麻省理工学院（MIT）的一项新模型显示，人工智能（AI）对工作的改变速度超过了政府、企业或劳动者的应对能力，而且它影响的工作岗位数量将远远超过大多数人的想象。
由DALL-E生成的图像
作为一个在技术（包括AI，因为我拥有多项与AI相关的专利并开发过AI产品）和职业发展两方面都有专长的人，我在观察AI对劳动力市场的影响方面有着独特的视角。我在多篇文章中广泛探讨过这个问题，但归根结底，主要有三个核心观点。
-
这不是关于AI取代整个工作岗位，而是关于逐步改进工作的某些部分以提高效率；这将减少该岗位所需的人员数量（见 "为什么AI（目前）还不准备取代你的工作"）。
-
变革的步伐将是前所未有的（见 "不，AI不会杀了你，但它会引发社会动荡------第一部分"）。
-
微小的变化，那些我们很可能会误判，甚至完全忽略的变化，将产生巨大的影响（见 "即将到来的 AI 衰退：审视基于技术的失业悬崖" 和 "通往地狱的道路是由 AI 铺就的"）。
最近，我撰写了文章"代码矿井中的金丝雀：科技行业的就业低迷对我们其他人意味着什么"，分析了科技行业就业的现状，以及科技如何成为其他行业问题的领先指标。现在来看看麻省理工学院（MIT）的冰山项目，该项目刚刚发布了一份题为"冰山指数：衡量人工智能（AI）经济中以技能为中心的风险敞口"的报告。他们的研究采用了非常复杂的方法、详细的建模，并为类似预测提供了更为严谨的分析。我通常不会撰写只是总结他人工作的文章，但像这样有影响力的研究值得报道。
在《代码矿中的金丝雀：科技行业的就业低迷对我们其他人意味着什么》一文中，我指出科技行业的工作岗位和客服中心一样，是最早受到AI进步影响的领域之一。报告作者指出，"AI系统如今每天编写的代码超过10亿行，超过了人类开发者的产出"。（公平地说，关于这类代码的长期影响仍存在有趣的争论； 我会在未来的文章中详细介绍。）但这只是冰山一角，而这正是项目名称背后的动机所在；真正的影响将大得多、大得多。
在这项研究中，他们将工作拆解为超过32000种不同的技能。然后，他们对3000个县的923种职业中的1.51亿名工人进行了建模；每名工人都被建模为一个智能体（换句话说，模拟中有1.51亿个不同的实体）。通过基于智能体的建模（这本身是一种AI，但与大语言模型不同），他们可以对技术和政策变化如何影响劳动力市场进行预测。主要结论如下。
首先，作者们认为我们目前无法准确衡量AI的影响； 像GDP和失业率这样现有的指标是不够的。举个例子（这是我举的例子，不是报告中的例子），在工业时代，我们会统计工厂的数量、在这些工厂就业的人数以及这些工厂的产出。例如，随着汽车行业实现自动化，我们可以看到某一年每生产一辆汽车所需的工人比例。我们没有衡量AI正在产生多少经济产出的方法。经济学家通过观察新型电视，将其与旧型号进行比较，并确定新型电视的改进程度，以此来衡量生产率的提高。他们可以比较不同年份生产的两种产品，并衡量其改进情况（即使这并非一门精确的科学）。当AI自动处理一些医疗文书工作，让医护人员有更多时间照顾患者时，我们目前还没有办法衡量这一点。由于大语言模型正在影响服务业，我们无法像衡量实物商品那样轻松地衡量它。
其次，适应这种变化将困难得多。他们写道，"有证据表明，劳动力的变化速度比规划周期所能适应的速度更快"。再加上上述缺乏适当数据的情况，这意味着政策制定者在盲目行事。多年来我一直主张，我们需要对劳动力进行大规模再培训，这需要公共部门和私营部门共同努力。但如果对变化和需求缺乏适当的了解，相关计划的制定就会更慢，而且/或者会出现偏差。
第三点，或许也是最重要的一点，就是冰山本身。众所周知，冰山大部分的质量都隐藏在水线以下。在海洋中看似相对较小的冰山，实际上要大得多，只是看不见而已。这就是这里的主要问题所在。
研究人员指出，"科技行业在标准普尔500指数的市值中占比超过30%，但在劳动力中仅占约6%"。我们已经知道科技行业的从业者日子不好过。更重要的是，他们写道，"分析显示，集中在计算和技术领域（工资价值的2.2%，约2110亿美元）的可见AI应用只是冰山一角。通过跨越行政、金融和专业服务的认知自动化，技术能力在表面之下延伸得更深（11.7%，约1.2万亿美元）"。换句话说，这些科技从业者只是冰山一角。其他专业服务才是隐藏在水下的部分，对劳动力市场的影响要大得多。
研究人员创建了"冰山指数"来衡量对劳动力的可见影响与隐藏影响的比率。上述数据简洁地表述为："数字AI的冰山指数平均值为11.7%，是2.2%的表面指数的五倍。"换句话说，问题的规模比目前看起来大约大五倍。
需要注意的是，该研究明确指出，"验证是相关性而非因果性的"。这意味着从技术上讲，它并没有证明AI的改进或政策导致了这些结果，仅仅表明它们存在相关性。尽管如此，相信它们存在因果关系似乎是合理的，因为因果机制很直接且易于理解。至少，我们不能忽视如此规模的影响，坐等因果关系得到证明。
报告中未提及、我也认为模型中未考虑到的，是次生效应。例如，假设一个商业园区将在那里工作的员工数量削减三分之一。这意味着为员工提供支持的企业，如清洁服务、当地午餐场所、下班后的酒吧等，都会看到收入下降，并可能经历连锁裁员。理论上，减少员工节省下来的资金只会转移到使用AI的公司的股东以及AI公司本身的股东手中。不幸的是，涓滴经济学已被证明是海市蜃楼。即使它确实有效，我在之前的文章中也论证过，失业和创造就业之间会有显著的延迟，可能长达数年（可能多达五到十年）。值得注意的是，冰山指数对于以低技术劳动力为起点的美国各州尤为重要，因为这些州在隐藏在水下的冰山部分的劳动力占比最大。
简而言之，AI的影响可能比大多数人想象的更大、更快到来。大语言模型（LLMs）已经在创造采用记录，这意味着采用带来的影响也将创下纪录。即使你的工作今天没有受到影响，很快也可能会受到影响，直接或间接。
社会需要做好准备。自"大萧条"以来，我们比以往任何时候都更需要完善的社会安全网，以及对再培训和创业的支持。地方、州和联邦政府需要制定税收政策，以弥补工资收入的损失。重要的是，这些新的收入来源将为所需的再培训提供资金。在"大衰退"期间，我在纽约州立大学莱文学院任教，参与了一个由纽约市经济发展委员会资助的项目，为那些失去工作且工作不会再恢复的专业人士提供再培训。我们需要在全国范围内开展类似的项目，而且今天就需要开始试点这些项目。
个人需要认识到，他们向公司提供的价值主张将会转变。正如我在《教你的孩子编程，但不要教他们成为程序员》中所写的那样，你工作中可以被自动化的部分将不再能让你在劳动力市场中脱颖而出（编程只是一个例子，这篇文章总体上是关于面对AI时的技能）。加强你的沟通、团队合作、领导能力、人脉拓展和其他专业技能，将是在变革的浪潮中保持领先的关键。