「我們需要一項曼哈頓計畫來解決這個問題，」一位經濟學家說。

在矽谷的影響力範圍內，AI 驅動的就業末日被視為理所當然。氣氛如此嚴峻，以至於一位在 Anthropic 工作的社會影響研究員週三在回應關於 AI 未來更樂觀願景的呼籲時預測，我們將在最終看到好處之前，經歷一場衰退和「早期職業階梯的崩潰」。該公司執行長、較不拘謹的同事 Dario Amodei 則稱 AI 為「人類的通用勞動力替代品」，並認為它可能在不到五年的時間內取代所有工作。當然，這些想法並非僅來自 Anthropic。

這些對話毫不意外地讓許多工人陷入恐慌（並且可能助長了停止建造數據中心的努力，其中一些努力在上週獲得了動力）。立法者並沒有幫助緩解這種恐慌，他們沒有一個人提出一個連貫的下一步計畫。

即使是那些警告 AI 尚未導致失業、未來也不一定會出現懸崖式下跌的經濟學家，也開始認同 AI 可能對我們的工作方式產生獨特且前所未有的影響。

芝加哥大學的 Alex Imas 是其中一位經濟學家。週五早上與我交談時，他分享了兩件事：一個坦率的評估，即我們預測未來樣貌的工具相當糟糕；以及一個「行動呼籲」，呼籲經濟學家開始收集那種能讓制定應對勞動力市場 AI 影響的計畫成為可能的數據。

關於我們糟糕的工具：考慮到任何工作都由單獨的任務組成。例如，房地產經紀人工作的一部分是詢問客戶他們想購買哪種類型的房產。美國政府在 1998 年首次推出的龐大目錄中記錄了數千項這類任務，並自那時以來定期更新。這就是 OpenAI 的研究人員在去年 12 月用於判斷一項工作對 AI 的「暴露程度」的數據（例如，他們發現房地產經紀人的暴露程度為 28%）。然後在今年 2 月，Anthropic 在分析數百萬次 Claude 對話時使用了這些數據，以了解人們實際使用其 AI 完成哪些任務，以及這兩個列表的重疊之處。

但 Imas 說，了解任務對 AI 的暴露程度會導致對一項工作面臨風險程度的虛幻理解。「暴露程度本身是預測失業的毫無意義的工具，」他告訴我。

當然，在最悲觀的情況下，這種情況很有說明性——對於一項工作中的所有任務都可以由 AI 完成，而無需人類指導。如果 AI 模型完成所有這些任務的成本低於你的薪資（這並非必然，因為推理模型和代理式 AI 的費用可能很高），並且它能做得很好，那麼這份工作很可能會消失，Imas 說。這就是幾十年前經常被提及的電梯操作員的例子；也許今天的對應情況是客服專員僅僅進行電話分流。

但對於絕大多數工作來說，情況並非如此簡單。細節也很重要：有些工作可能面臨嚴峻的未來，但僅僅看暴露程度很難知道何時以及如何發展。

以編寫程式碼為例。假設一個開發高級約會應用程式的人，可能會使用 AI 編碼工具，在一天內完成過去需要三天才能完成的工作。這意味著該員工的生產力更高。該員工的雇主花費相同的金額，現在可以獲得更多的產出。那麼雇主會想要更多的員工還是更少的員工？

Imas 說，這個問題應該讓任何政策制定者夜不能寐，因為答案會因行業而異。而我們正在黑暗中摸索。

在這個程式設計師的案例中，這些效率使得約會應用程式能夠降低價格。（懷疑論者可能會預期公司只是將利潤收入囊中，但在競爭激烈的市場中，如果他們這樣做，他們就有被削價競爭的風險。）這些較低的價格總是會推動應用程式需求的某些增長。但會增長多少？如果數百萬人更想要它，公司可能會擴張並最終僱用更多工程師來滿足這種需求。但如果需求幾乎沒有增加——也許那些不使用高級約會應用程式的人即使價格降低了也不會想要它們——那麼所需的程式設計師就會減少，並會發生裁員。

將這個假設情況應用於每個 AI 可以完成任務的工作，你就得到了我們這個時代最緊迫的經濟問題：價格彈性的細節，或者說當價格改變時，需求會改變多少。這也是 Imas 上週強調的第二點：我們目前沒有涵蓋整個經濟的這些數據。但我們本可以有。

Imas 說，我們有像穀物和牛奶這樣的雜貨商品的數據，因為芝加哥大學與超市合作，從他們的價格掃描儀獲取數據。但我們沒有家教、網頁開發人員或營養師（順帶一提，這些都是被發現對 AI 有「暴露」的工作）的這類數據。或者至少沒有以廣泛編譯或對研究人員開放的方式。有時這些數據分散在私人公司或諮詢公司中。

「我們需要，就像，一項曼哈頓計畫來收集這個，」Imas 說。而且我們不僅僅需要它來處理那些現在明顯會受到 AI 影響的工作：「現在沒有暴露的領域將來會變得暴露，所以你只想追蹤整個經濟的這些統計數據。」

獲取所有這些資訊需要時間和金錢，但 Imas 認為這是值得的；它將使經濟學家首次對我們由 AI 驅動的未來可能如何展開有一個現實的看法，並讓政策制定者有機會制定計畫來應對。

更新：本文於 4 月 8 日更新，增加了 Anthropic 研究員發布的貼文的更多背景資訊。

Subquadratic 現在分享了其新模型的更多細節。但仍有人持懷疑態度。

一項新技術讓該公司能夠比以往任何時候都更深入地探究大型語言模型（LLM）的奇特運作方式。

該公司正在將 AI 應用於科學領域。

AI 時代需要更快的晶片。ASML 在生產這些昂貴設備方面擁有壟斷地位。有人能追趕上嗎？

發現特別優惠、熱門故事、即將舉行的活動等。

感謝您提交您的電子郵件！