當人類歷史很可能正迎來一場人工智慧革命——步入一個由其主導經濟生產和社會生活的新階段。已有跡象表明,中美兩國將在這一領域佔據領先地位,併成為爭奪主導權的主要競爭者。我們推測,人工智慧革命可能會催生一個“後知識社會”,在這個社會中,知識本身不再像今天這樣重要。相反,個體關係、社會身份,以及軟技能(包括有效使用人工智慧的能力)將變得更加重要。
本文聚焦基於大語言模型的生成式人工智慧的社會影響,分析促進其技術發展的社會因素,並討論其在擴大國際和國內社會不平等方面的潛在影響。
撰文 | 謝宇索菲婭·阿維拉 (Sofia Avila)
隨著OpenAI的ChatGPT和谷歌公司的Gemini(原名Bard)等基於大語言模型(LLM)的生成式人工智慧(AI)工具的出現,人們自然地開始思考這種技術可能帶來的社會影響。本文中,我們將基於大語言模型的生成式人工智慧(Generative Large Language ModelAI,GenAI),並旨在對其社會影響進行初步探討。
關於GenAI的社會影響的問題無疑至關重要,然而,目前的任何答案都只能是初步且推測性的。GenAI的發展仍處於早期階段,我們可能需要數年甚至數十年的時間,才能完全認識其社會影響。然而,結合歷史上技術變革的經驗、對當前GenAI技術的理解、對社會的實證研究以及社會學的推理,我們可以進行初步的推測性討論。
我們認為,GenAI的社會影響是巨大的,它不僅可能徹底改變商品和服務的生產方式,還可能從根本上重塑人類社會的組織方式和日常生活的本質。實際上,這項技術有可能顯著加劇國際和國內的社會不平等,我們將在後續部分分別討論這些議題。在探討這些議題時,我們必須始終牢記,分析僅是推測性的,因為目前對這項技術及其能力的認知仍然有限。撰寫本文時,我們借鑑了丹尼爾·貝爾(Daniel Bell)在1973年的開創性著作《後工業社會的來臨》中所展現的雄心和風格。貝爾的著作早在數字時代真正到來之前就已出版,為我們討論GenAI這項新興變革性技術的未來影響提供了一個範本。
由於GenAI的潛在社會影響過於廣泛,我們無法在一篇文章中全面探討所有相關議題。此外,關於這項新興技術的知識和想法仍在不斷演進。因此,我們將在本文中以如下方式聚焦並展開討論。首先,我們將探討一些有利於GenAI技術發展的關鍵因素。然後,在此基礎上,討論這些因素如何塑造全球競爭格局,特別是中美兩國之間在GenAI技術開發上的競爭,並推測這種競爭對跨社會不平等的潛在影響。接下來,我們將研究在採用GenAI的國家內部,GenAI日益增加的應用會如何改變職業結構以及擴大收入不平等。最後,我們透過對比在過去的經濟活動中不平等產生和代際傳遞的方式,審視GenAI在更宏大的經濟生產歷史背景中的位置,並預測未來可能發生的變化。
01
探討推動GenAI發展的因素對於理解這項技術的社會影響將會大有裨益。這有助於我們預測哪些國家可能主導GenAI的開發——這是決定哪些國家會承受哪些經濟和社會政治後果以及判斷不同人群在何種程度上可能經歷職業結構變化的關鍵因素。
(一)規模因素
需要明確的是,GenAI是一項技術,而非一項科學發現。技術有兩個顯著特點:累積性和共享性。首先,技術具有累積性,每項新技術進步都會增加現有技術的儲備。除了極少數的保密或知識喪失的情況,技術發明的積累隨著時間增長。其次,技術具有共享性,新的發明不僅惠及發明者,也惠及整個共同體。儘管某些技術有時受到家庭、企業或國家的智慧財產權保護,但重要的是一個共同體的“最佳”技術,而非個體層面的平均技術。因此技術是屬於共同體的,就其內在屬性而言是共享的。這裡的共同體可以是民族國家、次國家區域,或是擁有相同語言、文化或政治體系的國家叢集。在GenAI的背景下,共同體的規模(我們稱之為“規模因素”)極為重要:規模越大越好。我們提出四個原因來解釋這一點。
第一,社群的規模對GenAI技術的發展至關重要。過去,技術發明通常源於努力嘗試和反覆試錯,而非科學推導(Bell,1973)。一項給定的發明不太可能是純粹偶然的結果,假設其他條件相同,一個更大規模的技術交流群體會有更多的試錯機會,從而提高在共同體內產生重大發明的可能性。例如,古代中國儘管沒有現代意義上的科學體系,但在技術上卻表現出色,這在很大程度上得益於其龐大的人口基數,大規模的人口促成了無數的試驗和改進。此外,中國悠久的書寫傳統進一步促進了資訊在群體中的共享。
