每經記者｜張宏    每經編輯｜張益銘

6月25日~27日，世界經濟論壇第十五屆新領軍者年會（即“夏季達沃斯論壇”）在大連舉辦。在夏季達沃斯論壇現場，來自世界各地的企業、學界人士共同探討未來增長的新前沿。

最后一日，《每日經濟新聞》記者（以下簡稱NBD）專訪了范德堡大學歐文管理學院助理教授康茜。

康茜表示，就像計算機和網絡的出現減少了溝通的難度，增加了信息的交流，帶來了企業結構的扁平化。人工智能可能會進一步加深這種變化，因為它使企業內部的溝通和數字化管理變得更加高效。我認為未來的企業可能會變得更加扁平化和靈活，決策方式也更加靈活機動，以應對人工智能帶來的挑戰。技術革新發生得太快，企業必須適應這種快速變化。

主辦方供圖

應該將人保留在大模型應用的決策過程中

NBD：能否介紹一下當前人工智能領域的最前沿研究？這些研究有哪些潛在的商業應用價值？

康茜：當前最令人激動的研究前沿無疑是大語言模型和多態模型。眾所周知，在過去幾年中，我們已經開始接觸到各種大語言模型，這些模型代表了人工智能向更自然、更口語化的方向發展，它們所能實現的應用場景也日益商業化。

我們可以看到，基于大語言模型的一些應用已經在醫療行業落地，如用于藥物研發、與患者的溝通，以及輔助醫生進行文書寫作和記錄。在其他商業場景中，金融行業也在大規模采用這些技術，不僅包括大語言模型，還有傳統的深度學習應用，以更好地分析數字化進程中產生的大量數據。這些技術可以幫助我們決策，無論是作為消費者，還是作為醫生、律師等專業人員，或是作為投資者。

NBD：現在大模型仍然存在幻覺，為了應對幻覺，有沒有一些前沿的研究？

康茜：當前，技術開發者和研究人員正致力于減少幻覺現象的發生頻率，這包括提升訓練數據集的質量。然而，我認為幻覺問題本質上是大語言模型所固有的，因為這些模型是基于概率的。它們的運行邏輯是不斷預測下一個詞最有可能是什么，因此很難說模型真正理解自己在表達的內容。

從管理學的角度來看，我認為解決幻覺問題的方法之一是引入具有專業知識的專家。我們常說，應該將人保留在決策過程中，而不是完全依賴人工智能或算法來解決問題和做出決策。當人工智能提供錯誤的信息或幻覺時，這更加凸顯了具有專業知識的人在決策過程中的重要性。

最終，我們需要人作為管理者，來審查人工智能提供的信息。就像安全員一樣，我們可以通過人的判斷來減少幻覺帶來的負面影響。

不認為通用人工智能會如此迅速地到來

NBD：您認為人工智能領域是否已經到了突破的時刻？我們是否即將見證一些重大的技術革新？

康茜：我們目前正在見證一場重大的技術革新，可能正處于這場技術革新的起始階段。實際上，在大語言模型，包括基于轉換器的預訓練模型開始公開時，包括開發者在內的許多人對其展現出的回答問題的能力感到震驚。并且，這些技術的發展速度并非線性，近年來我們看到的人工智能方面的變化和進展都呈指數型增長。

因此，現在很難預測五年后，這些技術會發展到何種程度。這對個人、商業社會乃至整個社會，包括國家層面，都是一個巨大的挑戰。這場技術革新既令人激動并帶來機遇，同時也可能伴隨著一些風險。

NBD：當技術完成突破時，可能會以什么形式展現？

康茜：我認為，真正的技術突破將發生在人類開發出所謂的通用人工智能（AGI）之時。目前，這種通用人工智能在現實中并不存在，它更像是科幻電影中所描繪的場景，即人工智能的能力已超越了全人類的能力范圍。目前，科學界和商業界都在進行廣泛的討論，其中一個問題是：我們人類是否已經準備好迎接這種通用人工智能的到來。我們是否應該放慢技術發展的腳步，以及在我們有生之年是否真的能夠看到通用人工智能的實現。

這涉及到一些哲學上的思考，例如，我們知道笛卡爾的名言“我思故我在”，即人類的存在基于思考能力。如果人工智能能夠達到甚至超越人類的思考能力，那么我們該如何定義人類，以及包括如何定義工作和人類工作的價值。

