人工智能如何改變美國就業市場:從教師到護士——彭博社
Marin Cogan
731製作的圖片合成;圖片來源:Getty (4)
當今互聯網充斥着關於人工智能將如何改變工作的討論。各種預測層出不窮:AI會取代所有工作崗位。或許只取代低技能崗位。又或者針對創意類工作。等等,可能它瞄準的是那些以電腦打字為生的職場人士。(不妙啊。)
現實情況是,AI已經對數百萬人的工作方式產生了影響。八位美國從業者向《彭博商業週刊》講述了這項技術如何改變他們的職場生活:一位護士被迫使用AI系統,卻擔心這會危及患者;一位優步司機與完全無需人類駕駛員的Waymo自動駕駛汽車共享道路;還有一位教師正在學習如何用AI從繁重的周工作量中節省時間。
那麼,人工智能革命進展如何?答案很大程度上取決於你問的是誰。
訪談內容經過精簡和潤色。
薩曼莎·拉克尼
沙龍店主**弗吉尼亞州亞歷山大市
過去六到八個月裏,我數不清有多少次客户進來時給我看他們正在考慮的髮型照片,而我不得不解釋那是AI生成的圖片。網上那些頭髮看起來異常濃密蓬鬆的照片,仔細觀察就會發現現實中很少有人能擁有那種長度和質感的頭髮。有些髮色雖然漂亮,但看久了就會覺得詭異——某些區域過深,其他部分又過淺。我擔心這些會對我們追求的審美標準產生負面影響。
在商業層面,AI確實幫了大忙。我用它完善員工手冊,或在律師忙碌時代為檢查租賃合同條款。它擅長總結文件內容,或是計算特定郵編區域內牆面粉刷的成本。
許多沙龍用它生成宣傳文案,但通過格式和排版就能認出是ChatGPT的手筆。那種語氣就像《命運之輪》主持人範娜·懷特在報幕——太像遊戲節目通告了。比如:“今夏流行色!快來染金髮吧。”
我已經不再使用它了。有時我會在社交媒體字幕裏故意留一兩個小錯別字,證明我是真人。
凱莉·威爾遜
護士,使命健康機構**北卡羅來納州阿什維爾
我們醫院用一套醫療設計程序處理各種事務,包括出院計劃。你輸入住院時長或患者診斷結果,算法就會直接説:“好了,這就是我們為了讓他們在這天出院需要做的事。”
這看起來不太以患者為中心。它完全以效率和生產力為核心。從護士的角度看這很可怕,因為我們不願把患者視為病牀上的數字和軀體。我們要確保自己做的每件事都能真正改善他們的健康,而不僅僅是為了讓他們出院。
最近有位助理首席護理官在我們查房時來訪。有位患者住院超期且情況非常複雜。醫療團隊正在判斷這名患者是否需要腎臟透析治療。當護理官讀到算法報告時,她只看到:哦,透析是阻礙這人出院的因素。她説:“我們可以直接轉為門診透析。“我們所有護士都反對:“不能這樣處理”,但她仍堅持己見。最終腎臟科醫生否決了她的提議。我們並非不感激技術進步。我們希望能利用這些程序幫助患者、提升護理質量。但我們不願看到它成為提供優質醫療的新障礙。
塞爾吉奧·萊亞爾
配音演員及音頻編輯**聖安東尼奧
我在廣播電視行業有十年從業經驗,從事過旁白解説工作。這份職業曾讓我生活富足。但如今AI無處不在,它正影響着配音行業的方方面面。網飛甚至考慮用AI語音進行影視配音。
事實是創意工作者將遭受衝擊。我不否認AI的實用價值,但作為替代品只會降低作品品質。在幾乎所有需要專注力與情感連接的場景中,這種替代終將適得其反。
目前對我個人影響尚不顯著。現在許多合約需經經紀人法務部門審核,確保條款註明客户不得將我們的聲音用於AI訓練。若條款缺失或無法保證,我們只能冒險試音。所幸優秀經紀公司會維護藝人權益,但這類公司並不普遍。
AI必將取代部分崗位,但行業早已開始轉型。優秀的配音演員不再僅憑音色取勝,而在於為作品注入的情感力量。
威爾·佩奇
托馬斯·斯塔爾金中學教師**洛杉磯
我教授數學與社會研究課程,班上有大量來自西班牙語國家和東歐的英語學習者。AI改變了我的教學溝通方式。社會研究課本是六年級水平,但部分學生閲讀能力僅達一年級。
藉助人工智能,我可以進行文本分級(一種根據學生閲讀水平調整書面材料的過程),這是我最喜歡的工作之一。無論是討論美索不達米亞文明的成就還是《漢謨拉比法典》,我都能讓所有人理解法典的內容——無論他們的閲讀水平是一年級還是八年級。