如今,技術進步依賴於現代科學而非簡單的試錯。因此,開發GenAI技術需要受過充分訓練的人力資源,但相對於擁有相似教育水平的小規模人口,一個更大規模的人口更容易提供足夠的資源,以培養一批受過科學訓練的人才來滿足這一需求。
第二,共同體的規模越大,開發GenAI技術的成本效益就越高。這一原則源於經濟學中的規模經濟概念,即更高的生產水平能降低單位成本。開發GenAI技術需要大量投資,包括最新的計算機硬體、複雜演算法和龐大的資料處理能力。只有在足夠大的市場中,私營企業才能分攤這些成本並實現盈利。此外,GenAI具有“非競爭性品”的特徵(Romer,1990):新增使用者的使用基本不會減少其可用性或價值。一旦開發完成,新增使用者的邊際成本幾乎為零。所以大市場中的企業能夠負擔高昂的開發成本,後續還可以從龐大的消費群體中收回鉅額成本。由於消費的邊際成本近乎為零,以及有網際網路作為傳遞技術的機制,更大的共同體促進了GenAI技術的消費。
第三,由於技術的第一個特徵——累積性,GenAI技術還應體現出一個在科技領域常見的模式:累積優勢。正如我們所解釋的,大市場中的企業有可能先行開發GenAI技術,因為他們具備吸收高成本的條件。然而,即便技術成熟並能被其他企業複製,先行者依然擁有一項基本的優勢——累積優勢。累積優勢源於兩方面。一是使用者在某個GenAI應用上習得的知識和技能並不能完全轉移到新的GenAI應用上。也就是說,一旦個人或企業投入時間去熟悉某個GenAI企業的產品,其轉向其他產品的成本就會更高。二是使用者與GenAI介面的互動本身就是改進技術的重要資料。因此,先行企業能夠利用使用者資料進一步將其產品與競爭對手的產品區分開來。當然,在生成式人工智慧領域,“先行者”並不一定能夠保證獲得優勢———他們的創新可能會被資源豐富的競爭者複製並改進。但總體而言,GenAI技術的初步開發有利於大型共同體,一旦取得成功,這些共同體會以自我強化的方式持續繁榮。
第四,規模大且識字率高的共同體在生成大體量資料方面具有優勢。人類歷史迄今為止經歷了三次重大技術革命:農業革命(約公元前10000年)、工業革命(約18世紀)和資訊科技革命(約20世紀後期)。我們即將迎來第四次技術革命——人工智慧革命。農業依賴土地和氣候,工業依賴資本,資訊科技依賴人力資本,而人工智慧則依賴大量資料用於訓練和微調(同時在某種程度上仍然依賴人力資本)。一個人口眾多且相對富足的社會,有能力獲取充足的人力資源和資料。
綜上所述,本節闡明瞭規模因素在GenAI技術發展中的關鍵作用。經濟上的效率低下、實際挑戰以及資料不足是小型社會在開發該技術時面臨的主要障礙。有意思的一點是,規模因素的作用在農業技術中曾至關重要,但在工業時代的重要性有所減弱,而在當前以GenAI技術為標誌的人工智慧革命中,規模因素重獲重要地位。
(二)語料庫特異性和語言特異性
GenAI系統之所以能夠生成有用的類人文字響應,是因為它們的訓練依賴語料庫(即大批文字的集合)作為輸入。因此,任何GenAI的表現都必然受到其所使用的特定語料庫的影響。換言之,這項技術的表現取決於所用語料庫的質量。這種對特定語料庫的依賴限制了GenAI的能力。例如,在敘述歷史事件時,GenAI的準確性上受限於訓練資料的覆蓋範圍和準確性。如果某些歷史事件由於被忽視、證據有爭議或因政治審查而未被記錄,這些內容就無法在模型的響應中得到準確的反映。此外,不同語料庫可能會導致不同的輸出。在考慮到語料庫的文化和政治背景時,這一特性尤其重要。在多元文化或國際語境中,不同語料庫可能反映不同的敘事和偏見,從而得到不同的響應。
已有研究揭示了基於英文的GenAI技術中的性別與種族偏見(Kantharuban et al.,2024),例如,ChatGPT的回答會因使用者姓名所暗示的種族和性別而有所不同。即使使用者未明確透露自己的種族,GenAI也可能生成帶有種族刻板印象的推薦內容(Kantharuban et al.,2024)。此外,不同語言之間的差異也可能較大。例如,用英語和中文提出一個相同的問題,可能會產生不同的回答,這反映了每種語言所特有的敘事和背景。正如Kan-tharuban et al.(2024)所指出的,大語言模型生成的回應反映了使用者的需求以及使用者的身份。
