△GPT-4煞有介事地解释为什么梗图好笑。（图源：OpenAI）

不仅如此，科学家们现在让GPT-4去考试，发现它在美国律师资格考试中的成绩超过90%的人类考生，在语言考试GRE、“美国高考”SAT中拿到近乎满分，在生物奥林匹克竞赛中超过99%的人类考生。

总体而言，目前这个基于对话训练的GPT-4，在语言方面出类拔萃，但其数学水平似乎有待提高。

ChatGPT还没玩明白，GPT-4怎么就要来了？AI发展的速度令人惊叹甚至惊恐，我们是不是要失业了？而在AI引发的一些列疑问中，失业可能恰恰是最不急迫的那一个。

为什么不必担心失业？

在围棋中战胜人类，在考试中取得满分等等，还只是让人把AI当作新鲜事来看待。然而当AI在简单编程、旅游规划、保费评估和诊断病情等具体场景下出色地完成任务时，做着同样工作的人慌了。

AI不需要吃饭睡觉、没有精神压力，也无需劳动保障。按照内卷的逻辑，打工人岂不是要被这个AI“卷”走了？

这一切似曾相识，却也有些不同。

工业革命后，机器给社会生产方式带来了深刻的变革，大量人员下岗。但直到今天，也没有几个工厂能用得上比肩特斯拉超级工厂的生产方式。

一方面，机器取代了简单的重复劳动，另一方面，有能力取代精密劳动的机器，成本极其高昂。

而不变的是，真正纯粹的体力劳动和人工服务，将越来越贵。

面对AI是否会引发大规模失业的问题，答案是否定的。因为没人想让AI替代自己，打工人不想，老板和各国政府估计也不敢。

假设一家企业的老板执意要把员工都替换成AI，那么老板是否懂得如何管理AI？该从哪里购买统筹AI的服务？

他最终仍然需要雇佣有能力使用AI辅助工作的员工。例如，科技巨头企业微软近期就设立了新职位——指令工程师（Prompt Engineer），专门负责与AI沟通。

即便是企业学会了活用AI，提高效率后进行裁员，也没有国家敢接受大规模失业引发的政治风险。因为选票仍然在人们手中，若是发生大规模失业的情况，福利政策和救济政策需要随时跟进，这对各国政府来说都是不小的压力。

更何况，AI的能力超出了人们想象，目前大多数国家、组织、个人对AI的态度都是谨慎、谨慎、再谨慎。

实际上，在ChatGPT出现前，每个人都已经主动或被动地拥抱AI十几年了。

目前看来，用于消费领域的AI似乎不会造成直接的人员下岗，抖音、淘宝、美团、滴滴等这些互联网平台早已经在用AI为用户提供服务。推荐人们感兴趣的视频或商品、安排外卖骑手接单、规划路线等等，这些决策几乎都有AI的参与，甚至全部被AI接管。

近十几年来，AI就是这样悄无声息地接管了大量的工作，却没有引发大规模的失业。

类似问题其实早已有了案例。例如，让人类迈入信息时代的计算机和互联网，在刚出现的时候也足够颠覆，然而今天，没人会把自己的问题归咎于电脑生产企业或互联网本身。

此前，网络上一种流行的说法也从侧面展示出AI的局限性：“AI不能坐牢，所以不能替代会计”。

正因为AI不能负起相关责任，所以目前看来无法取代人。同理，AI法官和AI医生的判断有可能被广泛接受吗？不然未来所有的纠纷难道都要归咎于OpenAI、谷歌、微软这些企业吗？

面对这样的社会变革趋势，有的人会觉得“礼崩乐坏”，但又不可能完全与AI割席，陷入没有尽头的精神内耗。而有想法的人则开始学习掌握训练AI的能力，直到平台推送的都是他想要的内容，俗称“养号”。

△ GPT-3和GPT-4的区别是，后者不仅可以接收文字信息，还可以学习多媒体素材。（图源：社交媒体）

目前，决定AI发展的三大因素是算力、算法和数据（教材），这些都需要人的参与。

算力是物质基础，而这就牵扯到芯片。

GPT对芯片的需求是极大的，且需求量呈指数级增长。GPT-4上一代的GPT-3.5，训练所需的芯片是英伟达的A100型号GPU（图形处理器，俗称显卡），一颗大概要8万元。

而完成整个训练过程，大概需要30000颗A100芯片，也就是2.4亿元。

要知道，训练当年战胜李世石的AlphaGO，也只用了176颗芯片。GPT-4的整个训练过程需要要多少芯片，现在还未可知。

与此同时，训练AI还特别耗电，ChatGPT据说训练一次，就要消耗90多万度电，相当于1200个中国人一年的生活用电量。目前，仅仅是维持日常运转，每天的电费大概就要5万美元。

此外，训练AI的素材目前仍然需要人工筛选。AI该学什么，判断是否正确，这些都需要一种名为数据标注师的工种。美国《时代周刊》在今年1月曾报道过，截止到2022年，全球已经有500万名数据标注师。其中，许多人来自非洲国家，比如肯尼亚。

在算法上，目前的AI比前代更像人，也因此取得了更迅猛的进展。

以往的设计，是“人教给AI语法和词汇，然后让AI讲话”。但语言模型本身就是模糊的，很多概念在人类社会中都没有所谓“正确”的定义。

比如，什么是猫？每个人都可以轻易地判断出猫的照片，但却没人能简单地总结出判断规则。有毛？尖耳朵？大眼睛？人类老师都不一定能解释清楚，如何教给AI学生？

科学家最终发现，直接把100万张猫的照片丢给AI，AI就学会了判断“什么是猫”。因此，现在的算法是把“日常对话”直接丢给AI，让AI自己感受出一种“语感”。

有时，AI的办法让人琢磨不透，有时甚至能启发人。

当前一个亟待解决的问题是，如何保障AI训练数据的准确性？除了事实本身之外，编程语言都是经由英语输入，AI只能“看懂英文教材”。这就意味着，如果要训练ChatGPT回答中文问题，也无法保证不在翻译上出现纰漏。

但抛开这些研发者的苦恼，对个人而言，ChatGPT或许将成为最好的学习工具，颠覆每个人接受教育的方式。

有问必答的ChatGPT可以从头教你如何向它提问，这是一种对话式的学习。从孔子和苏格拉底的时代开始，这种形式似乎就是“学习”最本真的样子。而且在吸收了大量的知识后，ChatGPT甚至可以扮演孔子和苏格拉底，直接与人们对话。

加州大学河滨分校2023年刚刚发布了一项研究，他们把《意识的解释》的作者、美国认知科学家丹尼特的所有的书和文章都输入给ChatGPT。研究者们让ChatGPT扮演丹尼特，回答受试者的问题，并将丹尼特自己的回答也混入其中，让受试者判断。

结果，25个熟悉丹内特领域的哲学家平均正确率为51%，经常阅读丹内特哲学博客的粉丝得分也差不多。也就是说，ChatGPT扮演的丹尼特已经到了真假难辨的程度。

现在，想阅读一本书，ChatGPT不仅可以为人们推荐、做摘要，甚至能在一定程度上替代作者本人答疑解惑。

但作者本人并不会失去价值，他的新思想恰恰是ChatGPT学习的食粮，ChatGPT也将成为敦促他思考的动力。

就像机械普及后，人工服务的价值反而越来越高。AI普及后，人的价值或许也将愈发凸显。

［本文作者时代周报，i黑马授权转载。如需转载请联系微信公众号（ID:timeweekly）授权，未经授权，转载必究。］