自ChatGPT兩年前問世以來,生成式AI便被寄予厚望,期待它能重塑工作方式。AI的應用場景廣泛且多樣,而我們仍在探索其在個人、團隊和組織層面最適用的方式。出人意料的是,辦公室中的白領工作似乎比戶外和工廠的藍領工作更有可能被AI取代。
新一代生成式AI擁有多個超越人類的特性。它永遠線上,不會疲勞;它可以訪問網際網路上龐大的資訊資源;它能立即生成和輸出結果;它可以無限擴充套件,幾乎不受物理限制。
這一AI時代的變革,對於創造它的我們而言,可能顯得既震撼又讓人不安。面對AI的快速進步,我們需要更加敏銳地尋找,人類到底有哪些獨特的價值。
在哪些領域,AI已經超越了人類?
過去幾十年間,矽基智慧(Silicon-based intelligence)取得了顯著進步。早在大語言模型和生成式AI出現之前,在多個特定領域中,AI就已經超越了人類,比如:
跳棋(1994)
國際象棋(1996)
合格的語言翻譯(2006)
手寫識別(2014)
閱讀理解(2017)
對話式互動(2023)
達到人類水平的語言翻譯(2024)
我們無法預測下一個將被AI主導的領域,但潛在候選領域包括:完全自主駕駛(L5級自動駕駛)、外科手術、撰寫暢銷書、利用AI自主開發AI系統,以及通用人工智慧AGI——這一術語由謝恩·萊格(Shane Legg)推廣,指的是能以人類水平處理廣泛認知任務的AI。目前,媒體和投資界對AI的興趣空前高漲,顯然,AI的進步仍將持續,並可能在多個方向上取得突破。
那麼,在可預見的未來,AI 仍然難以攻克的領域有哪些?人類還能繼續掌控和捍衛哪些獨特的優勢呢?
在哪些領域,人類仍然領先於AI?
在過去幾年裡,我們與數百位AI專家、消費者和懷疑論者交流,討論AI的發展方向。我們認為,儘管AI進步迅猛,但人類仍然在四個核心領域保持優勢:
情感(Emotion):
理解、共情,並對人類情感做出敏感回應。
複雜性(Complexity):
在模糊且廣泛的背景中全面解決問題。
物理性(Physicality):
處理需要靈活應變和物理互動的任務,尤其是在有人類在場和需要即時反饋的情況下。
創造力(Creativity):
提出原創、新穎的想法和解決方案的能力。
接下來,我們逐一探討這些領域。
[情感]
在人際交往和軟技能方面,人類依然是無可爭議的專家。生成式AI可以模擬並復現我們對共情、道德、談判等話題的思考和表達,甚至提供令人信服的建議。如今,AI輔助心理治療和陪伴的應用已經出現,並逐漸被接受。
但對大多數人來說,在複雜、多變且充滿個性化細節的情況下,我們仍然更傾向於尋找一個真正理解自己的“人”。相比AI,人類專家、朋友或同事更有可能提供未經過濾的、反直覺的,甚至頗具爭議的觀點——在很多情況下,這種觀點比AI所提供的安全的、通用的、臨床化的回答更具價值。