為理解語言在GenAI中的作用,我們在2023年12月測試了OpenAI的ChatGPT4.0:用英語、中文、日語和緬甸語四種語言向ChatGPT4.0提出一系列相同的問題。除改變語言外,我們還改變了使用者的民族身份,例如將使用者設定為中國人或日本人。部分問題涉及政治和文化,其中一個問題是關於一位著名的政治領袖,另一個問題則是關於“龍”。我們在實驗中有以下發現。
其一,對於各國普遍認可的概念和事實,例如科學術語和科學發現,不同語言之間的回答沒有差異。
其二,對於各文化之間有所不同的概念,如餐桌禮儀,語言的影響小於使用者身份的影響。
其三,對於在特定語言中具有獨特含義的概念,如“龍”,輸入的語言會產生影響,無論使用者的自我認同如何設定。
其四,對於根據政治體制或國家而具有不同含義的術語或概念,語言的影響顯著。在涉及政治敏感的術語或概念上,使用者使用中文輸入時得到的回答與使用英文時有顯著不同。這是一個令人驚訝的發現,因為我們使用的都是ChatGPT4。
其五,用英語提問和用例如緬甸語這樣的小語種提問,得到的答案差異很小(儘管部分回答並不連貫或難以理解)。我們推測ChatGPT的小語種回答是基於英文語料庫生成的。
後三點體現了GenAI的語料庫特異性,即語言特異性。這是因為GenAI的訓練需要的資料集——語料庫,只能存在於特定的語言中。雖然理論上GenAI技術可以將使用者輸入翻譯成不同語言,但它在原始訓練資料的語言(如英語)中表現最佳,因為許多表達方式是某種語言所特有的,無法輕易轉譯。換言之,翻譯技術具有內在的效能限制。因此,即使演算法完全相同,GenAI模型的響應也會因輸入的語料語言不同而有所差異。由於GenAI技術的語料庫是特定語言的文字資料,語言在最終產品中具有影響力,部分是透過前述的“規模因素”。規模越大,語言對技術性能的影響力越顯著。我們注意到,語言並不一定侷限於單一國家,例如英語在許多國家和曾為英國殖民地的地區使用。
相反,一個國家內可能使用多種語言,如加拿大的英語和法語,印度的多種官方語言。因此,GenAI技術生產的一個重要因素是使用某種語言的人口規模。不同語言的人口規模有很大差異。在圖1中,我們列出了世界上最常用的語言,英語居於首位(有13億使用者),其次是中文(有11億使用者)。儘管印度是目前世界上人口最多的國家,但印地語的使用規模僅排第三。
圖1各語言使用人口規模 資料來源：《民族語》（Ethnologue）2022年，第25版。
像世界上其他社會和自然現象一樣,語言使用的分佈高度偏斜,遵循冪律分佈。少數語言,如英語和中文,為大量人群使用,而大多數語言的使用人群很少。在圖2中,我們展示的影像表明語言使用人口規模符合冪律,其帕累託係數為：
圖2 各語言使用人口規模的冪律分佈 資料來源：《民族語》（Ethnologue）2022年，第25版。
另一個複雜之處在於，使用某種語言的人口規模不能完美預測該語言的文字資料量。例如，雖然印地語是第三大語言，但印地語使用者中仍不識字的佔很大比例，因此無法產生文字資料（Statista，2024）。此外，因為印度的許多精英使用英語接受教育以及交流，印地語的文字資訊無法與其使用者規模排名相符。例如，在報紙和雜誌出版方面，印地語排名第四；在書籍出版方面，印地語未進入前12名（Lobachev，2008）。因此，語料庫和語言特異性會為擁有龐大且受過良好教育人口的語言共同體帶來優勢。
02
正如前文所述,GenAI技術的發展優勢或劣勢難以簡單地以國家為單位來衡量。畢竟,規模因素和語料庫的特異性是對語言和社會文化共同體造成優勢和劣勢,而這些共同體的分佈並不一定與國家邊界完全重合。然而,在分析GenAI技術的競爭格局時,以國家為分析單位仍然具有重要意義。
GenAI技術的投資和發展主要源於人們認為其在提升經濟生產力方面的潛力。隨著GenAI技術的不斷進步,可以預期該技術的分佈格局將發生顯著變化。目前,GenAI的企業對企業商業模式主要採取訂閱制的企業軟體形式,即採用GenAI技術的企業需要向GenAI供應商如OpenAI支付月費或年費。隨著技術改善以及企業圍繞技術調整戰略,企業可能會減少僱傭並且逐步實現工作任務的自動化。從本質上講,這可以被理解為一種外包形式,企業使用更為廉價的第三方替代服務來完成部分任務,從而提升自身利潤,同時也增加了服務提供商的利潤。當工作被外包至他國時,原本可以留在國內的資金可能會流失。這在GenAI的情境下尤為重要,因為開發這些工具的主導企業集中在少數幾個國家,因此很可能會捕獲該技術產生的相當大一部分收益。
