本文来自微信公众号： 邱兵 ，作者：邱兵
1，“理科”的部分和“文科”的部分
发小在华尔街替客户管理财富，设计投资组合。
他有一个毛病：无论你有多少钱，他都很想替你做一个组合。
如果你有500万美元，他当然非常愿意认真研究；如果你只有5000块，他并没有露出俯视你的意思，他仍然要问你年龄、收入、家庭负担、风险承受能力和未来计划；哪怕，邱兵手里只有500美元，他仍然若有所思：多少买股票，多少买债券，多少留作现金。
ChatGPT出现之后，很多人对他们的职业产生疑问。因为，Al也可以设计投资组合，也可以解释激进型组合与保守型组合的区别，可以计算如果每个月投入1000美元，十年以后大约会积累多少资产，也可以根据市场变化，提出再平衡建议。
那么，我们为什么还需要“发小”这个呆子？为什么还需要华尔街这些人？而且，个人财务顾问仍然是美国收入相当高的一群人。
答案可能是：人工智能正在消减他身上“理科”的那一部分，却在放大他身上“文科”的那一部分。
所谓理科的部分，是计算。怎样配置股票和债券，怎样衡量波动率，怎样比较不同基金，怎样根据年龄和收入调整风险。凡是有公式、有规则、有大量数据可供学习的部分，人工智能不仅能够完成，而且可能完成得更快、更便宜、更少出错。
但是，一个客户最终是否敢于采取行动，还涉及到很多情绪因素、感情因素、压力因素。
市场暴跌时，客户会不会恐慌卖出？夫妻两个人的风险偏好不同，究竟听谁的？客户嘴上说自己可以承受30%的下跌，真的跌了30%，他还承受得了吗？当模型、市场和客户的直觉相互冲突时，究竟由谁作出最后决定？
投资不是纯粹数学上的最优解。它可能还涉及恐惧、贪婪、后悔、身份、家庭关系，以及一个人对生活的想象。
这或许是人工智能时代正在发生的一个重要变化：
计算正在变得便宜；沟通、理解、共情却可能更加昂贵。
2，“更有价值”不等于“更容易发财”
这两年，一种说法很流行：人工智能时代，文科生反而会变得更加重要。
这句话很大程度上与黄仁勋有关。
黄仁勋曾经谈到，随着人工智能的发展，人不一定都要学习传统意义上的编程。未来，人类的自然语言本身就可能成为一种编程语言。医生、教师、记者、设计师，甚至完全没有计算机背景的人，也能够直接要求机器完成工作。
这句话后来被传播成了一个更加令人振奋的版本：人工智能时代，文科生的春天来了。
但黄仁勋真正的意思可能并不是文科生将打败理科生。而是：当技术越来越平民化，提出问题、理解人、选择方向的价值会相对上升。
这些话能够流传如此之广，与文科生长期混得灰头土脸肯定有关，以及，更加重要的一点，在中国式成功学里，“更有价值”和“更容易发财”，必须是同一件事情。
当然，令人遗憾的是，至少，到目前为止，人工智能时代最先发财的，仍然主要是理工科背景的人。
人工智能产业最先创造巨额财富的地方，主要集中在几个环节：芯片；算力和数据中心；基础模型；云服务；垂直软件。
所以，假如有人告诉文科生，人工智能时代已经完全属于他们，这显然太过乐观。
至少从今天美国的收入数据看，劳动力市场也没有用工资为“文科生的春天”投票。
美国人口普查局发布的本科专业收入数据显示，电气工程专业毕业生的年收入中位数约为121,600美元，计算机科学约为108,500美元，经济学约为101,400美元。
而处于收入另一端的，则包括普通教育学、社会工作和美术。普通教育学约为58,000美元，社会工作约为55,060美元，美术约为53,450美元。
电气工程专业毕业生的收入中位数，是美术专业毕业生的两倍以上。
这是一组冷静的数字。人工智能已经热了许多年，但目前收入最高的专业，仍然主要是工程、计算机，以及与商业和决策密切相关的经济学。
第一批财富属于建造机器的人，而讨论机器意义的人，还没有因此普遍变得富有。
在我居住的波士顿地区的商业与金融职业中，个人财务顾问的平均时薪约为84.99美元，折合年薪约176,800美元；管理分析师约149,600美元；金融风险专家约137,700美元；金融与投资分析师约131,300美元。
人工智能已经能够设计投资组合，但是，个人财务顾问的收入仍然非常高。
3，对齐
因此，我们真正应该讨论的，也许不是“文科生会不会更值钱”，而是“哪些文科能力会更值钱”。
实话实说，会议纪要、新闻通稿、普通广告文案、基础翻译、材料汇编、网络资料整理、格式化研究报告。这些工作人工智能几秒钟就能做出来。
但是诺兰的审美马斯克能搞出来吗？斯克兄说他年底就可以。严重怀疑，Al的脸都怪怪的，倒味口。
