范德堡大学欧文管理学院助理教授康茜：人工智能可能催生新的企业结构、社会形态，需要寻求新的财富分配制度

摘要： 6月25日~27日，世界经济论坛第十五届新领军者年会（即夏季达沃斯论坛）在大连举办。在夏季达沃斯论坛现场，来自世界各地的...

6月25日~27日，世界经济论坛第十五届新领军者年会（即夏季达沃斯论坛）在大连举办。在夏季达沃斯论坛现场，来自世界各地的企业、学界人士共同探讨未来增长的新前沿。

最后一日，《时代周刊》记者（以下简称NBD）专访了范德堡大学欧文管理学院助理教授康茜。

康茜表示，就像计算机和网络的出现减少了沟通的难度，增加了信息的交流，带来了企业结构的扁平化。人工智能可能会进一步加深这种变化，因为它使企业内部的沟通和数字化管理变得更加高效。我认为未来的企业可能会变得更加扁平化和灵活，决策方式也更加灵活机动，以应对人工智能带来的挑战。技术革新发生得太快，企业必须适应这种快速变化。

主办方供图

应该将人保留在大模型应用的决策过程中

NBD：能否介绍一下当前人工智能领域的最前沿研究？这些研究有哪些潜在的商业应用价值？

康茜：当前最令人激动的研究前沿无疑是大语言模型和多态模型。众所周知，在过去几年中，我们已经开始接触到各种大语言模型，这些模型代表了人工智能向更自然、更口语化的方向发展，它们所能实现的应用场景也日益商业化。

我们可以看到，基于大语言模型的一些应用已经在医疗行业落地，如用于药物研发、与患者的沟通，以及辅助医生进行文书写作和记录。在其他商业场景中，金融行业也在大规模采用这些技术，不仅包括大语言模型，还有传统的深度学习应用，以更好地分析数字化进程中产生的大量数据。这些技术可以帮助我们决策，无论是作为消费者，还是作为医生、律师等专业人员，或是作为投资者。

NBD：现在大模型仍然存在幻觉，为了应对幻觉，有没有一些前沿的研究？

康茜：当前，技术开发者和研究人员正致力于减少幻觉现象的发生频率，这包括提升训练数据集的质量。然而，我认为幻觉问题本质上是大语言模型所固有的，因为这些模型是基于概率的。它们的运行逻辑是不断预测下一个词最有可能是什么，因此很难说模型真正理解自己在表达的内容。

从管理学的角度来看，我认为解决幻觉问题的方法之一是引入具有专业知识的专家。我们常说，应该将人保留在决策过程中，而不是完全依赖人工智能或算法来解决问题和做出决策。当人工智能提供错误的信息或幻觉时，这更加凸显了具有专业知识的人在决策过程中的重要性。

最终，我们需要人作为管理者，来审查人工智能提供的信息。就像安全员一样，我们可以通过人的判断来减少幻觉带来的负面影响。

不认为通用人工智能会如此迅速地到来

NBD：您认为人工智能领域是否已经到了突破的时刻？我们是否即将见证一些重大的技术革新？

康茜：我们目前正在见证一场重大的技术革新，可能正处于这场技术革新的起始阶段。实际上，在大语言模型，包括基于转换器的预训练模型开始公开时，包括开发者在内的许多人对其展现出的回答问题的能力感到震惊。并且，这些技术的发展速度并非线性，近年来我们看到的人工智能方面的变化和进展都呈指数型增长。

因此，现在很难预测五年后，这些技术会发展到何种程度。这对个人、商业社会乃至整个社会，包括国家层面，都是一个巨大的挑战。这场技术革新既令人激动并带来机遇，同时也可能伴随着一些风险。

NBD：当技术完成突破时，可能会以什么形式展现？

康茜：我认为，真正的技术突破将发生在人类开发出所谓的通用人工智能（AGI）之时。目前，这种通用人工智能在现实中并不存在，它更像是科幻电影中所描绘的场景，即人工智能的能力已超越了全人类的能力范围。目前，科学界和商业界都在进行广泛的讨论，其中一个问题是：我们人类是否已经准备好迎接这种通用人工智能的到来。我们是否应该放慢技术发展的脚步，以及在我们有生之年是否真的能够看到通用人工智能的实现。

这涉及到一些哲学上的思考，例如，我们知道笛卡尔的名言我思故我在，即人类的存在基于思考能力。如果人工智能能够达到甚至超越人类的思考能力，那么我们该如何定义人类，以及包括如何定义工作和人类工作的价值。