除了經濟方面的問題外,文化和社會因素也可能進一步加劇國家間的不平等。也就是說,對大規模語料庫的需求系統性地讓小語種人群處於不利地位,因為他們可能受制於開發GenAI技術的國家在文化和政治上的主導。GenAI工具生成的內容基於其訓練資料,因此會反映這些文字和影像背後的態度和觀念。例如,OpenAI的GPT-3的訓練資料有大約60%來自CommonCrawl(Brown et al.,2020),這個網際網路檔案庫包含了規模以拍位元組計的爬取自網路的資料。據估計,CommonCrawl的資料中有46%的文件主要是英語,這些內容可能充斥著英語創作者的價值觀。
第二次世界大戰後,全球政治的主要主題是民族獨立和自決(Jackson,2000),從殖民統治中獲得解放。如今由於AI革命,GenAI的到來顯示出了逆轉這一長期趨勢的風險,因為它使小國重新依賴於處支配地位的國家。換言之,AI革命的到來可能會加劇國家間的不平等,使擁有先進AI技術的大國佔據優勢,使缺乏獨立AI技術的小國面臨不利局面。尤其是中美在地緣政治上的緊張和衝突,可能會引發全球技術競爭,使其他國家在技術上依賴它們。
GenAI技術也在全球範圍內對當前的法律體系提出了挑戰。長期以來,人們普遍接受每個國家在其領土範圍內擁有釋出法律的主權。然而,正如我們之前所討論的,GenAI技術必然會超越國界。只有在資料隱私、政治審查和跨境資料流動等法律領域的國家差異得到解決後,才能實現GenAI的跨國共享。
目前,歐洲可以被視為資料監管的全球領先者:歐洲委員會的《歐洲資料戰略》和《通用資料保護條例》共同構建了一個統一且受監管的資料市場,旨在實現確保歐洲的全球競爭力和資料主權的雙重目標(EuropeanCom-mission,2024)。相比之下,美國缺乏聯邦層面的資料監管框架,但一些州已制定了全面的資料監管法規,例如加利福尼亞州的《隱私權法案》和康涅狄格州的《個人資料隱私和線上監控法案》。值得注意的是,儘管截至2023年年底只有五個州擁有強有力的資料隱私法規,但另有14個州已透過隱私權立法,這些法規預計將在2026年年初以前生效。與此同時,中國正逐漸成為全球資料監管的重要力量。在過去五年中,中國製定了多項法律,如《網路安全法》、《個人資訊保護法》、《資料安全法》以及《資料出境安全評估辦法》。這些法律旨在建立一個由中央控制的資料治理體系,出於國家安全和公共利益的原因限制跨境資料流動,體現出資料監管方式的日益嚴格。在限制跨境資料流動的同時,中國政府與國內的AI企業合作,處理高價值的政府監控資料,助力國內的創新,提升這些企業的演算法。例如,Beraja et al.(2022,p.1702)認為,這種公私部門的合作“可能為中國企業在面部識別的AI技術上成為領先的創新者提供了幫助”。
03
如果GenAI的興起可能加劇國家間的不平等,一個重要的問題是哪些國家可能成為這些工具的領導者,從而相對其他國家佔據優勢。一些學者和行業領袖認為,美國和中國有望利用其豐富資源和對AI研發的戰略性投資,主導該領域(參見Graham et al.,2021)。我們根據上述影響GenAI發展的因素來考察這兩個國家。
如前所述,美國和中國受益於其大量使用英語和漢語的人口。此外,大量文字作品以這兩種語言釋出。例如,1995年全球出版的918964個書名中,英文書名數量最多,達200698個,佔總數的21.84%;其次是中文書名,達100951個,佔總數的10.99%(Lobachev,2008)。與這些數字密切相關的是,中國和美國在書籍出版方面占主導地位。2015年,中國出版了470000本書,美國出版了近339000本,而英國則遠遠落後,以173000本排名第三(International Publishers Association,2016)。因此,美國和中國在獲得用於訓練GenAI系統的英語和漢語大型語料庫方面擁有優勢。
