知識(shí)還存在嗎?AI 時(shí)代社會(huì)從知識(shí)經(jīng)濟(jì)轉(zhuǎn)變?yōu)榉峙浣?jīng)濟(jì)
從 1970 年代開(kāi)始,隨著個(gè)人電腦和互聯(lián)網(wǎng)的興起,我們進(jìn)入知識(shí)經(jīng)濟(jì)時(shí)代,你所掌握的知識(shí)和你運(yùn)用這些知識(shí)的能力是創(chuàng)造經(jīng)濟(jì)價(jià)值的關(guān)鍵。如今大語(yǔ)言模型讓知識(shí)不再稀缺,社會(huì)將從知識(shí)經(jīng)濟(jì)向分配經(jīng)濟(jì)轉(zhuǎn)變,人們的角色從知識(shí)的直接”操作者“變成”管理者“。
本期分享Every 這篇內(nèi)容,文章詳細(xì)地討論了這個(gè)轉(zhuǎn)變的邏輯和理由,并且提出了分配經(jīng)濟(jì)下的員工需要具有哪些能力,還有這種轉(zhuǎn)變會(huì)帶來(lái)的影響。
時(shí)間的流逝,并不像我們通常認(rèn)為的那樣,是一個(gè)直線型的過(guò)程。它像細(xì)膩的絲綢一樣,擁有波紋和褶皺。時(shí)間能夠回環(huán)往復(fù),如果我們細(xì)心觀察,就能在現(xiàn)在發(fā)現(xiàn)未來(lái)的影子。
(這就是大家常常誤解的關(guān)于有遠(yuǎn)見(jiàn)者的特點(diǎn):他們不是簡(jiǎn)單地預(yù)測(cè)未來(lái),而是學(xué)會(huì)從時(shí)間的層層褶皺中發(fā)現(xiàn)未來(lái),就像披上一件流動(dòng)的斗篷一樣。)
舉個(gè)例子:
匯總曾是人們必須掌握的一項(xiàng)重要技能,但在此之前它往往是隱形的,混雜在所謂的“智能”——那些只有人類才能完成的任務(wù)中。但現(xiàn)在,人們可以利用 ChatGPT 來(lái)完成匯總工作,我已經(jīng)將這項(xiàng)任務(wù)從我的技能列表中剝離出去,交給了人工智能。
現(xiàn)在,我的智能角色已經(jīng)轉(zhuǎn)變,從親自完成匯總工作變?yōu)橹笇?dǎo)或編輯匯總工作。
正如 Every 的 Evan Armstrong 幾個(gè)月前所討論的,“人工智能是一種對(duì)基礎(chǔ)思維的抽象層”。這里所說(shuō)的基礎(chǔ)思維,主要是指匯總信息。
如果今天就開(kāi)始用這種方式使用 ChatGPT,那么將匯總?cè)蝿?wù)交給人工智能在未來(lái)變得普遍的可能性很大。
這樣的變化可能會(huì)對(duì)經(jīng)濟(jì)產(chǎn)生深遠(yuǎn)的影響。
這正是所謂的在現(xiàn)實(shí)中預(yù)見(jiàn)未來(lái),以及時(shí)間并非單純順序前進(jìn)的概念。
通過(guò)對(duì)使用 ChatGPT 的經(jīng)歷進(jìn)行推測(cè),我們可以預(yù)見(jiàn)未來(lái)幾年我們的工作生活將會(huì)發(fā)生哪些變化。
01.知識(shí)經(jīng)濟(jì)的終結(jié)
我們正處于一個(gè)知識(shí)經(jīng)濟(jì)時(shí)代,其中你所掌握的知識(shí)和你運(yùn)用這些知識(shí)的能力,是創(chuàng)造經(jīng)濟(jì)價(jià)值的關(guān)鍵。
從 1970 年代開(kāi)始,個(gè)人電腦和互聯(lián)網(wǎng)的興起,推動(dòng)了這一經(jīng)濟(jì)模式的快速發(fā)展。
但是,當(dāng)“及時(shí)掌握和運(yùn)用正確知識(shí)”的這項(xiàng)技能變成計(jì)算機(jī)能夠更快速甚至和我們一樣好地完成的事情時(shí),情況將如何改變?
