我们会不会没有新的工作机会

随着科技的飞速发展，长期结构性技术失业成为了一个备受关注的话题。历史上，从蒸汽机到自动化生产线，每一次技术革命都引发了关于劳动力替代的广泛讨论。然而，尽管这些担忧在过去常被证明是过早或夸大的，但一个不可回避的问题是：在人工智能通用系统（AGI）日益接近甚至超越人类流体智力的背景下，人类劳动力是否还能持续转移到新的工作任务中？本文深入探讨了这一议题，回顾了自动化焦虑的历史渊源，分析了技术如何改变了人类的工作形态，并探讨了未来可能面临的挑战与机遇。

关于长期结构性技术失业的许多争论可以概括为以下三个简短的陈述：

• 过去，对劳动力替代的速度或范围的担忧往往为时过早或被夸大了。
• 劳动力替代到目前为止对人类是非常积极的。随着许多旧任务被自动化，人类劳动力已经转向了许多新的、以前不存在的任务。
• 决定结构性技术失业的长期问题是人类劳动力是否能持续转移到新任务上。
  

专家们对人类劳动力是否能无限期地转移到新任务上存在分歧。在这篇博客文章中，我将给出一个明确的答案：

当人工智能通用系统（AGI）在流体一般智力上超越人类时，人类将耗尽可以转移到的新任务。流体一般智力是指推理、解决新颖问题和抽象思考的能力，这种能力不依赖于已获取的知识或经验。如果并且当AGI达到这一水平时，它将比人类更擅长学习新任务，而新任务在经济中出现到其自动化的间隔时间将缩短到零。

目前的AI模型在流体智力方面仍处于较低水平，且关于具有强大流体智力的AGI何时出现的具体时间表尚无共识。然而，即使很难就具体的时间表达成一致，这也突显了我们应认真对待人类最终可能耗尽新工作岗位的想法。

自动化焦虑并非新鲜事

• 早在1948年，诺伯特·维纳就警告说，“……（第一次工业革命，即‘黑暗邪恶的工厂’的革命，是机器竞争对人类手臂的贬值。……现代工业革命也必然会导致人类大脑的贬值，至少在更简单和更常规的决定中是这样。……如果把第二次革命视为已完成，那么拥有平庸或更低成就的普通人就没有什么值得出售的东西，也没有人会愿意花钱买。）”

• 同样，美国国会早在1955年就举行了关于自动化和技术变革的听证会，一些人担心技术可能“产生一个失业状况，与之相比，三十年代的大萧条将像一个愉快的笑话。”

• 更近一些，2013年牛津大学卡尔·本尼迪克特·弗雷和迈克尔·奥斯本的研究《未来的就业》估计，在未来一二十年里，美国高达47%的工作岗位将面临自动化风险，重新点燃了广泛失业的恐惧。

“有人错误地‘狼来了’”的事实并不意味着狼不存在。然而，这是一个提醒，让我们保持健康的怀疑态度，并追求在各种情境和时间线下都稳健的策略。

我们已经是技术失业的农民

在前工业化社会，绝大多数人都是自给自足的农民。然而，随着时间的流逝，由于一长串的技术创新，农业的劳动强度降低，作物产量增加，从犁到选择性育种，到作物轮作，到播种机，到脱粒机，到拖拉机，到化肥，到杀虫剂，到洒水系统，到转基因作物。

这一转变并没有导致90%的人口永久失业；相反，它释放了劳动力，使人们能够在其他部门追求新的机会。劳动力谬论是一种错误的信念，即经济中的工作或职位数量是固定的，所以如果机器取代了一些工作，就必然会减少人类可用的工作数量。事实上，我们已经自动化了90%的现有工作，但已经过渡到更多、更新、更好的工作。

这种由技术引起的转变不止发生过一次。例如，史密斯是美国最常见的职业姓氏之一，源于铁匠这一职业。我的姓氏“Kohler”来源于德语单词“Köhler”，意为“烧炭者”。这个职业涉及从木材中生产木炭。在中世纪欧洲，木炭烧制是一个重要的职业，为铁匠、金属加工和其他工业过程提供燃料。然而，随着工业革命的到来，木炭在大多数应用中已被来自矿山的煤炭所取代。