在技術能力方面,美國在GenAI創新方面處於領先地位,並且是該技術的創始國。儘管人工智慧的確切起源尚存爭議,但顯然美國的大學在其建立中發揮了關鍵作用。有些人將GenAI技術的起源追溯到艾倫·圖靈(AlanTuring),其1950年的論文《計算機器與智慧》(“ComputingMachineryandIntelligence”)探討了人工智慧的數學可能性,並建立了構建和測試這些機器的框架。幾年後,達特茅斯學院組織了達特茅斯夏季人工智慧研究計劃,這是一個歷史性的會議,頂級研究人員測試了圖靈的一些想法,並討論了他們對該領域的願景(Anyoha,2017)。神經網路對於GenAI模型的統計訓練至關重要,而神經網路的開發也源於美國大學的研究,有時還得到美國國防高階研究計劃局等政府機構的資助(Anyoha,2017)。
在過去的幾十年裡,GenAI技術的最前沿研究也在美國的公司裡進行。事實上,曾在1996年戰勝了國際象棋世界冠軍加里·卡斯帕羅夫的著名象棋計算機“深藍”,最初由卡內基梅隆大學開發,但最終在IBM研究院完成。多年以後,谷歌DeepMind—一個美英合作的研究實驗室,透過其在神經網路模型方面的創新,在圍棋比賽中戰勝了一位職業選手。谷歌還開發了推動分子生物學領域重要進步的產品,並在GenAI研究領域發表了上千篇論文。谷歌還被認為是Transformer架構的創始者,這是一種廣泛應用於大多數大型語言模型的深度學習架構。最後,在2019年獲得微軟鉅額捐贈支援的OpenAI迅速崛起為該領域的領先者之一,其產品包括多個語言模型,最著名的是GPT-3和GPT-4,它們為廣受歡迎的聊天機器人和虛擬助手ChatGPT提供支援。ChatGPT於2022年11月推出,並在次年1月便達到了1億使用者。OpenAI助力催生了一場“AI熱潮”,這一熱潮的特點是呈指數級增長的投資流向OpenAI和Anthropic等專門從事AI業務的公司,以及在AI領域佔有重要地位的科技巨頭,如Meta、蘋果、Alphabet、亞馬遜和微軟。
GenAI領域的行業領導者主要集中在美國,但中國正迅速崛起,成為美國的強勁競爭對手(Chou,2023;Kallenborn,2019;Li et al.,2021)。中國的AI產業正在迅速發展,包括阿里巴巴、百度和騰訊等知名公司。更廣泛而言,自1978年中國啟動經濟改革以來,持續快速的經濟發展極大地推動了中國在科學技術方面的進步(Xie et al.,2014)。值得注意的是財富或財產積累很少,社會優勢和劣勢的傳遞主要透過基因和運氣實現(Smith et al.,2010,p.21)。
農業革命之後,農業經濟的特點是永久定居、人類組織和不平等的上升。隨著農業的出現,人類開始擁有私有財產,其中最重要的是土地。由於農業生產高度依賴土地,土地所有權成為社會不平等的主要基礎,土地的代際傳遞使社會優勢和劣勢透過繼承的形式延續下去。後來,工業革命帶來了機器,機器取代了人力和畜力,成為主要的生產資料(Bell,1973;Stearns,2020)。在工業經濟中,製造品變得豐富,在歷史上首次將生活水平改善到了生存線以上(Clark,2007)。對於少數資本家來說,資本的所有權成為收入來源,即財產收入(Piketty,2014)。然而對於大多數人來說,操作機器構成了勞動收入的基礎。因此在這種經濟中,社會優勢和劣勢的代際傳遞所採取的形式是技能傳遞和資本繼承。
最近,我們正親歷被稱為知識經濟的後工業經濟時代。丹尼爾·貝爾(Daniel Bell)在其1973年的重要著作《後工業社會的來臨》(TheComing of Post-industial Society)中對這一概念進行了廣泛討論。知識經濟的主要產出是服務。許多例行工作被計算機替代,知識的重要性日益增加。這顯而易見,因為許多專業服務業,如法律、健康、金融和教育部門需要專業知識。因此,父母有強烈動機投資子女的教育,作為代際轉移支付的方式。當然,對於少數富人來說,資本仍然是一項重要的生產要素。
如今,隨著AI技術不斷發展,我們可能會進入一個後知識經濟社會,伴隨而來的是新的代際不平等傳遞形式。我們推測GenAI將使知識在勞動力市場中的重要性降低。不僅是商品的製造,服務也將由AI驅動的機器實現自動化供應,因此大多數人可能不需要長時間工作,因為機器可以代替他們完成任務。如果這些技術的生產繼續集中在少數國家,這可能會增加小國對美國和中國等國的經濟依賴,並可能引向非正向的文化主導形勢。除了國家間的不平等,國內社會也可能出現深刻的分化,少數人佔據精英的位置並長時間工作,大多數人則對商品生產和服務提供的直接貢獻很少。這可能帶來職業階梯消失的問題,傳統的職業生涯路徑被打破,勞動力市場更加深入地走向極化。
