范德堡大學(xué)歐文管理學(xué)院助理教授康茜：人工智能可能催生新的企業(yè)結(jié)構(gòu)、社會(huì)形態(tài)，需要尋求新的財(cái)富分配制度

每經(jīng)記者 張宏    每經(jīng)編輯 張益銘

6月25日~27日，世界經(jīng)濟(jì)論壇第十五屆新領(lǐng)軍者年會(huì)（即“夏季達(dá)沃斯論壇”）在大連舉辦。在夏季達(dá)沃斯論壇現(xiàn)場(chǎng)，來自世界各地的企業(yè)、學(xué)界人士共同探討未來增長(zhǎng)的新前沿。

最后一日，《每日經(jīng)濟(jì)新聞》記者（以下簡(jiǎn)稱NBD）專訪了范德堡大學(xué)歐文管理學(xué)院助理教授康茜。

康茜表示，就像計(jì)算機(jī)和網(wǎng)絡(luò)的出現(xiàn)減少了溝通的難度，增加了信息的交流，帶來了企業(yè)結(jié)構(gòu)的扁平化。人工智能可能會(huì)進(jìn)一步加深這種變化，因?yàn)樗蛊髽I(yè)內(nèi)部的溝通和數(shù)字化管理變得更加高效。我認(rèn)為未來的企業(yè)可能會(huì)變得更加扁平化和靈活，決策方式也更加靈活機(jī)動(dòng)，以應(yīng)對(duì)人工智能帶來的挑戰(zhàn)。技術(shù)革新發(fā)生得太快，企業(yè)必須適應(yīng)這種快速變化。

主辦方供圖

應(yīng)該將人保留在大模型應(yīng)用的決策過程中

NBD：能否介紹一下當(dāng)前人工智能領(lǐng)域的最前沿研究？這些研究有哪些潛在的商業(yè)應(yīng)用價(jià)值？

康茜：當(dāng)前最令人激動(dòng)的研究前沿?zé)o疑是大語(yǔ)言模型和多態(tài)模型。眾所周知，在過去幾年中，我們已經(jīng)開始接觸到各種大語(yǔ)言模型，這些模型代表了人工智能向更自然、更口語(yǔ)化的方向發(fā)展，它們所能實(shí)現(xiàn)的應(yīng)用場(chǎng)景也日益商業(yè)化。

我們可以看到，基于大語(yǔ)言模型的一些應(yīng)用已經(jīng)在醫(yī)療行業(yè)落地，如用于藥物研發(fā)、與患者的溝通，以及輔助醫(yī)生進(jìn)行文書寫作和記錄。在其他商業(yè)場(chǎng)景中，金融行業(yè)也在大規(guī)模采用這些技術(shù)，不僅包括大語(yǔ)言模型，還有傳統(tǒng)的深度學(xué)習(xí)應(yīng)用，以更好地分析數(shù)字化進(jìn)程中產(chǎn)生的大量數(shù)據(jù)。這些技術(shù)可以幫助我們決策，無論是作為消費(fèi)者，還是作為醫(yī)生、律師等專業(yè)人員，或是作為投資者。

NBD：現(xiàn)在大模型仍然存在幻覺，為了應(yīng)對(duì)幻覺，有沒有一些前沿的研究？

康茜：當(dāng)前，技術(shù)開發(fā)者和研究人員正致力于減少幻覺現(xiàn)象的發(fā)生頻率，這包括提升訓(xùn)練數(shù)據(jù)集的質(zhì)量。然而，我認(rèn)為幻覺問題本質(zhì)上是大語(yǔ)言模型所固有的，因?yàn)檫@些模型是基于概率的。它們的運(yùn)行邏輯是不斷預(yù)測(cè)下一個(gè)詞最有可能是什么，因此很難說模型真正理解自己在表達(dá)的內(nèi)容。

從管理學(xué)的角度來看，我認(rèn)為解決幻覺問題的方法之一是引入具有專業(yè)知識(shí)的專家。我們常說，應(yīng)該將人保留在決策過程中，而不是完全依賴人工智能或算法來解決問題和做出決策。當(dāng)人工智能提供錯(cuò)誤的信息或幻覺時(shí)，這更加凸顯了具有專業(yè)知識(shí)的人在決策過程中的重要性。

