在今年年初,在 ChatGPT 帶動的大型語言模型熱潮下,人工智慧 AI 成了整個世界的焦點。人們一方面驚嘆於 AI 的突破與進步,試著掌握這個最新的超級能力,但另一方面,也產生了一個巨大的焦慮– 如果 AI 這麼厲害,到底他們會不會能不能取代人類。相關的討論,一直是過去幾個月的熱點話題。
當然,一些了解大型語言模型的技術專家,會告訴你– 大型語言模型 LLM 的人工智慧,雖然能夠某個程度,模仿出人類的文字使用模式,來進行一個非常類似人類的「寫作」或者是「對話」任務,但這離人類真正的思考,還是有一大段距離。但在此同時,也有另一群專家提出疑問– 就算運作模式不完全相同也不盡完美,但若能夠產出「可用的結果」,人工智慧是否就已經在很多地方,可以取代人類了呢?
部分 AI 懷疑論者,對於人工智慧的主要擔憂,在於這些越來越厲害的 AI,是否有一天會造成人類世界的毀滅,如同電影魔鬼終結者裡面的天網一般,從人類的助手變成人類的夢靨。我個人的看法是,這樣的風險可能性,並不是完全不存在的,但對於現在的人類來說,其實有點過度遙遠,比較像是科幻小說的話題。不過,另一個 AI 所帶來的風險可能,則是真的已經迫在眉睫了 – 到底人類是否會因為人工智慧,出現大規模失業潮,讓絕大多數的人們,未來都找不到工作,因為機器人與 AI 都做得比他們更好?如果上述這樣的情景真的發生,那代表人類社會在過往千年運作的經濟體系,很可能會徹底被打掉重練,這對人類世界將會帶來無法預料的巨變。
當然,對於上述這個比較迫切的問題,我們目前仍然是沒有解答的,即使是相關領域的專家,看法也莫衷一是 – 有些專家相信即使 AI 再厲害,也不能完全取代人類,而且還可能因為科技進步產生新的工作,人類或許會有部分工作被淘汰,但最終還是會出現新的工作。但另一些專家,則是對於上述可能不表樂觀,開始思考是否用全民基本收入等制度來確保人們的基本生存。
在本期科技巨頭解碼,Miula我會與大家分享我對於這個問題的看法 – 到底人類在近期的未來,是否會因為 AI 人工智慧的進展,出現驚人的失業潮?在 ChatGPT 爆紅後過了半年的現在,我認為是一個更好能評估與討論這個題目的時間點。
要討論這個大問題,首先我們需要先來思考,究竟在未來數年,以大型語言模型 LLM 為基礎的人工智慧,到底能夠進步到什麼程度,在工作場合的領域,到底能夠達到怎樣的能力。以下是我個人的看法 - 如果以現有的大型語言模型產品,主要是以OpenAI 的 ChatGPT 和 Google 的 Bard 來評估的話,我認為離要能夠真的完全取代人類,還有相當大的距離。即使我們只討論大型語言模型擅長的「文字型工作任務」,這些人工智慧在目前也仍然相當不完美,在大多數的時候下,其結果是產生出一個相對四平八穩的答案版本,而且有可能在一些細節上出錯。當然,這樣的工作能力,其實可能已經勝過初入行的大學畢業生了,但對於職業的工作環境來說,這樣的能力其實是不足以獨當一面的。
或許我們可以這樣思考,現有的 LLM 大型語言模型人工智慧,更像是一個效率加強助理,而不是一個能夠從頭到尾把任務完整執行的獨當一面角色。要把大型語言模型 AI 應用在工作上,而且不是只求 60 分而已的話,必須要有夠專業的人,來調整與優化大型語言模型給出的答案。在正確的使用方式之下,AI 的確能夠快速的增加工作產出的效率。
舉例來說,假設一個媒體的外電編譯團隊,原本需要一個資深主編加上四個新聞編譯人員,來處理每天 20 則的國外新聞編譯– 初階的新聞編譯人員負責翻譯與初步的校正,而由資深主編來確認內容的正確性。透過使用人工智慧,整個團隊可能可以縮減到一個資深主編加兩個初階新聞編譯 - 這兩個初階新聞編譯透過使用 AI,每天可以翻譯兩倍的新聞數量,但最終還是得由資深主編來確認內容的正確性。在相同的工作產出量下,工作團隊的數量,因為 AI 的使用,從五人降為三人,可以說是 40% 的效率改善。
當然,人工智慧是否只會停留在這個程度,長線來看是很難評估的– 有可能幾年後,真正出現了通用型人工智慧,在 99% 的事務上比 99% 的人類都厲害。但也有同樣高的機率,在未來幾年,人工智慧仍然停留在人類的效率加強助理的角色,大幅提高每個人的生產力,卻尚未能全面取代人類。很不幸的,雖然第一種可能我們目前還不太確定是否會發生,但第二種可能,幾乎是我們現在就可以肯定,未來數年一定會發生的。
所以,我們真正該討論的題目,其實不是人工智慧是否會讓人類出現全面性的大失業– 因為如果走向第一種結果,這件事情是必然會發生的,那也就沒什麼好討論了。真正值得思考的是,一定會出現的第二種可能– 人類的生產力因為人工智慧大幅提升下,是否會出現生產力過盛,導致出現大失業潮。如果人類目前的工作,能夠因為 AI 人工智慧而提升 30% - 50% 的效率,是否會有 30% - 50% 的人類勞工會因此失業呢?
