每一次 ChatGPT 的更新，都會(huì)給我們帶來大量新的能力，這些能力往往會(huì)逐步應(yīng)用在改變我們現(xiàn)有工作流程上，因此我是比較看好這一波 AI 在自動(dòng)化（RPA）領(lǐng)域的價(jià)值的，不過要將一個(gè)新技術(shù)真正應(yīng)用直至取代復(fù)雜的工作流程，我覺得還需要不少的時(shí)間，但應(yīng)該是接下來很大的一個(gè)機(jī)會(huì)。

前幾天，a16z 前合伙人 Benedict Evans 寫了一篇談 AI 與自動(dòng)化的文章，一些觀點(diǎn)我比較認(rèn)同。Benedict Evans 從歷史每次技術(shù)變革的角度談了他的一些看法：

1. 會(huì)有更多的自動(dòng)化即將到來，并且將是全新的自動(dòng)化方式

2. 新技術(shù)通常會(huì)使某些事情變得更便宜、更容易，這可能意味著你可以用更少的人做同樣的事情，或者你可以用相同的人做更多的事情，這也意味著你往往會(huì)改變你所做的事情

3. 人們用來完成工作的工具以及可能現(xiàn)在獲得新的自動(dòng)化的任務(wù)都非常復(fù)雜和專業(yè)，并且蘊(yùn)含了大量的工作和機(jī)構(gòu)知識(shí)，因此替換或自動(dòng)化任何這些工具和任務(wù)都不是輕而易舉的事情

4. 雖然有人可能會(huì)認(rèn)為 LLMs 將取代許多應(yīng)用程序，但它也可能將在其他方面上帶來全新的解構(gòu)浪潮

下面對原文做了一下分享，內(nèi)容比較長，翻譯能力借助了 GPT-4，一些表達(dá)有問題的地方歡迎閱讀原文：

https://www.ben-evans.com/benedictevans/2023/7/2/working-with-ai

ChatGPT 和生成式人工智能將改變我們的工作方式，但這與過去 200 年的所有自動(dòng)化浪潮有何不同？這對就業(yè)、變革和煤炭消耗意味著什么？

幾乎所有科技行業(yè)的人都認(rèn)為，生成式人工智能、大型語言模型和 ChatGPT 是我們可以用軟件實(shí)現(xiàn)的新一代變革，以及我們可以用軟件實(shí)現(xiàn)自動(dòng)化的新一代變革。關(guān)于 LLMs 的其他方面，并沒有達(dá)成太多共識(shí)。實(shí)際上，我們?nèi)栽谔接憼幷摰膯栴}，但每個(gè)人都同意，還有更多的自動(dòng)化即將到來，以及全新的自動(dòng)化形式。

自動(dòng)化意味著工作和人員，這也發(fā)生得非常快：ChatGPT 僅六個(gè)月就擁有了超過 1 億的用戶，Productiv 的數(shù)據(jù)表明它已經(jīng)成為前十二個(gè)“影子 IT” App 之一。那么，這將帶走多少工作崗位，速度有多快，是否可以有新的工作來取代它們？

我們應(yīng)該記住，我們已經(jīng)自動(dòng)化工作的道路上有 200 年了。每次我們經(jīng)歷自動(dòng)化浪潮時(shí)，很多職業(yè)都會(huì)消失，但是新的職業(yè)類別會(huì)被創(chuàng)造出來。在這個(gè)過程中會(huì)有摩擦性疼痛和錯(cuò)位，有時(shí)新的工作會(huì)分配給在不同地方不同的人，但隨著時(shí)間的推移，總的工作數(shù)量不會(huì)減少，我們所有人都變得更加繁榮。

當(dāng)這種情況發(fā)生在你自己的一代人身上時(shí)，擔(dān)心這一次不會(huì)有新工作崗位是很自然的。我們可以看到那些消失的工作，但我們無法預(yù)測新工作將會(huì)是什么，而且通常它們還不存在。我們知道（或者應(yīng)該知道），從經(jīng)驗(yàn)上來說，過去總是會(huì)有新的工作崗位出現(xiàn)，而且它們也是不可預(yù)測的：1800 年沒有人會(huì)預(yù)測到 1900 年會(huì)有 100 萬美國人從事“鐵路”工作，1900 年也沒有人會(huì)預(yù)測到“視頻后期制作”或“軟件工程師”這些職業(yè)類別。

