今天小编分享的教育经验：世界经济论坛上，伯克利Stuart Russell教授的观点：AI时代你需要掌握的实用技能，欢迎阅读。
第三期华夏基石数智时代领导力特训营热招中！
来源 | AI工作坊，管理智慧
咨询合作| 13699120588
文章仅代表作者本人观点（未经本人审核）
全文10,000 字，阅读约需21分钟
世界经济论坛的一项预测表明，到2027年，近一半（44%）的员工核心技能将面临重大变革。这一惊人数字凸显了：未来已至，我们必须未雨绸缪。
近日，在世界经济论坛的一场圆桌讨论中，来自不同领網域的专家齐聚一堂，深入探讨了"人工智能时代的技能"这一紧迫话题。与会者包括Astrotech的创始人兼首席执行官Abdullah Abdu Shake、阿联酋Majid Al Futtaim的高管Joe Odriskie、ADP的首席经济学家兼ESG官员Nella Richardson博士，以及加州大学伯克利分校计算机科学教授Stuart Russell。
随着基本的生产活动逐渐交由机器完成，我们正在迈向一个全新的经济形态。这意味着未来可能会出现更多的自由职业者，而教育系统也需要相应调整，以培养在这种人际交往密集型角色中取得成功所需的技能。然而，面对这种变革，许多人仍然抱有"公司有义务保证我不失业"的心理。但现实是，在某些领網域，人工智能已经开始展现出超越人类的能力。
在这个新时代，生存能力再次成为关键。在人工智能时代，未来的成功者可能不是那些学识最渊博的人，而是那些能够快速适应变化环境的人。正如我们在当今的金融和商业领網域所看到的，真正脱颖而出的往往是那些善于适应的个体。
主持人 ： 认为在未来十年内，人工智能将如何影响工作岗位的创造、颠覆，甚至可能的消失？
嘉宾Abdullah Abdu Shake： 当然，感谢大家的邀请。我认为这是我们现在最常被问到的问题："我会不会失去工作？机器人会不会明天就取代我做的事情？" 我认为有几个角度可以看待这个问题。首先，这并不是新鲜事，这样的技术创新曲线在历史上已经发生过多次。我经常喜欢举一个例子，当年牛津大学的教授曾经抗议计算器的发明，他们认为数学家将会变得无关紧要。然而，在每一次工业革命或技术革新时，新技术的出现并不会让所有人都失业，而是会将劳动者抽成两个群体——操作员和那些不再直接参与操作的人。比如，当电子邮件发明出来的时候，郵差并没有消失。我们仍然有郵差，只是他们的收入、补偿等都处在较低水平，而那些适应新技术的人则转变为操作技术的工作。所以，我认为人工智能将会带来类似的影响。人工智能的第一阶段将主要接管那些重复性、劳动密集型的工作，AI在这些重复性的任务中表现非常出色，而这将为人类腾出更多时间去做其他事情。我认为人类会因此创造出新的一类工作。以上是我对这个问题的想法。
主持人 ： 非常有趣。Joe，你的看法是什么？你如何看待人工智能对未来就业的颠覆与创造？
嘉宾Joe Odriskie：我非常喜欢这个问题。我认为有一种持续存在的说法是"人工智能将取代我们所有的工作"。但在Majid Al Futtaim，我们认为人工智能实际上是为了提升人类，而不是取代他们。不是人工智能要抢走我们的工作，而是它将会取代那些不了解人工智能的人的工作。很容易被人工智能的炒作所吸引，但事实是，我们需要对人工智能的发展保持认知上的谦逊。我们并不确切知道它的走向，因此我认为工作岗位的创造将主要集中在那些能够适应、改变并能跟上人工智能时代步伐的人身上。正如我提到的，我们需要有一种谦卑的态度，意识到我们不可能完全预测出人工智能将走向何方，而是要为它将带我们去的地方做好准备。
主持人 ： Nella，你怎么看呢？