最終，我們需要人作為管理者，來審查人工智能提供的信息。就像安全員一樣，我們可以通過人的判斷來減少幻覺帶來的負(fù)面影響。

不認(rèn)為通用人工智能會(huì)如此迅速地到來

NBD：您認(rèn)為人工智能領(lǐng)域是否已經(jīng)到了突破的時(shí)刻？我們是否即將見證一些重大的技術(shù)革新？

康茜：我們目前正在見證一場(chǎng)重大的技術(shù)革新，可能正處于這場(chǎng)技術(shù)革新的起始階段。實(shí)際上，在大語(yǔ)言模型，包括基于轉(zhuǎn)換器的預(yù)訓(xùn)練模型開始公開時(shí)，包括開發(fā)者在內(nèi)的許多人對(duì)其展現(xiàn)出的回答問題的能力感到震驚。并且，這些技術(shù)的發(fā)展速度并非線性，近年來我們看到的人工智能方面的變化和進(jìn)展都呈指數(shù)型增長(zhǎng)。

因此，現(xiàn)在很難預(yù)測(cè)五年后，這些技術(shù)會(huì)發(fā)展到何種程度。這對(duì)個(gè)人、商業(yè)社會(huì)乃至整個(gè)社會(huì)，包括國(guó)家層面，都是一個(gè)巨大的挑戰(zhàn)。這場(chǎng)技術(shù)革新既令人激動(dòng)并帶來機(jī)遇，同時(shí)也可能伴隨著一些風(fēng)險(xiǎn)。

NBD：當(dāng)技術(shù)完成突破時(shí)，可能會(huì)以什么形式展現(xiàn)？

康茜：我認(rèn)為，真正的技術(shù)突破將發(fā)生在人類開發(fā)出所謂的通用人工智能（AGI）之時(shí)。目前，這種通用人工智能在現(xiàn)實(shí)中并不存在，它更像是科幻電影中所描繪的場(chǎng)景，即人工智能的能力已超越了全人類的能力范圍。目前，科學(xué)界和商業(yè)界都在進(jìn)行廣泛的討論，其中一個(gè)問題是：我們?nèi)祟愂欠褚呀?jīng)準(zhǔn)備好迎接這種通用人工智能的到來。我們是否應(yīng)該放慢技術(shù)發(fā)展的腳步，以及在我們有生之年是否真的能夠看到通用人工智能的實(shí)現(xiàn)。

這涉及到一些哲學(xué)上的思考，例如，我們知道笛卡爾的名言“我思故我在”，即人類的存在基于思考能力。如果人工智能能夠達(dá)到甚至超越人類的思考能力，那么我們?cè)撊绾味x人類，以及包括如何定義工作和人類工作的價(jià)值。

我個(gè)人在這個(gè)問題上持有相對(duì)保守的態(tài)度，我不認(rèn)為通用人工智能會(huì)如此迅速地到來。我們現(xiàn)在所使用的人工智能，包括我們所見到的，都屬于狹義的人工智能。盡管這些人工智能表現(xiàn)出色，但它們是為了實(shí)現(xiàn)特定目的而開發(fā)的。例如，我們使用機(jī)器學(xué)習(xí)和深度學(xué)習(xí)來預(yù)測(cè)消費(fèi)者的下一次購(gòu)買決策，預(yù)測(cè)消費(fèi)者下一次可能喜歡什么產(chǎn)品。我們?cè)陔娚唐脚_(tái)上一直在使用這樣的算法來幫助消費(fèi)者獲得更好的購(gòu)物體驗(yàn)。

包括我們的大語(yǔ)言模型，它實(shí)際上也只是一個(gè)純粹的語(yǔ)言模型，它判斷下一個(gè)句子、下一個(gè)詞最有可能是什么，基于這個(gè)模型的概率。這些算法實(shí)際上都是比較狹義范圍內(nèi)的，它們有固定的應(yīng)用場(chǎng)景，超出這個(gè)應(yīng)用范圍之外，它們實(shí)際上是沒有辦法做到的。因此，到目前為止，我們距離所謂的通用人工智能，就像科幻電影中所描繪的那樣，還有很大的距離。當(dāng)然，這是一個(gè)有爭(zhēng)議的話題。