但僅僅因?yàn)檫^去總是會(huì)出現(xiàn)新的工作崗位，就憑信仰相信這一次也會(huì)出現(xiàn)似乎是不夠的。你怎么知道這一次會(huì)發(fā)生呢？這次和以前不同嗎？

在這個(gè)時(shí)候，任何一年級(jí)的經(jīng)濟(jì)學(xué)學(xué)生都會(huì)告訴我們，這個(gè)問題可以通過“勞動(dòng)力總量謬誤（Lump of Labour）”等原因來解釋。

勞動(dòng)力總量謬誤是一種誤解，認(rèn)為要做的工作是固定的，如果一些工作被機(jī)器取代了，那么人們就會(huì)失去更少的工作。但如果使用機(jī)器制造一雙鞋變得更便宜，那么鞋子就會(huì)更便宜，更多的人可以買鞋子，他們有更多的錢可以花在除此之外的其他東西上，并且我們會(huì)發(fā)現(xiàn)我們需要或想要新的東西，并創(chuàng)造新的工作崗位。

效率收益不僅僅局限于鞋子：通常，它會(huì)通過經(jīng)濟(jì)體向外擴(kuò)散，創(chuàng)造新的繁榮和新的工作崗位。我們不知道新的工作會(huì)是什么，但我們有一個(gè)模型，它不僅表明總會(huì)有新的工作，而且說明這是過程本身固有的。因此，不要擔(dān)心人工智能！

我認(rèn)為，對這個(gè)模型最基本的挑戰(zhàn)是說，過去 200 年的自動(dòng)化實(shí)際上是在推動(dòng)人類能力的提高。

我們從人類作為動(dòng)物開始，然后逐步進(jìn)化：我們自動(dòng)化了腿部、手臂、手指，現(xiàn)在又開始自動(dòng)化大腦。我們從農(nóng)場勞作轉(zhuǎn)向藍(lán)領(lǐng)工作，再到白領(lǐng)工作，而現(xiàn)在連白領(lǐng)工作也將被自動(dòng)化取代，剩下的將一無所有。工廠被呼叫中心所取代，但如果我們自動(dòng)化了呼叫中心，還有什么其他選擇？

在這里，我認(rèn)為看一下經(jīng)濟(jì)和技術(shù)歷史的另一個(gè)片段很有用：杰文斯悖論（ Jevons Paradox）。

19 世紀(jì)，英國海軍靠煤炭運(yùn)轉(zhuǎn)。英國有很多煤炭（它是蒸汽時(shí)代的沙特阿拉伯），但人們擔(dān)心煤炭用盡后會(huì)發(fā)生什么。啊，工程師說：別擔(dān)心，因?yàn)檎羝麢C(jī)變得更加高效，所以我們會(huì)用更少的煤炭。但是杰文斯說：如果我們讓蒸汽機(jī)更加高效，那么它們將更便宜運(yùn)行，我們會(huì)使用更多的蒸汽機(jī)，并將其用于新的和不同的事物，因此我們會(huì)使用更多的煤炭。創(chuàng)新可以與價(jià)格彈性相連。

我們已經(jīng)將杰文斯悖論應(yīng)用于白領(lǐng)工作 150 年了。

很難想象尚未存在的未來工作，但同樣也很難想象已經(jīng)被自動(dòng)化取代的一些過去的工作。戈戈?duì)栐?19 世紀(jì) 30 年代圣彼得堡的受壓迫的職員們花費(fèi)了他們整個(gè)成年生活一個(gè)接一個(gè)地手寫復(fù)制文件。他們就像人類復(fù)印機(jī)一樣。到了 19 世紀(jì) 80 年代，打字機(jī)以每分鐘兩倍速度產(chǎn)生完全清晰可讀的文本，并提供六份免費(fèi)副本。

打字機(jī)意味著職員可以產(chǎn)出超過 10 倍以上的輸出量。幾十年后，像巴勒斯這樣的公司推出了計(jì)算器，為簿記和會(huì)計(jì)工作做到了同樣效果：不再需要用筆加總列數(shù)，而是由機(jī)器替你完成，在 20% 的時(shí)間內(nèi)無誤差地完成任務(wù)。

