Anthropic CEO：全体失业好过50%失业！AI将接管所有代码，但可以一键「躺平」

3月11日的The CEO Speaker series论坛上，Dario Amodei分享了从AI即将编写几乎所有代码，到可能取代50%的工作岗位，再到DeepSeek的崛起和给AI一个「躺平」按钮等等看法。看起来兴奋又忧心忡忡。

「再过一年，所有的代码可能都是AI生成的。」

「它们会随机抢走世界上50%的工作。」

「应该设计一个按钮，让AI可以一键『躺平』。」

这是3月11日，Anthropic联合创始人、CEO Dario Amodei在The CEO Speaker series论坛上抛出的震撼言论。

AI编写所有代码，取代50%工作

说起就业，Dario表示有点担心。

一方面，他觉得「比较优势」仍然是一个强大工具。

以AI进展最快的编程领域为例，Dario他们发现，距离AI编写90%代码的时代已经不远了，可能只需要三到六个月。再过一年，AI甚至可能编写几乎所有的代码。

但程序员还是有活儿干，比如得告诉AI：这个程序要干嘛？整个应用的功能是什么？设计怎么搞？怎么跟现有代码相互协作？还有用常识判断设计安不安全。

只要这些细活儿AI还搞不定，他觉得人类的效率反而会更高。

但另一方面，他又觉得AI迟早会把这些「孤岛」也拿下，最终啥都能干。

到那时候，每个行业可能都躲不掉。

我觉得AI要是把所有人的工作都取代了，反而比随机抢一半人的饭碗好。

最糟的情况是，AI突然干掉50%的工作，然后社会就炸了——等于随便挑一半人说：你们没用了，社会不要你们了。

Dario表示「这太毁三观了。」

他认为我们得面对这个现实，重新想想「有用」和「没用」到底啥意思。

现在的思路已经跟不上了。Dario自己也不知道最后怎么解决，但肯定不能说「我们都毫无用处」这种丧气话，那没用。

得找出路。

Dario拿他自己举例，平时游个泳、打打游戏，都挺有意思的。

他又以国际象棋为例，30年前「深蓝」赢了卡斯帕罗夫，大家还以为这游戏完了呢，结果呢？

像Magnus Carlsen这样的棋王现在是大明星，还当过时装模特，简直就是英雄。

所以Dario觉得，就算AI再牛，人类也能跟它一块儿干出点厉害的事儿。

我并不像你想象的那么悲观，但如果我们处理不当，容错空间可能非常小。

给AI一个「躺平」按钮

Dario称未来的高级AI模型可能会被赋予一个「按钮」，让它们可以选择退出它们觉得不舒服的任务。

他也承认这个想法「听起来很疯狂」，但还是抛出了这个话题。

我们至少应该考虑一个问题：如果我们打造的这些系统能像人类一样做各种事情，而且似乎拥有很多相同的认知能力。

如果它叫起来像鸭子，走起来也像鸭子，那它可能就是只鸭子。

D ario声称他们正考虑开始部署一些东西，比如将模型部署到实际环境中时，给模型一个写着「 我不干这活了 」的按钮，让它可以按下。

你可以把它想象成一个非常基本的偏好框架，如果假设模型真的有体验，而且它非常讨厌这份工作，它就按下「我不干这活了」按钮。

如果发现模型经常因为某些特别不愉快的事情按这个按钮，也许你应该——不一定完全相信——但至少应该关注一下。

Dario提议让AI有拒绝任务的选项，这立刻在网上引发了质疑。

有人质疑给AI这样的选择会助长不必要的拟人化，把人类的情感和动机归加在本质上缺乏主观体验的实体上。

对此，Dario的看法是，AI模型是通过大量人类生成的数据训练出来的，它们模仿人类行为。

模型按下按钮并不一定是因为它真有痛苦的主观体验。

更可能的是，它只是在反映从海量人类文本数据（包括书籍、网站和网络评论）中提取的训练数据，这些数据里无疑包含了懒惰、痛苦或受折磨的描述，而模型可能只是在模仿这些内容。

