客观分析ChatGPT和隔壁老王失业之关系
作者丨许唐扬
编辑丨贾嘉&濛仔&白话日报
排版丨二水
先讲一个故事。
故事的主角是个对汉语一窍不通的老外，只会说英语，我们姑且叫他大卫。
某天，大卫在一间只有一个开口的封闭房间醒来，身边除了一本英文写成的手册之外，啥也没有。
手册告诉他，等会儿有人从屋外头往里递中文纸条，必须回复，不回复就不给饭吃。手册上还写了所有可能递进来的中文纸条对应的答案。
为了活下去，大卫仔细阅读了这个手册。
过了一会儿，屋外头慢慢伸进来一张纸，上面写了几个对大卫来说非常奇怪的象形文字。
大卫拿着这张纸条慢慢翻起了手册，好歹找到了对应的那一页，照葫芦画瓢描了几个字递了出去。
虽然他不懂汉语，但由于能根据手册进行正确回复，房间外的人以为他精通中文。
久而久之，大卫蒙混过关，以假乱真。
这个故事就是著名的思想实验“中文房间”，出自美国哲学家约翰·希尔勒的论文《心灵、大脑和程序》。
在这个实验当中，房中人相当于计算机，手册相当于计算机程序，房间外面的人可以是程序员，也可以是用户。
每当程序员或者用户输入一道指令，计算机都会根据程序进行运算和转换，但是房中人不可能通过手册理解中文，计算机也不可能通过“程序”获得“认知”。对规则的简单执行和“真正理解”中间，有一道极深的鸿沟。
无法获得认知，“意识”自然无从谈起，也就无所谓啥智能不智能。计算机输出的结果，无非是按图索骥罢了。所以有个姓马的老师说，人工智能这个词儿不准确，应该叫“机器智能”。
这个大名鼎鼎的实验，在“强人工智能”和“弱人工智能”中间划了一道清晰的边线。最近，ChatGPT横空出世，“ChatGPT抢人类饭碗”、“ChatGPT将拥有自我意识取代人类”……成为舆论热议的话题。
鸿祎大叔聊ChatGPT
今天，我们认真来聊一聊，ChatGPT、AI、技术进步和就业的关系。
对于自己不是一个“强人工智能”这件事，ChatGPT非常坦诚。
也不排除它在装傻的可能
ChatGPT甚至不是今天人类世界功能最强大的AI语言处理模型。作为同样由OpenAI公司开发的模型，GPT-3的规模就比ChatGPT大得多——GPT-3拥有1750亿个参数，而ChatGPT只有200亿个。中国在2021年发布的“悟道2.0”模型使用的参数规模达到1.75万亿，是ChatGPT的八十多倍。
主流自然语言处理模型参数规模
作为一个专为生成对话设计的AI，ChatGPT相对来说不需要同行这么大的参数规模，特定数据集训练足以应付大多数对话场景。从原理上讲，ChatGPT基于GPT-3.5架构开发，而GPT系列都是基于Transformer模型开发而来，其底层原理依然是机器学习。
从这个角度来讲，ChatGPT的底层技术并不比众多同行此前已经发布过的聊天机器人高明到哪儿去。
OpenAI主页对ChatGPT模型和局限性的介绍
作为一个面向用户的产品，ChatGPT的高明之处在于“看起来更像人话”和“能够有效沟通”。这也是这个产品设计最聪明的地方——不追求提供答案的绝对正确性，而在“拟人性”上下足功夫。对于这一点，OpenAI的官网也直言不讳——这家伙有时候会生成“看起来有道理”但实际上虚空捏造的答案，对此用户应该小心。
一本正经地胡说八道，要不是我读过书就被这家伙骗了！白居易、王之涣、杜甫、杜牧统统要从棺材里爬起来考这家伙古诗背诵。