嘉宾Nella Richardson博士： 首先感谢各位的到场。我能感受到大家对这个话题的强烈兴趣，我非常认同前面两位嘉宾的观点，即人工智能正在改变我们的工作方式。我认为人工智能最早出现的地方往往是在公司内部。大多数公司都在努力寻找如何管理他们的人力资本——这是他们最重要的资产，也是最昂贵的资产。人工智能改变了公司管理人力资本的方式，甚至可能，如果我们做得对的话，它可以将"管理"转变为"发展"。在ADP，我们在大约140个国家开展业务，我们非常关注公司如何管理他们的员工。我们研究了超过5300万名员工的数据，跨度达四年。
我想让大家在腦海中想一想，这5300万名员工中，有多少人实际上是由他们的公司进行技能提升的？想象一下这个数字，问问自己是否超过了两位数？我现在告诉你们答案：不到4%。在两年内，这5300万名员工中，只有不到4%的人获得了公司提供的技能提升。因此，即使没有人工智能的存在，也有巨大的机会可以培养出一支具备技能的员工队伍，并推动持续学习的文化。我认为人工智能最先改变的是公司如何看待他们的人才，并希望能够促使他们更多地投资于人才发展。
主持人 ： 我会再回来探讨这个问题。不过先请教一下Stuart，你的看法呢？
嘉宾Stuart Russell教授： 我认为答案取决于你是在看当下存在的人工智能，还是未来十年的人工智能。有许多专家预测，到这个十年末，也就是六年后，我们将拥有在各个方面都超过人类能力的人工智能系统。这意味着几乎没有任何工作是人工智能系统无法以更低成本和更高效率完成的。有趣的是，长期以来，经济学家一直用希腊字母写出理论，证明不会出现"技术性失业"。但如果我告诉你，我能为每个人制造一个"替身"，而且这个替身比你做得更好、从不宿醉，还愿意免费工作，那么你们中还有多少人会保住自己的工作？这时，经济学家才会说："哦，我明白你的意思了，是的，可能确实会有更多的工作，但那些工作不再是由人类来完成的。"
因此，制定政策变得非常困难。大约一半的专家认为这种情况将在未来十年内发生，我们将拥有这种强大的技术，而另一半，包括我自己在内，认为这个过程会更长，我们目前过高估计了现有技术的能力，其扩展的影响也并没有像很多倡导者所想的那么深远。但是，我们确实已经看到了一些显著的影响。令人惊讶的是，我认为Abdullah是对的，很多重复性的工作，那些你按百人、千人规模雇佣的、可以替换的机器人般的工作，将由真正的机器人来完成。然而，我们也看到了对创意产业的影响，比如图形艺术家和自由撰稿人。我们可以在他们获得工作的在线市场上清楚地测量到价格的下降，因为人们可以使用人工智能在十分之一的时间内完成这些工作。
当我向公众演讲时，父母们更多地关心的不是他们的工作是否会被取代，而是他们的孩子将来该做什么？他们应该学什么？他们应该选修哪些课程？在短期内，人工智能工程师和机器人工程师将有需求。但从长期来看，人与人之间的技能将变得尤为重要。这将是一个非常不同的经济形态，当基本的生活生产交给机器时。我们需要思考这意味着几乎每个人都会成为自由职业者，以及为了在这些人际交往的角色中取得成功，所需要的教育是什么。我们有200年没有进行系统性研究，研究如何过上好生活，或帮助别人过上好生活，因此还有很多工作要做。
个人掌握关键技能
主持人 ：我们或许可以说，未来会更加重视人类的创造力和情感智能。不过，Stuart描绘了一个非常有趣的画面，展现了一个更加自动化的未来。那么，Nella，接下来我想请教你，在这个日益自动化的未来，哪些技能将成为至关重要的"任务关键"技能，工人们需要掌握，企业需要培养？
