来源： Bankless 播客
整理：Felix, PANews
麻省理工学院（MIT）经济学家 Christian Catalini 做客 Ryan 和 David 的节目，深入解读他的新论文《通用人工智能的一些简单经济学》。该论文指出，AI 济中稀缺的资源不再是智能，而是验证：即人类检查、判断和确认 AI 输出正确性的能力。
Christian 详细阐述了重塑各行各业的两条成本曲线（自动化成本与验证成本），解释了为什么入门级工作岗位首先消失，以及为什么即使是顶尖专家也在不知不觉中培养自己的接班人（“编码者的诅咒”）。他还描绘了三种在转型中得以保留的角色：董事、意义创造者和责任承保人。
PANews 对对话精华进行了整理。
主持人：我想很多听众可能和我一样，对于 AI 有一种恐慌，你认为人们为什么担心 AI？他们的担忧合理吗？
Christian： 我们都有同感。这是一个快速且具有变革性的变化时期，你离代码越近，可能就越早见证了这种加速，这种指数级增长在过去几个月里变得非常真实。这项技术实现了许多人原以为需要更长时间才能完成的事情，这种感觉是我们所有人都在努力应对的。但我认为“末日论”是错误的，人们往往低估了这些工具带来的潜力。是的，将会有一个极其困难的过渡期，工作转变的速度是历史上前所未见的。但尽管如此，如果你利用这项技术的最大特点并加以投资，长远来看主要还是利好，尽管一路上会很颠簸。经济学将工作视为任务的集合，其中一些任务将被自动化，这是好消息，但关键是你如何重新培训自己并保持在前沿。
主持人：你认为谁最先受冲击？
Christian： 这是一个极好的问题，我对此有很多不同的想法。首先，当我说最接近代码的人最先受冲击时，是指他们最先体会到这技术有多强大。正如“杰文斯悖论”所揭示的，某样东西变得高效后，我们反而会消费更多，比如我们会编写更多的软件。我认为编程会像许多其他职业一样发生分化，我们在论文中称之为“消失的初级循环”。如果你是初级人员，还没有获得区分优秀产品与平庸产品的“隐性知识”，那么 AI 能在各个领域很好地替代你。
每个人现在可以轻易获得一个相当不错的营销人员、初级程序员，或者能帮你处理大多数情况的律师，你只需要在最后阶段请顶级律师进行最终的验证即可。另一方面，即便是顶级专家，在引入 AI 的过程中，也在有意无意地创造标签、信息和数字痕迹，这些最终会让他们自己的工作被自动化。顶级实验室正在聘请金融等领域的顶尖人才，利用他们来创建评估标准，将这些专业领域知识融入大模型中。所以我认为所有单一工作并不是 100% 安全的，即使是受限于机器人制造能力的体力劳动，奖励模型在未来几年也会实现巨大飞跃。任何在屏幕前发生的事情都可以被追踪、复制和学习。对于每个职业来说， 关键是要思考：如果我尽可能多地把工作委托给 AI，我还能在哪里增加价值？
实际上人们关于“品味”和“判断”存在很多“自我安慰”。它们非常模糊。所以在论文中我们说：没有所谓的品味或好坏判断，只有“可衡量”和“不可衡量”的区别。如果某件事已经被衡量了，机器就能复制它。如果某件事仍只嵌入在你大脑的权重中，比如一个顶级设计师积累了上万小时经验，能决定哪些该发布、哪些不该发布，这就是我们所说的“验证”。所有验证就是这最后一步：AI 代理创造了产品，而你作为决定者，来判断它是否达到了推向市场的标准。随着机器获取更好的数据，事物就会被自动化；但 面对未知领域，或者根本没有数据的地方，这部分在未来几年仍将属于人类。
主持人：这是一个非常深刻的见解。但我也在想，工程师自动化自己的工作很自然。每个行业受到的冲击是否都是一样的？
Christian： 我们有足够的证据表明，变化将是参差不齐的。可以这样思考：这份工作是不是只是对某种社会根本不需要的东西的一种“包装”？比如一般的咨询工作，如果它主要是把已经广泛可得的信息重新包装、提炼、总结，那显然有风险。但如果是带来了稀缺的领域专业知识，或者是为了政治原因需要请咨询师，这些将会存活。问问自己，这个职业能盈利是因为它解决了一个复杂的问题，还是仅仅因为存在某种人为瓶颈。
