通用人工智能时代意味着什么？从末位淘汰到次优者出局

1990年代以来，“深度学习”成功应用于多项商业应用：谷歌的搜索、抖音的推荐等，深度学习早已成为互联网巨头的标配，但通常被视为掌握在少数专家手中的小圈子手艺。

革命性的变化是，随着训练数据的增加，从一个深度学习系统中获得良好性能所需的技巧成分、手艺成分在急剧降低。其实目前深度学习系统的算法与1980年玩具系统的算法并无二致，真正的进步是我们今天拥有了训练这些算法所需的资源，包括数据和算力。

一方面是我们的算力几十年来提高了6个数量级（100万倍），另一方面是我们的社会在高速数字化，数据量每3年翻番：真实世界的数据越来越多地生成✕计算机越来越紧密地联网✕数据越来越容易被整理成机器能理解的数据集。按照经验法则：“1000万个标注样本，即可以令机器系统达到平齐人类的临界点”，而前沿的无监督学习系统可以在更小的数据集上迅速平齐人类。于是，随着计算能力的飙升和训练数据集迅速穿破临界点，专家的垄断瓦解了，深度学习的全民时代开启了，ChatGPT就是这一时代的首个网红。

由此引发两个革命性进步，从根本上将每一项认知作业都变成了一个两部分黏合的结构：认知劳动密集的部分变成了制造业，而作业的结果通过标准化的通识报价变成了金融服务业。

首先，它提供了生成高质量“八股文”的能力，将生产“八股文”的成本降低了几个数量级。这里的“八股文”并无贬义，一项信息作业、认知作业任务的构成中，90%甚至更多都是“八股文”（术语叫“劳动密集型的认知任务”）。大模型就此提供了两方面的巨大提升：将每项“八股文”的质量进行前沿对齐、跟最先进的水平自动对齐；不断地将一项任务、一项作业中的更多部分变成可以自动完形的“八股文”。由是，它将认知作业的劳动密集部分从手工作业变成了自动流水线的现代制造业。

这个升级给我们提供了一种非常重要的能力：将任务中的创新部分与八股文部分不断地进行分离，并且不间断地提升八股文部分的质量和占比，使得我们有机会可以将更多的精力放在创新部分，放在新价值创造部分，并且是在更高质量的基本素材上实施创新。

其次，它为海量问题提供了一种实时报价系统，从而把标准化的答案变成了“通识”乃至“共识”。在大模型之前，形成“共识”相当困难，“共识”的传播常常摩擦力很高，有时甚至可以高到有一组人可以依赖这个时间差进行套利谋生甚至发财。

正如行情报价系统大幅拉低证券交易参与门槛，使得证券市场得到3个数量级以上的爆发，成为当代经济的主导性力量之一，大模型也正在将大量“共识”变成一套行情报价系统。

如果说证券的行情报价系统是向下裹挟将大量的人变成参与者，那么大模型有一个向上放大的特性，使得最头部赢家的能力得到数量级的放大：1.最头部赢家搜寻“变化”、从“变化”中发现“机遇”的空间大幅提升；2.最头部赢家干次优事项的成本大幅降低，从而产生跨产业的比较优势；3.同行业、同产业竞争加剧，从“末尾淘汰”变成“次优者出局”。

由是，大模型将每一项认知任务都变成了自动制造业与现代金融服务的合体。它给人力资本的构成带来了全新的挑战,进而将根本性地改变白领就业市场：廉价、实时、自动的“八股文”清零了劳动密集型的认知任务，让大量的填表白领陷入了窘境；而“共识”实时报价系统可能的后果是“次优者出局”。

面对如此的通用人工智能革命，知识从业者心怀的最后一种朴素侥幸是它还做不了不确定性决策，小到股票，大到国际关系。这恐怕是又一种一厢情愿。

深度学习网络DeepStack与33名职业德扑选手进行了44852场比赛。令扑克专家震惊的是，它以相当大的优势即一个标准差击败了最出色的扑克玩家，同时以四个标准差在整体上击败了全部33名玩家！这个完胜暗示，对于传统基于不完全信息、需要人来做判断的领域（如股票和政治），机器取得领先并完胜比预想的更快，它会毫不犹豫地踩踏关于决策的各种人类优势说。

更进一步，又一个潘多拉魔盒被打开了，深度学习网络可以学习如何成为世界顶级的骗子。随着计算能力的成本持续下降，开发AI应用程序能力的迅速平民化，你需要防范的绝大部分陷阱都将是机器智能的作为，而且会成为高频日常，跟你的关系比抖音、淘宝和微信更高频更深切，抖音、淘宝和微信反过来将成为这些东西的傀儡和手套。魔高不止一丈。

如何应对大模型革命，如何重建知识工作者的人力资本，我们今天并没有确切的答案，但放下各种侥幸与幻想，积极拥抱、投身这个革命，已经成为绝大部分现代知识工作者的刚性任务和必修功课。

（作者系上海金融与法律研究院研究员）

• （本文仅为作者个人观点，不代表本报立场）

高利明