對於無法驗證的領域,目前唯一能改善AI性能的方法是通過策劃更多的標註訓練數據,這是昂貴的,並且只會產生對數級的改進。 而且事情是這樣的:幾乎所有的工作都有無法驗證的元素。幾乎沒有工作是端到端可驗證的。即使是數學家的工作也不是端到端可驗證的。軟體工程涉及許多可驗證的任務,但它也不是端到端可驗證的。 因此,"AI可以自動化大多數這些任務"與"AI可以完全取代這份工作"之間的差距將在很長一段時間內保持,幾乎所有的工作都是如此。就像自駕車一樣,99%的工作時間並不足以去除人類。 所以即使我們擁有超人類的自動定理證明者,數學家仍然會有工作。我們甚至可能會有更多的數學家(我知道這很可怕)
François Chollet
François Chollet15 小時前
當一項技能幾乎可以完全由AI自動化時會發生什麼?這些工作會簡單消失嗎? 與其純粹猜測,我們不如看看具體的例子。以翻譯為例。翻譯可以100%由AI自動化,這項能力自2023年以來就已經存在。因此,我們有2-3年的數據。 到目前為止,我們看到的情況是: - 全職員工數量穩定,但招聘緩慢或沒有招聘 - 工作性質從自己完成轉變為監督AI輸出(後編輯) - 任務量增加 - 每小時費率下降 - 自由職業者被裁減 我們現在開始在軟體工作中看到相同的模式。 總體來說,對就業確實有一些壓力,但我們距離「工作就這樣消失」還很遙遠。事實上,全職翻譯人員的數量仍在適度增加。 當經濟從持續的「隱性衰退」中反彈,企業再次開始招聘時,世界上將擁有比GenAI之前更多的專業軟體工程師。 你即將看到的科技行業大規模裁員不會是由於工作自動化造成的。它們將是由於對經濟的擔憂,就像2022年一樣。這與AI不無關聯,因為它與大型科技公司的資本支出需求有關。但這不會是由於自動化造成的。
放射科醫生是一個很好的例子——自2016年以來,我們被承諾這份工作將很快消失。教訓是,即使一份工作的核心任務可以由AI完成,這並不意味著人類專家仍然不需要。
115