Episode Details

欢迎收听雪球出品的财经有深度,雪球,国内领先的集投资交流交易一体的综合财富管理平台,聪明的投资者都在这里。今天分享的内容叫漫谈AI时代：教育、土地、前额叶、神秘主义，来自STH_。

AI发展速度与社会影响力远超曾经被认为“激进”的预期，我觉得是时候写篇随笔谈谈自己的一些想法，包括人类作为碳基生物如何适应新的时代、一些预测、以及开放性的灵感碎片。

一、AI所擅长的工作与对人类劳动力的替代

目前的AI极其擅长对于信息进行检索以及机械化加工，显著优势在于“重复性高”、“可预测性高”的传统脑力工作。比如缺乏实际意义的空话与中等质量文案、基础的编程、信息检索汇总等，这些传统白领脑力工作的特征在于极高的重复度与可预测性。AI可以大量学习历史数据并复制模仿流程，产生70分甚至80分的成果。产出成果低于AI水平、或没有能力进一步优化的大量传统白领工作价值会受到严重挑战。

在艺术类作品中，AI对于作画、音乐、配音、视频等曾经需要大量人力完成的工作已经产生明确生产力提升与替代威胁。在深度学习某个画家的作品后，AI可以高效率捕捉其绘画特点并进行高效产出；许多配音演员被要求出售对其声音的AI学习与再制作权益，而AI配音已经很大程度以假乱真，能有85分以上的真实度与感染力。

但生产力爆发、成本降低的背后是知识产权的混乱。比如AI音乐制作领域已经有很多听感极佳的作品，但总会有一种熟悉感，可能来源于多段相似风格作品的节奏与旋律拼接。这种潜在的“致敬”或“抄袭”质疑在音乐界经久不衰，但AI的使用与算法盲盒使得AI音乐制作生产力爆发的同时，对抄袭定义、原创者权益保护的灰色地带迅速扩张。

以目前的AI发展，我认为有几个人类依旧占据生产力优势的方向：

1. 非公开信息：信息是原料，掌握非公开的重要信息可以赢在起点。

2. 对信息的加权处理能力：

AI面对的是爆炸的信息源，人类的优势在于对复杂矛盾的信息进行优先级与权重分配，这种能力在更多元的、精细的、历史数据较难用于未来预测的任务上有长期超越AI的可能性。

3. 对不同领域信息与资源的整合能力：

目前的AI对于跨学科/领域的整合能力较差，可能是这类人才与情景本来就较少、考验的能力更复合，导致AI更难学习模仿。以创作类为例，AI工具较容易做出70-80分的音乐、美术等单一领域产品，却无法纯粹由AI完成70分的游戏制作。这一点其实大量解放了有才华、却曾经被个人技术与生产力限制的创作者。我们观察到在使用了AI之后，小型游戏工作室与个人制作者的生产力大幅提升，降低了对于基本实现能力（比如基础代码、音乐、美术）的外部依赖。包括短视频制作，过去拥有一个好的想法需要重人力的实现途径，比如演员、摄像、视频剪辑等等，但现在可以更低成本、低依赖度实现想法。

我认为AI在降低了“实现”环节的权重后，拥有know-how的少数人生产力会得到前所未有的解放，也会在整个社会资源与价值分配中拿到更大份额。在AI具有更强的综合信息资源整合能力与非线性/非归纳型预测能力之前，这种优势会维持很久。

二、教育、白领、中产阶级

目前的教育体系依旧过度强调机械性的脑力工作，将会与AI时代所需要的技能背道相驰。传统的白领工作模式在于“较高的前置学习壁垒”与“较低的应用变量”，比如医学、法律等行业需要人类学习专业数据库并知道在什么时候调用具体的知识/法条，但大多数情景其实都是没有太多争议的机械性知识调用工作。输入“眼睑局部红肿”、“硬结