來源： Bankless 播客
整理：Felix, PANews
麻省理工學院（MIT）經濟學家Christian Catalini 做客Ryan 和David 的節目，深入解讀他的新論文《通用人工智慧的一些簡單經濟學》。論文指出，AI 濟中稀缺的資源不再是智能，而是驗證：即人類檢查、判斷和確認AI 輸出正確性的能力。
Christian 詳細闡述了重塑各行各業的兩條成本曲線（自動化成本與驗證成本），解釋了為什麼入門級工作崗位首先消失，以及為什麼即使是頂尖專家也在不知不覺中培養自己的接班人（「編碼者的詛咒」）。他也描繪了三種在轉型中得以保留的角色：董事、意義創造者和責任承保人。
PANews 對對話精華進行了整理。
主持人：我想很多聽眾可能跟我一樣，對於AI 有一種恐慌，你認為人們為什麼擔心AI？他們的擔憂合理嗎？
Christian：我們都有同感。這是一個快速且具有變革性的變化時期，你離程式碼越近，可能就越早見證了這種加速，這種指數級成長在過去幾個月變得非常真實。這項技術實現了許多人原以為需要更長時間才能完成的事情，這種感覺是我們所有人都在努力應對的。但我認為「末日論」是錯的，人們往往低估了這些工具帶來的潛力。是的，將會有一個極為困難的過渡期，工作轉變的速度是歷史上前所未見的。但儘管如此，如果你利用這項技術的最大特點並加以投資，長遠來看主要還是利好，儘管一路上會很顛簸。經濟學將工作視為任務的集合，其中一些任務將被自動化，這是好消息，但關鍵是你如何重新培訓自己並保持在前沿。
主持人：你認為誰先受衝擊？
Christian：這是一個極好的問題，我對此有很多不同的想法。首先，當我說最接近程式碼的人最先受衝擊時，是指他們最先體會到這技術有多強大。正如「傑文斯悖論」所揭示的，某樣東西變得有效率後，我們反而會消費更多，例如我們會寫更多的軟體。我認為程式設計會像許多其他職業一樣發生分化，我們在論文中稱之為「消失的初級循環」。如果你是初級人員，還沒有獲得區分優秀產品與平庸產品的“隱性知識”，那麼AI 能在各個領域很好地替代你。
每個人現在可以輕易獲得一個相當不錯的行銷人員、初級程式設計師，或是能幫你處理大多數情況的律師，你只需要在最後階段請頂尖律師進行最終的驗證。另一方面，即便是頂級專家，在引入AI 的過程中，也在有意無意地創造標籤、資訊和數位痕跡，這些最終會讓他們自己的工作被自動化。頂尖實驗室正在聘請金融等領域的頂尖人才，利用他們來創建評估標準，將這些專業領域知識融入大模型中。所以我認為所有單一工作並不是100% 安全的，即使是受限於機器人製造能力的體力勞動，獎勵模式在未來幾年也會實現巨大飛躍。任何在螢幕前發生的事情都可以被追蹤、複製和學習。對於每個職業來說，關鍵是要思考：如果我盡可能地把工作交給AI，我還能在哪裡增加價值？
實際上人們關於「品味」和「判斷」存在著許多「自我安慰」。它們非常模糊。所以在論文中我們說：沒有所謂的品味或好壞判斷，只有「可衡量」和「不可衡量」的區別。如果某件事已經被衡量了，機器就能複製它。如果某件事仍只嵌入在你大腦的權重中，例如一個頂級設計師累積了上萬小時經驗，能決定哪些該發布、哪些不該發布，這就是我們所說的「驗證」。所有驗證就是這最後一步：AI 代理創造了產品，而你作為決定者，來判斷它是否達到了推向市場的標準。隨著機器取得更好的數據，事物就會被自動化；但面對未知領域，或根本沒有數據的地方，這部分在未來幾年仍將屬於人類。
主持人：這是一個非常深刻的見解。但我也在想，工程師自動化自己的工作很自然。每個產業所受到的衝擊是否都是一樣的？
Christian：我們有足夠的證據表明，變化將是參差不齊的。可以這樣思考：這份工作是不是只是某種社會根本不需要的東西的一種「包裝」？例如一般的諮詢工作，如果它主要是把已經廣泛可得的資訊重新包裝、提煉、總結，那顯然有風險。但如果是帶來了稀缺的領域專業知識，或是為了政治原因需要請諮商師，這些將會存活。問問自己，這個職業能獲利是因為它解決了一個複雜的問題，還是因為有某種人為瓶頸。