那對文員就業(yè)產(chǎn)生了什么影響？人們雇用了更多的文員。自動(dòng)化加上杰文斯悖論意味著更多的工作機(jī)會(huì)。

如果一個(gè)職員和一臺(tái)機(jī)器可以完成 10 個(gè)人的工作，那么你可能會(huì)減少職員數(shù)量，但也可能會(huì)用他們做更多的事情。杰文斯告訴我們，如果某件事變得更便宜、更高效，你可能會(huì)做更多這樣的事情——比如進(jìn)行更多分析或管理更多庫存。你可能會(huì)建立一個(gè)不同且更高效的業(yè)務(wù)，這只有在能夠使用打字機(jī)和計(jì)算器自動(dòng)化其管理時(shí)才有可能實(shí)現(xiàn)。

這個(gè)過程不斷重復(fù)。這是 1960 年的杰克·萊蒙（Jack Lemmon）在《公寓》中扮演 CC 巴克斯特，使用了弗里登公司的電動(dòng)機(jī)械計(jì)算器，而這種計(jì)算器已經(jīng)問世 50 年了，并且曾經(jīng)非常令人興奮。

那個(gè)鏡頭中的每個(gè)人都是電子表格中的一個(gè)單元格，整座建筑就是一個(gè)電子表格。每周有人在頂樓按下 F9 鍵進(jìn)行重新計(jì)算。但他們已經(jīng)有了計(jì)算機(jī)，在 1965 年或 1970 年購買了一臺(tái)大型機(jī)，并報(bào)廢了所有的加法器。白領(lǐng)職業(yè)崩潰了嗎？還是像 IBM 所宣傳的那樣，計(jì)算機(jī)給你多出 150 名工程師？25 年后，PC 革命和“會(huì)計(jì)部門裝在盒子里”的解決方案對會(huì)計(jì)行業(yè)產(chǎn)生了什么影響呢？

丹·布里克林在 1979 年發(fā)明了電子表格軟件，此前，“電子表格”指的是紙質(zhì)文件（你現(xiàn)在仍然可以在亞馬遜上購買）。他有一些關(guān)于早期使用的有趣故事：人們告訴我，“我做了這么多工作，同事們都覺得我很厲害。但實(shí)際上我只花了一個(gè)小時(shí)就完成了，然后休息了一整天。人們以為我是個(gè)天才，其實(shí)是因?yàn)橛玫搅诉@個(gè)工具?！?/p>

那么，Excel 和個(gè)人電腦對會(huì)計(jì)就業(yè)產(chǎn)生了什么影響呢？它增加了就業(yè)機(jī)會(huì)。

40 年后，電子表格意味著你可以提前下班閑逛嗎？事實(shí)上并不是這樣的。

年輕人可能不會(huì)相信，但在電子表格出現(xiàn)之前，投資銀行家工作時(shí)間真的很長。多虧了 Excel，高盛的助理們才能完成所有任務(wù)，并在周五下午 3 點(diǎn)離開辦公室?，F(xiàn)在有了 LLMs（低廉勞動(dòng)力市場），他們每周只需要工作一天！

新技術(shù)通常會(huì)使某些事情變得更便宜、更容易，但這可能意味著你可以用更少的人做同樣的事情，或者你可以用相同的人做更多的事情，這也意味著你往往會(huì)改變你所做的事情。

起初，我們讓新工具適應(yīng)舊的工作方式，但隨著時(shí)間的推移，我們會(huì)改變我們的工作方式來適應(yīng)工具。當(dāng) CC Baxter 的公司購買了一臺(tái)大型計(jì)算機(jī)時(shí)，他們開始自動(dòng)化他們已經(jīng)做過的事情，但隨著時(shí)間的推移，運(yùn)營業(yè)務(wù)的新方式變得可能。

所以，所有這些都是為了說，默認(rèn)情況下，我們應(yīng)該期望語言模型（LLMs）像 SAP、Excel、大型計(jì)算機(jī)或打字機(jī)一樣破壞、取代、創(chuàng)造、加速和增加就業(yè)。這只是更多的自動(dòng)化。機(jī)器讓一個(gè)人能夠完成 10 倍的工作，但你仍然需要人來操作。

