未来世界，你的工作将由你的AI分身来解决
一、短期带来的就业机会将大于失业数
通常而言，对于那些以“涌现”的形式出现的新事物，比如生成式AI，我们总是会短期夸大它带来的改变，长期又小看了它带来的改变。
基于这个经验，最好的角度是用逆向思维去分析它的短期影响，用发散思维想象它的长期影响。
所以我的看法是，短期而言，生成式AI带来的就业机会将大于失业数。
从产业链本身来说，未来一两年将出现各种AI应用，出现一个巨大的AI新产业，一方面，现有的计算机、电子、传媒、通信等等行业都会有大量机会；
另一方面，会出现各种“AI+”应用型公司，帮助传统企业实现AI转型；
还有，很多AI应用的新型消费品的出现，都会带来大量的就业机会；
从企业界来看，管理者首先要尝试如何通过这些AI产品提高效率，如何在各部门间形成一个新的AI辅助工作的流程，也不会轻易裁员。
加上由于AI带来的生产效率的提升，企业也有能力暂时不裁员。
以游戏行业为例，最近听到的担心都是设计师要大量失业了，但这么理解太简单了。游戏是一个供给创造需求的行业，有好游戏、会带动很多轻度游戏用户增加使用频次，过去几年，从最早《植物大战僵尸》到跑酷类游戏，再到《王者荣耀》，手游行业的几次爆发式增长，都是某一款现象级游戏带动的。
所以我最近看到的并不是减员，而是计划推出更多的游戏，把经营精力放在游戏策略的设计上，以及如何使用AI技术提升用户的个性化体验。
另一方面，设计成本的下降，也可以帮助独立游戏开发者小成本尝试各种创新的点子，未来我们会看到更多创意独特的游戏。
所以游戏行业未来会减少设计人员的数量，但其他职位将有更大的人才需求。
那么长期的影响，会不会带来大量失业的风险呢？
二、人人都有很多AI分身
长期的可能性太多了，就要用发散思维，我的看法是，AI不是“取代”你的工作，而是“替代”你的部分工作。
ChatGPT有一个经常被人用的功能，模仿某个名人的说话方式，GPT-4也开始允许接入API的用户定制“性格”，这里很可能潜藏着一个未来的应用方式——AI分身。
它可以模仿某个名人的说话方式，就可以模仿你的思维方式，你“喂”给它的数据量越大，它就越能以你的思维方式进行工作。
也就是说，未来你的工作将由你的AI工作分身来解决。
未来的每一个人可以不止有一个“AI分身”，如果你还有多项基于兴趣爱好的职业，还可以再细分为工程师AI分身、画家AI分身、调酒师AI分身。
除了工作AI分身，还可以有购物AI分身、社交AI分身、家庭教育AI分身、健康管理AI分身、理财AI分身，等等。
你不喜欢的事，就让AI分身做，忙不过来的，也让AI分身做。比如说你很享受社交的过程，不喜欢购物，那么你可以让AI分身购物，本尊亲自社交。
当然，最重要是AI学习分身，它是你“一对一”的老师，你可以通过提问来进行兴趣式学习，实现“每日三省吾身”，所有的AI分身“更新”你的思维模式。
唯一不能用AI分身代替你做的，就是学习，这是利用大模型更新你的个人思维的唯一途径。
这些AI分身都是你思维方式的一部分，但融合了各自更专业的知识库，它们独立但又有联系。
你的思想藏在你的大脑里，为了共享数据，你日常生活最频繁的活动就是跟相关AI分身对话：
“我觉得昨天的工作还有些问题，你考虑到预算有可能超标吗”
“今天想看电影，帮我挑几部……，这一部最好，那一部太烧脑了”
“儿子说不想学钢琴了，我应该同意吗，……有道理，你就这么跟他说吧”
“你说我今天的身体指标有一项不正常，它会带来什么样的问题”
“昨天同学聚会，你们都聊了什么”
……
这些交流有两个作用：
1、把你的学习收获配合学习记录共享给所有的AI分身
2、这些AI分身把它们工作或生活过程产生的新内容，反馈给你
虽然是与相关AI分身的对话，但所有AI分身都需要去理解所有的对话，去更新你的思维模型。
未来，你不但不会失去工作，反而拥有更多的工作，各种专业AI分身可以让你8小时的工作，产成8*N小时的工作量。
甚至未来的公司，都是AI分身之间进行交流协作、决策执行，每一个AI代表不同的员工，在AI权限范围内进行工作。
仔细想一想，我们不喜欢工作，并不是不喜欢工作本身，而是讨厌被迫以我们不喜欢的方式去工作，不喜欢没完没了的加班，不喜欢考勤和上下班浪费时间，不喜欢不懂装懂的上司，不喜欢公司的内部斗争……，所有你不喜欢的事，都让AI给你干了。
很多人会想，那公司直接让AI工作就行了，为什么要让你的AI分身工作，还要给你发工资？
要回答这个问题，就要回到人、AI分身和AI系统的区别。
三、AI也会出现认知偏差
