插图来源：DOUG CHAYKA ; 图片来源：ROBOT HEAD FROM A PHOTO BY EDUARDO PARRA—GETTY IMAGES

雇主们正在承受着巨大的压力：既要引入人工智能，又要裁减人力。投资者和首席执行官们幻想着通过削减成本来提升利润空间；每位首席信息官都被要求拿出一套人工智能方案，以免落后于竞争对手。关于“人工智能体掀起革命”的美好愿景，如今更是无处不在。

但企业领导者不必觉得必须急于拥抱一个尚未真正到来的未来。保持谨慎的理由有很多。以下是其中九点原因：

1. “专家”的预测往往错得离谱。诺贝尔奖得主、人工智能先驱杰弗里·辛顿（Geoffrey Hinton）曾经在2016年表示：“现在就应该停止培养放射科医生……显而易见，五年内深度学习就会超越他们。”然而十年过去了，几乎没有放射科医生被取代。谷歌（Google）的联合创始人谢尔盖·布林（Sergey Brin）也曾经在2012年断言，到2017年，无人驾驶汽车将无处不在。如今14年过去[期间埃隆·马斯克（Elon Musk）也画过无数类似的“大饼”]，完全自动驾驶仍然只是有限范围内的试验，只在少数气候条件良好的城市运行，而且背后可能还有数量不明的人类在远程操作中心提供支援。总之，人工智能对劳动力市场的影响微乎其微，绝大多数的放射科医生依然每天自己开车上班。

2. 科技巨头想让你相信，他们已经创造出通用人工智能，但这并非事实。当科技公司的首席执行官们大谈“就业末日”时，他们或许是在为未来可能发生的情况提前布局；但也可能他们只是想借此推高公司的估值。对于他们做出的任何预测，都应该保持谨慎。

3. 在就业影响方面，人工智能巨头的数据并不能支持它们的主张。Anthropic的首席执行官一直在警告所谓的“就业末日”，但该公司的最新研究却揭示了认知与现实之间的鸿沟。公司预测人工智能在金融、建筑等领域或许潜力巨大，但其所谓的“人工智能实际覆盖率”（即现实世界的落地情况）在理论潜力面前显得微不足道，甚至有些滑稽。换言之，人们想象中的人工智能可以做的事情，与它在现实中的真实表现，可谓天壤之别。

4. 当前人工智能的发展呈“锯齿状”（在某些方面能力突出，但在其他方面一窍不通），这意味着它几乎无法完全取代人类。人工智能确实能够提升部分岗位的生产率，但即便是在其擅长的任务上，模型和智能体也常常会犯一些低级错误，而且有些错误难以察觉。此外，“任务”不等同于“工作”：即便人工智能可以完成某项工作的部分内容，也不意味着它能够胜任这项工作的全部职责。（以放射科医生为例，识别影像中的肿瘤或发送报告只是“任务”，但结合影像与患者病史给出合理可靠的诊疗建议，才是更复杂的“工作”核心。）

正因为生成式人工智能极难预测，如果不经过现实场景的检验，人们往往很难预知它在某一岗位上的表现如何。以法律行业为例：人工智能在基准测试中表现良好，也能快速生成备忘录，但它经常“编造”案例引用（已经有上千名律师因此被曝光）。此外，它还被指提供错误建议，导致原告提起毫无依据的诉讼。公允地说，人工智能处理法律事务的表现时好时坏，而你很难提前知道这次会是哪一种情况。

5. 当前的人工智能模型在非语言类信息领域仍然存在明显局限。虽然有些白领工作只涉及文字，但许多工作还涉及对图像、图表、示意图、蓝图、地图等内容的理解与判断。如果把人工智能想象成某种“魔法”，你可能很容易认为它可以取代所有工作；但若将其视为一种有优缺点的“工具”，你就会发现它只可能替代部分行业的从业者，在更多的情况下是作为人类的辅助。即便是在看似标准化的客服领域，人工智能的实际表现也常常不尽如人意。一项“远程劳动力指数”（Remote Labor Index）研究显示，在那些完全能够通过互联网完成的工作中，仅有2.5%的工作可以由人工智能体完全胜任。

6. 大多数体力劳动，当前的人工智能还无法胜任。不要指望人工智能在短期内取代水管工、木工、汽车修理工、护士、家政人员、护林员、厨师（也许快餐行业除外）、家电维修工、园艺工等大量职业。

7. 许多被归咎于人工智能的裁员，其实都与人工智能无关。例如，近期金融科技公司Block的大规模裁员，就有人认为这是首席执行官杰克·多尔西（Jack Dorsey）在股价下跌后试图重建投资者信心的举措。在很多情况下，人工智能更像是一块“遮羞布”，掩盖的其实是业绩不佳或此前过度招聘而导致的裁员。

8. 一些标榜由人工智能驱动的裁员并不会持续太久。我将其称为Klarna效应（Klarna Effect），源于先买后付公司Klarna。该公司曾经高调进行大规模“人工智能裁员”，但随后却不得不召回员工。许多被裁员工来自客服岗位，而在11个月后，Klarna发现，至少在某些情况下，最终依然需要“真人员工”。

9. 到目前为止，人工智能对整体生产力和投资回报的提升仍然较为有限。每家公司都在投资人工智能，但迄今为止，大多数企业并未获得显著回报。这再次表明，当前的人工智能并不像人们吹嘘的那般强大。

当然，这一切未来都有可能改变，甚至终将改变。但真正的变革或许要等到人工智能技术出现更为根本性的突破，这可能需要十年甚至更长的时间。在此期间，我给雇主们的建议很简单：不要总想着如何“取代”人类，而应该思考如何利用人工智能去赋能现有的团队。

译者：Biz

*****

本文作者加里·马库斯（Gary Marcus）是纽约大学（New York University）的心理学与神经科学荣誉退休教授，著有包括《驯服硅谷》（Taming Silicon Valley）在内的六本著作。