Nella Richardson博士： 首先，我要非常坦诚地说，这个问题存在不确定性。没有人能够准确预测未来十年人工智能的发展。在某种程度上，人工智能就像开车。我车上有很多人工智能功能，但我实际上并不知道它们具体做什么。我依然使用着我16岁时考到的驾照。对很多工人来说，他们的人工智能体验将会是这样的——它只会成为他们日常任务的一部分。但是，的确存在这样一种共识：软技能将变得尤为重要。如果我们专注于生成式人工智能，尤其是内容创作、进行更多的创造性工作、更具协作性的工作以及跨越地理界限的数字化工作，那么文化意识和对人类的敏感度将会变得非常重要。此外，能够训练人工智能的能力也是关键，因为最好的人工智能总是以人为中心的，必须有人为它提供反馈，不论是数据上的反馈，还是人际互动上的反馈。这种反馈机制对人工智能的发展至关重要，即使是人工智能，也需要人的帮助。
那些具有广泛技能、深入知识和可转移专业能力的人，将是未来能够生存下来的关键。因此，与其想着我们都必须成为机器人工程师（幸好不需要如此），不如说要从职业导向转变为任务导向，不管是什么职业，都要有灵活性去横向或纵向发展，而不是仅仅在某一专门领網域往上爬。同时，如何更好地沟通和协作，从而真正抓住人工智能的优势并大规模应用到不同的业务运营中，这是至关重要的。这并不是一个简单的解决方案。我们知道，人工智能已经存在了很长时间，这些进展也是经过长时间的积累才实现的。然而，全球的生产力早在疫情前就已经放缓了，所以人工智能与员工的结合能否真正让全球经济受益，并提高生活水平，还是一个未知数。我们需要确保这种结合发生，而这正是为什么企业将如此专注于将技术与人才匹配起来的原因。
主持人 ： Joe，作为阿联酋国内一家非常重要的企业，同时也是一个大雇主，作为首席学习官，你是如何更新培训计划以适应这个人工智能驱动的未来？此外，关于终身学习，对于那些希望在Majid Al Futtaim长期工作的员工，你们是如何推动终身学习的？
Joe Odriskie： 这是个非常有趣的问题，因为我们最近推出了一个人工智能学院，而其中的一个模块在一周内就过时了，这就是人工智能发展的速度。所以我们不得不从非常新颖的、具有反叛精神的角度来重新思考如何部署学习。我们现在通过人工智能，不仅要满足学习者当前的需求，还要预测他们未来可能达到的水平。因此，我们正在使用一些工具，例如有一家名为Arist的公司，他们其实是应危机而生的创新产品。他们最初是为了在葉門冲突期间帮助学生获得学习机会，现在已经是一家硅谷初创公司。他们通过短信推送学习内容，这对我们来说是一个非常好的机会，因为我们有从一线员工到CEO各个层次的员工。我们能够真正满足员工的潜在需求，让他们在工作流程中学习。我们可以通过Teams、WhatsApp或短信发送关于人工智能的消息或更新。这是我们利用人工智能以更加用户友好的方式支持学习者的一个途径。
我们之所以这样做，是因为我们越来越多地看到，尤其是年轻一代，他们带着所谓的"流动期望"进入职场。他们期望在处理学习管理系统（LMS）时能够像使用苹果或亚马逊一样流畅——他们希望实现无缝体验，两次点击、十秒完成，这是注意力经济所允许的时间。所以我们必须从传统的三天课堂式培训转变过来。因此，我们正在试图在员工入职之前就找出那些已经为此做好准备并适应这种变化的人。我们正在评估人们的学习能力，因为你提到的这个关键问题——我们应该专注于哪些技能？我认为最重要的技能之一就是一个人愿意学习的程度，以及他们学习的能力。他们是否能够在日常工作中融入学习科学的原则，例如反复测试和间隔学习等。通过人工智能，现在我们可以以一种非常客观的方式来评估这些能力。
主持人 ： Abdullah，你能不能也从技术的角度来谈谈这个问题？特别是在我们讨论的技能需求，以及你在招聘时看重哪些技能？