我們將從實(shí)際操作者轉(zhuǎn)變?yōu)楣芾碚撸?/strong>從直接完成工作轉(zhuǎn)向?qū)W習(xí)如何分配資源——決定哪些工作應(yīng)當(dāng)被完成,評(píng)判工作的質(zhì)量,以及在必要時(shí)進(jìn)行修改。
這標(biāo)志著我們將從一個(gè)知識(shí)經(jīng)濟(jì)轉(zhuǎn)向一個(gè)分配經(jīng)濟(jì)。
在這個(gè)新經(jīng)濟(jì)中,你的價(jià)值不再取決于你掌握多少知識(shí),而是取決于你如何有效分配和管理資源以完成工作。
目前,已經(jīng)有一類人每天都在進(jìn)行這種工作:那就是管理者。但在美國(guó),管理者只占勞動(dòng)力的大約 12%,約 100 萬(wàn)人。他們需要具備評(píng)估人才、在不進(jìn)行微觀管理的情況下進(jìn)行管理、以及估算項(xiàng)目時(shí)間長(zhǎng)度等技能。而個(gè)體貢獻(xiàn)者——那些在經(jīng)濟(jì)中完成實(shí)際工作的人——目前還不需要這些技能。
但在這個(gè)新的分配經(jīng)濟(jì)中,他們將需要這些技能。
即便是初級(jí)員工也將被期望使用 AI,這將迫使他們承擔(dān)起管理者的角色——成為模型管理者。
與其管理人類,他們將負(fù)責(zé)分配任務(wù)給 AI 模型并確保工作順利完成。他們將需要許多今天的人類管理者所具備的技能,盡管這些技能可能會(huì)有所調(diào)整。
02.從知識(shí)的操作者到協(xié)調(diào)者
以下是當(dāng)今管理者所需的一些關(guān)鍵特質(zhì),這些特質(zhì)在即將到來(lái)的分配經(jīng)濟(jì)中,對(duì)于未來(lái)的個(gè)體貢獻(xiàn)者——即模型管理者——同樣至關(guān)重要。
清晰連貫的愿景
現(xiàn)代管理者需要有一個(gè)清晰且連貫的工作愿景。他們需要制定一個(gè)既明確又具體、簡(jiǎn)潔且目標(biāo)明晰的愿景。
對(duì)于模型管理者而言,擁有這種能力同樣重要。
愿景表達(dá)得越清晰,使用模型實(shí)現(xiàn)愿景的可能性就越大。隨著指令變得更加具體和簡(jiǎn)潔,完成的工作質(zhì)量也會(huì)提升。
雖然語(yǔ)言模型本身可能不需要明確的目的,但模型管理者可能需要為了自己的利益和投入工作而確定一個(gè)明確的目的。
表達(dá)一個(gè)簡(jiǎn)潔、具體且連貫的愿景是一項(xiàng)挑戰(zhàn)。
這是一項(xiàng)需要多年工作經(jīng)驗(yàn)才能掌握的技能,很大程度上取決于對(duì)想法和語(yǔ)言的敏銳洞察。
幸運(yùn)的是,語(yǔ)言模型也能在這方面為人類提供幫助。
明確的品味
優(yōu)秀的管理者知道他們想要什么,并且能夠清楚地表達(dá)出來(lái)。而最差的管理者則是那些只能說(shuō)“這不對(duì)”,但當(dāng)被問(wèn)及“為什么?”時(shí)卻無(wú)法明確問(wèn)題所在的人。
模型管理者也會(huì)面臨同樣的挑戰(zhàn)。他們的品味定義得越明確,語(yǔ)言模型就能更好地幫助他們創(chuàng)造出連貫的成果。