而我目前對於這個題目的答案,並不悲觀– 我認為即使的確會有部分職業與工作會受到較大的影響,但是有三股作用的力量,有可能可以抵銷 AI 所產稱的生產力提升,某個程度上能拯救人類社會,不會因為人工智慧的加入就出現大失業潮。
第一股能夠保護人類不至於全面大規模失業的作用力,就是經濟學中供給需求曲線的再平衡。假設人工智慧,真的增強了我們人類 30% - 50% 的效率,讓產出變得更多,這個時候,由於供給增加,需求不變,就會讓價格出現下滑。而當價格出現下滑時,由於價格變得更多人可以負擔,所以需求會開始增加,最終讓供給需求重新達成平衡。
如果用白話文說 – 因為 AI 人工智慧大幅提升生產效率,原本高價的產品或服務可以用更低的價格提供,所以最後有更多的人使用了該產品或服務,而讓整個產業的雇用規模可能不需要縮小。
舉個例子來說,在汽車剛被發明的時候,汽車是非常昂貴的,絕大多數的一般人其實是負擔不起的– 直到 Ford 開發出了 Model T,史上第一款工業化大量生產的汽車車型。Model T 在 20 世紀初時推出的售價,比起競爭對手便宜許多,幾乎是以半價的概念在銷售。而 Model T 所帶領的汽車生產革命,讓其他競爭對手也必須趕上,整個汽車產業的生產效率可以說是因此被迫大幅提升。但大幅增加的效率,並沒有讓汽車工人們失業,底特律企業所雇用的勞工總數反而是持續上升。原因很簡單,因為當汽車價格大幅降低時,很多原本買不起車的人開始變得可以負擔,所以汽車市場多了很多新的消費者,這些新增的需求,讓汽車工廠即使效率大幅提升,都仍然不需要裁員。
如果要舉比較近期的例子,電腦的普及會是一個不錯的選擇。在我念國中的時候,電腦是一種昂貴的奢侈品,大多數的電腦都是在企業中使用,而且一家員工人數一百人的公司,整間公司可能也只有一兩台電腦而已。至於一般的家庭中,我估計大概每十個家庭中會有一台電腦。但是隨著電腦的快速進步,大量生產下的價格降低,現在每個家庭幾乎家中都會有一台電腦,而在企業裡面電腦也成了員工的基礎配備。雖然電腦生產的效率大幅提升,但整個產業的員工雇用量絕對比 30 年前更多,因為透過價格降低,需求大幅提升了可能有數十倍以上。
所以,即使 AI 人工智慧能夠大幅提升工作者的工作效率,這也未必意味著有很多勞工會因此失業。舉個例子來說,現在絕大多數的人,除非遇到重要糾紛,並不會想要鬧上法院,因為律師費用並不便宜。但假設律師的工作效率,因為 AI助理而大幅提升,在相同時間內能夠打兩倍的官司的話,過度的供給很可能會造成價格破壞,而下殺後的價格,讓一般人更負擔的起,所以需求也會因此增加– 一些原本不會上法庭的案子,因為打官司變便宜了,所以就上了法庭。最終的結果很可能是,從事律師相關行業的總體從業者數量不減反增– AI 對工作者產生的效率強化並沒有讓該產業出現失業潮。
因為供給過剩價格下降所產生的商品服務普及化,供給需求曲線的再平衡,是讓人類勞工可能免於大規模失業的第一個運作動力。
