AI大模型的發展，機遇與挑戰並存 | 社會科學報
▋關注
ChatGPT等大模型帶火了「提示詞工程師」這個新職業。日前，獵聘大數據研究院發布的《AIGC就業趨勢大數據報告2023》顯示，AIGC的人才需求呈現出比AI更明顯向好的勢頭。當前，生成式人工智慧的應用場景十分廣闊。這為就業市場帶來了機遇，也帶來了挑戰。在新一輪科技革命和產業變革中，我們必須把握主動權，實現人力資本與社會經濟的高質量發展。
原文：AI大模型發展的「雙刃劍」
作者 | 中國勞動關係學院 紀雯雯 北京大學 徐瑞健
圖片 |網絡
大模型的發展自工業革命開始，自動化逐漸將人類從繁重的勞動中解放出來，提高勞動生產效率的同時，讓腦力勞動變得更為重要。自上世紀70年代起，計算機的算力大致按照摩爾定律指數增長。新世紀以來，計算機更新和數位技術的普及使信息的獲取和處理變得更容易，進一步將勞動力從常規、重複性腦力勞動中解放出來。隨著30年來人類社會基礎算力和網際網路數據量的指數增長，AI科技的發展逐漸加速。2014年在自然語言處理領域出現了序列到序列模型，自此AI科技進入新的高速增長期。2018年，預訓練語言模型的出現大大影響了自然語言處理領域的研究方向。特別是到2022年下半年，OpenAI推出了劃時代的預訓練生成式大模型ChatGPT，引發了全球各界的AI熱潮。一時之間，大模型紛紛湧現，社會各界紛紛談論AI科技在各行各業的廣闊前景，暢想AI技術如何引領新一輪的工業革命。當前的人工智慧通過數據驅動的方法，能夠自動化地從大量數據中學習人類尚未發現的統計規律，從而模仿人類的某些信息處理和生產能力，甚至能結合傳統的自動化技術替代一些較為複雜的體力勞動。從更長遠的角度來說，AI科技擁有將勞動力從更廣泛的非情感性腦力勞動中解放出來，並使勞動者聚焦於更具有創新性的工作內容，從而實現人類更加自由和全面發展的潛力。
AI大模型發展為勞動力市場帶來的機遇首先，引起技能偏向型技術進步的國家新一輪勞動技能結構升級的機會。2023年初，由於經濟形勢不佳且客戶需求變化，微軟宣布裁員1萬人，約占其員工總數的5%，成為公司史上第二大規模裁員。然而微軟2023財年營收高達2119.15億美元，比2022財年的1982.70億美元增長7%。根據派生性需求理論，勞動需求是經濟發展和企業創造利潤的派生需要。利潤增加的同時發生裁員，背後反映的是技術結構替代和就業質量的提高。從整體看，技術發展降低了工作的危險性和歧視程度，提高了收入和勞動生產率。事實上，微軟公司早在2015年就提前招募2027年能去上班的女性科學家。由此，AI大模型發展引發新一輪的勞動結構設計。
其次，為追趕技術前沿的發展中國家創造新空間。當前AI大模型已經取得了劃時代的進展，可以處理和生成較高質量的多種模態的信息，具有廣泛的應用前景。在尖端技術範式下，研究人員需要基於充足的數據和算力為AI模型定義輸入、輸出和學習目標，然後經過一段時間的訓練並觀察AI的學習效果。在這種開發模式下，對於AI學習機制的可解釋性研究進展一直遠遠落後於應用進展，但這種「黑盒式」的技術框架並未阻礙研究者和開發者們將AI投入應用的熱情。得益於擁有數以億計的消費者、產業完整的應用場景和使用優勢，中國可以從「應用場景換技術疊代」的發展路徑中獲得技術突破的機會，這無疑為追趕技術前沿的發展中國家創造了新空間。
AI大模型發展在勞動力市場中引起的挑戰首先是挑戰知識勞動密集型勞動。恩格斯為馬克思《資本論》第一卷作序言時強調，「資本與勞動的關係，是現代全部社會體系依以旋轉的軸心」。隨著AI大模型應用於生產場景，資本對勞動實現更高水平的替代，挑戰知識勞動密集型勞動。根據智聯招聘發布的「基於工作任務的大語言模型影響指數」，受挑戰最大的職業包括財務、審計、翻譯等，這些職業的工作都包含較多的文本處理、資料收集等知識型的任務，而這正是自然語言處理領域的長項。產業結構調整下，在當前勞動力市場中，一方面傳統製造業職工出現結構性短缺，另一方面青年失業率出現新高。
其次是挑戰教育與技術的競賽。2022年我國接受高等教育的人口達到2.4億，全民族素質得到了穩步提高。隨著AI大模型的發展，越來越多的重複性知識生產性工作被替代，挑戰教育與技術之間的競賽。一方面，如果大模型發展對高技能勞動力需求的增速快於教育供給，那麼當前教育培養的技能人才就會面臨大規模失業，進而對勞動力市場收入分配、就業質量等產生一系列挑戰。另一方面，中國與世界教育強國之間的教育質量差距挑戰了中國在全球技術競賽中的創新速度。數據顯示，中國每百萬人口中研究人員僅為1585人，世界教育強國平均水平為5641人，相差72%；中國高被引科學家為1169人，美國為2763人，相差58%；中國每千人註冊研究生數為2.3人，英美等已開發國家為9人，相差74%。
[文系北京市社會科學基金「數字經濟發展中就業結構變化與職工培訓」（20JJB008）階段性成果]
文章為社會科學報「思想工坊」融媒體原創出品，原載於社會科學報第1873期第4版，未經允許禁止轉載，文中內容僅代表作者觀點，不代表本報立場。
本期責編：宋獻琪
拓展閱讀
數字化 | 我們不必擔憂生成式AI會削弱人類思維能力
數字化 | 大語言模型不能做什麼？