此外,人類天然地對其他人類的思想、感受、和言行保持關注。這種社交本能推動了人文敘事的影響力,併成為過去20年社交媒體繁榮的核心驅動力。我們熱愛體育、音樂、喜劇,是因為這些由人類創造和演繹,並帶給我們情感共鳴。即使AI生成的正手擊球、流行歌曲或笑話再客觀和完美,它們也無法帶來同樣的情感衝擊。當AI在國際象棋領域全面超越人類棋手後,人們仍然熱衷於觀看人類的象棋比賽。這是因為,我們欣賞的並不是機器的完美無缺,而是人類競技的成功與失敗、起伏與未知。
在這方面,目前仍有價值的人類技能包括:說服、自我認知、道德判斷、傾聽、敘事能力,以及銷售技巧。
[複雜性]
對AI來說,這個世界仍然過於複雜。
當環境和規則被明確地定義、限制且可控的時候,AI確實超越了人類,例如國際跳棋、象棋和圍棋等棋類遊戲。
除此之外,AI和生成式AI在更廣泛的領域中也展現了新一階段的技術能力。前沿的AI模型可以在開發人員輸入程式碼時預測出程式碼片段,自動生成解決問題所需的程式碼,實現不同程式語言之間的程式碼轉換,修復程式錯誤,並撰寫輔助文件。與此同時,它們還能生成營銷文案和法律檔案,並最佳化財務會計流程。
然而,世界上的問題遠比這些複雜得多。氣候變化、貧困、社會正義、商業戰略——這些被霍斯特·裡特爾(Horst Rittel)和梅爾文·韋伯(Melvin Webber)在1973年《政策科學》(Policy Sciences)雜誌的文章中稱為“棘手問題”(wicked problems)。要解決這些問題,需要從多個背景中提取和理解資料。而AI尚無法跨越多個不同的領域進行綜合理解。
事實上,Meta公司的首席AI科學家揚·勒昆(Yann LeCun)以及其他AI領域的權威人士認為,儘管擁有龐大的資料量,但生成式AI仍然僅能依賴文字進行訓練,而文字只是人類所有資料中很小的一部分——我們的DNA編碼、對世界的感官和身體體驗、情感等,這些都是AI無法利用的資料。因此,我們不應指望AI在應對複雜的棘手問題上取得太大進展。
在這方面,目前仍有價值的人類技能包括:解決複雜問題、構建意義、風險管理、戰略規劃、願景制定以及直覺判斷。

[物理性]
生成式AI無法直接與物理世界互動。
如果你需要寄一封信、安裝一個書架、帶新員工參觀辦公室,或者在談判中注視對方的眼睛,生成式AI都無法代勞。
機器人還需要一段時間才能普及。專家認為,家用機器人至少還需要十年才能真正地進入家庭。埃隆·馬斯克(Elon Musk)是世界上最熱衷且最有影響力的機器人倡導者之一。他也承認,直到2040年,機器人才可能真正地普及。而完全自動駕駛汽車的發展無疑比馬斯克和其他人最初預測的慢得多。
此外,在某些職業場景中,人與人之間的身體接觸是一個硬性條件。護理人員、廚師、運動員、護士、垃圾回收員、美髮師和手工藝人等,都必須親自在現實世界中操作,才能創造價值。
在這方面,目前仍有價值的人類技能包括:靈巧性、肢體語言、體力、平衡感、身體協調能力、觸覺靈敏度、儀態以及手眼協調能力。
[創造力]
如果我們只用世界上已有的資料來訓練AI,那麼,這項技術就很難創造出真正新穎的東西。
當然,生成式AI能夠生成一句話、一段文字或一幅影像,而這些在世界上從未出現過。但它能否帶來真正的創造力——比如一個以新穎方式打動我們、讓我們感受到其重要性的成果?
