【译】AI在短期内将为我们做什么
原作:史蒂夫·纽曼
引子:我写这篇文章的时间越多,我就越乐观
我已经用大量的笔墨谈论了人工智能开发的潜在缺点,而且我还会写更多。今天,我将回顾一下优点。
我还没有写太多关于人工智能潜在好处的文章。 无数致力于人工智能平台和应用程序的商业企业在这方面做得相当不错。 另外,坦率地说,我很难对这个话题感到兴奋:我读过太多关于自动电子邮件活动和AI伴侣的文章。 但积极的案例对于我想讨论的其他主题来说是有用的背景,它将使我有机会讨论人工智能可能提供的范围和局限性。 撰写这篇文章的过程让我对人工智能的优点感到更加兴奋(同时仍然担心其缺点)。。
我将根据现有技术和研究的相当简单的扩展来讨论看起来可行的事情。 我不会讨论强大的通用智能、具有人类水平灵活性的机器人或其他更奇特的未来——我在《为人工智能在一切方面超越我们做好准备》中描述的世界。 这个世界将是如此不同,以至于它并不适合与近期应用程序进行相同的讨论。
“近期”意味着什么? 我的朋友大卫·格雷泽 (David Glazer) 评论道:“我的猜测是曲线的开始部分,因为这里描述的好处是 3 到 7 年后的事——将会更早的到来,而且价值将在很长一段时间内持续增长,现在可以在相对直线上看到的东西应该会在那个窗口中结出果实”。 在我看来,这是一个很好的猜测,而且发人深省,因为它提醒我们,我们几乎无法猜测大约在 7 年后人工智能的影响。
在这个窗口内,我们已经可以设想人工智能的许多应用,从农业到酵母学等领域。 如果我们能够制定一条既能最大限度地降低风险又不会不必要地阻碍进展的道路,那么好处可能是巨大的。 在这篇文章中,我将概述已知潜力的主要领域,强调人工智能不太可能解决的一些重要问题,并简要讨论监管和对工人的影响问题。
推进科学发展
在许多领域,当前的科学前沿在于我们面临着一个极其复杂、难以理解和预测的系统,但我们拥有大量数据。 许多现代人工智能背后的“深度学习”技术显示出通过寻找数据模式来推动进步的巨大潜力。
例如,在生物学中,DeepMind 的 AlphaFold 代表了蛋白质结构预测领域的巨大飞跃:给定构成蛋白质的氨基酸序列,预测蛋白质分子将采取什么形状。由于蛋白质是所有生物学的核心,因此了解其物理结构非常重要。自 20 世纪 60 年代以来,科学家们一直致力于解决这个问题,但直到最近才取得了有限的进展。
生物医学还提供了许多其他此类问题:我们的细胞在什么情况下表达不同的基因?蛋白质之间如何发生反应?它如何与饮食、微生物组和其他环境因素相互作用?在疾病中,它是如何出错的?在每种情况下,我们都拥有(或可能收集)大量数据,但很难理解它。
潜力不仅限于生物学和医学。在材料科学中,神经网络或许能够设计新的、更高效的化学合成酶、新的电池化学物质、回收塑料的途径或利用捕获的二氧化碳制造结构材料。对于核聚变,深度学习或许能够改进等离子体约束设计。流程优化产生的应用范围从减少数据中心冷却的能源使用到优化清洁太阳能电池板灰尘的时间表。
毫无疑问还有其他的可能性。
这些领域的进步可能会对医学、气候和环境以及其他领域产生重大影响。然而,谨慎是有必要的。从实验室获得结果并使其在现实世界中发挥作用是很困难的。对于医学尤其如此。历史上充满了理论上看似有希望但在实践中难以取得成果的新药物和疗法。我乐观地认为 AlphaFold 和其他深度学习技术将取得重要进展,但我也预计进展将是分散且渐进的。