我認(rèn)為目前有兩種反駁觀點(diǎn)。

第一個(gè)觀點(diǎn)是說，也許這確實(shí)只是我們在互聯(lián)網(wǎng)、個(gè)人電腦或計(jì)算機(jī)方面所見過的那種變革的延續(xù)，也許它對凈就業(yè)沒有長期影響，但這一次變化會(huì)更快速地發(fā)生，因此摩擦痛苦將更大，并且調(diào)整將更加困難。

LLMs 和 ChatGPT 無疑比 iPhone、互聯(lián)網(wǎng)或者個(gè)人電腦等東西發(fā)展得更快。Apple II 于 1977 年上市，IBM PC 于 1981 年上市，Mac 于 1984 年上市，在 1990 年代初才有了 1 億臺(tái) PC 在使用：而現(xiàn)在僅僅六個(gè)月就已經(jīng)有 1 億用戶使用 ChatGPT。

你不需要等待電信公司建設(shè)寬帶網(wǎng)絡(luò)或消費(fèi)者購買新設(shè)備，生成式 AI 構(gòu)建在整個(gè)現(xiàn)有的云端、分布式計(jì)算以及過去十年中構(gòu)建起來的很多機(jī)器學(xué)習(xí)技術(shù)之上。對用戶而言，它只是一個(gè)網(wǎng)站。

然而，如果你考慮到這些圖表的含義，可能會(huì)有不同的期望。來自 Productiv 和 Okta（采用不同的方法）的報(bào)告顯示，他們典型客戶現(xiàn)在擁有數(shù)百種不同的軟件應(yīng)用程序，企業(yè)客戶則擁有近 500 種。

然而，企業(yè)的云采用率仍然只占工作流程的四分之一不到。

這對工作場所中的生成式人工智能意味著什么？無論你認(rèn)為會(huì)發(fā)生什么，都需要數(shù)年時(shí)間，而不是數(shù)周時(shí)間。

人們用來完成工作的工具以及可能現(xiàn)在獲得新的自動(dòng)化的任務(wù)都非常復(fù)雜和專業(yè)，并且蘊(yùn)含了大量的工作和機(jī)構(gòu)知識(shí)。

很多人正在嘗試使用 ChatGPT，并觀察它能做什么。如果你正在閱讀這篇文章，你可能也在使用它。這并不意味著 ChatGPT 已經(jīng)取代了他們現(xiàn)有的工作流程，替換或自動(dòng)化任何這些工具和任務(wù)都不是輕而易舉的事情。

一個(gè)令人驚嘆的變革性技術(shù)演示和一家大型復(fù)雜公司可以使用的東西之間存在著巨大的區(qū)別（譯者注：也就是我在之前文章里一直說的技術(shù)可用和商業(yè)可用之間存在巨大差距）。

你很少能去一家律師事務(wù)所，向他們銷售 GCP 翻譯或情感分析的 API 密鑰：你需要將其包裝在控制、安全性、版本管理、客戶特權(quán)以及其他只有合法軟件公司才了解的許多其他因素中（過去十年里有許多機(jī)器學(xué)習(xí)公司都曾經(jīng)歷過這個(gè)墳場）。

公司通常無法購買“技術(shù)”，Everlaw 不銷售翻譯服務(wù)，People.ai 也不銷售情感分析，他們銷售工具和產(chǎn)品，而 AI 通常只是其中的一部分。我認(rèn)為一個(gè)文本提示、一個(gè)“開始”按鈕和一個(gè)黑盒子式通用文本生成引擎并不能構(gòu)成一個(gè)產(chǎn)品，而產(chǎn)品需要時(shí)間來打造。

與此同時(shí)，購買管理大型復(fù)雜事物的工具即使在工具構(gòu)建完成并具備產(chǎn)品市場適配性后，也需要時(shí)間。構(gòu)建企業(yè)軟件的創(chuàng)業(yè)公司面臨的最基本挑戰(zhàn)之一是，初創(chuàng)公司運(yùn)行周期平均為 18 個(gè)月，而許多企業(yè)決策周期也為 18 個(gè)月。