醫(yī)藥、金融領(lǐng)域已有落地應(yīng)用

NBD：在您的觀察中，企業(yè)是如何成功地應(yīng)用人工智能技術(shù)的？有沒有具體的案例可以分享？

康茜：在藥品開發(fā)領(lǐng)域，我們正在見證一些非常激動(dòng)人心的發(fā)現(xiàn)。例如，在2020年初，麻省理工學(xué)院的研究人員利用人工智能發(fā)現(xiàn)了一種新型抗生素，這種抗生素能夠殺滅之前所有抗生素都無法抑制的、具有極強(qiáng)耐藥性的細(xì)菌株。在這一過程中，他們利用人工智能對(duì)超過6萬(wàn)個(gè)分子的數(shù)據(jù)庫(kù)進(jìn)行了篩查，并預(yù)測(cè)了哪些分子結(jié)構(gòu)或藥物分子更有可能對(duì)抗耐藥性細(xì)菌。最終，他們成功發(fā)現(xiàn)了一種名為海利霉素的超強(qiáng)藥物分子。

目前，這類算法已廣泛應(yīng)用于各大藥企、藥商以及科學(xué)實(shí)驗(yàn)室中。我們利用人工智能的超強(qiáng)分析能力和預(yù)測(cè)能力，可以幫助我們尋找更有效的藥物，并有針對(duì)性地針對(duì)不同種類的疾病尋找治療方法。

在醫(yī)療服務(wù)的其他方面，例如醫(yī)療影像分析，可以幫助醫(yī)生更準(zhǔn)確地判斷圖像中是否存在醫(yī)療指征或病灶。在金融領(lǐng)域，我一直在與一些金融公司合作。其中一家金融公司專注于股票和基金的預(yù)測(cè)，提供一系列分析報(bào)告，并為每個(gè)股票或基金給出評(píng)級(jí)，幫助廣大個(gè)體投資者了解各種股票證券的投資機(jī)會(huì)。

以前，盡管他們是一家大型國(guó)際公司，擁有成百上千名技術(shù)實(shí)力雄厚的證券分析師，但他們也只能分析市場(chǎng)上不到10%的證券。后來，他們開發(fā)了一種基于決策樹和隨機(jī)森林技術(shù)的人工智能算法。最早在2015年，他們就利用這種機(jī)器預(yù)測(cè)股票和債券的未來發(fā)展趨勢(shì)，幫助投資者做出投資決策。有了這個(gè)算法之后，他們的服務(wù)基本上可以覆蓋全球所有的股票和基金。這不僅極大地豐富了公司本身能夠提供的服務(wù)，而且隨著越來越多的金融服務(wù)機(jī)構(gòu)開始利用算法擴(kuò)展服務(wù)，我們可以看到整個(gè)金融市場(chǎng)有望變得越來越有效，減少投資者、企業(yè)和基金之間的信息不對(duì)稱性。

NBD：在金融業(yè)的應(yīng)用中，具體是如何將大模型與分析師的經(jīng)驗(yàn)相結(jié)合的呢？

康茜：該企業(yè)所采用的算法是在2014年或2015年開發(fā)的，當(dāng)時(shí)尚未出現(xiàn)大語(yǔ)言模型。那時(shí)，他們采用的是更為傳統(tǒng)的深度學(xué)習(xí)和機(jī)器學(xué)習(xí)技術(shù)。具體來說，他們將企業(yè)所有分析師過去的歷史判斷以及輔助這些判斷的數(shù)據(jù)，作為一個(gè)龐大的數(shù)據(jù)訓(xùn)練集，用以訓(xùn)練機(jī)器學(xué)習(xí)算法。基于這些數(shù)據(jù)的結(jié)構(gòu)，算法識(shí)別出了一些關(guān)鍵要素和關(guān)系，這使得它能夠在未來對(duì)新的信息進(jìn)行判斷，預(yù)測(cè)股票或債券的表現(xiàn)。

實(shí)際上，這個(gè)算法是依托于企業(yè)現(xiàn)有員工在過去的判斷。機(jī)器學(xué)習(xí)是在模仿人的決策方式，然后通過算法的算力，將人的決策方式擴(kuò)展到以前從未學(xué)習(xí)過、從未分析過的股票和債券上。