幸運(yùn)的是,語(yǔ)言模型非常擅長(zhǎng)于幫助人類明確和完善他們的品味。
因此,這種技能在未來(lái)可能會(huì)變得更加普遍。
如果你有明確的品味和清晰連貫的愿景,接下來(lái)你需要做的是能夠評(píng)估誰(shuí)(或哪種工具)能夠有效執(zhí)行這一愿景。
評(píng)估人才的能力
每位管理者都明白,招聘對(duì)于成功至關(guān)重要。如果是員工在完成工作,那么工作的成果質(zhì)量將直接反映他們的技能和能力。
能夠準(zhǔn)確評(píng)估員工的技能,并將任務(wù)分配給合適的人,是優(yōu)秀管理者的重要標(biāo)志。
未來(lái)的模型管理者也需要掌握這些技能。
他們需要了解哪些 AI 模型適用于哪些任務(wù)。他們還需要能夠迅速評(píng)估新模型是否足夠好,即使是他們之前未曾使用過(guò)的模型。
他們需要知道如何將復(fù)雜的任務(wù)拆分給適合各個(gè)部分的不同模型,以確保產(chǎn)出的整體工作質(zhì)量最高。
評(píng)估模型將成為一項(xiàng)獨(dú)立的技能。
但有理由認(rèn)為,評(píng)估模型比評(píng)估人類更為簡(jiǎn)單,至少是因?yàn)槟P透菀走M(jìn)行測(cè)試。
模型隨時(shí)可用,通常成本低廉,它們不會(huì)感到厭倦或抱怨,并且能夠即時(shí)返回結(jié)果。
因此,未來(lái)的模型管理者在學(xué)習(xí)這些技能方面將具有優(yōu)勢(shì),因?yàn)榻裉斓墓芾砑寄苁芟抻谔峁┮粋€(gè)團(tuán)隊(duì)給某人管理的相對(duì)高昂成本。
一旦他們組織好了完成工作所需的資源,他們將面臨下一個(gè)挑戰(zhàn):確保工作質(zhì)量。
知道何時(shí)深入細(xì)節(jié)
優(yōu)秀的管理者知道何時(shí)以及如何深入工作的細(xì)節(jié)。沒(méi)有經(jīng)驗(yàn)的管理者通常會(huì)犯兩種錯(cuò)誤:一是過(guò)度微管理,幾乎替員工完成所有工作,這種方式無(wú)法擴(kuò)展;二是過(guò)度放權(quán),導(dǎo)致任務(wù)執(zhí)行不佳或與組織目標(biāo)不符。
好的管理者知道何時(shí)深入細(xì)節(jié),何時(shí)讓團(tuán)隊(duì)自主行動(dòng)。他們懂得提出正確的問(wèn)題,知道何時(shí)進(jìn)行檢查,何時(shí)放手。
他們明白,只因?yàn)槟臣虏皇前凑账麄兊姆绞酵瓿傻?,并不意味著它就沒(méi)做好。
這些問(wèn)題不是知識(shí)經(jīng)濟(jì)中的個(gè)體貢獻(xiàn)者需要處理的。
但它們正是分配經(jīng)濟(jì)中的模型管理者將面臨的挑戰(zhàn)。
知道何時(shí)以及如何深入細(xì)節(jié)是可以學(xué)習(xí)的技能——幸運(yùn)的是,語(yǔ)言模型將被設(shè)計(jì)為在關(guān)鍵時(shí)刻智能地進(jìn)行監(jiān)督和檢查。
因此,這些并非完全取決于模型管理者自己去完成。
最大的問(wèn)題是:這一切轉(zhuǎn)變是否是好事?
03.分配經(jīng)濟(jì)對(duì)人類有益嗎?