我個人在這個問題上持有相對保守的態度，我不認為通用人工智能會如此迅速地到來。我們現在所使用的人工智能，包括我們所見到的，都屬于狹義的人工智能。盡管這些人工智能表現出色，但它們是為了實現特定目的而開發的。例如，我們使用機器學習和深度學習來預測消費者的下一次購買決策，預測消費者下一次可能喜歡什么產品。我們在電商平臺上一直在使用這樣的算法來幫助消費者獲得更好的購物體驗。

包括我們的大語言模型，它實際上也只是一個純粹的語言模型，它判斷下一個句子、下一個詞最有可能是什么，基于這個模型的概率。這些算法實際上都是比較狹義范圍內的，它們有固定的應用場景，超出這個應用范圍之外，它們實際上是沒有辦法做到的。因此，到目前為止，我們距離所謂的通用人工智能，就像科幻電影中所描繪的那樣，還有很大的距離。當然，這是一個有爭議的話題。

醫藥、金融領域已有落地應用

NBD：在您的觀察中，企業是如何成功地應用人工智能技術的？有沒有具體的案例可以分享？

康茜：在藥品開發領域，我們正在見證一些非常激動人心的發現。例如，在2020年初，麻省理工學院的研究人員利用人工智能發現了一種新型抗生素，這種抗生素能夠殺滅之前所有抗生素都無法抑制的、具有極強耐藥性的細菌株。在這一過程中，他們利用人工智能對超過6萬個分子的數據庫進行了篩查，并預測了哪些分子結構或藥物分子更有可能對抗耐藥性細菌。最終，他們成功發現了一種名為海利霉素的超強藥物分子。

目前，這類算法已廣泛應用于各大藥企、藥商以及科學實驗室中。我們利用人工智能的超強分析能力和預測能力，可以幫助我們尋找更有效的藥物，并有針對性地針對不同種類的疾病尋找治療方法。

在醫療服務的其他方面，例如醫療影像分析，可以幫助醫生更準確地判斷圖像中是否存在醫療指征或病灶。在金融領域，我一直在與一些金融公司合作。其中一家金融公司專注于股票和基金的預測，提供一系列分析報告，并為每個股票或基金給出評級，幫助廣大個體投資者了解各種股票證券的投資機會。

以前，盡管他們是一家大型國際公司，擁有成百上千名技術實力雄厚的證券分析師，但他們也只能分析市場上不到10%的證券。后來，他們開發了一種基于決策樹和隨機森林技術的人工智能算法。最早在2015年，他們就利用這種機器預測股票和債券的未來發展趨勢，幫助投資者做出投資決策。有了這個算法之后，他們的服務基本上可以覆蓋全球所有的股票和基金。這不僅極大地豐富了公司本身能夠提供的服務，而且隨著越來越多的金融服務機構開始利用算法擴展服務，我們可以看到整個金融市場有望變得越來越有效，減少投資者、企業和基金之間的信息不對稱性。

NBD：在金融業的應用中，具體是如何將大模型與分析師的經驗相結合的呢？

康茜：該企業所采用的算法是在2014年或2015年開發的，當時尚未出現大語言模型。那時，他們采用的是更為傳統的深度學習和機器學習技術。具體來說，他們將企業所有分析師過去的歷史判斷以及輔助這些判斷的數據，作為一個龐大的數據訓練集，用以訓練機器學習算法。基于這些數據的結構，算法識別出了一些關鍵要素和關系，這使得它能夠在未來對新的信息進行判斷，預測股票或債券的表現。

實際上，這個算法是依托于企業現有員工在過去的判斷。機器學習是在模仿人的決策方式，然后通過算法的算力，將人的決策方式擴展到以前從未學習過、從未分析過的股票和債券上。

人工智能可能催生新的企業結構、社會形態，需要尋求新的財富分配制度

NBD：如果將人才類型加以分類，您認為哪一類型人才的工作可能被人工智能取代？人工智能又可能創造哪些新的工作崗位？

康茜：這是一個非常有意義的問題，目前許多學者正在研究這個領域。一種分析方法是將工作分解為不同的任務，并在任務層面進行分析。同一份工作可能包含多種不同的任務，每種任務又需要不同的技能。因此，人工智能更容易取代的任務包括那些需要大量重復性勞動的工作，無論是數據分析還是語言輸出等方面。當有足夠的歷史決策數據作為訓練材料時，算法可以迅速學習，并以更高效、成本更低的方式被商業化應用。

有一系列研究根據工作的性質和內容，將其與人工智能目前擅長的任務進行比較，并列出了一個詳細的職業列表。在這個列表的最頂端，最容易被人工智能取代的工作包括電話營銷。我們在生活中也觀察到了這一趨勢，即越來越多的電話營銷實際上是由人工智能的語言模型生成的，以至于人們甚至在與之對話時都難以察覺到它是人工智能。