Abdullah Abdu Shake： 可能这会让我陷入一些麻烦，但我对这个问题有一个非常极端且明确的看法，因为我每天都在写代码，这是我们每天的工作。或许有一点我想提前说明的是，在我们的公司中，我们告诉员工，没有人有义务保住你的工作，尤其不是人工智能的责任。公司希望以更快、更便宜的方式做事情，他们希望雇佣那些写代码不会生病、不会在周日休息的人。而这一事实在很长一段时间内都不会改变。我观察到，很多人都有一种"公司有义务保证我不失业"的心理，尽管人工智能比人类更擅长一些工作。他们认为，公司应该保障他们的工作岗位，但现实并非如此。作为人类，我们历史上最重要的技能之一就是生存能力——我们之所以能以今天的样子存在，正是因为我们善于生存。在人工智能时代，生存仍然是最重要的，而最适者生存的原则依然适用。
那些最有学识的人并不是最好的生存者，也不是最成功的。你可以在当今世界看到，很多在金融或商业领網域表现出色的人，并不是学识最渊博的，而是那些能够快速适应变化环境的人。因此，我在这里可能会有点不同意见——我认为，人工智能的未来并不模糊，至少在我的工作领網域非常清晰。
未来十年，如果人工智能能够实现其承诺，我们将看到很大的改变。我们仍然不确定它究竟会在5年内、还是10年内到来，我们可能高估了其计算能力，也可能低估了它，但我们知道它一定会到来。届时，将会有大量的工作岗位消失，因为人类在这些工作中效率太低，而人工智能将极其高效地完成这些工作。所以我的想法是，人们需要学习什么技能？我常说的一点是，技术越好，正式教育就越无效，因为技术进步得越快，教育系统就越落后。你可以问问在座的各位，有多少人在日常工作中真正用到了他们的正式教育，尤其是那些非技术性工作的人，答案可能很少。
在人工智能时代，大学里所学的内容不会是你需要的技能。这不是一个四年制的项目，你不可能通过四年大学课程准备好迎接人工智能时代。就像刚才提到的，一个模型在一周内就过时了，想象一下，如果你花四年时间学习某个领網域，到你毕业时，那些知识已经是"古代科学"了。所以，我认为，正式教育系统必须重新调整它的定位。我们公司在招聘时，我发现年轻的开发者越来越具备优势。我们现在招聘的年龄大幅下降，许多18、19岁的年轻人表现非常出色，成为我们最有效率的开发者。他们都是自学成才的，没有按照某个四年制的课程计划来学习。他们没有那种"完成哈佛四年课程你就是最聪明的人"的心态。因此，我认为这是一个非常重要的变化，会影响各行各业。如果有一件事我可以非常肯定地说，那就是我们现在需要的重点不再是如何设计机器人，而是要真正理解这个机器人或人工智能到底能做什么。举个例子，有位非常著名的银行CEO曾问我，未来的人工智能银行会是什么样子？我回答说，我不认为未来的银行会去卖面包，它们依然会提供银行服务，但会在3秒钟内为你批一笔贷款，而不是像现在需要3个月，而且可能只需要一个人来完成工作，而不是300人。这就是未来银行的样子，你可以把这个模型应用到几乎所有的行业。
主持人 ： Stuart，我想请你回应一下Abdullah的观点。你认为学术机构在应对这些技术变化的速度上做得对吗？我们谈到获取传统学位所需的时间，你觉得这些机构的反应速度足够快吗？
Stuart Russell教授： 绝对不够快。我认为这正是我们应该在20年前开始规划的原因，因为那时我们已经可以看到这些变化即将发生。但众所周知，学术界的变革速度非常慢。我本科就读的牛津大学早在1851年就首次讨论是否要设立地理专业，但他们花了25年的时间才通过各项流程，最终决定设立地理专业，而那时卫星已经使得传统的地理学大部分变得不相关了。如果我们思考未来，我同意Abdullah的观点，人工智能一定会到来。我们不知道具体什么时候，但总有一天我们会拥有通用人工智能，几乎可以肯定的是，在学术变革的时间框架内，它会到来。我们可以说学术上的重大变革大概需要20到30年的时间，这涉及到我们提供什么样的学位、如何教授内容以及内容的来源。