從知識(shí)經(jīng)濟(jì)向分配經(jīng)濟(jì)的過(guò)渡不會(huì)一夜之間發(fā)生。
當(dāng)我們談?wù)摗澳P凸芾怼睍r(shí),至少在一段時(shí)間內(nèi),這更像是在替換微技能——比如把會(huì)議內(nèi)容總結(jié)成電子郵件——而不是徹底替換整個(gè)任務(wù)的開(kāi)始到結(jié)束。
即使擁有替換整個(gè)任務(wù)的能力,許多經(jīng)濟(jì)領(lǐng)域也需要很長(zhǎng)時(shí)間才能跟上,有些甚至可能永遠(yuǎn)都跟不上。
筆者最近在布魯克林的 Cobble Hill 定制了一條褲子。當(dāng)自己拿出信用卡付款時(shí),收銀臺(tái)后面的女士指著墻上貼著的紙質(zhì)標(biāo)志說(shuō):“不接受信用卡。”我認(rèn)為,語(yǔ)言模型的采用可能也會(huì)呈現(xiàn)類似的速度:盡管許多地方可以使用它們來(lái)提高或替代人力工作,但出于各種原因,如慣性、監(jiān)管、風(fēng)險(xiǎn)或品牌考慮,它們卻未被采用。
我認(rèn)為這是件好事。
變化的劑量決定了其影響。
鑒于經(jīng)濟(jì)體系龐大而復(fù)雜,我相信我們將有時(shí)間適應(yīng)這些變化。
人類思維向機(jī)器思維的緩慢轉(zhuǎn)移并不是什么新鮮事。生成式 AI 模型只是這一長(zhǎng)期過(guò)程的一部分。
經(jīng)濟(jì)學(xué)家 Tyler Cowen 在他 2013 年的著作《平均已結(jié)束》中討論了由智能機(jī)器驅(qū)動(dòng)的經(jīng)濟(jì)分層。他認(rèn)為,一小部分能夠與計(jì)算機(jī)合作的高技能工作者將獲得巨大回報(bào),而經(jīng)濟(jì)的其他部分可能會(huì)落后:
“如果你和你的技能能夠補(bǔ)充計(jì)算機(jī),你的工資和勞動(dòng)市場(chǎng)前景可能會(huì)很樂(lè)觀。如果你的技能與計(jì)算機(jī)不相輔相成,你可能需要調(diào)整這種不匹配。越來(lái)越多的人開(kāi)始傾向于這種分化的一邊或另一邊。這就是為什么‘平均’已經(jīng)結(jié)束?!?/p>
當(dāng)時(shí),他所指的并非生成式 AI 模型,而是指的 iPhones 和互聯(lián)網(wǎng)。但生成式 AI 模型延續(xù)了同樣的趨勢(shì)。
在日常生活中更擅長(zhǎng)使用語(yǔ)言模型的人,在經(jīng)濟(jì)中將擁有顯著優(yōu)勢(shì)。懂得如何有效分配智能將帶來(lái)巨大回報(bào)。
如今,管理是一項(xiàng)僅少數(shù)人掌握的技能,因?yàn)榕嘤?xùn)管理者成本高昂:你需要給他們一個(gè)人類團(tuán)隊(duì)來(lái)實(shí)踐。
但 AI 足夠廉價(jià),未來(lái)每個(gè)人都將有機(jī)會(huì)成為管理者——這將大大增加每個(gè)人的創(chuàng)造潛力。
我們的社會(huì)整體有責(zé)任確保,在擁有了這些令人驚嘆的新工具后,我們應(yīng)帶領(lǐng)經(jīng)濟(jì)的其他部分一同前行。
參考材料
https://every.to/chain-of-thought/the-knowledge-economy-is-over-welcome-to-the-allocation-economy/
編譯:Wes,編輯:Vela
來(lái)源公眾號(hào):深思SenseAI;關(guān)注全球 AI 前沿,走進(jìn)科技創(chuàng)業(yè)公司,提供產(chǎn)業(yè)多維深思。
本文由人人都是產(chǎn)品經(jīng)理合作媒體 @深思SenseAI 授權(quán)發(fā)布,未經(jīng)許可,禁止轉(zhuǎn)載。
題圖來(lái)自 Pixabay,基于CC0協(xié)議
該文觀點(diǎn)僅代表作者本人,人人都是產(chǎn)品經(jīng)理平臺(tái)僅提供信息存儲(chǔ)空間服務(wù)。
- 目前還沒(méi)評(píng)論,等你發(fā)揮!