消除缺乏专业知识的问题
让我们谈谈客户服务。有线电视公司、航空公司和其他大型企业让与人交谈变得困难,因为如果他们让谈话变得容易,他们就必须雇用更多的客服人员。因此,我们甚至不愿意寻求帮助。LLMs也许能够开创一个让您可以随时通过文本或语音立即与称职的(虚拟)客服人员联系的世界。
然而,公司会犯这个错误,拼凑出一些草率的机器人,或者对它们进行编程来浪费你的时间并试图向你推销额外的服务。但我相信它可以做得很好,并且我有一个幻想,商业压力会推动公司朝这个方向发展。 对于LLMs来说,利用过去问题和解决方案的数据库,同时使用上下文线索来了解您是否需要长篇解释,或者只是对事实和选项进行快速陈述,这应该是相当可行的。
真正有趣的应用程序可能出现在我们今天甚至不会想到有“客户支持”的领域。 想象一下,如果陪审团传票与代理人联系在一起,该代理人可以立即解释这些规则如何适用于你的大学年龄的孩子。或者,如果企业软件包附带代理,可以解释您需要使用哪个三级菜单来完成特定任务。 在很多情况下,我们必须与令人困惑的产品或系统进行交互,而一个能够理解特定情况的支持机器人(即使它并不完美)可能比乏味的常见问题解答更有帮助。
但LLM提供建议和帮助的潜力远远超出了客户服务范围。 当您有医疗问题时,很难联系您的医生或任何医生。 如果你能预约的话,你通常必须亲自去,而这在短时间内是很困难的。 (对于经常出现的小问题尤其令人抓狂,例如对何时应该服用某种药物感到困惑,或者想知道某种症状是否值得跟进。)一旦您进入他们的办公室, 他们通常不会和你在一起超过几分钟。 有时您至少可以与“建议护士”交谈,有时则不行。ChatGPT 已经证明了在大部分时间提供非常好的医疗建议的能力——尽管它的设计初衷并不是这样做——坦率地说,它比许多忙碌的医疗专业人员更善于沟通。 《JAMA 内科医学》最近的一份报告收集了 Reddit 的上提出的问题,并将志愿者医生的答案与 ChatGPT 的答案进行了比较。 ChatGPT 的答案在质量和“同理心”(由人类评估员判断)方面得分更高,通过ChatGPT您可以获得有保证的即时回复。 虽然依靠 ChatGPT 提供医疗建议存在一些问题,但现在还处于早期阶段,解决方案应该只会从现在开始变得更好。
对于心理健康而言,情况至少与医学领域一样糟糕。 对于许多人来说,治疗费用太高,或者他们每月只能负担一次就诊费用。 即使您负担得起,也很难找到可以容纳新患者的治疗师。 为了解决这些问题,许多初创公司正在致力于利用LLMs提供心理健康服务。
还有教育。学区只能为每个学生配备一定比例的教师; 我们不能给予每个孩子太多的单独关注。 目前尚不清楚人工智能如何最好地进入这个领域,但有很多可能性,从交互式教科书到虚拟导师和助教,再到直接的自动化教室(物理或虚拟)。 在我看来,这可能会进展顺利,也可能会非常糟糕,具体取决于我们选择如何部署该技术。 利用我们今天现有的技术,教育还有很大的空间可以更好地处理,因此还不能保证我们会充分利用人工智能,但可能性似乎很大。
随着时间的推移,我确信我们会在“接触类专家”类别中找到更多的应用程序。 旅行规划? 职业咨询?