Al已经很会写了，但是，“少妇今春意，良人昨夜情。”“君家何处住？妾住在横塘。停船暂借问，或恐是同乡。”或者，“枕上片时春梦中，行尽江南数千里。”这些，估计它写不出来，又或者某一天它有了江南人家的情怀，才有写出来的可能。
人工智能世界里有一个十分流行的词，英文叫作alignment，中文翻译成“对齐”。
这个词现在很火，非常火，它让人想到，机器可能沿着一条不同的道路向前行驶，人类需要不断校准它，让它回到我们希望的方向。
“对齐”听上去像一个技术单词，其实里面藏着一个很大的、甚至有一点哲学意味的问题：人工智能越来越聪明，它究竟要和谁对齐？
是和某一个用户的命令对齐？和开发公司的规则对齐？和法律对齐？和某一个国家的价值观对齐？还是和一个并不存在统一答案的“人类价值”对齐？
这几个对象有时甚至会彼此冲突。
帕雷德斯打了加西亚和加维，中立的球迷以及不喜欢阿根廷队的球迷惊呼，输球又输人。但是梅西的粉丝看法未必一样，“有帕雷德斯这样的恶汉，才能保护好我们的球王。”
人工智能究竟应该与什么对齐？假如一个用户要求人工智能帮助他伤害别人，机器当然不应该简单地与用户对齐。可一旦它拒绝用户，它实际上已经在执行另一套更高的规则。
那么，这套规则是谁制定的？
Anthropic大概是把“对齐”放在公司最核心位置的人工智能公司之一。它甚至把自己定义为一家致力于制造“可靠、可解释和可控制”人工智能系统的安全与研究公司。
Anthropic创造Claude时，采用了一种被称为“宪法式人工智能”的方法，英文是Constitutional AI。
这里的“宪法”并不是真正意义上的国家宪法，而是一套供模型学习和反思的原则。
Anthropic有一位非常关键的人物，叫Amanda Askell。她不是工程师出身，而是哲学研究者，研究背景涉及伦理学、决策理论和道德不确定性。
她在Anthropic负责的不是一般意义上的企业伦理宣传，而是Claude的“Character”——模型性格与行为准则。
Claude 3开始，Anthropic专门加入了“性格训练”。目标不是简单告诉模型哪些话不能说，而是让Claude表现出一些相对稳定的品质，例如：好奇；开放；深思熟虑；诚实；不迎合用户；能够承认不确定；在复杂情形下保持判断力。
如此这般，哲学、法律、政治学、社会学和心理学研究者开始进入人工智能公司的核心工作。
当然，前提是，人工智能安全与对齐团队中的许多岗位，仍然要求很强的机器学习和工程背景。
4，大学的变化
哈佛的嵌入式伦理学项目（Embedded EthiCS），直接把哲学研究者嵌入计算机课程。哲学家不是另外开设一门与技术脱节的伦理课，而是进入人工智能、算法、隐私和计算机系统等具体课程，与计算机教师共同讨论技术选择可能造成的社会后果。
在一门人工智能课程中，学生会使用福利、正义、尊重和责任等哲学概念，分析人工智能系统产生的影响。
斯坦福也建立了类似的嵌入式项目，希望计算机专业学生在学习核心技术时，持续面对公平、责任和社会影响问题，而不是等到产品造成争议以后才补上一堂伦理课。
这似乎像是一个家庭教育问题，你不仅要能造出人工智能，还要把它教育好，让它进入社会，合理、安全地生存下来。
当然，文科生最想看的数据，目前似乎最难得到。Anthropic、OpenAI和Google DeepMind都没有公开以下数据：
哲学、历史、社会学等人文学科毕业生人数；对齐和责任团队中人文社科人员的准确比例；每年招聘了多少此类人才。
公开职位数量也在不断变化，而且同一个“安全”职位可能既要求计算机博士，也需要政策、法律或者社会科学背景。把所有安全职位都算作文科岗位，可能夸大了。
文科生的春天这碗鸡汤，不够鲜，也不够浓，不是走地鸡熬出来的。当然，它肯定比一盆冷水要好，它至少告诉了我们一些蕴含着机遇的不确定性。
一种基础技术真正重要的影响，往往不只是取代已经存在的工作，而是创造过去无法想象的工作。
不过，“创造性破坏”并不是一个温和的词。破坏往往首先发生，创造却需要时间。一个被AI取代的初级文案员，并不会自动变成模型伦理研究员；一位失去工作的客服，也不会仅仅因为能够理解他人、能够共情，就自然获得一份高薪职业。
新的机会要求人重新学习，也要求大学、企业和社会重新建立培训与流动的通道。
今天可以确定的，仍然是工程、芯片、模型和算力拥有更高的市场回报；可以标准化的文字、分析和资料工作正在迅速贬值。至于新职业会以什么方式出现、能够容纳多少人、谁最终得到收益，目前都还没有答案。
当然，恰恰是这种没有答案，构成了人工智能时代最大的空间。