如果我们要培养人们从事各种人际交往相关的职业，那么我们就需要"学习科学"，也就是关于人类心理的科学。这里没有冒犯心理学家或学习科学家的意思，但这门科学比经济学还要更加"沉闷"，因为我们对人类如何运作知之甚少。我们不知道为什么某些人对某些教育方式反应良好，而另一些人则需要完全不同的教学方式。我们需要认识到，人类不是商品，而是80亿个独特的个体。从科学角度来看，我们需要知道如何从个体的特征出发，找到最佳的学习方式，帮助他们学习。这项科学的发展将需要几十年的时间，而我们其实应该在20年前就开始研究这一领網域。
然而，我们将数千亿的资金投入到手机等其他创新上，结果是利弊参半的。现在的大学甚至还无法应对大语言模型对学生作业的影响。这种现象在高中更为严重。我有一位伯克利的同事，他定了一条规则，要求学生必须使用ChatGPT或类似的人工智能引擎来撰写文章，但如果你直接提交AI的输出，你将得零分。你的评分依据是你如何改进AI的输出。这听起来像是一个相当有见地的做法，但如果你想把这种方式应用到高中，大约90%的高中生是无法改进大型语言模型输出的。然后你开始思考这种现象对学生动机的影响。经常有人拿计算器来做类比，认为计算器自动化了数学中最机械的部分。你们中有多少人能理解手动计算长除法的每一个步骤？你可能只记得那些线条和箭头，但其实你并没有真正理解它。而计算器自动化了这一"无腦"的步骤。
但理解一个问题并形成答案的过程，特别是写作，这才是学习思考的核心。如果你将这部分自动化了，那么你实际上是在切断我们希望人类学会的最核心的部分。不过即使人工智能未能实现很多人所承诺的超人类智能，我仍然认为，如果我们能以正确的方式适应现有的技术，它可以成为一个"杀手级应用"。它可以至少在中学阶段提供个性化教育，充当导师的角色，而不是为你做作业，而是引导你思考问题。比如说，人工智能可以问你："你觉得这个想法怎么样？我们可以从哪里找到答案？我们可以做哪些研究来探讨这个问题？"这种方式可能对整个人类有巨大的价值，因为有很多国家无法负担从K到12年级的完整教育体系。
甚至有一些国家连K阶段的教育都无法提供，除非你能支付学费。而通过手机（尽管尚未全球普及，但已经广泛应用），我们可以提供比我在英国或美国最好的学校获得的教育质量还要高的学习体验。但目前我们还没有这样做，因为教育领網域的经济激励远远不如广告领網域，而且教育是一个非常复杂的行业，难以通过它赚到钱。
主持人 ： 既然谈到了这个话题，我还有一个问题想请教你。如果你现在要进入大学，在新学期开始时你会选择什么课程？为什么？
Stuart Russell教授： 哦，要是能再年轻一回该多好啊（笑）。我可能会选择人类科学领網域的课程，比如心理学或儿童发展之类的课程。因为从长远来看，我们将依赖人类科学来维持一个正常运转的社会。我还想补充一点，可能会选择人文学科。因为人类生活中的很大一部分丰富性依赖于艺术和文学，依赖于这些类型的学习。不过我觉得过去几十年里，人文学科有点走了弯路，但如果它们能重新调整方向，它们将对社会进步做出巨大的贡献。
AI的幻觉问题
主持人 ： 我想让你也来回应一下这个问题，因为你对"信任"这一话题有着深入且批判性的思考。我们看到人工智能和这些大型语言模型（LLMs）有时给我们答案时没有提供引用来源，那么我们为什么要信任人工智能呢？