人工智能可能催生新的企業(yè)結(jié)構(gòu)、社會(huì)形態(tài)，需要尋求新的財(cái)富分配制度

NBD：如果將人才類型加以分類，您認(rèn)為哪一類型人才的工作可能被人工智能取代？人工智能又可能創(chuàng)造哪些新的工作崗位？

康茜：這是一個(gè)非常有意義的問題，目前許多學(xué)者正在研究這個(gè)領(lǐng)域。一種分析方法是將工作分解為不同的任務(wù)，并在任務(wù)層面進(jìn)行分析。同一份工作可能包含多種不同的任務(wù)，每種任務(wù)又需要不同的技能。因此，人工智能更容易取代的任務(wù)包括那些需要大量重復(fù)性勞動(dòng)的工作，無論是數(shù)據(jù)分析還是語(yǔ)言輸出等方面。當(dāng)有足夠的歷史決策數(shù)據(jù)作為訓(xùn)練材料時(shí)，算法可以迅速學(xué)習(xí)，并以更高效、成本更低的方式被商業(yè)化應(yīng)用。

有一系列研究根據(jù)工作的性質(zhì)和內(nèi)容，將其與人工智能目前擅長(zhǎng)的任務(wù)進(jìn)行比較，并列出了一個(gè)詳細(xì)的職業(yè)列表。在這個(gè)列表的最頂端，最容易被人工智能取代的工作包括電話營(yíng)銷。我們?cè)谏钪幸灿^察到了這一趨勢(shì)，即越來越多的電話營(yíng)銷實(shí)際上是由人工智能的語(yǔ)言模型生成的，以至于人們甚至在與之對(duì)話時(shí)都難以察覺到它是人工智能。

其他類似的工作還包括一些簡(jiǎn)單的翻譯、文書工作、數(shù)據(jù)記錄和簡(jiǎn)單的數(shù)據(jù)分析，這些工作在現(xiàn)在或不遠(yuǎn)的將來都可能被取代。

那么，哪些工作不容易被取代呢？這包括那些需要直接與人打交道、需要利用人的同理心和獲得人信任的工作，如照顧者、醫(yī)生、護(hù)士和心理咨詢師等。還有一類工作是人工智能暫時(shí)無法取代的，因?yàn)槿斯ぶ悄苣壳斑€不具備進(jìn)行精密操作的能力，這使得像水管工和外科手術(shù)醫(yī)生這樣的工作暫時(shí)不會(huì)被取代。

NBD：IMF認(rèn)為，與過去的顛覆性技術(shù)不同，人工智能時(shí)代存在諸如“高技能職業(yè)工作崗位減少”的可能性。你對(duì)這個(gè)觀點(diǎn)如何看待？

康茜：相對(duì)于傳統(tǒng)機(jī)器學(xué)習(xí)技術(shù)，大語(yǔ)言模型確實(shí)更容易對(duì)腦力勞動(dòng)者或知識(shí)型勞動(dòng)者的工作帶來挑戰(zhàn)，但我不認(rèn)為它會(huì)完全替代這些工作。一方面，正如你所提到的，大語(yǔ)言模型仍然存在幻覺問題，其提供的信息需要專業(yè)知識(shí)和專業(yè)技能的人員進(jìn)行認(rèn)證和審查。另一方面，當(dāng)前的發(fā)展趨勢(shì)是單元模型和各種算法，它們?cè)陂_發(fā)時(shí)的初衷并非替代人類，而是輔助人類。

一些研究比較了人工智能大語(yǔ)言模型的工作產(chǎn)出與人類的工作產(chǎn)出，發(fā)現(xiàn)在許多任務(wù)中，大語(yǔ)言模型甚至表現(xiàn)得更出色。但如果引入第三個(gè)模塊，即讓專業(yè)技術(shù)人員與大語(yǔ)言模型合作，無論是以輔助的形式還是審查的形式共同做出決策，實(shí)際上就是人機(jī)合作，這種方式在效率和質(zhì)量上的提升都是最大的。我認(rèn)為這是一個(gè)未來的發(fā)展趨勢(shì)。盡管有些工作可以由人工智能完成，但如果能夠巧妙地結(jié)合人和機(jī)器的優(yōu)勢(shì)，互補(bǔ)合作，共同做出決策，效果將是最好的。