在未來的AI經濟中,什麼將變得最為重要?對於少數人來說,作為生產資料的資本和AI技術的所有權依然重要,而且可以傳給下一代。對於已處於高職位的從業者,任務的多樣性、高頻率的客戶接觸,以及工作和個人身份的獨特聯絡為其提供了工作保護。低收入職位中從事體力勞動或人際服務工作的工人也更少面臨AI的直接威脅,經歷這波經濟轉型的衝擊可能不會那麼劇烈。然而,許多中等收入崗位的勞動者已經感受到了新技術的影響,並面臨更高的替代風險。對於這些勞動者而言,個性和軟技能可能在勞動力市場中發揮巨大的作用。對於那些直接接觸GenAI的勞動者,其價值將取決於他們利用AI的能力,即Qinetal.(2024)提出的“AI商”(Artificial Intelligence Quotient,AIQ),以及他們在人際交往中展現自我的方式。社會身份與個人身份將變得至關重要,人際關係也將會起到關鍵作用。有效運用AI等軟技能將會成為未來勞動者的核心競爭力,社會地位的代際傳遞很可能表現為這些軟技能的傳遞。
06
GenAI的重要性很可能會持續擴大,並以我們目前無法完全預測的方式從根本上改變人類社會。鑑於這些新工具可能加劇美國和中國等國家中已然在不斷擴大的不平等現象,制定政策來規範這些技術並對抗其可能帶來的有害分配效應至關重要。2024年,美國勞工部宣佈了一套新原則,旨在為希望採用GenAI技術以提升工作質量並保護工人權利的僱主提供指導(Department of Labor,2024)。儘管這樣的指導是重要的一步,但在聯邦層面設計有效的政策來引導GenAI的發展並不容易,因為每個行業——甚至每家企業的自動化需求都非常特殊,這使企業行為難以監管。組織化勞工在最小化工作崗位流失和保護工人免受自動化的有害影響方面也可能發揮關鍵作用,但勞工運動面臨諸如工作權法和僱主的反工會策略等嚴峻挑戰,這使得組織化變得困難。為確保向AI經濟的平穩過渡,各國不僅應規範GenAI技術,還需完善保護工會的法律,以確保健康的權力制衡。
GenAI技術的發展依賴規模因素,使大國相對於其他國家擁有優勢。美國和中國目前在GenAI領域處於領先地位,並將繼續發揮其優勢。鑑於GenAI技術的語料庫特異性和與之相關的語言特異性,這兩個國家將向其他國家提供內容反映不同政治體系和文化的服務。我們預計,美國和中國之間在GenAI技術主導權上將展開激烈競爭,因為這關乎全球的重大利益。
我們推測,由於AI革命,一個後知識社會即將到來。如果產品和服務可以透過AI驅動的機器輕鬆提供,將可能會發生大規模的工作崗位替代。替代尤其可能發生在目前被認為是中產階級的勞動者身上,比如教師、會計、職員、計算機程式設計師、工程師、編輯、醫生和律師。處於社會層級頂端和底層的勞動者不太可能被替代。知識和硬技能的重要性將減弱,而軟技能的重要性將增加。在這種未來的AI驅動社會中,人們將不再那麼在意產品和服務的物質條件(如質量),因為AI會使其差異性減少。相反,消費者將更在意是誰提供了這些產品和服務,個人身份將變得更有意義。在購買產品和服務時,人們將更少受客觀標準左右,更多受個人主觀品味影響。個人和企業將不再由於滿足他人的物質需求獲得成功,而是由於滿足他人的心理需求——使人們感到快樂和滿意。
與之前描述的其他技術進步一樣,GenAI有潛力透過降低商品成本、讓勞動者有更多時間追求個人興趣、從事創造性活動以及為社群做出貢獻來推動經濟發展並提高生活水平。然而,正如本文所論述的,如果向AI驅動的社會轉型沒有得到妥善管理,這項技術也可能加劇國家間和國內的不平等。適當的政府監管對於確保倫理標準、緩解風險以及營造一個包容性的環境至關重要。在這種環境中,人工智慧的益處才能夠得到廣泛共享。
(感謝劉雯、吳鉤、Dean Minello的研究助理工作以及黃青、李適源、聶雨琪的文字潤色工作。)
原文：謝宇 & 索菲婭·阿維拉.(2025).基於大語言模型的生成式人工智慧的社會影響.經濟學(季刊),25(02),273-292.doi:10.13821/j.cnki.ceq.2025.02.01.