Stuart Russell教授： 这是个好问题，也是为什么未来一个哲学学位可能会派上用场的原因之一。我认为判断力将成为人在人工智能时代的关键特征。并不是所有的人工智能都是完美的，我们知道它们有"幻觉"，如果人工智能的发展缺乏人类的干预或影响，那么我们如何信任它所提供的信息是真实的呢？这是一个关键问题。我们还要问：你如何信任你的大学能够提供你所需要的技能，以帮助你在未来发展？如果我们环顾全球，并不是真的缺少劳动力，而是缺少技能，尤其不是技术方面的技能。在技术领網域，你会发现需要的技能变得越来越狭窄、具体和专注。去年，美国有10万名计算机科学毕业生，但他们的技能很快就会过时。然而，依然存在一个"照护经济"，即能够制作家具或成为一名优秀的水管工等职业。人工智能目前并没有解决我需要修理马桶的实际问题，因此在劳动力市场中仍然有许多技能是非常需要的。问题在于，我们如何帮助员工获得这些技能，以及如何让员工顺利过渡到其他技能，尤其是在我们知道技能正在迅速被创造和淘汰的情况下。
让人工智能创造出人类无法完成的工作，而不是替代我们可以完成的工作，这将是未来的关键问题。这最终归结为信任问题。因为你的大学可能不再是你最后的教育者，你的合作者可能是人工智能，可能是你的同事，可能是世界另一端的人，甚至是你的公司。我们在过去十年间对全球约50万名工人进行了调查，询问他们为何信任他们工作的公司。答案归结为几个要素：首先，我信任我的经理——这是基本的人际关系。我信任我的团队，我看到自己在领导层中得到了代表。
如果你能从这些角度出发建立信任，那么你就能培养信任。为什么信任很重要？因为我们正在要求工人信任，信任新的技能正在被创造，信任某些任务正在被替代，信任新的任务将会提高他们的生活水平。那么他们为什么要信任这一点？如果他们不信任，那会发生什么？他们可能会拒绝技术。当公司、非政府组织或大学推出技术时，如果工人不信任技术，你会得到的回应可能就是翻白眼，"我才不做呢。"他们可能会抵制技术进入他们的州或国家，甚至会集结起来反对，因为他们害怕它。因此，我们必须为工人提供信任的基础，我认为这从人际层面的沟通开始。技术的推广方式非常重要，它决定了劳动力是否会采用这些技术，而技术的采用直接影响其在业务中的熟练程度。技术不能单凭一个业务案例或市场来运作，它需要有一个目的，而人是赋予技术目的的主体。
主持人 ： 真的非常重要的观点。Joe，你同意这个观点吗？
Joe Odriskie： 是的，我同意。我认为我们需要更多地谈论批判性思维和判断力的重要性。我最近开始做的一件事是让ChatGPT等工具尝试反驳自己提供的答案，并寻找相反的证据。如果你不培养这种批判性思维，那么就很容易被误导。我们已经看到许多新闻报道，甚至在诉讼中，有人依赖了错误的信息。这让我想起，有时我们会将人工智能和人力资本视为一种乌托邦，认为它们可以帮助我们消除偏见，促进工作场所的公平性。但实际上，谁在训练这些人工智能系统？是我们。在进行多元化和包容性培训时，我们常常喜欢说"别人需要接受这些培训，而我自己没有偏见"。但如果你有大腦，你就会有偏见。我们正在用偏见训练这些系统。回到你之前问我的问题，我认为除了学习能力外，元认知的能力——能够退一步思考自己是如何思考的——在人工智能时代将变得更加重要。
主持人 ：非常正确。Abdullah，你怎么看？我想你现在也在思考类似的问题。就像我之前问Stuart的那个问题：如果你现在要从头开始创业，你会从哪里开始？