內卷這個字,在過去幾年非常流行– 指涉的是一種徒勞無功互相抵銷的努力 (在這裡我們使用的定義是社會較流行的用法,而非嚴謹的學術定義)。舉例來說,原本有一群大學生,他們在求職的過程中彼此競爭,在學歷條件這一點上,沒有任何人佔到優勢。但後來其中有一個大學生,覺得那我去取得碩士學歷好了,這樣就可以在求職條件的學歷上獲得優勢,所以他就去唸了研究所取得碩士。原本在他畢業後,理論上他在求職條件上的進步,會讓他更容易獲得更好的職位,但事情沒這麼簡單。其他的大學生,看到這個大學生跑去唸研究所,引發他們的危機感,所以也都紛紛去念研究所取得碩士學位。到了最後,所有的大學生全部都在兩年後取得碩士學位,在學歷條件上,又全部平手,沒有任何人獲得求職上的優勢。這就是所謂的內卷,一群大學生花了時間精神提高了他們的學歷,但最終這些努力卻彼此抵消,無法獲得經濟上的利益。
在商業上,我們也常常能看到內卷的現象。假設兩間公司在打官司,第一家公司說,我們原本請的一間律師事務所雖然很好,但我想要提高勝算,所以我再找了另一家事務所一起加入,聯合訴訟。而當第二家公司發現了上述狀況,為了不在法庭上落敗,也立刻加碼律師團隊,找了更多高手加入。最終,即使兩邊都雇用了更多的法律人員,但兩家公司在法庭上的勝負機率可能完全沒有改變,因為額外投注的法律資源彼此抵消了。
在人工智慧造成的生產力提升狀況下,內卷很有可能能成為保護人類勞工工作機會的另一股動力。假設某間公司,原本花 100 個研發工程師,能夠把產品的品質打造到 90 分的等級,在使用 AI 提升生產力後的狀況下,他們可能只要用 60 個工程師,就能夠做到同樣的結果。但這代表這間公司,就會把多出來的 40 個工程師裁員嗎?其實未必,這間公司很可能會選擇,把這 40 個工程師,投入其他功能的研發,來加強自己家的產品到 99 分的等級,希望在市場上因此獲得競爭優勢,取得更高的市佔率。而另一方面,這家公司產品的競爭對手也可能做出一模一樣的事。最終的結果就會變成,兩家公司的產品的品質都從 90 分提高到 99 分,所以市場競爭狀況沒有改變,市占率沒有出現變動。而在此同時,雖然導入人工智慧的協助,讓工程師的工作效率大幅提升,但卻沒有任何一個工程師因此而失業,這就是內卷的力量。
事實上,在過去二十年,軟體產業的蓬勃發展,就可以看出內卷之力的運作。理論上,在開發工具越來越強大,開發方式也越來越進步的情形下,現在的軟體工程師,開發效率是比二十年前強大太多的。但為何軟體工程師的總數,只有上升沒有減少?答案很簡單,因為軟體同步也在複雜度上進化了– 舉例來說,早期的Windows 3.1 作業系統,原始程式碼只有兩百五十萬行,但到了Windows 7 時,原始程式碼總量則是一口氣跳到快四千萬行。
現在我們有了第二個保護力量了。
面對 AI 在工作上取代人類的威脅,最常見的樂觀說法是:「即使現有的工作被取代了,但人們永遠能夠在其上找到新的工作。」這個理論,在過往的工業革命上,已經被實證過了。當人們從原本實業的勞動上被解放出來的時候,就開始能夠把時間與資源投注在包括娛樂、藝術、社會科學等領域,創造出一整塊全新的產業與工作機會– 即使一些傳統的工作職務因為科技的進步而消失,但新科技會創造出一批全新的工作。一個很好的例子是,當汽車被發明後,馬車產業的從業機會大幅減少,但卻也創造出包括了汽車工人、維修師、甚至加油站等的全新工作機會。
這樣的劇本,在人工智慧進化帶來的生產力革命下,能夠順利演出嗎?一個可能會稍縱即逝的例子是 AI 詠唱師,或者叫做 AI 提示師,這個工作是專門負責對 AI 下精確指令的 – 一個下得很精準的指令,能夠讓 AI 產出更好的工作結果,這個工作在過往是不存在的。當然,AI詠唱師的工作,很可能在一兩年內就會消失,因為 AI 很快就會進化到用自然語言下指令就能得到最好的工作成果的程度。但即使 AI詠唱師的工作消失了,這波人工智慧的生產力革命,仍然是有可能創造出其他類型的新型工作職務的。因為科技創新下的新需求,從而創造了新的工作職務,這會是能保護人類工作機會的第三股力量。