我个人在这个问题上持有相对保守的态度，我不认为通用人工智能会如此迅速地到来。我们现在所使用的人工智能，包括我们所见到的，都属于狭义的人工智能。尽管这些人工智能表现出色，但它们是为了实现特定目的而开发的。例如，我们使用机器学习和深度学习来预测消费者的下一次购买决策，预测消费者下一次可能喜欢什么产品。我们在电商平台上一直在使用这样的算法来帮助消费者获得更好的购物体验。

包括我们的大语言模型，它实际上也只是一个纯粹的语言模型，它判断下一个句子、下一个词最有可能是什么，基于这个模型的概率。这些算法实际上都是比较狭义范围内的，它们有固定的应用场景，超出这个应用范围之外，它们实际上是没有办法做到的。因此，到目前为止，我们距离所谓的通用人工智能，就像科幻电影中所描绘的那样，还有很大的距离。当然，这是一个有争议的话题。

医药、金融领域已有落地应用

NBD：在您的观察中，企业是如何成功地应用人工智能技术的？有没有具体的案例可以分享？

康茜：在药品开发领域，我们正在见证一些非常激动人心的发现。例如，在2020年初，麻省理工学院的研究人员利用人工智能发现了一种新型抗生素，这种抗生素能够杀灭之前所有抗生素都无法抑制的、具有极强耐药性的细菌株。在这一过程中，他们利用人工智能对超过6万个分子的数据库进行了筛查，并预测了哪些分子结构或药物分子更有可能对抗耐药性细菌。最终，他们成功发现了一种名为海利霉素的超强药物分子。

目前，这类算法已广泛应用于各大药企、药商以及科学实验室中。我们利用人工智能的超强分析能力和预测能力，可以帮助我们寻找更有效的药物，并有针对性地针对不同种类的疾病寻找治疗方法。

在医疗服务的其他方面，例如医疗影像分析，可以帮助医生更准确地判断图像中是否存在医疗指征或病灶。在金融领域，我一直在与一些金融公司合作。其中一家金融公司专注于股票和基金的预测，提供一系列分析报告，并为每个股票或基金给出评级，帮助广大个体投资者了解各种股票证券的投资机会。

以前，尽管他们是一家大型国际公司，拥有成百上千名技术实力雄厚的证券分析师，但他们也只能分析市场上不到10%的证券。后来，他们开发了一种基于决策树和随机森林技术的人工智能算法。最早在2015年，他们就利用这种机器预测股票和债券的未来发展趋势，帮助投资者做出投资决策。有了这个算法之后，他们的服务基本上可以覆盖全球所有的股票和基金。这不仅极大地丰富了公司本身能够提供的服务，而且随着越来越多的金融服务机构开始利用算法扩展服务，我们可以看到整个金融市场有望变得越来越有效，减少投资者、企业和基金之间的信息不对称性。

NBD：在金融业的应用中，具体是如何将大模型与分析师的经验相结合的呢？

康茜：该企业所采用的算法是在2014年或2015年开发的，当时尚未出现大语言模型。那时，他们采用的是更为传统的深度学习和机器学习技术。具体来说，他们将企业所有分析师过去的历史判断以及辅助这些判断的数据，作为一个庞大的数据训练集，用以训练机器学习算法。基于这些数据的结构，算法识别出了一些关键要素和关系，这使得它能够在未来对新的信息进行判断，预测股票或债券的表现。

实际上，这个算法是依托于企业现有员工在过去的判断。机器学习是在模仿人的决策方式，然后通过算法的算力，将人的决策方式扩展到以前从未学习过、从未分析过的股票和债券上。

人工智能可能催生新的企业结构、社会形态，需要寻求新的财富分配制度

NBD：如果将人才类型加以分类，您认为哪一类型人才的工作可能被人工智能取代？人工智能又可能创造哪些新的工作岗位？

康茜：这是一个非常有意义的问题，目前许多学者正在研究这个领域。一种分析方法是将工作分解为不同的任务，并在任务层面进行分析。同一份工作可能包含多种不同的任务，每种任务又需要不同的技能。因此，人工智能更容易取代的任务包括那些需要大量重复性劳动的工作，无论是数据分析还是语言输出等方面。当有足够的历史决策数据作为训练材料时，算法可以迅速学习，并以更高效、成本更低的方式被商业化应用。

有一系列研究根据工作的性质和内容，将其与人工智能目前擅长的任务进行比较，并列出了一个详细的职业列表。在这个列表的最顶端，最容易被人工智能取代的工作包括电话营销。我们在生活中也观察到了这一趋势，即越来越多的电话营销实际上是由人工智能的语言模型生成的，以至于人们甚至在与之对话时都难以察觉到它是人工智能。

