观世的AI学习笔记⑧:AI抢不走的工作,长什么样

先看几个让人不安的例子。

BuzzFeed做过一个视频，让美国前总统奥巴马说了一些他从来没说过的话。当然，他们是透明的，明确告诉所有人这是假的。

但如果不透明呢？

这种技术叫DeepFake（深度学习视频篡改）。如果有人用它伪造你说的话、做的事，发到网上，你要怎么证明“那不是真的我”？

更麻烦的是，在今天的社交媒体里，一个谣言跑到世界各个角落的速度，比真相快得多。

好消息是，检测DeepFake的技术也在发展。就像垃圾邮件和反垃圾邮件的战争一样，这是一场持续的博弈。教授说，他乐观地相信最终“正义的一方”会占上风——因为让社会正常运转的人更多，投入的资源也更多。

但我还是忍不住想：如果被伪造的是我，我要花多少力气才能自证清白？

还有一个更日常的例子：虚假评论。

现在已经可以用AI生成看起来像真人写的评论——给产品的、给商家的、甚至政治话题的。有些写得比真人还像真人。

如果评论区充斥着AI生成的虚假声音，我们还怎么相信别人的评价？网络世界的信任，是靠“我以为这是真人写的”来维持的。

所以，识别虚假评论、把它们清理出去，正在变成一项重要技术。

过去几十年，发展中国家有一条明确的“爬梯子”路径：

低端农业 → 低端纺织业 → 低端零件制造 → 低端电子制造 → 高端电子制造 → 汽车产业……

每爬一级，国民收入就高一点。

但现在的问题是：AI让梯子最下面那几级自动化了。工厂自动化、农业自动化，意味着那些原本可以让人“先干起来”的工作机会变少了。

那发展中国家怎么办？

教授提了一个让我眼睛一亮的词：技术跨越。

举个例子：发达国家很多人家里有固定电话，后来转向移动电话，花了很长时间。但很多发展中国家，压根没铺那么多电话线，直接跳到了移动手机。

再比如移动支付。发达国家有成熟的信用卡体系，转向手机支付反而慢。而部分发展中国家信用卡还没普及，直接跳进了移动支付时代。

这就是“跨越”——跳过旧技术，直接进入新的。

所以，AI虽然可能让梯子底部的一些台阶消失，但也可能提供一种“蹦床”，让发展中国家跳得更高，直接够到梯子更高的位置。

问题是：我们能不能找到属于自己的那张蹦床？

麦肯锡全球研究院估计：到2030年，AI自动化可能取代4亿到8亿个工作岗位。

4亿到8亿。这个数字大到让我没法一下子理解它的含义。

但另一面是：这份报告也估计，AI创造的新岗位数量可能更大。

普华永道看美国，估计2030年约有1600万个岗位被取代。英格兰银行看同一时间，估计8000万个。

数字差这么多，说明一件事：没人真的知道2030年会怎样。

但可以确定的是，影响会很大。

他们不是笼统地说“这个职业会被取代”，而是看这个职业由哪些任务组成，然后判断每个任务被自动化的可能性。

如果一个工作主要包含日常重复性任务，被取代的风险就高。

如果一个工作包含很多非常规的、需要和人社交互动的任务，就不太容易被自动化。

这个框架让我开始想自己的工作：哪些任务是我每天在做的？这些任务里，哪些是重复性的，哪些是需要和人打交道的？如果AI能做一部分，剩下的我能做什么？

教授给了一些方向，我边听边记。

1. 有条件的基本收入

你可能听过“全民基本收入”——政府无条件给每个人发钱。

教授提了一个更务实的版本：有条件的基本收入。给失业的人一个安全网，但同时也鼓励他们继续学习、提升自己，这样更容易重新进入劳动力市场，为自己、家庭和社会做贡献。

2. 终身学习的社会

旧模式是：上四年大学，然后靠这四年学的东西工作四十年。

这个模式，正在失效。

我们正在进入一个需要持续学习的时代。你已经在这门课里了，其实已经在参与这个“终身学习的社会”。政府、公司、个人，都需要意识到这一点。

3. 不要放弃你的专业

有个放射科医生问教授：我听到很多AI影响放射科的消息，我该不该放弃当医生，去学AI？

教授的回答让我印象很深：

“你也可以放弃现在做的事，从头学AI，这完全没问题。但还有另一条路——做‘AI+放射学’。你懂放射学，再学一点AI，你就比大多数人更懂这两个领域的交集，反而更有资格做有价值的工作。”

这个建议，不止对医生有用。

如果你有自己的专业领域，加上一点AI知识，可能比你完全转行做AI更稀缺、更有竞争力。