Abdullah Abdu Shake： 你问我，如果可以重新开始，我会从哪里开始？首先，我不会选择再去学校。如果可以重新选择，我不会再去上学。但如果让我现在开始创业，我认为技术领網域的商业基础已经发生了巨大的变化。过去，要成为一家价值数十亿美元的公司，你需要数以万计的员工。而现在，重点是，你能用两个人、三个人或者十个人做到吗？在我们考虑收购或投资一家公司的时候，人员越少越好。所以，"原子化团队"正在变得越来越重要，不需要太多的人来运营。这是一点。关于人工智能的第一阶段，我们已经可以明确看到，它主要将接管那些重复性、无聊的任务——也就是我们人类不想做的事情。比如将这些椅子从这边搬到那边，这是一些人每天要做100次的工作，他们其实并不想做，这是一项不需要太多认知能力的任务，而人工智能非常擅长自动化这些任务，比如呼叫中心等。因此，人工智能的第一阶段将在这些最简单、最重复的任务中带来最大的财务收益，特别是在未来的两到三年内。
然后，它将进入第二阶段，这将更加复杂，需要一些批判性思维和一定的智能。再往后，可能是十年后或更长时间，我们将进入通用人工智能阶段，人工智能将能够与其他人工智能系统进行沟通，并根据需要执行任务。所以，接下来的两到三年里，我会专注于自动化那些最重复、最无聊的任务——那些人们真的不想做的工作。也许一个大提示是，税务工作是很多人不愿意做的事情，而人工智能可以在这方面表现得非常出色。我想再补充一点关于信任的问题。我经常听到这个话题，不知道是不是我有点愤世嫉俗，但人类本来就不太信任彼此，为什么我们期望会有一个系统出现，并且所有人都会信任它呢？现在的重点并不是"我是否信任这项技术"，而是"我信任谁的偏见？"因为我们作为人类，对某些事情是有共识的，但历史告诉我们，我们在许多事情上也有分歧，而且在人类之间存在大量的不信任。
为什么我们会期望某种技术的出现会让我们一致地信任它？这几乎是不可能实现的。因此，关于"信任与不信任"的问题，我们其实应该在20年前决定，在我们开始使用这些了解我们一切的手机之前，现在谈信任已经有点晚了。我认为最终，我们将被迫去信任那些更快占领市场的人。我知道很多人不信任ChatGPT，但它是目前可用的选项。我知道很多人不信任iPhone，但它也是可用的选项。所以，商业上来看，谁先占领市场，谁就会获得更多的市场份额，至于我们是否信任它，这将是哲学课上的讨论，不会对人工智能未来的经济形态产生太大的实际影响。
Nella Richardson博士： 我不同意这个观点。我认为有一个可以讨论的论点是，人工智能实际上让信任变得更加困难，因为我们不知道信息是如何传播的，信息的来源也变得比以往更加不可靠。以前，具备资质的来源是人们获取信息的主要渠道，但现在不再是这样了。我们该如何扭转这一局面？当我思考未来时，我认为人工智能并不是一个被动发生在我们身上的东西。我们在人工智能的发展过程中其实是非常积极的参与者。因此，我认为这是一个非常重要的观点。我的重点一直是放在人力资源上，因为这是决定未来的关键。如果我们想要一个可以信任的信息世界，并且知识仍然被重视，那么我们必须现在就采取行动。
所以，我不同意信任不重要的观点，也不同意人工智能的发展是预先决定好的。人类经验中的任何事都不是预先决定的，我们必须现在行动，才能塑造我们想要的未来，而不是接受一个我们不希望看到的未来。
主持人 ： 因为我们根本没有采取行动。Stuart，你也想对此发表一些看法吗？
Stuart Russell教授： 简单说一下，我认为"信任"这个问题在公司发展的关键路径上非常重要。我参与的公司董事会中，所有的大公司都在问同一个问题：我们如何使用这项新技术？我可以告诉你，在上世纪80年代，类似的事情也在发生。当时有一种叫做"专家系统"的人工智能技术，成千上万的公司都成立了部门来研究如何在他们的业务中使用专家系统。现在我看到的是，"信任问题"正在阻碍公司将任何人工智能技术放入他们的关键路径。例如，如果你是一家保险公司，你会允许一个人工智能系统与客户对话并达成交易吗？当然不会。你只要看看一些笑话般的例子，比如客户问："我可以打九折吗？" AI回答："当然可以，实际上我们还会给你一些钱。" 这类问题已经发生过了。