其他类似的工作还包括一些简单的翻译、文书工作、数据记录和简单的数据分析，这些工作在现在或不远的将来都可能被取代。

那么，哪些工作不容易被取代呢？这包括那些需要直接与人打交道、需要利用人的同理心和获得人信任的工作，如照顾者、医生、护士和心理咨询师等。还有一类工作是人工智能暂时无法取代的，因为人工智能目前还不具备进行精密操作的能力，这使得像水管工和外科手术医生这样的工作暂时不会被取代。

NBD：IMF认为，与过去的颠覆性技术不同，人工智能时代存在诸如高技能职业工作岗位减少的可能性。你对这个观点如何看待？

康茜：相对于传统机器学习技术，大语言模型确实更容易对脑力劳动者或知识型劳动者的工作带来挑战，但我不认为它会完全替代这些工作。一方面，正如你所提到的，大语言模型仍然存在幻觉问题，其提供的信息需要专业知识和专业技能的人员进行认证和审查。另一方面，当前的发展趋势是单元模型和各种算法，它们在开发时的初衷并非替代人类，而是辅助人类。

一些研究比较了人工智能大语言模型的工作产出与人类的工作产出，发现在许多任务中，大语言模型甚至表现得更出色。但如果引入第三个模块，即让专业技术人员与大语言模型合作，无论是以辅助的形式还是审查的形式共同做出决策，实际上就是人机合作，这种方式在效率和质量上的提升都是最大的。我认为这是一个未来的发展趋势。尽管有些工作可以由人工智能完成，但如果能够巧妙地结合人和机器的优势，互补合作，共同做出决策，效果将是最好的。

因此，未来的可能趋势是每个人都将拥有一个甚至多个基于大语言模型的人工智能助手。以我自己的教学过程为例，我自行训练出了一个教学辅助工具，这是我的小助教，它可以帮助我回答学生关于课程基础的问题，如考试和交作业的时间。过去我需要亲自回复邮件和信息，但现在我训练出的模型完全有能力回答这些问题。由于我为它提供了大量的教材和练习题作为训练数据，学生可以直接与这个聊天机器人沟通，在考试前获得重点提示和模拟题目。

这不仅可以让我作为教师的角色更轻松，拥有更多时间进行研究和回答学生更具挑战性的问题，而且学生本身也获得了个性化的学习体验，我认为这是非常有用的。我也会建议我的学生们基于他们的工作场景去训练自己的人工智能助手。

NBD：您认为被人工智能替代的岗位更多，还是新出现的岗位更多？人工智能的到来会不会催生新的企业结构、社会形态或财富分配制度？

康茜：我们都希望因技术变革而被淘汰的岗位数量会少于新出现的岗位，我认为这种情况是可能发生的。虽然新技术变革可能会带来一些结构性失业或摩擦性失业，但只要技术促进了社会和经济的整体发展，就会有更多的需求被创造出来。正如在工业革命期间，随着农业技术的发展，许多农业从业者转变为工人。在随后的技术革新中，工厂效率的提高导致工人数量减少，他们又转向了服务行业。在人工智能的浪潮中，我们预计也会看到类似的效应。尽管一些重复性的工作很可能被人工智能取代，但在服务行业或人工智能无法取代或辅助的职业中，将会有越来越多的需求。

因此，作为一个社会，包括企业，我们有责任帮助劳动者重新培训，使他们的技能能够适应技术变革带来的挑战。

另一方面，人工智能的到来是否会催生新的企业结构和社会形态？我认为会的。就像计算机和网络的出现减少了沟通的难度，增加了信息的交流，带来了企业结构的扁平化。人工智能可能会进一步加深这种变化，因为它使企业内部的沟通和数字化管理变得更加高效。我认为未来的企业可能会变得更加扁平化和灵活，决策方式也更加灵活机动，以应对人工智能带来的挑战。技术革新发生得太快，企业必须适应这种快速变化。

财富分配制度也是我一直在思考的问题。我们担心新技术虽然创造了大量财富，但这些财富如何在社会中分配？是否会越来越多地集中在少数有能力开发人工智能的大企业手中，它们是否能与全社会共享这些财富？因此，我认为这需要政策引导和社会再分配制度的配合。也许在不远的将来，如果我们达到了通用人工智能的现实，可能绝大多数人将不需要工作。因此，一些前沿科学家和社会活动家正在考虑是否应该为所有人提供类似于最低生活保障的基础收入。