當然,要在這個時間點去預測 AI 生產力革命會創造哪些類型的新工作,其實並不容易。但合理的推論是– 在生產力大幅提升,供給大幅增加的狀況下,除了價格降低(供給需求曲線重設)、品質本身被迫提升(內卷)等現象會發生以外,還會出現「篩選」、「精緻化」、「差異化」、「用途轉換」等可能性。而這些可能性,很可能就是新工作職務誕生的一部份大方向。
在上述的三個力量作用之下,是否我們就不需要擔心 AI 人工智慧造成人類的大規模失業了呢?這個答案其實是否定的。或許在短期之內,包括了「需求增長」、「內卷」、「新型態工作」三股力量,能夠保障人類社會不至於出現大規模失業的動盪,但這樣的保護,其實是有其限制的。
重要的關鍵,其實是在於 AI 人工智慧的能力程度上。假設 AI 維持著目前的大致能力層級– 雖然能夠大幅加強人類的工作效率,但還是會需要真人員工的參與與投入,無法完全取代人類時,這三股力量,或許真的足以讓人類工作機會得到保障。
但問題是,AI 的能力只會停留在這個層級嗎?有沒有可能,AI 未來有能力在 90% 現有的工作職務上,完全不需要真人的參與,就能夠做的比真人員工更好?我認為這其實是有可能的事。而當這樣的狀況發生時,上述的三股力量,很可能是不足以保障人類還是有工作可以做的,因為無論是「需求增長」或是「內卷」,能夠吃掉的生產力增長還是有其上限的,而「新型態工作的創造」,是這三個力量中最難以預測的,我不認為該對其有過高的信心。簡單來說,當生產力提升 30%、50%、甚至 100% 時,這三股力量,或許還能夠抵銷掉這樣的生產力增長,但假設生產力的提升是 500%、1000%、甚至 5000%?在那樣的世界裡,上述的三個力量,很可能仍然會被爆棚的生產力所淹沒,無法保障大多數人類還能有工作機會。
雖然我不想做悲觀預言,但那樣的未來,二十年後發生的機率其實並不低– 除非 AI的進步遇到了嚴重的卡關。我認為人類社會必須開始預備那一天,做好面對衝擊的準備。近期好萊塢編劇罷工中的訴求,一大塊就是要求限制 AI 無法取代人類編劇的工作,未來類似的政治動作可能會頻繁上演。但我們可能還是得做好心理準備,無論人類做了多少應變,人工智慧有能力取代絕大多數的人類工作的那天還是會到來,而屆時的衝擊恐怕還是會巨大的無與倫比。
而到了那天,或許就是一個對於人類價值的真正考驗時刻– 在 AI 人工智慧能夠在 99% 的事情上做得比 99% 的人類更好時,人類無法被取代的終極價值到底會是什麼?
亞馬遜創辦人 Jeff Bezos 有一個廣為人知的商業洞察 - 「與其問未來十年什麼東西會改變,更重要的問題是未來十年,有什麼東西是不會改變的?」這其實並不是一個容易回答的問題,因為我們人類對於「不會改變的事物」的判斷能力其實並不好,看看全世界各國都有著精美的離婚率就知道了。特別是在 AI的生產力革命上,我認為要預測哪些事情十年後不會改變,極其困難,傳統我們認為越不動腦的工作,越容易被人工智慧取代,但大型語言模型的發展,衝擊到的反而是那些要一定程度動腦的工作。所以,找到這個關鍵,會是從國家、企業、社會、以至於個人,在下個二十年成功(或生存)的關鍵。