【百達投顧】你的工作會被AI偷走嗎？

越來越多人擔心，大型語言模型會導致許多人失業。但牛津大學學者 Carl Frey 則認為，這不過是杞人憂天，他曾提出一項廣為人知的預測，指出自動化將威脅到美國 47% 的工作。

從好萊塢編劇到貨車司機，當提到人工智慧（AI）時，許多人都開始憂心忡忡。隨著科技發展一日千里，越來越多人擔心生成式 AI 對我們的工作、社會結構，以至整個世界造成的影響。

到底有沒有工作能夠難倒 AI？

過去 10 年，我和合作夥伴深入探討了 AI 所帶來的影響。10 年前，我和 Michael Osborne 共同撰寫一篇論文，預測隨著 AI 和行動機器人能勝任更多不同類型的計算工作，理論上美國近 47% 工作都可以自動化。

我們的預測建立於一個信念：即使在科技日新月異的時代，人類在創意、複雜的社交互動以及適應非結構化環境（例如家庭）等 3 個關鍵領域中保持優勢。

但我們也必須承認，科技在這些領域亦取得了重大進展。像 GPT-4 這樣的大型語言模型（LLM）現在可以根據廣泛的提示，生成幾乎逼真的文字回應，表現令人印象深刻。在這個屬於生成式 AI 的時代，機器甚至能夠幫你撰寫深情款款的情書。

可是時至今日，自動化技術仍未突破我們十年前發現的瓶頸。舉個例子：如果大眾都選用 GPT-4 代筆撰寫情書，那麼面對面約會的重要性就會變得更加重要。

問題的關鍵在於，隨著數位社交互動與演算法越來越緊密結合，機器還不能複製人與人之間互動，因此面對面互動將格外珍貴。

此外，即使 AI 能夠寫出像莎士比亞一樣優美的信件，也只是因為 AI 借鑒了莎士比亞的現有作品進行訓練。一般而言，AI 擅長處理目標明確而且有充足數據支持的任務，例如優化遊戲得分或模仿莎士比亞創作散文。然而，如果要由零開始創作內容而非重複既有概念，我們應該訂立什麼樣的標準？如何訂立有關目標，正是人類展現創意的地方。

更重要的是，許多工作根本無法自動化，我們在 2013 年的論文中亦提到這一點。生成式 AI 是廣泛的 AI 技術中的其中一種，嚴格來說並不僅是一個自動化工具，它依然需要人工輸入數據啟動運作，和進行後續的完善、核對及編輯工作。

總而言之，生成式 AI 的內容品質取決於訓練數據的優劣。英文諺語說得好：「垃圾進，垃圾出」（garbage in, garbage out）。此類演算法通常依賴龐大的數據集群，一般從網路各處收集，而不是由專家精心編製。因此，大型語言模型往往產生的是反映網路上常見或平均水準的文字，而非品質優良的內容。正如我和 Carl Frey 近期在《經濟學人》發佈的文章提到，其原理再簡單不過：數據平庸，成果自然平庸。

AI 需要人類

那麼，這對未來的就業又有什麼影響？首先，最新一波 AI 熱潮仍然需要人類的監管。有趣的是，欠缺專業技能的工作者可能會發現自己處於優勢，因為他們現在可以製作出符合「平均」水準的內容。

當然，我們得捫心自問：科技進展改變現狀的日子是否指日可待？甚至能夠在創意和社交領域出現自動化？我們的結論是，除非出現重大革新，否則恐怕仍是天方夜譚。

首先，大型語言模型已經收集了大部分網路上的資訊。因此，未來幾年不見得能夠充分擴展訓練的資料庫。此外，由 AI 大量生成的低品質內容可能會降低網路內容的整體品質，使其成為可信度較低的訓練數據來源。

還有，儘管科技業界已經開始期待摩爾定律預測會持續成長，即每隔２年集成電路（IC）上的電晶體數量翻倍，但考慮到固有的物理限制，越來越多人認為這種成長速度可能在 2025 年左右或之前趨於平緩。