我很高兴成为一名技术上失业的烧炭者。因此，如果以史为鉴，即使我们将另外 90% 的现有工作自动化，我们最终也会在其他地方找到更多更好的工作。在我们甚至无法想象的新工作中。

勒德派的马

一些经济学家和知识分子，如瓦西里·列昂惕夫、格雷戈里·克拉克、尼克·博斯特罗姆、CGP Grey和卡尔姆·查斯等，认为我们不应该过分概括历史证据，即自动化已经导致了更多和更好的工作，并认为在某些未来的自动化水平速度下，这一点将不再成立。这一阵营的经典例子是马匹。马匹曾在地球经济中扮演关键角色，“马匹经济”一直持续到20世纪。然而，马匹最终被内燃机提供的更便宜的“机械肌肉”所淘汰。马克斯·泰格马克这样描述：

“想象一下，两匹马在1900年看着一辆早期的汽车，思考着它们的未来。

“我担心技术性失业。”

“我们的祖先说过同样的话，当蒸汽机夺走了我们在工业上的工作，火车夺走了我们拉马车的工作。但我们今天的工作比以往任何时候都多，而且它们也更好：我宁愿拉一辆轻便的马车穿过城镇，也不愿整天走圈子来为一个愚蠢的矿井泵提供动力。“

“但如果这个内燃机真的普及了呢？”

我敢肯定，马匹会有我们还没有想象的新工作。这就是以前经常发生的事情，就像轮子和犁的发明一样。

那些没有为马匹想到的新工作从未到来。不再需要的马匹被屠杀并未得到替代，导致美国马匹数量从1915年的约2600万匹暴跌至1960年的约300万匹。正如机械肌肉使马匹变得多余一样，机械智慧也会对人类做同样的事情吗？”

流体智力是关键因素

那么，我们是否注定会走上马匹在经济中的道路？达隆·阿西莫格鲁和帕斯卡尔·雷斯特雷波（2018）认为，“人类劳动与马匹的区别在于，人类在新事物和更复杂的工作上上具有比较优势。马匹则没有。如果这种比较优势是显著的，并且新工作的创造持续进行，那么即使在快速自动化的背景下，就业和劳动份额也可以在长期内保持稳定。”换句话说，人类高度发达的智慧和能力使我们更具适应性，能够随着更多自动化的工作而转向新工作。

经济学家安东·科里内克和多恩亨·苏（2024）创建了一个模型，专门考虑了面对人工智能通用系统（AGI）时，人类可能会耗尽新工作的情况，以及在这种情境下工资会发生什么。他们的基本方法是，将人类可能执行的所有任务按计算复杂性进行排序，并随着数字计算的扩展，越来越多的任务可以被自动化，从而将自动化前沿从左向右移动。这实质上是莫拉维克的人类能力与自动化比喻性景观的重述（见下图）。在这个比喻中，山峰反映了人类最复杂的能力，而AI自动化则像上升的潮水一样不断将海岸线向上移动。

左图：Korinek 的自动化和任务复杂性模型。改编自 Anton Korinek 和 Donghyun Suh。（2024）. 向AGI过渡的情景.nber.org.图 1.右边：莫拉维克对人类能力的隐喻景观。改编自 Max Tegmark。（2017）. 生活3.0.克诺普夫。第53页

如果人类执行的经济工作的复杂性是有界的（换句话说，如果莫拉维克的人类能力景观中没有无限高的山峰），那么自动化最终将覆盖所有任务，导致全面自动化。在短期内，自动化提高了生产率，并提升了非自动化任务的收入。但从长远来看，当人类耗尽可以胜过机器的工作时，劳动收入份额将急剧下降，因为我们接近全面自动化。

