* 非订户也想试读主编领读？后台回复“商论入群”即刻体验

”

(资料图片)

ChatGPT的横空出世让人们对于人工智能所能达成的工作有了新的想象。随着超强AI出现的可能性越来越大，一个问题浮现了：当它到来时，人类会如何？经济学家凯恩斯曾在1930年发表的文章中推测，一个世纪后，人们每周的工作时间将少于15小时，注意力将转向那些本身就令人愉悦的活动。虽然凯恩斯的愿景还没有实现，但经济的增长确实已经使富裕国家的每周平均工作时长从上世纪后期的约60小时下降到今天的不到40小时。而在生成式AI的时代，当人工智能帮助人们完成大部分的工作之后，人类从事的工作是否将更倾向于相对需求？运动、游戏是否将成为未来的主流工作？欢迎订阅《经济学人·商论》，中英双语阅读本刊作者的一些分析与畅想。

《经济学人·商论》2022-06-21

What would humans do in a world of super-AI?

相爱相杀

在超级AI的世界里，人类会怎么做?

一个基于经济学原理的思想实验【深度】

... ...凯恩斯或许低估了这第二种需求的规模。愤世嫉俗的人可能会说，整个学术界都陷入了这第二类需求：其存在对世界没有明显的价值——然而学者们还是投身于以才智论地位的激烈竞争中。经济学家会说，对许多人来说，工作已经成了一种“消费品”，它提供的效用远远超过带来的收入。球一年中最热的时候就是北半球的夏季。但最高气温往往会出现得更晚一些。今年的高温天来得这么早、温度这么高、持续这么久，是前所未见的。

为什么人们可能不会完全停止工作？各种比赛为这个问题的答案提供了另一个线索。有数以百万计的人从事娱乐和体育方面的工作，在一些人认为无关紧要的活动中争夺影响力。当AI在比赛中超越人类时，人们观看此类比赛的兴趣也许会下降。但是，从人类已经屈居AI之下的一些体育运动来看，情况并非如此。自1997年IBM的“深蓝”（DeepBlue）在国际象棋比赛中击败国际象棋大师加里·卡斯帕罗夫（Garry Kasparov）以来，人们对这种比赛的兴趣有增无减。其他被AI“干掉”的游戏，包括围棋这种古老的中国棋盘游戏和电竞游戏，也呈现了类似的模式。过去十年，全球电子游戏玩家人数几乎翻了一番，去年达到32亿人。如今，越来越多的玩家靠参赛或直播为生。

AI可能会增强这种兴趣。正如班克斯推测的那样，人类可能会专门从事“人生中真正（重要的）事情，比如运动、游戏、恋爱、研究已经无人使用的语言、蛮族社会和一些无解的难题，以及徒手登山”。其他人想必也愿意看人做这些事情。

... ...

【付费文章】欢迎打开商论App，订阅后获取深度中英长文

衍生阅读 |大型语言模型（LLM）的潜力有多大？

通过处理最人性化的媒介——对话，ChatGPT现在让使用互联网的公众体验到了类似的“智力眩晕”。伴随这种兴奋而来的是科技行业内外的深切担忧：生成式AI模型的开发速度过快了。GPT-4就是一种称为大型语言模型（LLM）的生成式AI。Alphabet、亚马逊和英伟达等科技巨头都训练了自己的LLM，把LLM的力量放到很多人手中意味着许多头脑可以构想出创新的新应用，改进从医学到法律的一切，但也意味着让科技精英夜不能寐的灾难性风险变得更大。《经济学人·商论》AI专题系列文章，欢迎订阅阅读中英双语原文。

《经济学人·商论》2023-05-16

Large, creative AI models will transform lives and labour markets

生成式AI

大型创造性人工智能模型将改变生活和劳动力市场

它们带来了巨大的希望和危险。但它们是如何工作的？【深度】

自创造ChatGPT的公司OpenAI在2022年11月首次向公众开放聊天机器人以来，技术精英们几乎没有其他想聊的话了。GPT-4是ChatGPT背后的人工神经网络，在美国的法律和医学执照考试中取得了优异的成绩。伴随这种兴奋而来的是科技行业内外的深切担忧：生成式AI模型的开发速度过快了。GPT-4是一种称为大型语言模型（LLM）的生成式AI。Alphabet、亚马逊和英伟达等科技巨头都训练了自己的LLM，把它们命名为PaLM、Megatron、Titan和Chinchilla等。

那位伦敦科技公司的老板表示，即使他也在追求运用AI，他也“对AI带来的生存威胁感到难以置信的紧张”，并且“每天都在与［其他］创始人谈论它”。美国、欧洲和中国的政府都开始考虑制定新的法规。一些知名人士呼吁暂停AI的发展，以免软件以某种方式失控并损害甚至摧毁人类社会。若你想把对这项技术的担忧或兴奋调整到恰当的程度，不妨首先了解它是怎么来的、它的工作原理，以及它发展的局限性。

虽然可以写下它们如何工作的规则，但LLM的输出并不完全可预测；事实证明，这些极大的算盘可以做较小的算盘做不到的事情，甚至让制造它们的人大吃一惊。OpenAI的研究员已经在各种不同的LLM中统计到了137种所谓的“涌现”能力。涌现的能力并非魔法——它们都以某种形式体现在LLM的训练数据中，但直到LLM的规模超过某个非常大的阈值时才会变得明显。在某个规模下，LLM用德语写出性别包容的句子的水平和随机写的差不多。然而，把模型稍微再扩大一点，突然间它就显现了一种新的能力。... ...

【付费深度文章】欢迎打开商论App，订阅后获取更多《经济学人》核心观点：

LLM实际上是一项庞大的统计学操作——它是如何工作的？

LLM只会以统计而非语法的方式来理解。它更像是一个算盘，而不是一个头脑

LLM的输出并不完全可预测；OpenAI研究员已经在各种不同的LLM中统计到了137种所谓的“涌现”能力

涌现的能力令人兴奋，因为它们暗示了LLM尚未开发的潜力——但也可能意味着风险

很难判断哪些有害行为可能处于休眠状态，等待着规模扩大一点时被释放出来

LLM的注意力网络是从如此海量的数据中学习的关键

扫码下载APP阅读全文

订阅《经济学人·商论》

与全球百万精英同步阅读

2023年7月21日起订阅《经济学人·商论》不再继续免费赠送全年学习社区，若您想继续跟随官方译者全年英语进阶，精读原刊文章，欢迎联络商论小助理↓

订阅《经济学人·商论》获取完整文章+同步解锁发刊至今的3000多篇往期文章，包括2000余篇文章的英文原声音频，并免费加入主编领读社群（一年）

点击“阅读原文”订阅商论 ↓

关键词：