第三，訓練 GPT-4 的成本約 1 億美元，大部分已用於開發 GPT-4 所需的能源消耗，這還是在能源價格飆升之前的預估。

隨著氣候變遷問題變得越發迫切，未來能否持續大量投入資金也得打上一個問號。

我們需要的 AI，應能夠根據由專家編製、更清楚的數據中學習，也就是優先考慮品質而非數量。然而，我們仍然無法估計這種突破何時會出現，一種更可行的方式是創造一個提高數據運用效率與創新的環境。

我們可從歷史中反思：踏入 20 世紀之時，電動車和傳統引擎車相互競爭，彼此爭奪新興汽車產業的主導權。最初，雙方看似不分上下、並駕齊驅，但自從人們發現大量石油後，天秤很快就向後者傾斜。如果我們當初課徵石油稅，則發展軌跡可能轉向有利電動車，因此大大減少碳足跡。同理，徵收數據稅或許可以令 AI 程式減輕消耗數據。

正如我過往的文章所說，許多工作必然會經歷自動化。然而，這並不一定是由現在的生成式 AI 導致。據我估計，除非出現重大革新，否則我們在 2013 年研究中強調的挑戰將不會消失，不會因使限制未來幾年的自動化發展。

投資洞察
作者：瑞士百達資產管理主題股票部門資深客戶投資組合經理 Anjali Bastianpillai
Bloomberg Intelligence 指出，在未來 10 年間，生成式 AI 市場預計將由 2022 年時的 400 億美元，增長至 1.3 兆美元。
麥肯錫分析了 63 個生成式 AI 的使用案例，涵蓋 16 種職能，每年可帶來 2.6 兆美元至 4.4 兆美元的經濟收益。
每一代新型 AI 系統的運算能力都以倍數增長。Google 旗下的 PaLM2 大型語言模型是其中一個最新的生成式 AI 系統，共包含 3,400 億個參數。參數是在訓練過程中相應調整的變量，以確定輸入的數據如何轉化為期望的結果。PaLM2 亦使用了包含 2.7 兆筆數據的訓練數據集，運算能力高達 73.4 億個 petaFLOP。根據 Our World in Data 的資料，截至 2019 年，頂尖人工智慧引擎 OpenAI Five 共使用了 1.59 億個參數、4,540 億筆數據和 6,700 萬個 petaFLOP。

作者
Carl Frey
牛津大學馬丁學院研究員
Carl Frey 博士為牛津大學馬丁學院研究員，負責領導學院的《就業未來》（The Future of Work）項目。其最新著作《科技陷阱》（The Technology Trap）獲選為《金融時報》2019 年度最佳書籍。
 

相關基金:
百達 - 機器人科技
聯博 - 國際科技基金
駿利亨德森遠見基金 - 全球科技領先基金

本資料由百達投顧提供，非經百達投顧同意不得節錄全部或部分內容予其他第三人。
本資料所述之資料及數據不得視為百達投顧對任何證券、金融商品或服務之買賣邀約。本資料所述之資料、建議或預測係百達投顧合理認定為可靠之消息來源，然百達投顧不保證其準確及完整性。以上意見、預估或預測可能隨時改變而不會事先通知。未經其事先授權，不得部分或全部複製或分發。投資人申購百達基金前應先詳閱公開說明書。本資料引用的任何指數數據為數據供應商的財產。數據供應商免責聲明可在本公司網站 (www.assetmanagement.pictet) 下方的「資源」專區取得。
稅收待遇依每位投資人個別情況而不同，並可能在未來發生變化。過去績效不是未來績效之指標。投資價值及其收益可升可跌，且不受保證。投資人可能無法取回最初投資的金額。
除任何瑞士百達集團的商標使用權外，百達投顧並無獲授權可以複製本資料內任何商標、標誌或影像。僅為舉例說明之用。