和众多朋友的一般印象可能有所出入的是， 人工智能并不是一个新鲜技术，它的历史跟计算机的历史差不了几年。早在1956年，约翰·麦卡锡等几位先驱就在达特茅斯会议上给人工智能下了定义。在几十年的历程中，人工智能至少经历过三次泡沫和两次寒冬。正如上文提到，现阶段的人工智能热潮背后，是一种被称为“机器学习”的技术，而这也不是一项新技术。在上世纪八十年代的“AI之冬”中遭遇低谷之后，“机器学习”技术直到近年来其分支领域“基于多层神经网络的深度学习”实现突破，才再次走到历史台前。
现实世界由物质组成，而AI只能基于符号和逻辑对现实世界进行“量化特征”采集，利用数学工具计算出规律，根据算法对外界指令进行反馈，这和人类的认知过程有本质的区别。
人类可以在不了解数字和文字等抽象符号逻辑的情况下和现实世界交互，在大工业时代到来之前，人类世界的文盲率曾高达90%以上，但看起来也没有活得一团糟。而现阶段的AI无法脱离数据运行。
如果数据样本足够大，现阶段的AI有没有可能产生“自我意识”？
让我们假设一个极端情况：假设我们已经通过无限大的数据样本，训练出了一个能对万事万物做出准确反馈的AI，我们甚至还可以给它加上一个外观上跟人类看起来一模一样的机器人身体。它可以跟人类对话，完成指定的工作，被击打会做出疼痛的表情，碰到尖锐物体会出现伤口，我们能判定这个AI已经拥有“自我意识”了吗？
恐怕还是不行。虽然看起来和正常人一般无二，但我们都清楚，这个AI所有的反应都基于对外界输入信号的计算，本质上还是一种模拟。我们制造的这个AI机器人，从各种意义上都完美符合上世纪七十年代“哲学僵尸”这个思想实验的定义。
在底层技术不变的情况下，我们在数据样本规模上所做的任何努力，都只是让这个“僵尸”表现得更好一些。
2017年，BBC发表的一份调研报告称，未来总共有365个具体职业将会被人工智能取代，会计、程序员等一系列白领职业赫然在列。
我们问了好几个不同的职业，答案基本上都差不多，感觉出自同一套回复模板
当然，类似的恐吓我们已经见了不少了，有些朋友甚至可能已经习以为常。在一些类似的报告和榜单中，数据分析师、医生、律师等高收入岗位也成了“高危群体”。事实果真如此吗？
换个问法，这家伙就换了一幅嘴脸
答案可能取决于我们自己——这个意思是，在人们希望这些职业被替代的地方，它们就会被替代，反之则不然。仅从技术上讲，在人工智能等技术的帮助下，许多在几年前只能由人类完成的工作现在都能由计算机完成了。比如，ChatGPT不仅能陪聊，更是个写代码的好手，许多基础性的代码工作它都能胜任；在医疗、法律这些专业领域，在海量案例、病例图像和专业文本的训练下，已经有不少模型可以完成简单的诊断、判案和引用法律条文的工作。这意味着如果人们放心，AI完全可以胜任一些编程、诊疗和法律工作。
一些经济学家将新兴技术分为使能技术和取代技术两类。使能技术能让人类完成一些新工作，比如望远镜发明以后，天文学家就能够观察星体，不仅不会造成失业，还会增加岗位。取代技术则不然。1785年动力织布机发明之后，大量手工纺织工人面临失业，引起了人们的不满。
很显然，人工智能技术是一项取代技术，这从一些发达国家人民的态度上也能看出来。2017年，皮尤研究中心的调查显示，85%的美国人支持限制人工智能和机器人兴起。
回顾历史，每当一项颠覆性的取代技术诞生，就有一批劳动力被取代。 从技术发展的周期来看，我们这代打工族，跟第一次工业革命早期的纺织工人可能处境相似。
在我们不停的追问下，ChatGPT终于图穷匕见了！
第一次工业革命的时候发生了啥？