這曾是一項令人不堪重負的工作。如果在我職業生涯早期就有人工智能,我想我能更快成長為更高效的教育者。它帶給我的最大改變是時間——我的周工作時長從接近80小時(有時甚至90小時)縮減到了55小時左右。現在我不再懷疑自己能否堅持到退休。今年48歲的我,如果沒有AI可能早在55歲左右就會離開教育崗位。實在難以想象如何僅靠人力維持教學所需精力。
阿什莉·凱澤
莉拉科學公司科學家**馬薩諸塞州劍橋市
我的研究主要聚焦材料科學,特別是聚合物與塑料領域。加入莉拉科學時,公司提出要用AI革新科研方法的每個環節,這讓我非常着迷。
AI能海量處理數據,使我們能分析結果並預測後續實驗方向,這遠超人腦能力範圍。我在實驗室主導研究策略的同時,AI讓我們得以高速開展大規模實驗。
當你運用科學方法時,首先會有一個想法,即假設。你走進實驗室進行測試,得到結果後分析數據。然後根據獲得的見解形成新的假設,如此循環往復。通過自動化技術,我們可以連續進行大量實驗,更快地獲取洞見。
作為科學家——我相信許多同行都會認同——做實驗時最令人興奮的就是數據。你迫切想看到假設驗證的結果。守在設備旁等待運行結束,當結果躍然屏幕時,那種激動難以言表。數據可能顯示結果與預期相悖,讓人沮喪;也可能帶來驚喜——“效果比預想的更好!"",頓悟時刻由此誕生。自動化讓這樣的瞬間成倍增加。
瑞秋·安特爾
紀錄片檔案管理員,檔案製作人聯盟聯合創始人**加利福尼亞州伯克利
就在ChatGPT剛上線時,我和同事開始注意到紀錄片中出現了合成但超真實的照片。
有次製作中需要找一位故事主角——1900年代初的年輕女性照片。我們確信這種照片不存在,卻在初剪版本里發現了她的肖像。追問來源時,對方回答:““不是找到的,是我們創造的。””
當時我們甚至不知道這是可能的。我們疑惑:“你們打算告訴觀眾嗎?透明度計劃是什麼?“而他們卻説:“我們沒必要。“雖然最終並非如此,但這就是當時的想法。我們非常震驚。這不僅讓我們對影片產生了極大擔憂,更廣泛地説,這引發了關於紀錄片如何保持其作為可信文化資源的思考。
我們的第一反應是紀錄片容不得AI。但越是深入探討這個問題,我們越意識到AI的存在已成定局。因此我們開始制定使用標準。我認為資料製片人必須適應變化。未來工作中很重要的一部分將是媒體內容驗證——這是以前從未需要大規模開展的工作。人眼將難以分辨真偽,事實上我現在就已經無法區分了。
湯姆·李
移動應用開發者**華盛頓特區
公司對代碼AI應用有所限制,但我在工作之外進行了實驗,想了解它對編程的實際幫助。在我精通的領域使用它時,效率提升驚人;但在不熟悉的領域嘗試時,它只會把事情攪成更糟糕的亂麻,最終不得不推倒重來。
我認為我們低估了自己在無意識中如何用自身經驗過濾和框定大語言模型輸出的程度。對於你熟悉的領域,那些糟糕的內容很容易被忽略。而要求的內容只要大致方向正確,就能獲得好得多的結果。我們低估了自己在讓這些事物顯得令人印象深刻方面的貢獻。
卡洛斯·蒙塔諾
優步和Lyft司機**加利福尼亞州弗裏蒙特
我從事這行已近八年。我喜歡這份工作的靈活性,還能兼顧其他工作。我接送孩子上學,也為餐廳做外賣配送。
兩週前,我在山景城看到了Waymo自動駕駛車。我當時就想:你們是認真的嗎?知道這意味着什麼吧?工作機會和訂單會減少。這意味着更激烈的競爭,更多司機接不到單,就要為3美元的訂單搶破頭。這就是我擔心的。另外,我聽説優步已與Waymo合作,試圖進入自動駕駛時代。我經常與來自思科、特斯拉、谷歌和蘋果的技術人員聊天。我問他們關於Waymo的看法:“你們覺得怎麼樣?還要多久?“以前他們總説需要五到七年。不。Waymo的車已經出現在舊金山了,每週從司機手裏搶走20萬筆訂單。
Waymo的情況讓我開始考慮B計劃,比如考取商業駕照自己接單,做更多高端接送和不同類型的服務。我喜歡現在的工作。但我必須為即將到來的變化做好準備。
插圖由731繪製