AI 編程工具崛起,程序員就業危機,諾獎得主警告過度自動化是個錯誤

公园4004
2粉絲
225 次觀看·2024年11月3日
AI 編程工具如火如荼的發展,同時,程序員這個崗位經歷著大量的裁員。也許短期來看,是宏觀經濟的原因。可長期來看,以 AI 為核心的自動化工具會不會引發廣泛的失業。今年諾貝爾經濟學獎獲得者 Daron Acemoglu 強調,AI的發展不應由少數科技巨頭主導。對那些期望AI顯著推動宏觀經濟增長的樂觀預測,Acemoglu 持懷疑態度。他認為,AI的真正價值在於為人類創造新工作和提升工作能力,而非簡單地替代人工。
時間線:
00:00 編程工具崛起,程序員失業
01:56 AI 不應該尋求完全自動化
04:59 AI 對宏觀經濟影響很小
06:37 人類無法預測 AI 的影響
AI 編程工具的崛起
是技術工具的一次巨大飛躍
然而 生產工具升級的同時
是程序員的大量裁員和就業困難
自人工智能的研究開展以來
就有兩種視角
一種是追求機器智能
也就是讓機器能夠像人類一樣進行思考和行動
這種視角可以追溯到早期的 AI 研究者
如 Alan Turing
這種方法強調機器的自主性和智能
如達到人類水平的測試
另一種視角則是機器實用性
這種思想由 Norbert Wiener Douglas Engelbart
JCR Licklider 等提倡
主張機器應該爲人類服務
目前 大多數人都默認用第一種視角
來期待科技巨頭們不斷升級出的工具
期待着工具變成人的代理
Layoffs.fyi這個網站追蹤行業裁員的數據
它的數據顯示
美國科技公司今年已裁員 13.7 萬人
同時 自2020年以來
美國軟件開發崗位的招聘數量減少了30%以上
薪資服務公司ADP自2018年初起追蹤其客戶羣體中軟件開發人員的就業動態
數據顯示該領域的就業一度穩步增長
但在2019年10月達到高峯後便開始回落
之後一路下降
需求減少 程序員的崗位更捲了
幾年前選擇計算機專業的人
現在都後悔了
或者說沒想到 工作這麼難找
所以就出現了這個很有意思的現象
AI 編程工具的發展如火如荼
計算機科學畢業生卻越來越難找到工作
不過 當我查看程序員的失業率
發現它其實低於平均水平
2022 年到 2023 年
科技巨頭在全球範圍裁員是 40 萬
這個數字並不 高
而導致裁員潮的
主要是宏觀經濟因素
疫情期間 利率低
科技巨頭紛紛擴招
現在 利率上升
通脹加劇
大公司開始通過裁員降本增效
而且 裁員的人裏
並不是都是程序員
拋開宏觀經濟的變化
也許大多數人更擔心的的是另一個因素
AI 帶來的自動化
如果在未來
AI 編程工具變得越來越好用
那麼和 IT 相關的職業
或者範圍更大一點
和操作電腦相關的崗位
是不是都處在被替代的危險之中呢
今年的諾貝爾經濟學獎獲得者
Daron Acemoglu 不這麼認爲
簡單來說 他認爲現在的 AI
在十年內 還無法產生巨大影響力
但目前 AI 的發展方向
也就是以完全自動化
從而替代人類工作的這個方向是錯誤的
他認爲不應該讓大公司決定人們該獲得什麼樣的工具
關於自動化會不會讓人們失業以及對工資有何影響
Daron Acemoglu 和 Pascual Restrepo
在 2018 年發表了一篇 50 多頁的論文
用數學模型來分析這個問題
在這個模型裏
任務是生產的基本單位
企業的角色是僱傭員工和使用機器來完成各種任務
從而生產產品 獲得收益
而技術的進步
會影響每個要素的相對成本和效率
他們探討了兩種情況
一種是機器開始承擔大量人類的工作
另一種是新技術在自動化的同時
創造出新的工作
人類在這些新工作中仍然具備優勢
在簡單的模型裏 如果資本
也就是機器設備和資金投入數量不變
自動化會減少工作機會和工人工資
但如果在自動化的進程中
有新工作能夠被創造
那麼就能提高就業和工資
因爲作者認爲
人類在面對複雜任務時更有優勢
新創造的工作 往往會更加複雜
需要人類來發揮作用
然而 現實世界並不是靜止的
這篇論文的複雜模型則考慮了隨着時間推移所發生的變化
比如公司投資更多的資本
以及技術進步的方向是朝着自動化還是創造新工作發展
他發現
如果用機器工作比用人便宜得多
最終所有工作可能都會被自動化
但在大多數情況下
自動化和創造新工作會一起發展
然後達到新的平衡
一個關鍵原因是自動化讓用人的成本下降
讓企業沒有那麼大動力去投資研究完全自動化
反而企業會去探索新的項目
從而創造了新的工作機會和崗位
換句話說
自動化之後的降低成本讓公司在“是繼續增加自動化
還是去開發新工作”之間做出選擇
而論文認爲在很多情況下
第二種選擇可能是更有吸引力
從歷史數據來看
1980 年到2015 年間
新工作的數量是不斷增長的
這種平衡由以下三個因素促成