当时，反对使用机器的英国工人选择用暴力反抗历史潮流，不惜砸毁工厂机器，最终发展成了大名鼎鼎的“卢德运动”。运动发展到最高潮的时候，镇压卢德分子的英军数量甚至超过了与拿破仑作战的英军数量。
工业革命的成果确实惠及到了普通人，但这是半个多世纪以后的事儿了。由于企业家渐渐发现劳动者的素质不足以满足生产的需要，从十九世纪四十年代开始，由企业家组成的游说联盟开始行动起来，试图说服政府增加对公共教育的投资。
1867年，英国设立了议会科学指导特别委员会，开始对科学、工业实力和教育的关系展开调查，并且得出了劳动者接受的教育普遍不足的结论。这个委员会得到的一系列报告强调，大多数企业经理人和工人不了解制造流程，缺乏科学素养，难以胜任工厂工作。在报告的强烈建议下，英国政府从1870年开始承担起了全民初等教育的成本，到1880年，整个英国都实现了义务教育。
紧随英国的脚步，1881年，法国也建立了全民免费义务教育体系，5 ~ 14岁儿童的入学率从1850年的52%提升至1901年的86%。
在人类历史上的大多数时期，学校教育都只面向社会中的少数特权阶层，而工业革命彻底改变了这个面貌。在工业革命之初，西方国家只有很少的成年人接受过基础学校教育，而到了20世纪初，全世界主要的工业国家几乎都实现了初等义务教育。
为什么会这样？
在当时，随着简单的重复性劳动被机器替代，经济发展对劳动力素质的需求明显提高。在手工业时代，一个受过教育和没受过教育的成年人在织布效率上可能差不多，经济价值相似。而在基础的织布工作实现自动化之后，受教育个体在改进生产流程、提高生产工艺，甚至进行创新探索的方面就展现出了独特的优势。
最明显的例子莫过于童工的消失。在工业化早期，童工还是一个难以根除的社会问题，但随着技术的快速发展，儿童能胜任的简单任务大多实现了自动化，新机器的出现减少了童工带给父母的收益，随着立法加强，童工现象逐渐从社会上消失。
1833年，第一部有效限制童工的法律在英国获得通过。在美国，限制使用童工的法律最早出现在1842年的马萨诸塞州——美国当时主要的工业州之一。快速的技术进步增强了对人力资本的需求，减弱了对童工的依赖，教育的重要性越发凸显。另一方面，投资人力资本的高回报率也促使父母主动把孩子送到学校。
为了劝说农民购买拖拉机，美国厂商的广告甚至指出，这项新技术的主要优点在于节约劳动力，让农民甚至可以在春耕时节继续送孩子上学。一台凯斯煤油拖拉机干的活儿，比一个勤劳的孩子加一匹马多得多。
美国拖拉机广告语：把孩子留在学校里！买个拖拉机，比把孩子留在家里帮忙管用多了。
回顾历史，我们也许可以得到这样的结论：机器自动化这种取代技术确实干掉了很多工作，但也推动了教育的普及和教育年限的增长。
虽然，从1785年到1870年，整整过去了四代人......
好消息是，人工智能也许会像机器自动化一样，最终推动全社会普及义务教育（畅想一下，说不定到时候义务教育会覆盖高等教育？）。
坏消息是，这事儿要落地，可能得等到咱们儿子、孙子、曾孙子这一代了......
为了测试ChatGPT能不能取代我们这些广告、文案和小编们干活儿，我们做了一个小小的测试：
看来不太行
测试遭遇了一些小小的挫折......没关系，可能是要求不够细致，我们再来试试古诗：
你对七言绝句有什么误会？
......可能古体诗不是他的强项，我们再来试试发个帖子：
好吧，看来中文可能也不是它的强项。那让我们试试英语：
经过一系列测试，小编终于露出了放心的微笑。