主持人：验证到底意味着什么？我很难将我一天的工作分解为哪些是认知工作，哪些是验证工作。
Christian： 代理已经从网络、书籍中学习并衡量了一切，因为它们更便宜且可扩展，所以会取代可衡量的部分。但代理还不知道的东西：也就是你大脑中独特的神经网络权重。这是你通过自身经验和挣扎获得的，这使你成为顶级专家。比如早期加密货币的参与者，许多来自阿根廷、委内瑞拉等地，亲历过恶性通货膨胀，他们对资产的反应就完全不同。这种内在的独特衡量仍是一个巨大优势。
什么是验证？它就是你对世界的自身衡量标准与代理所拥有的标准之间的差异。就像一个顶级编辑，确切知道什么文章能引起共鸣；或者一个顶级 CTO，面对 AI 生成的海量代码库，确切知道哪些决定性的边缘部分必须由人类亲自检查，这部分还无法被机器衡量。
主持人：我举个例子，如果我在 X 上看到一个关于以色列被导弹轰炸的视频，但我发现这是 AI 生成的。我运用大脑识别出问题，并可能通过重新提示来生成更好的视频，这就是我的“验证能力”？
Christian： 这是个很好的例子。更进一步，我们可能很快就会处于这样一个世界：对大多数人来说，这个视频与真实情况难以区分。下一步可能是军事专家看出火焰的动态不对。再下一步，甚至连军事专家也无法一眼分辨，需要 AI 来分析物理原理并进行模拟测试。最终可能完全无法区分，到那时，我们将不得不依靠基于密码学的基础设施来确认真伪。在医学领域也是如此，边缘案例最终需要顶尖放射科医生利用 20 年的经验以及对患者特定背景的了解，来否决 AI 的判断。这就是我们关注的最后那一层薄薄的“过滤环节”。当我们这样做时，我们解放了大量时间。所以，这正是好的一面。我们能用更少的资源做更多的事。昂贵事物的成本将会下降。整个社会将消费更多这些事物。我认为这是好消息。
主持人：但在你的例子中，目前他在做验证，但很快他验证不了了，需要军事指挥官，最后连指挥官也验证不了，不得不求助于 AI。 这不正好说明“验证”最初有价值，但很快也会被 AI 自动化吗？所以连“验证”本身也是不安全的？
Christian： 没错。我们在论文中将其称为“编程者的诅咒”。进行验证这一非常理性的行为，本身就在推动前沿技术发展并将经验数据化。我们无法停止，因为所有律师或从业者都试图使用 AI。验证确实是一个正在萎缩的前沿阵地。
主持人：连最后的验证工作领域也越来越萎缩，什么时候才能不焦虑呢？
Christian： 首先，有些事物在设计上就是不可衡量的，比如所谓的“地位游戏”或人类赋予意义的事物。这些领域不会被机器侵占，因为其特征是关乎人类之间的协调共识。加密货币某种程度上也是这样，重要的是人类对何物有价值达成共识。随着可衡量工作领域的缩小，我们将发明许多方法使不可衡量的工作变得有意义。
主持人：AI 能在 10 秒内建一个网站，可能写不出一条对人类有吸引力的推文。这可能是最后剩下的验证工作之一吗？
Christian： 吸引人的注意力、讲一个真正新颖的笑话，这是极难的创造性工作，试图打破从未被衡量过的东西。我们在漫长的生死存亡中进化出了极强的应对未知环境的能力。从事这类工作的人被称为“意义制造者”。比如在艺术领域或文化中，什么是好的，这取决于人类共识。甚至当你利用 AI 代理时，你也必须设定“意图”。
主持人：自动化成本在指数级下降，那“验证的成本”会怎样？它会永远受制于人类的生物学约束吗？
Christian： 目前它是受生物学约束的。所以许多公司发布了大量 AI 生成的代码，但根本没有足够的人力去阅读和验证它们，其中必然隐藏着风险。
主持人：难道不能用 AI 去验证 AI 吗？
Christian： 如果 AI 能正确验证，那这部分本身就是可自动化的。在用尽所有的 AI 验证后，留下的就是真正无法被 AI 验证的东西，这才是人类干预的瓶颈。