主持人：驗證到底意味著什麼？我很難將我一天的工作分解為哪些是認知工作，哪些是驗證工作。
Christian：代理商已經從網路、書籍中學習並衡量了一切，因為它們更便宜且可擴展，所以會取代可衡量的部分。但代理還不知道的東西：也就是你腦中獨特的神經網路權重。這是你透過自身經驗和掙扎而獲得的，這使你成為頂級專家。例如早期加密貨幣的參與者，許多來自阿根廷、委內瑞拉等地，親歷過惡性通貨膨脹，他們對資產的反應就完全不同。這種內在的獨特衡量仍是一個巨大優勢。
什麼是驗證？它就是你對世界的自身衡量標準與代理人所擁有的標準之間的差異。就像一個頂級編輯，確切知道什麼文章能引起共鳴；或者一個頂級CTO，面對AI 生成的海量代碼庫，確切知道哪些決定性的邊緣部分必須由人類親自檢查，這部分還無法被機器衡量。
主持人：我舉個例子，如果我在X 上看到一個關於以色列被導彈轟炸的視頻，但我發現這是AI 生成的。我運用大腦識別出問題，並可能透過重新提示來產生更好的視頻，這就是我的「驗證能力」？
Christian：這是個很好的例子。更進一步，我們可能很快就會處於這樣一個世界：對大多數人來說，這個影片與真實情況難以區分。下一步可能是軍事專家看出火焰的動態不對。再下一步，連軍事專家也無法一眼分辨，需要AI 來分析物理原理並進行模擬測試。最終可能完全無法區分，到那時，我們將不得不依靠基於密碼學的基礎設施來確認真偽。在醫學領域也是如此，邊緣案例最終需要頂尖放射科醫師利用20 年的經驗以及對患者特定背景的了解，來否決AI 的判斷。這就是我們關注的最後那一層薄薄的「過濾環節」。當我們這樣做時，我們解放了大量時間。所以，這正是好的一面。我們能用更少的資源做更多的事。昂貴事物的成本將會下降。整個社會將消費更多這些事物。我認為這是好消息。
主持人：但在你的例子中，目前他在做驗證，但很快他驗證不了，需要軍事指揮官，最後連指揮官也驗證不了，不得不求助於AI。 這不只是說明「驗證」最初有價值，但很快也會被AI 自動化嗎？所以連「驗證」本身也是不安全的？
Christian：沒錯。我們在論文中稱之為「程式設計者的詛咒」。進行驗證這一非常理性的行為，本身就在推動前沿技術發展並將經驗數據化。我們無法停止，因為所有律師或從業者都試圖使用AI。驗證確實是一個正在萎縮的前線陣地。
主持人：連最後的驗證工作領域也越來越萎縮，什麼時候才會不焦慮？
Christian：首先，有些事物在設計上就是不可衡量的，例如所謂的「地位遊戲」或人類賦予意義的事物。這些領域不會被機器侵占，因為其特徵是關乎人類之間的協調共識。加密貨幣某種程度上也是這樣，重要的是人類對何物有價值達成共識。隨著可衡量工作領域的縮小，我們將發明許多方法使不可衡量的工作變得有意義。
主持人：AI 能在10 秒內建一個網站，可能寫不出一則對人類有吸引力的推文。這可能是最後剩下的驗證工作之一嗎？
Christian：吸引人的注意力、講一個真正新穎的笑話，這是極難的創意工作，試圖打破從未被衡量過的東西。我們在漫長的生死存亡中進化出了極強的應對未知環境的能力。從事這類工作的人稱為「意義製造者」。例如在藝術領域或文化中，什麼是好的，這取決於人類共識。甚至當你利用AI 代理時，你也必須設定「意圖」。
主持人：自動化成本在指數級下降，那「驗證的成本」會怎麼樣？它會永遠受制於人類的生物學約束嗎？
Christian：目前它是受生物學約束的。所以許多公司發布了大量AI 產生的程式碼，但根本沒有足夠的人力去閱讀和驗證它們，其中必然隱藏著風險。
主持人：難道不能用AI 去驗證AI 嗎？
