AI大模型的发展，机遇与挑战并存 | 社会科学报
AI大模型的发展，机遇与挑战并存 | 社会科学报
▋关注
ChatGPT等大模型带火了“提示词工程师”这个新职业。日前，猎聘大数据研究院发布的《AIGC就业趋势大数据报告2023》显示，AIGC的人才需求呈现出比AI更明显向好的势头。当前，生成式人工智能的应用场景十分广阔。这为就业市场带来了机遇，也带来了挑战。在新一轮科技革命和产业变革中，我们必须把握主动权，实现人力资本与社会经济的高质量发展。
原文：AI大模型发展的“双刃剑”
作者 | 中国劳动关系学院 纪雯雯 北京大学 徐瑞健
图片 |网络
大模型的发展自工业革命开始，自动化逐渐将人类从繁重的劳动中解放出来，提高劳动生产效率的同时，让脑力劳动变得更为重要。自上世纪70年代起，计算机的算力大致按照摩尔定律指数增长。新世纪以来，计算机更新和数字技术的普及使信息的获取和处理变得更容易，进一步将劳动力从常规、重复性脑力劳动中解放出来。随着30年来人类社会基础算力和互联网数据量的指数增长，AI科技的发展逐渐加速。2014年在自然语言处理领域出现了序列到序列模型，自此AI科技进入新的高速增长期。2018年，预训练语言模型的出现大大影响了自然语言处理领域的研究方向。特别是到2022年下半年，OpenAI推出了划时代的预训练生成式大模型ChatGPT，引发了全球各界的AI热潮。一时之间，大模型纷纷涌现，社会各界纷纷谈论AI科技在各行各业的广阔前景，畅想AI技术如何引领新一轮的工业革命。当前的人工智能通过数据驱动的方法，能够自动化地从大量数据中学习人类尚未发现的统计规律，从而模仿人类的某些信息处理和生产能力，甚至能结合传统的自动化技术替代一些较为复杂的体力劳动。从更长远的角度来说，AI科技拥有将劳动力从更广泛的非情感性脑力劳动中解放出来，并使劳动者聚焦于更具有创新性的工作内容，从而实现人类更加自由和全面发展的潜力。
AI大模型发展为劳动力市场带来的机遇首先，引起技能偏向型技术进步的国家新一轮劳动技能结构升级的机会。2023年初，由于经济形势不佳且客户需求变化，微软宣布裁员1万人，约占其员工总数的5%，成为公司史上第二大规模裁员。然而微软2023财年营收高达2119.15亿美元，比2022财年的1982.70亿美元增长7%。根据派生性需求理论，劳动需求是经济发展和企业创造利润的派生需要。利润增加的同时发生裁员，背后反映的是技术结构替代和就业质量的提高。从整体看，技术发展降低了工作的危险性和歧视程度，提高了收入和劳动生产率。事实上，微软公司早在2015年就提前招募2027年能去上班的女性科学家。由此，AI大模型发展引发新一轮的劳动结构设计。
其次，为追赶技术前沿的发展中国家创造新空间。当前AI大模型已经取得了划时代的进展，可以处理和生成较高质量的多种模态的信息，具有广泛的应用前景。在尖端技术范式下，研究人员需要基于充足的数据和算力为AI模型定义输入、输出和学习目标，然后经过一段时间的训练并观察AI的学习效果。在这种开发模式下，对于AI学习机制的可解释性研究进展一直远远落后于应用进展，但这种“黑盒式”的技术框架并未阻碍研究者和开发者们将AI投入应用的热情。得益于拥有数以亿计的消费者、产业完整的应用场景和使用优势，中国可以从“应用场景换技术迭代”的发展路径中获得技术突破的机会，这无疑为追赶技术前沿的发展中国家创造了新空间。
AI大模型发展在劳动力市场中引起的挑战首先是挑战知识劳动密集型劳动。恩格斯为马克思《资本论》第一卷作序言时强调，“资本与劳动的关系，是现代全部社会体系依以旋转的轴心”。随着AI大模型应用于生产场景，资本对劳动实现更高水平的替代，挑战知识劳动密集型劳动。根据智联招聘发布的“基于工作任务的大语言模型影响指数”，受挑战最大的职业包括财务、审计、翻译等，这些职业的工作都包含较多的文本处理、资料收集等知识型的任务，而这正是自然语言处理领域的长项。产业结构调整下，在当前劳动力市场中，一方面传统制造业职工出现结构性短缺，另一方面青年失业率出现新高。
其次是挑战教育与技术的竞赛。2022年我国接受高等教育的人口达到2.4亿，全民族素质得到了稳步提高。随着AI大模型的发展，越来越多的重复性知识生产性工作被替代，挑战教育与技术之间的竞赛。一方面，如果大模型发展对高技能劳动力需求的增速快于教育供给，那么当前教育培养的技能人才就会面临大规模失业，进而对劳动力市场收入分配、就业质量等产生一系列挑战。另一方面，中国与世界教育强国之间的教育质量差距挑战了中国在全球技术竞赛中的创新速度。数据显示，中国每百万人口中研究人员仅为1585人，世界教育强国平均水平为5641人，相差72%；中国高被引科学家为1169人，美国为2763人，相差58%；中国每千人注册研究生数为2.3人，英美等发达国家为9人，相差74%。
[文系北京市社会科学基金“数字经济发展中就业结构变化与职工培训”（20JJB008）阶段性成果]
文章为社会科学报“思想工坊”融媒体原创出品，原载于社会科学报第1873期第4版，未经允许禁止转载，文中内容仅代表作者观点，不代表本报立场。
本期责编：宋献琪
拓展阅读
数字化 | 我们不必担忧生成式AI会削弱人类思维能力
数字化 | 大语言模型不能做什么？