主持人：如果验证是新的稀缺资源，但在不断退缩，那在这个经济体中该如何工作和投资？
Christian： 我们基于“自动化成本”和“验证成本”做了一个 2x2 矩阵。 左下角是被取代的工作者：自动化容易，验证也容易，你绝对不想呆在这里。 其他三个象限是：
意义制造者： 自动化难，验证难。他们致力于社会共识、地位游戏和人类连结。比如时尚界的品味制造者、Twitter 上的加密 KOL，他们制造叙事和协调关注。
责任承保人： 自动化容易，验证难。他们是领域的顶尖专家，如顶尖律师、医生或风投家。他们大规模利用 AI，但为最终的边缘案例提供承担责任和验证的服务。
董事： 自动化难，验证容易。核心是“意图”。他们应对“未知的未知”，像创业者一样指挥代理，设定方向，感受偏离度并不断修正航向。
主持人：刚毕业想步入职场的年轻人怎么办？一端是没价值的初级工作，另一端是需要十年行业打磨才能成为的顶尖专家，两者之间有巨大的鸿沟 。AI 都能做初级的事了，年轻人怎么成长到另一端呢？
Christian： 鸿沟确实存在。但好消息是你可以压缩学习时间。你可以跳过传统的培训步骤。一个初级工程师现在借助工具一个人就能干以前一个团队的活。虽然开始会犯错，但作为新人他们可以用极新颖的角度质问传统，这就是优势。他们能以我们年轻时完全无法做到的方式实现想法。有利有弊。
过去的路径：“拿学位、找实习、努力工作晋升”，确实不复存在了，这会带来巨大的文化冲击。对于刚毕业的年轻人这非常难。如果你还在上大学，还有时间看清方向。如果正处于困境里，我的建议是：去利用这些工具打造一些东西。你的野心应该比过去我们在那个年纪时大 100 倍。
主持人：消失大量“按按钮”工作短期内会不会让社会陷入混乱？
Christian： 社会总会在需要时重新创造“按按钮”的工作来保持稳定。但许多从事这类工作的人其实有能力做更多，只是过去被环境约束了。当体力劳动不再必要时我们发明了去健身房；如今面对脑力劳动的解放，人们会发展各种副业和创作者经济来获得挑战感。这也是为什么我认为“无条件基本收入（UBI）”完全错误，人需要意义和自我实现的动力。此外，即使你现在有很大一部分工作被自动化取代，如果你利用好 AI 这个超级工具，一个刚入行的初级员工也能爆发出以前一个团队的产出。
主持人：对公司和投资者有什么建议吗？
Christian： 对公司来说，投资于验证基础设施，提供“责任即服务”（即不仅提供代理还为后果承保）。另外就是掌握“独家的事实来源”，因为 AI 容易被欺骗，能提供如 Bloomberg 般独家真实数据或深度测评的公司价值巨大。对于投资者，除了投资这些外，重点关注“不可衡量”的硬核研发。以前的普通网络效应可能会失效，新的网络效应将建立在你如何通过更好的真实反馈让你的代理比别人更可靠上，因为人们真正想买的是经过验证的智能。
主持人：加密技术在这个验证过程中有用吗？
Christian： 加密领域过去十年建立的底层基础设施至关重要。当我们需要确定身份真伪和防止账号被接管时，“人格证明”等链上技术能提供强大的验证。还有数据出处和密码学监管链，我们需要对信息的生成和模型是否合规有硬性的加密保障。
主持人：人们在接下来的一年里该怎么做？你对人类未来保持乐观吗？
Christian： 首先不要恐慌。去大量实验，尽可能利用工具“淘汰”并自动化现在的自己。很多业余爱好的探索未来可能才是最有意义的事业。最差你也能摸清模型的边界和缺点在哪里。对于很多网络创作者，爱好已经变成了事业，这会是未来的主流方向。如果你有孩子，发掘他们的天赋、让他们沉浸在热爱中才是最重要的。没什么固定的专业模板，AI 新工具能更好地帮你们找到那条只属于你们自己的路。
相关阅读： 夜读 | 对话硅谷风投Bill Gurley：不要求稳，成为“AI 赋能版”的自己