Christian：如果AI 能正確驗證，那麼這部分本身就是可自動化的。在用盡所有的AI 驗證後，留下的就是真正無法被AI 驗證的東西，這才是人類幹預的瓶頸。
主持人：如果驗證是新的稀缺資源，但不斷退縮，那麼在這個經濟體該如何運作和投資？
Christian：我們基於「自動化成本」和「驗證成本」做了一個2x2 矩陣。 左下角是被取代的工作者：自動化容易，驗證也容易，你絕對不想待在這裡。 其他三個像限是：
意義製造者：自動化難，驗證難。他們致力於社會共識、地位遊戲和人類連結。例如時尚界的品味製造者、Twitter 上的加密KOL，他們製造敘事和協調關注。
責任承保人：自動化容易，驗證難。他們是領域的頂尖專家，如頂尖律師、醫生或創投家。他們大規模利用AI，但為最終的邊緣案例提供承擔責任和驗證的服務。
董事：自動化難，驗證容易。核心是“意圖”。他們應對“未知的未知”，像創業者一樣指揮代理，設定方向，感受偏離度並不斷修正航向。
主持人：剛畢業想進職場的年輕人怎麼辦？一端是沒價值的初級工作，另一端是需要十年行業打磨才能成為的頂尖專家，兩者之間有巨大的鴻溝。 AI 都能做初級的事了，年輕人要怎麼成長到另一端呢？
Christian：鴻溝確實存在。但好消息是你可以壓縮學習時間。你可以跳過傳統的培訓步驟。一個初級工程師現在藉助工具一個人就能幹以前一個團隊的活。雖然一開始會犯錯，但身為新人他們可以用極新穎的角度質疑傳統，這就是優勢。他們能以我們年輕時完全無法做到的方式實現想法。有利有弊。
過去的路徑：“拿學位、找實習、努力工作晉升”，確實不復存在了，這會帶來巨大的文化衝擊。對於剛畢業的年輕人來說非常難。如果你還在上大學，還有時間看清方向。如果正處於困境裡，我的建議是：去利用這些工具打造一些東西。你的野心應該比過去我們在那個年紀時大100 倍。
主持人：消失大量「按按鈕」工作短期內會不會讓社會陷入混亂？
Christian：社會總會在需要時重新創造「按按鈕」的工作來保持穩定。但許多從事這類工作的人其實有能力做更多，只是過去被環境約束了。當體力勞動不再必要時我們發明了去健身房；如今面對腦力勞動的解放，人們會發展各種副業和創作者經濟來獲得挑戰感。這也是為什麼我認為「無條件基本收入（UBI）」完全錯誤，人需要意義和自我實現的動力。此外，即使你現在有很大一部分工作被自動化取代，如果你利用好AI 這個超級工具，一個剛入行的初級員工也能爆發出以前一個團隊的產出。
主持人：對公司和投資人有什麼建議嗎？
Christian：對公司來說，投資於驗證基礎設施，提供「責任即服務」（即不僅提供代理商也為後果承保）。另外就是掌握“獨家的事實來源”，因為AI 容易被欺騙，能提供如Bloomberg 般獨家真實數據或深度測評的公司價值巨大。對於投資者，除了投資這些外，重點關注「不可衡量」的硬核研發。以前的普通網路效應可能會失效，新的網路效應將建立在你如何透過更好的真實回饋讓你的代理商比別人更可靠上，因為人們真正想買的是經過驗證的智慧。
主持人：加密技術在這個驗證過程中有用嗎？
Christian：加密領域過去十年建立的底層基礎設施至關重要。當我們需要確定身分真偽和防止帳號被接管時，「人格證明」等鏈上技術能提供強大的驗證。還有資料來源和密碼學監管鏈，我們需要對資訊的產生和模型是否合規有硬性的加密保障。
主持人：人們在接下來的一年該怎麼做？你對人類未來保持樂觀嗎？
Christian：首先不要慌張。去大量實驗，盡可能利用工具「淘汰」並自動化現在的自己。很多業餘愛好的探索未來可能才是最有意義的事業。最差你也能摸清模型的邊界和缺點在哪裡。對於許多網路創作者，嗜好已經變成了事業，這會是未來的主流方向。如果你有孩子，發掘他們的天賦、讓他們沉浸在熱愛中才是最重要的。沒什麼固定的專業模板，AI 新工具能更好地幫助你們找到那條只屬於你們自己的路。