自我糾正的市場力量
人類的比較優勢
新任務的標準化
市場糾正的力量不用解釋
而後兩個因素 人類的比較優勢
新任務的標準化是相互關聯的
人類在執行復雜任務方面依舊有巨大的優勢
目前的 AI 只能算是人類解決一部分任務的工具
新任務的標準化是什麼意思呢
當一個新工作產生時 最初
需要高技能的勞動力 隨着時間推移
這些任務將變得標準化
使得低技能工人也能高效地完成
從而讓更多人就業
緩解了潛在的不平等
此外
論文也探討了在技術進步的過程中
不同技能水平的人受到的不同影響
他們發現
不管是快速自動化還是新工作的出現
都會在初期導致一段時間的不平等加劇
這是因爲自動化可能首先替代低技能的崗位
而新工作往往需要高技能的工人
我們可以看到
很多程序員崗位已經不需要初級程序員
更多的是算法和研發崗位
這篇論文的最後 作者相信
確保勞動力市場繁榮的關鍵不是抵制自動化
而是鼓勵技術再進步後能產生出新的工作
這篇論文首次發表是在 2016 年
Daron Acemoglu 在今年 10 月獲得了諾貝爾獎
獲獎後
各大媒體最關心的是他對 AI 的看法
我翻閱了幾篇他過去發表的文章
發現他的觀點一直很堅定
他始終認爲
AI 對社會的貢獻不會像媒體宣傳的那麼大
AI 研究的重點應放在如何創造新的工作機會和增強人類工作能力上
而不是一味追求完全自動化
去年
高盛和麥肯錫全球研究所對 AI 推動經濟增長
都給出了很高的評價
摩根的經濟學家在一年前預測
AI 能使得全球 GDP 在 10 年內增長 10%
Daron 認爲 要實現這麼高的增長
必須提高微觀層面的生產力收益
或者假設經濟中將有更多的任務受影響
但這兩種情況看似不可能
他估計 在未來十年內
人工智能可能帶來的生產力提升幅度最高約爲0.66%
但如果涉及較複雜的任務
這一數值可能會下降到約0.53%。
爲何估計的這麼低
一個原因是目前以大語言模型爲主的人工智能
能完成的任務基本上都是能在數據裏學習的任務
在編程領域 有不少程序員反應
當面對新的程序難題時
AI 的表現不是很好
實際上 AI 編程工具
包括大多數 AI 工具
可以讓一個人從不會迅速入門
但是面對開放式難題時
還要靠人類解決
對於 GDP 的影響
Daron 的估計也很低
雖然自動化和任務互補可能會推動更多的投資
但是整體來看
在投資增加不大的情況下
GDP可能增長0.93%到1.16%
如果出現大規模投資熱潮
增長可能介於1.4%到1.56%之間
總的來說
雖然人工智能會推動一些經濟增長
但其影響不會像有些預測所稱的那麼顯著
事實上
預測人工智能對宏觀經濟的影響很困難
首先
我們沒法確定日常工作中哪些具體的任務能被 AI 完全接管
哪些是需要與人類合作
複雜的任務 AI 做不了
簡單的任務交給 AI有可能產生不了經濟價值
在日常工作中
一個人的工作可能混雜着簡單的任務和複雜的任務
而且不能拆分
第二 沒法確定時間線和盈利性
即使我們可以識別出能被 AI 取代的任務
也難以判斷AI何時會對這些任務產生影響
以及採用AI是否具備經濟收益
就拿計算機視覺這個領域來說
maja Svanberg的研究認爲
10 年內
僅有 23% 的與計算機視覺相關的任務
可以實現有經濟效應的自動化
剩餘的任務
要麼技術不成熟
要麼成本超過收益 無法進行自動化
這突顯了預測人工智能經濟影響的不確定性
第三
沒法預測對 AI 的投資是增加的還是下降的
這就跟預測明天英偉達股票漲跌一樣困難
所以
AI 投資對於宏觀經濟的影響也是不確定的
第四
人工智能可能創造出新的工作和任務
這些任務可能是有負面價值的
例如傳播虛假信息
引發網絡安全問題
第五 漣漪效應
AI 這門技術對不同人口羣體的影響是不同的
如果一批人因爲 AI 失業
失業的人口可能會競爭其他的職位
又會對另一個行業產生影響
這也是無法預測和估計的
第六 我覺得也是很重要的一點
不同企業對人工智能的應用程度完全不一樣
我們可能會在新聞上看到
科技巨頭的某個軟件
已經有 10% 的代碼是 AI 寫的
但在中小企業裏
AI 的應用可能完全不存在
總體來看
預測 AI 對宏觀經濟影響十分困難
正如Acemoglu 所說
20 年以上的事情
根本無法預測
10 年內的事情 也只能進行一些分析
儘管如此 他的立場始終明確
技術的發展路徑不應該由科技巨頭來決定
不能掌握在少數人手裏
AI 的發展
應該從輔助人類的角度出發
而不是追求替代人類
追求機器的智能
讓機器有自主性從而替代人力
還是追求機器的實用性 輔助人類
這兩種視角一直存在於 AI 的發展過程中
今天 整個社會更傾向於機器智能
科技巨頭和媒體營造了這種幻想
AI 應該變成人類的代理
人人都可以利用 AI
變成一個超級個體
不用再做辛苦的工作
