智能交叉的看法是什么？

Lawrence Summers：  印度和多边开发银行（MDB）的讨论有点不同，我认为在这方面有很大的潜力能够促进国家之间的趋同和发展。比如，通过AI技术，能够让加尔各答的诊所拥有与麻省总医院相同水平的医疗知识。这种知识水平的平衡可能会带来巨大的发展效益，资助这一过程也是非常重要的。关于增强与取代的争论，我认为答案还不确定，显然会有两种情况并存。我与Danny Rodrik和其他许多人不同，我认为政府并不具备引导科研或制定政策来促进某一方向的能力。我觉得我们不知道该如何鼓励增强还是取代技术的使用，也不知道该如何引导。

观众6：  技术自动化还是增强劳动能力，这一点对它的颠覆性影响至关重要。你如何看待人工智能在更大程度上是增强还是取代劳动能力？企业和政府应该如何引导它朝向增强而不是取代？

David Deming： 我认为，现在有很多“西部拓荒式”的个人实验，大家都在个人层面上尝试各种新技术。对于最后一个问题——关于增强（augmentation）和自动化（automation）——我们还不知道未来会怎样，但目前很明显它更多是增强型的。如果你看看人们如何使用AI，尤其是我们数据中的表现，AI只是略微提升了一些人的生产力。一项技术如果能让你在5%的工作中提高20%的生产力，那确实很棒，它能对整体生产力产生一定影响，但并不会从根本上改变你的工作结构。这种生产力的提升还远未达到农业机械化的水平——那时使用拖拉机代替马匹，生产力提升了200%到300%。因此，目前来看，这对许多工人来说其实是一个比较积极的消息。未来的关键在于，随着这些大型语言模型成为一种基础层，会有什么补充创新出现。

就像互联网催生了谷歌搜索一样，连接一切后，我们可以检索信息并返回结果。目前，这项技术还非常新，很多人正尝试利用它构建下一个“大事”。这些补充技术可能会加剧不平等，也可能会取代部分劳动力，但我们现在还无法确定。我认为现在来看，这项技术是一种很酷的工具，可以在某些方面帮助你，而这取决于你是谁、你拥有什么技能。所以我大致回答了大部分问题。

观众7：  我是Nicholas，哈佛肯尼迪学院一年级学生。我的问题是，如果政府并不是引导这类研究的最佳选择，那么政府在面对劳动力市场可能大幅波动的情况下，应该扮演什么样的责任？在未来5到10年内，随着这一问题变得更加重要，政府该如何改进它的作用？

David Deming： 你的问题与我们在“劳动力项目”中的工作非常相关，这也是此次活动的联合主办方之一。我们在肯尼迪学院、商学院和教育学院合作，致力于为教育和培训机构与劳动力市场之间建立更好的联系。关于你的问题，我的回答其实比AI更为普遍。在劳动力市场预计变化更快的时期，必须为这些机构之间建立更多的联系纽带。当人们被替代时，他们需要有去处，而社区学院或当地劳动力市场的企业群体需要建立一定的制度记忆，帮助这些人更好地过渡。

观众8： 我的问题与技术的采用有关。回顾一些通用技术的发展历程，比如缝纫机、互联网、iPhone、云计算等等，它们都有一个较为明确的应用路径。而AI，特别是我们今天看到的这一迭代，分布更加广泛，差异也更大。不同的模型、应用层、基础设施层都不同。这是否使得我们目前看到的AI的采用速度变得复杂，并影响了同时产生和消失的工作机会的速度？这与以往的技术相比有何不同？

David Deming： 为了应对这些变化并为人们提供路径，我想分享一个关于丹麦就业培训的例子。这些工人因严重的身体伤害无法再从事原来的蓝领工作，问题是他们之后的命运如何？研究表明，那些参与“可叠加证书”项目的工人表现更好。所谓“可叠加证书”是指，例如在制造业工作的人，可以先获得一个证书，然后是副学士学位，最后是学士学位，不断提高专业水平。如果你在这些领域受伤，尽管你暂时无法工作，但通过继续学习获得更高的学位，几年后收入反而会更高。相反，那些所在领域没有类似机会的工人表现得更差，更有可能依赖残疾补助。芝加哥大学布斯商学院的Anders Homam教授的这篇论文非常有趣，表明当我们为工人提供重新技能培训的路径时，尤其是当他们遭遇失业时，这些措施确实有效，但必须有意识地构建这些路径，而不是随意应对。这在劳动市场快速变化的时期尤为重要。

Lawrence H. Summers：我想说的是，我们可能会看到一些相对价值的重大变化。1880年时，医生和理发师的工资差距不大，未来可能会出现类似的价值趋同。某些职业需要在医学院学到的知识，部分将被机器替代，但AI距离能够修理漏水的水槽或设计出漂亮的花园还很远。因此，我们将看到哪些工作更有价值，哪些工作变得不那么重要的深刻变化。最后，我想说的是，随着秘书职业的消失，很多工作被新技术取代，像以前依赖助理处理打字和复写纸的日子早已不复存在，但没有针对这一结构变化的重大公共政策。因此，我们需要意识到为这些转型提供保险和保障可能带来的道德风险。总体上，我倾向于更通用的政策，比如加强社会保障系统，而不是针对特定原因的政策。

哈佛大学AI课程链接：https://www.youtube.com/watch?v=OnoSNRVJBhw&ab_channel=M-RCBG_Harvard

对了，喜欢就别忘了点赞、收藏、转发支持一下！期待在评论区听到你的观点和看法!

往期回顾

1、[在2024的AII-IN峰会，对话马斯克：他预言AI很快将带来空前社会繁荣，每个人都能获得梦寐以求的一切]

2、[演讲总结：未来学家凯文·凯利刚刚亮相2024上海外滩大会，预言AI时代三大趋势，未来所有工作都会使用人工智能]

[3、Google 前 CEO 埃里克·施密特在斯坦福2万字讲座实录：AI明年三大趋势，第一个趋势将彻底改变你获取信息的方式

我们旨在将先进科技与创新想法完美融合!

想要掌握人工智能，但不知从何开始？告诉我们你的需求，学习AI让你抓住这波浪潮

告别昂贵服务和缺人烦恼,再见漫长交付周期

无限创意,分分钟生成专业级产品

感受 AI 带来的全新工作体验！

欢迎各大品牌方、媒体、企业和个人等

请联系负责人微信：Milo-1101

--END--