因此，未來的可能趨勢(shì)是每個(gè)人都將擁有一個(gè)甚至多個(gè)基于大語(yǔ)言模型的人工智能助手。以我自己的教學(xué)過程為例，我自行訓(xùn)練出了一個(gè)教學(xué)輔助工具，這是我的小助教，它可以幫助我回答學(xué)生關(guān)于課程基礎(chǔ)的問題，如考試和交作業(yè)的時(shí)間。過去我需要親自回復(fù)郵件和信息，但現(xiàn)在我訓(xùn)練出的模型完全有能力回答這些問題。由于我為它提供了大量的教材和練習(xí)題作為訓(xùn)練數(shù)據(jù)，學(xué)生可以直接與這個(gè)聊天機(jī)器人溝通，在考試前獲得重點(diǎn)提示和模擬題目。

這不僅可以讓我作為教師的角色更輕松，擁有更多時(shí)間進(jìn)行研究和回答學(xué)生更具挑戰(zhàn)性的問題，而且學(xué)生本身也獲得了個(gè)性化的學(xué)習(xí)體驗(yàn)，我認(rèn)為這是非常有用的。我也會(huì)建議我的學(xué)生們基于他們的工作場(chǎng)景去訓(xùn)練自己的人工智能助手。

NBD：您認(rèn)為被人工智能替代的崗位更多，還是新出現(xiàn)的崗位更多？人工智能的到來會(huì)不會(huì)催生新的企業(yè)結(jié)構(gòu)、社會(huì)形態(tài)或財(cái)富分配制度？

康茜：我們都希望因技術(shù)變革而被淘汰的崗位數(shù)量會(huì)少于新出現(xiàn)的崗位，我認(rèn)為這種情況是可能發(fā)生的。雖然新技術(shù)變革可能會(huì)帶來一些結(jié)構(gòu)性失業(yè)或摩擦性失業(yè)，但只要技術(shù)促進(jìn)了社會(huì)和經(jīng)濟(jì)的整體發(fā)展，就會(huì)有更多的需求被創(chuàng)造出來。正如在工業(yè)革命期間，隨著農(nóng)業(yè)技術(shù)的發(fā)展，許多農(nóng)業(yè)從業(yè)者轉(zhuǎn)變?yōu)楣と恕Ｔ陔S后的技術(shù)革新中，工廠效率的提高導(dǎo)致工人數(shù)量減少，他們又轉(zhuǎn)向了服務(wù)行業(yè)。在人工智能的浪潮中，我們預(yù)計(jì)也會(huì)看到類似的效應(yīng)。盡管一些重復(fù)性的工作很可能被人工智能取代，但在服務(wù)行業(yè)或人工智能無法取代或輔助的職業(yè)中，將會(huì)有越來越多的需求。

因此，作為一個(gè)社會(huì)，包括企業(yè)，我們有責(zé)任幫助勞動(dòng)者重新培訓(xùn)，使他們的技能能夠適應(yīng)技術(shù)變革帶來的挑戰(zhàn)。

另一方面，人工智能的到來是否會(huì)催生新的企業(yè)結(jié)構(gòu)和社會(huì)形態(tài)？我認(rèn)為會(huì)的。就像計(jì)算機(jī)和網(wǎng)絡(luò)的出現(xiàn)減少了溝通的難度，增加了信息的交流，帶來了企業(yè)結(jié)構(gòu)的扁平化。人工智能可能會(huì)進(jìn)一步加深這種變化，因?yàn)樗蛊髽I(yè)內(nèi)部的溝通和數(shù)字化管理變得更加高效。我認(rèn)為未來的企業(yè)可能會(huì)變得更加扁平化和靈活，決策方式也更加靈活機(jī)動(dòng)，以應(yīng)對(duì)人工智能帶來的挑戰(zhàn)。技術(shù)革新發(fā)生得太快，企業(yè)必須適應(yīng)這種快速變化。

財(cái)富分配制度也是我一直在思考的問題。我們擔(dān)心新技術(shù)雖然創(chuàng)造了大量財(cái)富，但這些財(cái)富如何在社會(huì)中分配？是否會(huì)越來越多地集中在少數(shù)有能力開發(fā)人工智能的大企業(yè)手中，它們是否能與全社會(huì)共享這些財(cái)富？因此，我認(rèn)為這需要政策引導(dǎo)和社會(huì)再分配制度的配合。也許在不遠(yuǎn)的將來，如果我們達(dá)到了通用人工智能的現(xiàn)實(shí)，可能絕大多數(shù)人將不需要工作。因此，一些前沿科學(xué)家和社會(huì)活動(dòng)家正在考慮是否應(yīng)該為所有人提供類似于最低生活保障的基礎(chǔ)收入。