SaaS 本身加速了這一進(jìn)程，因?yàn)槟銦o需進(jìn)入企業(yè)數(shù)據(jù)中心部署計(jì)劃，但你仍需要購買、集成和培訓(xùn)，而擁有數(shù)百萬客戶和數(shù)十萬或數(shù)百萬員工的公司有非常充分的理由不突然改變事情。未來需要時(shí)間，而硅谷以外的世界是復(fù)雜的。

第二個(gè)反駁觀點(diǎn)是 ChatGPT 和 LLMs 的范式轉(zhuǎn)變部分是在抽象層面上進(jìn)行的：這看起來更像一種更通用的技術(shù)。確實(shí)，這就是為什么它令人興奮的原因。據(jù)說它可以回答任何問題。所以，你可以看一下那張包含 473 個(gè)企業(yè) SaaS 應(yīng)用程序的圖表，并說 ChatGPT 將會(huì)打破并合并許多垂直應(yīng)用程序到一個(gè)提示框中。這意味著它將變得更快，并且自動(dòng)化程度也會(huì)更高。

我認(rèn)為這誤解了問題。如果律師事務(wù)所的合伙人想要一篇論文的初稿，他們希望能夠以完全不同的方式塑造參數(shù)，與保險(xiǎn)公司銷售人員挑戰(zhàn)索賠時(shí)可能使用不同的訓(xùn)練集和肯定使用不同的工具。

Excel 也是“通用”的，SQL 也是如此，但有多少種不同類型的“數(shù)據(jù)庫”？這就是我認(rèn)為 LML（大型語言模型）未來發(fā)展方向應(yīng)該從提示框轉(zhuǎn)向圖形用戶界面（GUI）和按鈕的原因之一：我認(rèn)為“提示工程”和“自然語言”是互相矛盾的。但無論哪種方式，即使你可以將所有內(nèi)容都作為一個(gè)巨大基礎(chǔ)模型上薄薄包裝運(yùn)行（對此幾乎沒有共識(shí)或清晰度），即使這些包裝器也需要時(shí)間。

事實(shí)上，雖然有人可能會(huì)認(rèn)為 LLMs 將在一個(gè)方面上取代許多應(yīng)用程序，但我認(rèn)為同樣有可能它們將在其他方面上帶來全新的解構(gòu)浪潮，因?yàn)槌鮿?chuàng)公司從 Word、Salesforce 和 SAP 中剝離出更多的應(yīng)用場景，并通過解決人們甚至沒有意識(shí)到是問題的問題而建立更多大型企業(yè)。這個(gè)過程可以解釋為什么如今大公司已經(jīng)擁有 400 個(gè) SaaS 應(yīng)用程序。

更基本的是錯(cuò)誤率。ChatGPT 可以嘗試回答“任何問題”，但答案可能是錯(cuò)誤的。人們稱之為幻覺、憑空捏造、撒謊或胡扯——這就是“過于自信的大學(xué)生”問題。我認(rèn)為這些都不是有益的框架：我認(rèn)為最好的理解方式是，當(dāng)你在提示中輸入一些內(nèi)容時(shí)，實(shí)際上并沒有要求它回答一個(gè)問題。相反，你正在詢問它：“人們對類似問題會(huì)產(chǎn)生什么樣的答案？”你在要求它匹配一個(gè)模式。

因此，如果我要求 GPT-4 寫一篇關(guān)于我的傳記，然后再次詢問它，它會(huì)給出不同的答案。它回答說我曾就讀于劍橋大學(xué)、牛津大學(xué)或倫敦政治經(jīng)濟(jì)學(xué)院。這些總是正確的模式：這是正確類型的大學(xué)和工作（它從不說麻省理工學(xué)院然后是餐飲管理）。它對“像 Benedict 這樣的人可能做過什么樣工作和拿過什么樣的學(xué)位？”這個(gè)問題給出了 100% 正確的答案。它不是在進(jìn)行數(shù)據(jù)庫查找：它正在生成一個(gè)模式。

你可以從 MidJourney 得到類似的情景。提示詞是“A photograph of advertising people discussing creativity on stage in a panel on a beach at Cannes Lions”。