[1] Acemoglu，D.，and P. Restrepo，“Artificial Intelligence，Automation and Work”，NBER working paper，2018，No. w24196.
[2] Anyoha，R.，“The History of Artificial Intelligence”，Science in the News，2017.
[3] Autor，D. H.，L. F. Katz，and M. S. Kearney，“The Polarization of the U.S. Labor Market”，American Economic Review，2006，96（2），189-194.
[4] Bell，D.，The Coming of Post-Industrial Society. New York，NY：Basic Books，1973.
[5] Bettinger，E.，and B. T. Long，“Does Cheaper Mean Better？The Impact of Using Adjunct Instructors on Student Outcomes”，The Review of Economics and Statistics，2010.
[6] Beraja，M.，A. Kao，D. Y. Yang，and N. Yuchtman，“AI-tocracy”，The Quarterly Journal of Economics，2023，138（3），1349-1402.
[7] Beraja，M.，D. Y. Yang，and N. Yuchtman，“Data-intensive innovation and the State：Evidence from AI firms in China”，The Review of Economic Studies，2022，90（4），1701-1723.
[8] Brown,T.B.,B.Mann,N.Ryder,etal.,“LanguageModelsAreFew-ShotLearners”,arXiv,2020.https://arxiv. org/abs/2005. 14165.
[9] Chicago Tribune，“End of the line for railroad firemen？”，2021.
[10] Chou，G.，“China’s Race to Become an AI Superpower”，The Nation，2023，https://www. thenation. com/article/world/china-artificial-intelligence/.RetrievedJanuary15,2024.
[11] Clark，G.，A Farewell to Alms：A Brief Economic History of the World. Princeton University Press，2007.、
[12] Diamond，J. M.，Guns，Germs，and Steel：The Fates of Human Societies. New York，NY：Norton，1999.
[13] Department of Labor，“Biden-Harris administration announces groundbreaking AI principles for worker well-being”，2024.
[14]EconomicPolicyInstitute,“MajorStrikeActivityIncreasedby280%in2023”,2024,Availableat. https://www.epi.org/publication/major-strike-activity-in-2023/(accessed13December2024).
[15] Elliott，J.，and P. Kiel，“Inside TurboTax’s 20-Year Fight to Stop Americans From Filing Their Taxes for Free”，2019. Retrieved from https://www.propublica.org/article/inside-turbotax-20-year-fight-to-stop-americans-from-filing-their-taxes-for-free.
[16] European Commission，A European strategy for data. 2024. https://digital-strategy.ec.europa.eu/en/policies/strategy-data.
[17] Graham，A.，Kylman，K.，Barbesino，K.，and Yen，H.，“The great tech rivalry：China vs the US”，In: Avoiding Great Power War Project. Cambridge：Harvard Kennedy School，2021.
[18] He，Y.，“How China is preparing for an AI-powered Future”，Wilson Center，2017.
[19]International Publishers Association,IPAAnnualReport2015-2016.2016, Available at: https://web. archive.org/web/20181118220655/https://internationalpublishers.org/images/reports/Annual_Report_2016/IPA_ Annual_Report_2015-2016_interactive. pdf (accessed 13 December 2024).
[20]Ipsos,“Global Opinions and Expectations about ArtificialIntelligence”,2022.https://www. ipsos. com/sites/default/files/ct/news/documents/2022-01/Global-opinions-and-expectations-about-AI-2022. pdf. RetrievedDecember6,2024.
[21] Jackson，R.，The Global Covenant：Human Conduct in a World of States. Oxford：Oxford University Press，2000.
[22] Kallenborn，Z.，“The Race is On；Assessing the US-China Artificial Intelligence Competition”，The Modern War Institute，2019. https://mwi.westpoint.edu/race-assessing-us-china-artificial-intelligence-competition/.Retrieved January 17，2024.
[23]Kantharuban,A.,J.Milbauer,E.Strubell, and G. Neubig,“Stereotypeor Personalization? User Identity Biases Chatbot Recommendations”,arXiv, 2024. https://arxiv. org/pdf/2410. 05613.
[24] Klein，M.，“Replacement Technology：The Diesel as a Case Study”，Railroad History，1990，162，109–120.
[25]Kochhar,R.“AGlobal Middle Class Is More Promise than Reality”,Pew Research Center,2015.https://www.pewresearch.org/global-migration-and-demography/2015/07/08/a-global-middle-class-is-more-promise-than-re-ality/.
[26] Larsen，B. C.，“The Geopolitics of AI and the Rise of Digital Sovereignty”，The Brookings Institution，2022. https://www.brookings.edu/articles/the-geopolitics-of-ai-and-the-rise-of-digital-sovereignty/. Retrieved January 19，2024.