提高白领工作效率
如今进入市场的许多应用程序都属于这一类:用于编写代码、电子邮件和营销文案、生成插图(包括我在本博客中使用的大部分图像)等的工具。 这些工具似乎不太可能完全接管工作,但它们可以自动执行特定的任务——通常(但并非总是)是比较乏味的任务——从而提高员工的效率。 随着时间的推移,我们可能会发现越来越多的此类应用。 例如,《纽约时报》最近的一篇文章描述了医生使用 GPT-4 编辑给患者的信息(结果更容易理解,也更富有同情心)、总结病史,并向保险公司撰写论据。
许多“后台”工作也可能适合部分自动化:数据输入、秘书和接待员工作、低级法律、财务和新闻工作。该列表可能包括许多我不太了解的晦涩难懂的工作……例如,处理保险索赔或规划采矿作业的物流。
然后还有一长串可自动化的任务,如果每个人都有的话,传统上这些任务可以由一名优秀的行政助理来完成。做好会议记录、总结文档和电子邮件、撰写精美的电子邮件等等。
最后,对于许多问题来说,ChatGPT 似乎是一个“更好的谷歌”:更善于考虑上下文、避免垃圾邮件,并消除许多网站添加的多余内容,为它们提供更多“内容”,从而为广告提供更多空间。现在还为时过早; ChatGPT 的问答能力只会不断提高,帮助每个人提高工作效率。
(显然,在过去,技术进步显然未能体现在生产率统计数据中。 我将在下面讨论这个问题。)
物理世界的工作
如今,人工智能在物理世界中的应用相对有限。 Roomba、一些工厂自动化设备等等。
与人类竞争的机器人身体似乎还有很长的路要走。 在我们实现这一目标之前,我认为物理世界的应用程序仍将局限于利基市场,但我们可能会看到利基市场的列表大幅增长。自动驾驶汽车和卡车、实际运行良好的零售自助结账站、仓库自动化、送货机器人,在未来几年似乎都有可能出现。 进展可能是渐进的,并且最初仅限于特定的用例; 例如,我们可能会看到卡车只能在高速公路上完全独立运行,并且必须在城外停下来交给人类司机。
一种有趣的可能性是精准农业:根据当地条件精确调整农业的想法。不仅是逐个田地,而且逐个植物。例如,根据土壤成分、小气候等调整每平方米土地的灌溉量和施肥量。这需要收集高分辨率数据(例如使用无人机),处理该数据以提出优化的农场计划,然后拥有必要的自动化设备来调整每个位置的条件。
人工智能无法解决的问题
从长远来看,目前尚不清楚人工智能,即缺乏我在这里不讨论的“尽人们能做的一切,只有更好”的变革性未来的人工智能,能否在很大程度上帮助解决人类社会的许多重大问题。仅举几例:住房短缺、交通拥堵、核武器、犯罪、毒瘾、贫困、政治两极分化和政府功能失调、气候变化。 人工智能将改变其中的一些; 例如,材料科学和精准农业的进步可能会稍微改变气候变化的曲线; 我们可能会发明更好的药物来帮助对抗毒瘾(如美沙酮); 监控安全摄像头的人工智能可能有助于打击犯罪。
但解决这些问题主要依靠更好的政策。人工智能对此无能为力:我们不会将解决政治问题委托给人工智能。马修·伊格莱西亚斯 (Matthew Yglesias) 在《我怀疑强大的人工智能能否解决重大人类问题》中对此进行了讨论;以下是一些片段:
我们需要技术突破来解决[交通拥堵]吗?人工智能会帮忙吗?
我对此表示怀疑。并不是因为人工智能无能为力(它显然可以),而是因为有一些众所周知的现有技术解决方案由于政治困难而没有得到实施。
在美国人生活的许多领域都是如此——最大的障碍不是缺乏技术,而是缺乏实施和后续行动。因此,我们越来越多的创新能量被投入到软件开发的狭窄领域,以至于人们开始使用“技术”来表示“计算机”,尽管飞向月球、核裂变和许多其他里程碑式的技术生产力快速增长时代的技术突破与计算机无关。
我认为残酷的事实是,无论人工智能对未来的科学家和工程师有多么有用,创造一个物质丰富的世界需要政治解决方案,而不仅仅是工程解决方案。如果没有电梯,人们会说发明电梯可以解决住房短缺问题。在现实世界中,我们知道,在美国绝大多数已开发土地上,多户住宅是非法的,即使在合法的地方,其规模和数量也往往受到极大限制。
监管的挑战
一些重要的潜在应用属于受到严格监管的领域;尤其是医学和心理健康。
过度监管长期以来一直是医学界的一个问题。过高的执照要求、故意缺乏培训计划等因素限制了医生的供应。众所周知,新药获得批准成本高昂、缓慢且困难。来自我上面引用的 Matthew Yglesias 的文章:
我读过很多关于人工智能如何帮助我们治愈各种疾病并做其他神奇事情的非具体描述。 ......但医学领域却受到一些问题的困扰,例如几乎没有药物处于怀孕安全的最高等级,包括最常用的孕吐药物。这是为什么?因为A类药物必须要在孕妇身上进行临床试验,而在目前的医学伦理准则下基本上不可能组织这样的临床试验。
人工智能的重要优势似乎不可避免地会受到监管的阻碍。 与此同时,人工智能带来的许多潜在风险意味着我们必须比以往任何时候都更加小心,不要把监管婴儿连同洗澡水一起倒掉。 LLMs可能会产生不准确的医疗建议的幻觉; 草率的“治疗机器人”可能会带来各种各样意想不到的后果。
理想情况下,我们不会简单地减少监管,而是会找到改进监管的方法。与当今过于复杂、过于严格、以流程为导向的方法相比,有足够的空间以更少的摩擦提供更高的安全性。
经济增长会加速吗?
