人工智能不能做什么？lg...

最近几个月来，关于人工智能能做什么的讨论、文章和播客铺天盖地，但是我想问一个不同的问题：什么是人工智能不能做的？

毋庸置疑，有些人会激动地说：没有什么是它不能做的。人工智能是技术领域最具颠覆性和变革性的进步。它正在并且将持续改变世界，改变我们与数字空间的互动方式。

本文作者认为：鼓吹提示工程（prompt engineering）职业是一种很糟糕的 AI 炒作趋势

有研究报告已经为我们预测了一个高度 AI 化的未来，并且这些报告都具备统计数据支持。

• 2018 年，麦肯锡全球研究所发布了一份关于未来工作的研究报告，预测到 2030 年，全球有 4 亿人的工作可能将被各种人工智能系统、工具和平台取代。

• 2023 年 3 月，高盛发布的全球经济影响报告表明：生成式人工智能可以替代目前四分之一的工作岗位。

• 上个月早些时候，世界经济论坛发布的《未来就业报告》赞同了高盛的预测，而且还进一步分享了人工智能对就业影响的具体数据。其对就业前景的估计令人不寒而栗：8300 万个工种将不复存在，而新增工种仅有 6900 万个，这中间的差距高达 1400 万。

因此人们有理由恐惧未来自己的工作会被取代，或者已有的工作报酬将无法保证生活水平不下滑。人们害怕他们将被无情地淘汰，失去事业、工作和能够支持他们获得理想生活的方式。甚至已经出现了一份未来可能被淘汰的工作清单（主要在科技、媒体、法律等主流高薪工作领域），人工智能的出现将会导致这些工作首先消失。令人恼火的是上面那些报告中并没有提供任何解决方案和建议，告诉人们应该如何才能保住饭碗。

作者在 2023 年 5 月 2 日发布的推文中表示，人工智能的产出并不值得提倡

与其担忧人工智能会如何占据我们的生活，不如及早磨练一下人工智能无法取代的事情，比如那些不能被数字化或自动化的行动、任务和技能，因为它们都需要人类不断地做出重要的和关键的决定。

因此，我认为有三类由人类驱动的决策能力，是每个部门和行业目前都需要的，并且在可预见的未来仍然需要。

1. 情境意识（Contextual Awareness）。提到背景，它并不是某种单一的存在。人类社会里要考虑的背景类型不止以下一种（还可能更多）：文化、经济、情感、历史、地点、政治、情境和社会。而且通常有一条线会贯穿这些不同的背景。经济视角往往不能独立于社会和/或政治视角。真实的生活中任何人都无法将这些背景作为独立和相同分布的元素抽离出来；无论有多少知名的人工智能研究者试图通过精心设计的实验和公布的结果来构建出某个有代表性的数学方程式，都不能达到这个目的。

比如像上面这种网络图片，必须要从人类的历史、地点和政治意识角度出发分析，才能知道这些图片是为了引起公众的某种反应而刻意编造出来的。

2. 解决冲突。AI 不具备解决争端的能力。事实上，它表现得相当不讨人喜欢。2016 年，人工智能聊天机器人 Tay 在推特上大肆宣扬种族主义、厌恶女性和其他观点，不到 1 天就被关闭了。再看最近的 2023 年 3 月发生的事情，Snapchat 中接入了 ChatGPT 的 AI 聊天机器人向一个成年人给出了不恰当的建议，说他们是未成年人。

AI 不知道什么时候该闭嘴或不回答。人工智能的程序设定就是必须要回应。但它给出的回应的质量、适当性和有效性仍然值得怀疑。对具有复杂情境的问题处理是人工智能系统、工具和平台的一个显而易见的薄弱领域。人工智能可能为人类提供选择依据，但它不能真正帮助我们做出明智的决策。

3. 批判性思维。人类评估和评价环境的能力是我们与众不同的特征之一。而批判性思维能力是解决问题能力、好奇心、创造力、推理和策略能力的综合。这些批判性思维元素中的任何一项，人工智能目前都不能很好地达到人类的水平。

例如，计算机编程，又称编码，确实可以解决一些数学问题。但是，一旦数学方程中的任何元素代表了人类，那么通过编码解决问题的方法就不会是最优解，因为至少会有一个人口学意义上的群体因此而被排斥和压迫。

另一个例子，所谓的人工智能艺术是否具有创造性？有人认为它是具有原创性的，但的确发生了一些严苛的版权侵权纠纷，导致人们对从在线资源库中搜索到的内容的合法性（和是否合乎伦理道德）产生了担忧。

人工智能的发展明显已经触达了一个牢固的天花板，因为推理和判断是通过平衡生活经验、专业知识和技能进行的。人工智能本身并没有生活经验，它的专业知识也是由一定的训练/测试数据集和可编程技能决定，范围有限。不足的部分仍然需要人们通过批判性思维能力来弥补。

人工智能不具备情境意识，解决冲突或进行批判性思考的能力。如果你想要从事的职业或具备的技能需要综合运用这三种能力，那么，你就是不可被人工智能取代的。最有可能发生的情况是你的工作职责会发生转变，而不是消失，这样就需要你会分析多种背景的影响，能够调节紧张局势，并进行批判性思考。

例如，对于程序员无论他是否有计算机科学学位更关键的能力是能够解释和诠释生成性人工智能的实际作用。如果不能意识到你写的那几行代码的潜在社会影响，你就无法成为一名合格的软件开发人员。从本质上讲，是否能够理解我们在主要知识领域中，数字化和沟通技能的优劣势的微妙之处，这一点将变得至关重要。

来源：金色财经