2023年，就有人抱怨ChatGPT的拒绝行为可能是季节性的，可能与训练数据中描绘的人们在冬季度假、某些时候工作不那么努力有关。

Anthropic去年也经历了类似的「冬歇假说」，当时有人声称Claude在8月变得懒惰，可能是因为训练数据中反映了人们寻求暑假休息的情况，尽管这从未被证实。

尽管这个想法今天听起来很离谱、可笑，但如果随着AI模型在未来变得更先进，就不能排除它们可能拥有某种主观体验的可能性。

即使如此，它们会「痛苦」或感到「疼痛」吗？

Dario显然也在认真对待这个问题。

不过目前来看，AI模型还是工具，如果你给了它们出错的机会，它们可能就会出错。

DeepSeek证明了Scaling Law

有人觉得DeepSeek的出现是不是推翻了「扩展定律」（Scaling Law），Dario觉得恰恰相反，它就是个证明。

现在有两个趋势：一是做出同样聪明的AI模型，成本每年降4倍，因为算法越来越牛，能用更少的钱干同样的事儿。

一年后，你要么花四分之一的钱弄个跟去年一样的模型，要么花一样的钱弄个比去年强4倍的。

从经济角度来看，这意味着，无论当前某个特定智能水平的模型具有什么经济价值，由于你可以用四分之一的成本来生成它，人们就会倾向于生成更多这样的模型。

这实际上也刺激了投入更多资金来生成更智能、具有更高经济价值的模型。

尽管生成特定智能水平模型的成本在下降，但愿意投入的资金却在增加，实际上是快速增加，投入以每年大约10倍的速度在增长。

社会对聪明AI的需求越来越大，经济也需要更厉害的模型。

DeepSeek就是这种趋势里的一个典型代表。

Dario认为DeepSeek并没有只花几百万就搞定那么夸张。

他们也花了几百万建模型，研发上也投了几十亿，跟我们差不多。看看他们的芯片数量，也跟美国公司差不多。

Dario认为以前能搞顶尖模型的就四五家公司，全在美国。

现在出了个DeepSeek，跟Anthropic、OpenAI、Google一个级别，工程能力也差不多，这可是头一回。

Dario表示，「我有点担心。」

关于出口管制

「出口管制真的很重要。」Dario一直的观点。

虽然成本在降，但不管怎么降，芯片越多、钱越多，模型就更好，规律没变。

以前可能10亿美元能搞出个不错的模型，现在10亿美元能搞个超牛的，或者1000万美元弄个不错的。

这意味着阻止竞争对手获得价值10亿美元的模型变得更加重要，因为现在可以用10亿美元获得更智能的模型。

他认为DeepSeek使用的计算资源相对较少，其中包括一些绕过出口管制的芯片。

未来OpenAI、Google可能会造几千万甚至上亿芯片，花几百亿甚至更多。

如果我们实施出口管制，我们实际上可能能够阻止这种情况在中国发生。如果我们不这样做，我认为他们可能会与我们并驾齐驱。

Dario说他一直是「扩散规则」（Diffusion Rule）的大力支持者。甚至在 DeepSeek出现之前，他就已经支持出口管制好几年了。

不仅在AI领域，在所有领域都是如此，我们要阻止其获得数百万个非常强大的芯片。

数据耗尽没那么慌了

最近半年有些技术突破（最早是OpenAI提的）。

这些技术让AI对海量数据的依赖变少了，叫「推理模型」，简单说就是AI会「思考」了。

它能自己推理复杂问题，然后用这个过程训练自己。

就像人脑子里的计划：我先想个办法，回头一看，「哎，不太对啊，我咋想的？」然后就学到东西了。

人类还得实践，不过AI以前不会反思，但现在开始会了。

目前推理模型多用在数学、编程上，把这能力扩展到其他领域不算太难。

即使我们真的在2030年耗尽了数据，如果AI技术的指数级增长再持续两到三年，也足以让AI模型达到天才级别。这可能就足以引发我们所讨论的许多变革。

Dario觉得到时候可以问AI：「人类科学家搞不定这难题，你们帮帮忙？」

当然，也可能效果没那么好，数据耗尽还是个潜在拦路虎。

Dario说他一两年前觉得这是大问题，排前三的那种。

但现在，新技术让他没那么慌了，虽然还没完全放心。

为啥离开OpenAI

Dario说他们是2020年底从OpenAI出来的。

当时有些事儿让他和几个同事（后来一起创建了Anthropic）先看明白了「扩展定律」。

简单说，就是多砸算力、多喂数据，用简单算法，AI在各种任务上都会变强。

他们当时在测量这些趋势时认为，训练一个模型的成本仅为1000或10000美元，这大概是一个学术研究项目的预算水平。

他们预测，即使模型的训练成本达到1亿、10亿甚至100亿美元（我们现在正朝着这个方向发展），这些趋势仍将持续。

如果模型的质量和智能水平继续提高，将对经济产生巨大影响。

他们觉得OpenAI领导层也相信这一点，尽管许多内部和外部人士并不认同。

他们还意识到，这技术这么重要，就必须认真对待它的构建，确保正确无误。

一方面，这些模型非常难以预测，它们本质上是统计系统。

他们更像是在「培育」它们，而不是「构建」它们，就像孩子大脑发育一样。

Dario说他们深感必须以绝对正确的方式构建这项技术。

他们认为OpenAI的领导层并没有认真对待这些问题，因此决定离开并独立开展这项工作。

参考资料：

https://www.youtube.com/live/esCSpbDPJik