其他類似的工作還包括一些簡單的翻譯、文書工作、數據記錄和簡單的數據分析，這些工作在現在或不遠的將來都可能被取代。

那么，哪些工作不容易被取代呢？這包括那些需要直接與人打交道、需要利用人的同理心和獲得人信任的工作，如照顧者、醫生、護士和心理咨詢師等。還有一類工作是人工智能暫時無法取代的，因為人工智能目前還不具備進行精密操作的能力，這使得像水管工和外科手術醫生這樣的工作暫時不會被取代。

NBD：IMF認為，與過去的顛覆性技術不同，人工智能時代存在諸如“高技能職業工作崗位減少”的可能性。你對這個觀點如何看待？

康茜：相對于傳統機器學習技術，大語言模型確實更容易對腦力勞動者或知識型勞動者的工作帶來挑戰，但我不認為它會完全替代這些工作。一方面，正如你所提到的，大語言模型仍然存在幻覺問題，其提供的信息需要專業知識和專業技能的人員進行認證和審查。另一方面，當前的發展趨勢是單元模型和各種算法，它們在開發時的初衷并非替代人類，而是輔助人類。

一些研究比較了人工智能大語言模型的工作產出與人類的工作產出，發現在許多任務中，大語言模型甚至表現得更出色。但如果引入第三個模塊，即讓專業技術人員與大語言模型合作，無論是以輔助的形式還是審查的形式共同做出決策，實際上就是人機合作，這種方式在效率和質量上的提升都是最大的。我認為這是一個未來的發展趨勢。盡管有些工作可以由人工智能完成，但如果能夠巧妙地結合人和機器的優勢，互補合作，共同做出決策，效果將是最好的。

因此，未來的可能趨勢是每個人都將擁有一個甚至多個基于大語言模型的人工智能助手。以我自己的教學過程為例，我自行訓練出了一個教學輔助工具，這是我的小助教，它可以幫助我回答學生關于課程基礎的問題，如考試和交作業的時間。過去我需要親自回復郵件和信息，但現在我訓練出的模型完全有能力回答這些問題。由于我為它提供了大量的教材和練習題作為訓練數據，學生可以直接與這個聊天機器人溝通，在考試前獲得重點提示和模擬題目。

這不僅可以讓我作為教師的角色更輕松，擁有更多時間進行研究和回答學生更具挑戰性的問題，而且學生本身也獲得了個性化的學習體驗，我認為這是非常有用的。我也會建議我的學生們基于他們的工作場景去訓練自己的人工智能助手。

NBD：您認為被人工智能替代的崗位更多，還是新出現的崗位更多？人工智能的到來會不會催生新的企業結構、社會形態或財富分配制度？

康茜：我們都希望因技術變革而被淘汰的崗位數量會少于新出現的崗位，我認為這種情況是可能發生的。雖然新技術變革可能會帶來一些結構性失業或摩擦性失業，但只要技術促進了社會和經濟的整體發展，就會有更多的需求被創造出來。正如在工業革命期間，隨著農業技術的發展，許多農業從業者轉變為工人。在隨后的技術革新中，工廠效率的提高導致工人數量減少，他們又轉向了服務行業。在人工智能的浪潮中，我們預計也會看到類似的效應。盡管一些重復性的工作很可能被人工智能取代，但在服務行業或人工智能無法取代或輔助的職業中，將會有越來越多的需求。

因此，作為一個社會，包括企業，我們有責任幫助勞動者重新培訓，使他們的技能能夠適應技術變革帶來的挑戰。

另一方面，人工智能的到來是否會催生新的企業結構和社會形態？我認為會的。就像計算機和網絡的出現減少了溝通的難度，增加了信息的交流，帶來了企業結構的扁平化。人工智能可能會進一步加深這種變化，因為它使企業內部的溝通和數字化管理變得更加高效。我認為未來的企業可能會變得更加扁平化和靈活，決策方式也更加靈活機動，以應對人工智能帶來的挑戰。技術革新發生得太快，企業必須適應這種快速變化。

財富分配制度也是我一直在思考的問題。我們擔心新技術雖然創造了大量財富，但這些財富如何在社會中分配？是否會越來越多地集中在少數有能力開發人工智能的大企業手中，它們是否能與全社會共享這些財富？因此，我認為這需要政策引導和社會再分配制度的配合。也許在不遠的將來，如果我們達到了通用人工智能的現實，可能絕大多數人將不需要工作。因此，一些前沿科學家和社會活動家正在考慮是否應該為所有人提供類似于最低生活保障的基礎收入。