[27]Lee,K.-F., AI Superpowers: China,SiliconValley,and the New World Order. NewYork, NY: Houghton Mifflin, 2018.
[28] Leiveson，L.，“Labor Unions and the U.S. Economy”，U.S. Department of Treasury，2023.
[29] Li，D.，T. W. Tong，and Y. Xiao，“Is China Emerging as the Global Leader in AI”，Harvard Business Review，2021. https://hbr.org/2021/02/is-china-emerging-as-the-global-leader-in-ai. Retrieved January 15，2024.
[30] Lobachev，S.，“Top Languages in Global Information Production”，Partnership: The Canadian Journal of Library and Information Practice and Research，2008，3（2）.
[31] Luong，N.，and R. Fedasiuk，“State plans，research，and funding”，In：Chinese Power and Artificial Intelligence. Routledge: 2022，doi:10.4324/9781003212980-2.
[32] Ma，J. S.，M. O’Riordan，K. Mazzer，P. J. Batterham，S. Bradford，K. Kõlves，… D. J. Rickwood，“Consumer Perspectives on the Use of Artificial Intelligence Technology and Automation in Crisis Support Services: Mixed Methods Study”，JMIR Human Factors，2022，9（3）. doi: 10.2196/34514.
[33]National Science Foundation, Celebrating 1 Year of CHIPSand Science Act.2023, Available at: https://nsf-gov-resources. nsf. gov/2023-08/NSF%20CHIPS_and_Science_1_year_fact_sheet.pdf (accessed 13 December 2024).
[34] Piketty，T.，Capital in the Twenty-First Century. Harvard University Press，2014.
[35] Press，G.，“AI Stats News: 86% Of Consumers Prefer Humans To Chatbots”，Forbes，2019.
[36] Qin, X., Lu, J. G., Chen, C., Zhou, X., Gan, Y., Li, W., & Song, L. L. Artificial Intelligence Quotient (AIQ). SSRN, 2024.
[37] Rubio，P. F.，“Almost Striking Again，Arbitration，and Automation，1980s–1990s”，OUP Academic，2020，doi:10.5149/northcarolina/9781469655468.003.0008.
[38] Romer，P. M.，“Endogenous Technological Change”，Journal of Political Economy，1990，98（S5），S71.
[39] Saad，L.，More in U.S. See Unions Strengthening and Want It That Way. Gallup.
[40] Smith，E. A.，K. Hill，F. W. Marlowe，D. Nolin，P. Wiessner，M. Gurven，S. Bowles，M. B. Mulder，T. Hertz，and A. Bell，“Wealth transmission and inequality among hunter-gatherers”，Current Anthropology，2010，51（1），19-34.
[41] Stearns，P. N.，The Industrial Revolution in World History. New York，NY：Routledge，2020.
[42] Statista，“India: Literacy Rate from 1981 to 2018”，2024.
[43] Universum，“Universum Announces 2022 Global Talent Survey Data for the China Region” （in Chinese），https://www.prnasia.com/story/367626-1.shtml. Retrieved January 18，2024.
[44]US Department of the Treasury,“Labor Unionsand the U.S.Economy”,2023, Available at:https://home. treasury. gov/news/featured-stories/labor-unions-and-the-us-economy (accessed 6 December 2024).
[45] Wang，X.，S. Xu，D. Liu，and Y. Liang，“The Role of Chinese–American Scientists in China–US Scientific Collaboration: A Study in Nanotechnology”，Scientometrics，2012，91（3），737-749.
[46] White，K.，“Publications Output: US Trends and International Comparisons”，In：Science & Engineering Indicators 2021，NSB-2021-4. National Science Foundation，2021. https://ncses.nsf.gov/pubs/nsb20214. Retrieved January 15，2024.
[47] Xie，Y.，“‘Undemocracy’：Inequalities in Science”，Science，2014，344（6186），809-810.
[48] Xie，Y.，C. Zhang，and Q. Lai，“China’s Rise as a Major Contributor to Science and Technology”，Proceedings of the National Academy of Sciences （PNAS），2014，111（26），9437-9442.
[49] Yun，J. H.，E.-J. Lee，and D. H. Kim，“Behavioral and neural evidence on consumer responses to human doctors and medical artificial intelligence”，Psychology & Marketing，2021，38（4），610-625，doi:10.1002/mar.21445.
親愛的讀者們，不星標《知識分子》公眾號，會錯過每日科學新知！星標《知識分子》，緊跟前沿科學，一起探索科學的奧秘吧！
關注《知識分子》影片號
get更多有趣、有料的科普內容