众所周知,现代计算机行业的整个变革——从个人电脑到互联网,再到当今无处不在的连接——并没有对生产力指标产生明显的影响。 我的理解是,这是否真实是有争议的; 例如,生产率可能会下降(例如,由于监管加强,工业革命唾手可得的果实已经被采摘),而科技正在对此进行补偿。 尽管如此,科技时代始终未能显示出生产率的提高,这一点仍然令人震惊。
汤姆·戴维森(Tom Davidson)在《人工智能能否加速经济增长?》一书中指出,从几个世纪的时间尺度来看,经济增长急剧加速,并认为这是因为研发投入的总量不断增加。 在我在这篇文章中讨论的时期,我们可以看到进一步增加总体研发的几个影响:
像 AlphaFold 这样的专业人工智能实际上是直接进行研发。
一般生产力的提高(例如人工智能执行助理)将使人类研究人员能够完成更多工作。
研究人员生产力的提高可能值得雇用更多的研究人员。
教育(尤其是受教育机会)的改善可以增加人才库的规模。
也许这将最终克服近几十年来生产力缺乏增长的神秘力量。
对劳动力市场的影响
我们很可能会看到人工智能接管许多工作的重要部分——主要是白领,但也有一些现实世界的工作。
其影响可能很复杂。即使利润增加,许多商品和服务的价格也应该下降,以使消费者受益。保住工作的人可能会得到更高的薪水;例如,我们需要更少的低级客服人员,以及更多的客户服务机器人主管。然而,许多人将不得不接受新工作的再培训。
与过去的转型不同,此次影响将主要集中在白领阶层。随着劳动力市场的变化和人口老龄化,大多数新工作可能都发生在现实世界:护理、管道工等。
对劳动力的总体需求也可能会减少,这可能会影响工资,并普遍降低劳动力相对于资本的重要性。然而,这一趋势可能会被人口统计所抵消,在许多国家,人口统计表明劳动年龄人口正在减少。鉴于劳动力资源不断减少(以及需要护理的老年人口不断增加),自动化程度的提高实际上可能成为救星。不幸的是,人口老龄化创造的许多工作岗位——例如护理和家庭护理——可能不太适合自动化。
写这篇文章让我对人工智能更加兴奋
当我坐下来写这篇文章时,我对人工智能的有用潜力感到奇怪的“嗯”。我所能想到的就是编写营销文案的机器人、令人讨厌的个性化广告,以及可能不起作用的新药(因为大多数新药不起作用),而且即使起作用也不会获得批准。
我花在写作上的时间越多,我就变得越乐观。我不认为人工智能会在未来几年内带来改变世界的好处,但我确实认为我们会看到许多显着的进步:在经济生产力、医学、化学、教育等方面;更不用说日常生活中无数的小便利,从即时客户服务到自动会议记录。
正如金钱买不到幸福一样,人工智能的短期经济和其他好处也不会直接解决社会的根本问题,从住房短缺到吸毒成瘾。 然而,如果我们能够恢复进步感,如果收入开始全面增长,人们对未来感到更多希望,那么我们也许能够鼓起勇气解决这些根深蒂固的问题。
毫无疑问,人工智能将会有许多我们目前还无法预见的应用。正当我起草这篇文章时,Henrik Karlsson 提议 LLMs 可以充当在线讨论论坛的社区版主。随着模型的发展以及我们对它们的功能了解更多,新的用途将会出现。
所有这些都无法否认人工智能带来许多风险的事实。 我们不能盲目地向前冲。 设计不当的法规,包括医学等领域的现有法规,将阻碍进展。 我们应该问自己的问题不是“人工智能是好还是坏”,而是“我们如何才能最好地获得和分配回报,同时最小化风险”?