它幾乎完美地匹配了模式 - 那看起來像戛納的海灘，這些人穿得像廣告人士，甚至發(fā)型也是對的。但它并不知道任何事情，所以它不知道人們從來沒有三條腿，只是覺得這種可能性很小。這不是“撒謊”或“編造事實(shí)”，而是在不完美地匹配一個(gè)模式。

無論你如何稱呼它，如果你不理解這一點(diǎn)，你可能會(huì)遇到麻煩，就像這位不幸的律師一樣，他不明白當(dāng)他要求先例時(shí)，他實(shí)際上是在要求看起來像先例的東西。他得到了看起來像先例的東西，但實(shí)際上并不是。這不是一個(gè)數(shù)據(jù)庫。

如果你理解了這一點(diǎn)，那么你必須問自己，在哪些情況下 LLMs 有用？在哪些情況下?lián)碛锌梢灾貜?fù)模式、需要檢查的自動(dòng)化本科生或自動(dòng)化實(shí)習(xí)生有用？最后一波機(jī)器學(xué)習(xí)為你提供了無限數(shù)量可以替你閱讀任何內(nèi)容的實(shí)習(xí)生，但你仍然需要進(jìn)行檢查；現(xiàn)在我們擁有了能夠?yàn)槟阕珜懭魏蝺?nèi)容的無限數(shù)量實(shí)習(xí)生，但你仍然需要進(jìn)行檢查。所以，在哪些情況下?lián)碛袩o限數(shù)量的實(shí)習(xí)生是有用的呢？去問問丹·布里克林吧——我們又回到杰文斯悖論了。

這顯然讓我想到了 AGI。對我剛才說的一切的真正基本的反對意見是問，如果我們有一個(gè)沒有錯(cuò)誤率、不會(huì)產(chǎn)生幻覺，并且確實(shí)可以做人類能做的任何事情的系統(tǒng)會(huì)發(fā)生什么。如果我們有了那個(gè)，那么你可能不需要一個(gè)會(huì)使用 Excel 的會(huì)計(jì)師來得到十個(gè)會(huì)計(jì)師的輸出：你可能只需要機(jī)器。這一次，真的會(huì)不同。以前的自動(dòng)化浪潮意味著一個(gè)人可以做更多的事情，現(xiàn)在你不需要這個(gè)人了。

然而，如果你不小心就會(huì)陷入循環(huán)中，就像許多 AGI 的問題一樣?！?strong>如果我們有一臺(tái)機(jī)器可以沒有任何限制的做任何人類所做的事情，它能夠在沒有任何限制的情況下做人類能做的任何事情嗎（If we had a machine that could do anything people do， without any of these limitations， could it do anything people can do， without these limitations）？”

好吧，確實(shí)如此，如果是這樣的話，我們可能會(huì)遇到比中產(chǎn)階級(jí)就業(yè)更大的問題，但是這離現(xiàn)實(shí)近嗎？你可以花費(fèi)幾周時(shí)間觀看三小時(shí)長的 YouTube 視頻，看計(jì)算機(jī)科學(xué)家們爭論這個(gè)問題，最終得出的結(jié)論是他們自己也不清楚。

你還可以提出一個(gè)觀點(diǎn)：認(rèn)為有一種神奇的軟件能改變一切，并克服真實(shí)人員、真實(shí)公司和真實(shí)經(jīng)濟(jì)的復(fù)雜性，并且現(xiàn)在可以在幾周內(nèi)部署起來。聽起來像是經(jīng)典的技術(shù)解決方案主義，但從烏托邦變成了反烏托邦。

然而，作為分析師，我傾向于亨姆的經(jīng)驗(yàn)主義勝過笛卡爾 - 我只能分析我們所知道的。我們沒有 AGI，在沒有它的情況下，我們只有另一波自動(dòng)化浪潮，并且似乎沒有任何先驗(yàn)理由認(rèn)為這必定比之前的所有變革更加痛苦或者更加輕松。文章來源地址http://www.zghlxwxcb.cn/news/detail-570660.html

到了這里，關(guān)于AI 與自動(dòng)化：更多的自動(dòng)化，全新的自動(dòng)化方式？的文章就介紹完了。如果您還想了解更多內(nèi)容，請?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！