曾经有一个通用汽车的聊天机器人以1美元的价格卖了一辆卡车。Air Canada也曾因聊天机器人给客户错误信息而被告上法庭。机器人告诉客户，他们可以先乘坐班機去参加葬礼，然后再申请退款，而实际上该公司没有这种政策。法官最终判定Air Canada必须支付退款，因为聊天机器人给了客户这样的承诺。这一判决对企业在高风险场景下采用人工智能技术产生了寒蝉效应，而高风险场景正是大多数资金所在的地方。
Nella Richardson博士： 我还想补充一下，关于人工智能应用的地方。我们不能只是想着通过取代人类的工作来赚取利润。我们需要寻找那些尚未被满足的需求。如果我们只是满足已经被人类满足的需求，那么这些需求通常已经饱和了。这在汽车行业中已经发生了。当我们刚开始研发汽车时，汽车行业的就业人数猛增，数百万人在汽车行业工作。随着自动化的引入，汽车变得更便宜，销售量增加，行业需要更多的工人。但到了某个节点，需求饱和了。现在，美国每个想要汽车的人基本都有车了。在大多数发达国家也是如此。此时，增加生产力和自动化只会减少工人数量。
我们在一个又一个行业中都看到了这种趋势。首先，技术创造了需求，因为它降低了价格。但当需求饱和时，工作机会就开始减少了。因此，如果你想抓住上升的机会，你就得寻找那些尚未被满足的需求。个性化儿童辅导就是其中一个例子。人类的辅导费用太昂贵，我们无法为每个孩子配备一位导师，但如果有一群机器人帮助人类导师，生产力将大大提高。
AI的当前问题
主持人 ： 我们还有大约一分钟的时间，我想给每个人一个快速回答的机会，作为今天的总结。我们的观众即将离开这个会场，他们应该在人工智能领網域思考些什么？有没有什么关于人工智能的问题让你们彻夜难眠？Stuart，我们从你开始，请快速回答。
Stuart Russell教授： 让我彻夜难眠的是，我们可能会开发出超人类人工智能，但却没有找到如何永久控制它的方法。关于人工智能，我认为大家应该知道的一点是，不要轻信你读到的一切。这些系统比人们想象的要"愚蠢"得多。
Nella Richardson博士： 人工智能不必让人感到害怕。有时候变化是个挑战，但有时候它也是成长的机会。我认为我们是这项技术的主人，不要让它主导我们。最终，技术的影响将取决于它如何帮助企业或员工，而不是单纯为了技术而推出技术。
Joe Odriskie： 我会说，坚信学习是工作的一部分。学习可能是职场中最重要却常被忽视的活动。学习曲线将决定你的收入曲线。那些能够快速适应、转向新领網域的人将会在未来占据优势，因为我相信人工智能会继续给我们带来惊喜。所以，我建议大家成为自己学习的推动者。正如我在人工智能学院的第一条规则中所说，不要等着人工智能学院去教你，自己创建一个个人学习云，掌握你的学习，并通过提升自己来帮助他人。
Abdullah Abdu Shake： 我完全同意。我想给大家的建议是，密切关注变化的速度，因为事情会比我们预期的快得多。你会发现，今天学到的东西可能在两个月后就会变得过时。所以，要保持警惕，随时准备快速学习。保持积极的心态，并互相照顾。
原视频链接：https://www.youtube.com/watch?v=NTJK5e9ADcw&t=1010s&ab_channel=WorldEconomicForum