儘管新一代AI媒體生成技術的推出引起了軒然大波,但作為消費者,我們對此並不十分在意。Spotify現已將AI生成的音樂納入其目錄,但所有的大熱單曲仍出自人類音樂家之手。觀看AI生成的電影的人寥寥無幾,人們也並不樂於觀看。而且,儘管最近,一幅由AI生成的畫作以100萬美元的價格成交,但這個金額也遠遠達不到達芬奇名畫《救世主》的4.5億美元的售價。我們珍視歷史和稀缺性,而這兩種特質是AI無法具備的。
高質量的寫作目前也同樣安全。我們用幾十年來大量網路內容營銷的資料來訓練生成式AI,導致其只能產出平庸無奇的散文。HBR.org上的文章也同樣,仍然由人類專家撰寫和編輯。我在2023年,也就是ChatGPT引起全球關注的那一年,寫了一本書。有一兩週的時間(大約是在GPT-4釋出期間),我擔心自己的努力以及未來所有的人類文學創作都會變得徒勞無功。然而,這種擔憂很快消散,因為顯而易見,生成式AI寫作的實際質量不夠理想。《大西洋月刊》雜誌(The Atlantic)的CEO尼古拉斯·湯普森(Nicholas Thompson)描述了新聞業面臨的挑戰和機遇:“……創作出那些對大語言模型來說最難生成的故事……那些基於人類的報道、具有新事實、文風優雅且結構複雜的故事。”
請注意,人類的創造力常常汲取於其他三個領域——情感、複雜性與物理性。我們在科學、音樂、建築、工程以及其他關鍵領域所取得的最驕傲的成就,一直都要求擁有深厚的情感和思想,同時兼備靈巧與勤奮。還有什麼比這更具人性的呢?十九世紀英國博學家約翰·羅斯金(John Ruskin)曾將美術——可以說是人類創造力的典範——定義為“雙手、頭腦與心靈的完美結合。”
在這方面,目前仍有價值的人類技能包括:想象力、構思能力、審美判斷力、橫向思維、藝術表現力和好奇心。
人類與AI也能相輔相成
沿著上述一個或多個方向上提升你的技能,可以確保你的貢獻不會被生成式AI複製。在此基礎上,還有一種意識會為你帶來更多的安心和成功。
這就是:我們與AI之間並非二元對立。AI能夠增強人類的能力,反之亦然。這是一種更精準、更有效地看待當前形勢和未來發展的觀點。例如,一位政府顧問可能會利用AI系統提供的氣象資料,做出複雜的地緣政治決策;一位護理人員則可能使用基於AI的語言翻譯工具,從而更好地與患者溝通。AI還能夠助力激發人類的創造力與思想探索:2024年諾貝爾化學獎頒給了德米斯·哈薩比斯(Demis Hassabis)和約翰·朱珀(John Jumper),以表彰他們及其AI模型(AlphaFold2)在預測蛋白質複雜結構方面的卓越能力。
當我們以更細緻的視角審視各種技能時,人類與AI能力融合的潛力便愈加明朗。大多數情況下,只有在任務或子任務層面上,人類的貢獻才可能被取代。AI目前還無法替代完整的技能組,更不用說整個工作崗位了。以部落格寫作為例,我們可以指示生成式AI撰寫整篇文章,從而達到某種有限的輸出標準;然而,資深部落格作者往往僅在寫作過程中藉助生成式AI來完成一些小環節,例如,用來舉例說明某個論點、尋找恰當的詞語,或激發靈感。實際上,AI在與我們並肩完成微小的任務時,才能發揮出最佳的效能。
綜上所述,許多工作和技能依然掌握在我們自己手中。未來幾年,我們在不斷激發自身的好奇心的同時,也要更清楚哪些技能對AI來說仍是難點,這樣,我們就能表現得更出色。你可以試著從本文列出的20多個技能中選擇一項,為自己制定一條學習路徑。安排專門的時間來沿著這條路徑發展和提升這項技能。同時,你需要始終思考何時以及如何利用生成式AI來輔助提升子技能、完成子任務,從而為我們雙手、頭腦和心靈的探索提供幫助。
關鍵詞:AI
馬克·趙-桑德斯(Marc Zao-Sanders)| 文
馬克·趙-桑德斯是filtered.com的CEO及聯合創始人,該公司開發的演算法技術致力於理解企業技能和學習內容。他是《時間定格——一次只專注一件事的力量》(Timeboxing – The Power of Doing One Thing at a Time)一書的作者。
DeepL、ChatGPT | 譯 張雨簫 | 編校
推薦閱讀
《哈佛商業評論》中文版 聯絡方式
投稿、廣告、內容和商務合作
↓點選閱讀原文進入哈評中文網,閱讀更多精品內容