如果人类耗尽可以转移到的新工作，所得收入就会崩溃，收入中从劳动到资本的巨大转变就会发生。改编自安东·科里内克和多恩亨·苏（2024）。《向AGI过渡的情景》。nber.org。图8

对AGI经济有明确的模型，以及如果我们耗尽可以转移到的新工作会发生什么，这是非常有用的。话虽如此，我认为严格关注潜在工作的计算复杂性可能会产生误导。真正决定人类是否能持续转移到复杂和新颖工作的是人类大脑在这些工作中的优势。

我们是否总能转移到更复杂的工作？

在某些学科如未来学或经济学中，工作的复杂性（事实上）是无界的。然而，人类大脑能够表示的最大复杂性是有界的。对于这些任务的经济相关问题来说，关键不在于AI是否具有执行这些任务的计算能力，而在于AI在执行这些任务时是否比人类具有更好的性价比。

例如，未来学家和经济学家都有不完美的预测记录：很少有人预测过2008年的金融危机，或者利用他们的洞察力在金融市场上赚钱。在最近的一个例子中，在 2022 年底，英国《金融时报》和芝加哥大学调查的 85% 的经济学家预测美国将在 2023 年陷入衰退——但事实并非如此。

我的判断是，人工智能最终很可能能够在具有无限复杂性和不可简化以及不确定性的任务上超越人类。首先，在某些领域，人工智能执行复杂任务的能力已经无法与人类相提并论。没有人可以根据大量决策边界过滤邮件或社交媒体帖子。其次，人工神经网络中参数的指数级增长意味着，如果有足够的训练数据和计算能力，人工智能可以代表指数级增长的复杂性，而我们的生物神经网络具有相当固定的上限。

我们总是能进入全新的工作吗？

如果没有大量的训练数据，当前的人工智能系统就无法很好地运行。对于数据稀缺的现有工作（例如，处理罕见疾病）以及引入经济中的新工作都是如此。如果人工智能需要大量的初始人类数据来模仿的局限性仍然存在，那么它可能会允许人类继续进行新的前沿任务，并在人工智能接管之前在其上创建数据。

无论它是否持续存在，都回到了流体智能和结晶通用智能之间的区别。结晶智力是利用积累的技能、知识和经验的能力。流体智力是推理和解决不熟悉问题的能力，独立于过去的知识。它涉及以下能力：

• 逻辑地思考和解决新情境中的问题。
• 识别刺激之间的模式和关系。
• 快速学习新事物并适应新情况。

目前的大型语言模型具有大量的晶体化智力，但它们在逻辑推理和流体智力方面较弱。人们可以合理地就未来AGI将拥有多少流体智力持不同意见，这取决于算法创新或新能力的出现。然而，如果未来AGI能够以人类或超越人类的流体一般智力工作，并且在成本上接近或低于人类劳动力，同时掌握了学习新任务的元能力，至少与人类一样快且好，那么我们就已经永久性地失去了技能转换的竞争。在这种情况下，新工作一旦产生就会立即被自动化。

总结

本文全面探讨了长期结构性技术失业的问题，特别关注了人工智能通用系统（AGI）发展对人类就业未来的潜在影响。历史上对劳动力替代的担忧往往被夸大，但劳动力替代的正面影响显著，促使人类从旧任务转向新任务。

文章的核心观点在于流体智力（即推理、解决新问题和抽象思考的能力）是决定人类能否持续适应新工作的关键因素。作者认为，尽管当前AI在流体智力方面仍显不足，但未来AGI若能达到或超越人类水平，将可能迅速自动化新出现的任务，从而使人类难以持续转移到新工作。同时，AI在缺乏大量训练数据的情况下表现不佳，这可能为人类在新任务上创造一定的缓冲期。

最后，强调了对AGI经济进行明确建模的重要性，并警告说，如果人类不能持续转移到新工作，将面临劳动收入份额的急剧下降。整体上，文章呼吁在技术进步的同时，应关注人类劳动力的适应性和培训，以确保社会的经济稳定和可持续发展