从沃森到生成式人工智能：技术协作方式的转变

一位长期关注技术发展的作者回忆称，2013年曾采访IBM沃森团队。两年前，这一系统在美国电视问答节目《危险边缘！》中战胜人类冠军布拉德·鲁特（Brad Rutter）和肯·詹宁斯（Ken Jennings），引发广泛关注。采访结束后，他在《福布斯》撰文，认为沃森将开启“认知协作”的新阶段。

在那篇文章中，他将人与人工智能的协作比作飞行员学习“线控飞行”（fly-by-wire）：飞行员不再直接操纵飞机，而是通过自动化系统管理飞行。十多年后回看，这种比喻在他看来仍然适用——人类角色正从“亲自操作”转向“系统管理”。

投资激增与“炒作周期”顶点

当前，人工智能被视为又一个关键拐点。华尔街分析师预计，今年全球与人工智能相关的投资将接近7000亿美元。麦肯锡的报告显示，约九成企业正在使用或尝试使用人工智能。在此背景下，大量自称“人工智能专家”的从业者涌现，认为自己正站在新一轮机遇的起点。

有观点认为，这一现象与Gartner提出的“炒作周期”高度契合。上世纪90年代，Gartner分析师杰基·芬恩（Jackie Fenn）总结出一条规律：新技术出现后，往往先经历预期被过度抬高的阶段，随后进入幻灭和失望期，最终才在更现实的预期下被广泛采用并发挥效用。

就人工智能而言，有人将2023年3月面向企业的ChatGPT发布视为“技术触发点”，也有人认为关键在于此前变压器（Transformer）算法的发展。无论起点如何，人工智能在短时间内引发了极大热情，带动投资和应用快速扩张。

相关估算显示，去年人工智能投资约为3500亿美元，今年有望翻倍。与此同时，关于这些投入是否已经带来显著生产力提升，数据并不一致。杜克大学近期对首席财务官的调查显示，人工智能对生产力的影响“几乎可以忽略不计”。

部分学者认为，现有统计可能尚未捕捉到真实的生产力改善。斯坦福大学的埃里克·布林约尔松（Erik Brynjolfsson）就被认为持这一观点。此外，新技术早期用户在学习曲线阶段出现短期生产力下降并不罕见，当前数据可能反映的是这一过渡期。

不过，若按两年内累计接近一万亿美元的投入测算，其中约六成流向人工智能芯片，且相关资产摊销期约为三年，要使这些投资在财务上站得住脚，相关企业需要在较短时间内产生数千亿美元利润。有分析据此认为，这一目标实现难度较大，“幻灭低谷”几乎难以避免。

“反身性”与情绪驱动的技术热潮

在讨论人工智能热潮时，有观点援引投资人乔治·索罗斯（George Soros）的“反身性”理论。索罗斯曾因押注英镑贬值获利约10亿美元，之后又在泰铢和日元上进行类似交易。他的投资方法部分基于“反身性”：市场预期并非在真空中形成，而是受参与者对他人信念的判断所影响。

按照这一理论，某种观点被越多的人接受，越容易被进一步强化，进而塑造集体情绪。当大量市场参与者相信人工智能将带来类似电力或内燃机的经济繁荣时，更多人会倾向于接受这一判断。随之而来的，是投资者买入相关股票、企业加大人工智能投入，预测开始自我指涉、自我强化，推动价格和预期进一步上升。

这一机制并不依赖于标的资产或技术本身的优劣。即便认可人工智能具有变革潜力，也可以同时认为，当前许多决策在很大程度上受“反身性”驱动。一旦情绪反转，不仅资产价格可能回调，建立在短期“专业性”之上的个人声誉也可能受到影响。

行业影响差异与“浪潮”错配

在人工智能应用层面，不同行业的感受差异明显。圣路易斯联邦储备银行的一项研究指出，人工智能对各类职业的影响并不均衡：软件开发等岗位正在经历深刻变化，而个人服务等领域目前几乎未受波及。

在技术圈内部，许多从业者据此推断，其他行业也将出现类似的生产力跃升。例如，OthersideAI首席执行官马特·舒默（Matt Shumer）在社交媒体上表示，人工智能“彻底改变”了他编写代码和打造产品的能力，他对效率提升表现出高度兴奋。

OpenAI首席执行官萨姆·奥特曼（Sam Altman）则将这一预期外推至营销和传播等行业。他表示，当前由代理公司、策略师和创意人员完成的约95%的工作，未来将由人工智能“几乎即时、几乎零成本”完成，并可通过真实或合成的客户焦点小组测试创意、预测结果并优化，“所有这些都是免费、即时且几乎完美的。图像、视频、活动创意？没问题。”

有观察指出，这一愿景与许多营销机构的实际工作内容存在差距。后者的核心在于与客户共同明确目标、制定策略，而创意素材的制作和投放早已高度自动化。与此同时，真正以写代码为主要工作内容的人在整体劳动力市场中占比并不高，将软件开发领域的效率提升简单外推至整个经济，需要相当程度的信念支撑。

相关观点认为，人类在经济活动中的“超级能力”在于组织集体行动，而这依赖于人与人之间的互动与协作。

技术更迭与职业路径：押注对象之争

在过去20年中，智能手机、移动宽带互联网和云计算等技术相继出现，深刻改变了日常生活。值得注意的是，这些被视为“变革性”的技术，对整体生产力数据的拉动并不显著。

有分析据此认为，人工智能的演进路径很可能与以往类似：部分领域将获得明显改善，少数行业可能被彻底重塑，但整体采用节奏将高度不均衡。一些组织和行业会较早将新应用落地，而大多数则相对滞后。随着实际进展与早期预期出现落差，失望和幻灭情绪可能出现，资源和预算也可能转向其他方向。

在这种情形下，真正具备深厚技术积累、能够直接参与人工智能系统设计和实现的专业人士，仍被认为有望保持稳定需求。各类组织在可预见的未来仍需要这类人才推动关键项目落地。

但对于仅因市场热度而“转身”成为所谓“人工智能专家”的从业者，有观点提醒，其职业发展可能更容易受到情绪与周期波动的影响。

相关论述强调，技术无法脱离其运行环境而存在。德国哲学家马丁·海德格尔（Martin Heidegger）曾指出，要“为世界建造”，必须理解生活其中的意义。对应到现实场景，当理解技术解决方案的人，能够与理解关键问题和业务场景的人有效协作时，技术才可能发挥最大效用。

在这一框架下，有观点认为，未来社会不仅需要真正的人工智能专家，同样需要各个领域的专业人才。与其将个人发展完全押注在难以掌控的技术浪潮上，不如在自身已有的专业基础上，学习如何更好地与新技术协同工作。