《思考，快与慢》一书提出了很多关于人类决策时容易产生的偏差，比如：
1、确认偏误：当我们在持有一个信念时，更容易去寻找证据来支持这个信念，而忽视与之相矛盾的证据，比如阴谋论爱好者。
2、归纳类比错误：我们更习惯用已经存在的心智框架来解决新问题，导致我们忽略了新问题的独特性，比如，有一把锤子的人，看什么都像钉子。
3、可得性偏误：过分依赖容易想起的信息，而忽略那些不太容易想起但同样重要的信息，比如大家买基金时，倾向于买白天地铁广告里看过的。
4、近似启发式：使用简化决策过程的方法，导致我们做出不理性的判断，比如看到胖子就觉得人家懒，看到东北人就认为对方很能侃。
5、决策疲劳：在做决策前花费太多的时间和精力，这会导致我们疲惫不堪，最终反而做出不理性的决策。
理论上说，AI决策体系，可以降低这个偏差，使决策的质量更高。所以未来每一个人的本尊负责学习和思考，AI分身负责判断决策与执行。
但实际上，从ChatGPT的使用体验上看，AI的决策跟人类一样，并不完美，上面的五个人类常见的认知偏差，我发现它同样也会出现，这使得它一定程度上很像人类。
我问了ChatGPT，它很大方地承认了自己会犯的几种错误及原因，正是前面的第二、三、四类偏差：
可得性偏误：AI可能过度依赖容易访问和处理的数据（可能是考虑成本和响应速度），而忽略那些更加难以获取但同样重要的信息。
归纳类比错误：AI系统可能过度依赖现有的模型和算法，而忽略新问题的独特特征。
近似启发式：AI可能使用简化决策过程的方法，但这些方法有时会导致不理性的决策。
但AI不会有第五个认知偏差，不会出现决策疲劳的现象。这正是AI决策目前看起来的最大意义——它并不需要做得比人类正确，只需要做到比人类高效。
但它会不会犯第一个偏差——确认偏误呢？
如果从定义看，AI本身没有信念，不会被信念所影响判断，但如果是AI分身，它是有信念的，来自本尊，因此会复制本尊的认知偏差。
但这恰恰证明了AI分身比大的AI系统更有意义，如果人是完美的，那必然每个人都是一样的，就没有分身的概念了。
人类的错误不仅仅是错误，更是生命体持续进化的动力。
四、经常犯错误的AI分身，比完美的AI更有意义
生物学家理查德·道金斯有一本介绍进化论的书《盲眼的钟表匠》，书中为了解释像生命体的器官这种极其复杂的东西是如何“进化”出来的，举了一个很有意思的例子：
如果给猴子一台打字机，让它乱敲，理论上，只要时间足够，它也能打出莎士比亚的一行诗句，但概率极低。比如《哈姆雷特》里的“Methinks it is like a weasel（我觉得像一只黄鼠狼）”，这28个字符，它正确的概率是1/27的28次方。
但如果你设计一个让电脑自我学习的程序，就不一样了，这个程序是这样的：
1、初始模型：电脑先随机打出一行28个字符，作为句子A；
2、复制突变：对这行字符进行复制，复制的过程中随机改变几个字符，作为句子B；
4、持续进化：对胜出的这一句再进行复制突变，再进行A/B句比对，再留下更相似的一句……
就这样循环下去，要多久就能得到《哈姆雷特》的那个句子呢？
作者亲自做了这个实验，第一次是43代，第二次是61代，第三次是41代，我不太清楚这个“代”的意思，应该是一个很快的时间，作者用80年代初的计算机，11秒得出结果。
这就是进化的核心机制——“积累选择”，无论每一步的改变多么微小，只要有优胜劣汰的机制，积累下去，就会形成惊人的变化。
这个“积累选择”的核心机制中，最重要的是“复制突变”，所谓突变，实际上就是“出错了”，这也是进化这两个字给人造成的误解，突变本身是没有方向的，每一次错误都是随机的。
所以说，犯错才是生命体进化的动力。
五、参差多态乃世界本源
AI具有超级计算能力和无限的存储容量，可以通过更广泛全面的学习、更复杂精细的算法，来减少人类的认知偏差的影响。
但我们不需要一个完美的AI系统，错误才是人类进步的动力，这个星球上最复杂的东西，都是“出错”后进化而来，都不是主动学习、主动设计出来的。
未来的AI分身是个性化的，将尽可能保持本尊的思维模式，会犯只有你会犯的错误，包括一些思维偏差，只是通过AI大系统，保证这些偏差不出现致命的、不可挽回的错误。
对于公司而言，正因为每一个人都有自己独特的思维方式，才能产生无法预料的结果，而公司与公司之间的竞争，正是基于这些个性化的差异点，而不是共同的因素。
来源 | 人神共奋（ID：tongyipaocha）
作者 | 人神共奋；编辑 | 时刻
内容仅代表作者独立观点，不代表早读课立场
微信扫码关注该文公众号作者