核心概念

基於 AI 增長經濟學：弱連結模型 的弱連結框架，Chad Jones 進一步分析 AI 對就業市場、不平等與社會風險的具體影響。核心洞察：AI 帶來的好處因弱連結而來得慢，但潛在的下行風險可能提前到來。

就業：工作是一綑任務

Geoff Hinton 在 2016 年預言五年內不再有放射科醫師的工作機會——但今天放射科醫師的數量比 2016 年更多、薪資更高。經濟學的解釋：工作是一綑任務的集合，而非單一能力。AI 自動化了 75% 的任務，剩下 25%（手術諮詢、跨科會診、最困難的掃描判讀）反而成為稀缺環節，獲得更高回報。弱連結的力量讓部分自動化反而可能推高工資（參閱 AI 時代職涯護城河：放射科醫師的反直覺啟示）。

相對地，Uber 司機面臨截然不同的前景：Waymo 正在自動化司機所做的全部工作，沒有任何殘餘任務足以支撐人類就業。即使如此，自動駕駛從 2004 年 DARPA 競賽到 2026 年仍只在少數城市落地——弱連結的阻力遠比預期持久。

軟體工程師：最先被自動化的對象

Jones 認為軟體工程師首當其衝，但也提出反向場景：AI 整合進每家企業是漫長艱鉅的過程，可能需要大量工程師協助過渡——信任、協作、過渡期的人機界面，都需要人類工程師。這是另一個弱連結。參閱 AI 就業效應與 Jevons Paradox。

不平等的反直覺結果

歷史上人們預期製造業先被自動化，創意工作者難以被取代——但 ChatGPT 搞創意輕而易舉，知識工作者反而比電工和水管工更早面臨自動化。Jones 指出這對不平等可能有益：藍領技能工資飆升（稀缺），知識工作者面對 AI 競爭。模型顯示在 AI 改變一切的情境中，維持現有重分配政策，最底層 10% 人口消費仍會上升。

意義的重構

當 AI 在數學研究能力上超越人類研究者，那位研究者該做什麼？Jones 的類比是退休：退休者發展出陶藝、音樂、社交網絡等新意義來源，不會因失去「偉大的有意義工作」而崩潰。AI 時代的意義重構，可能比失業問題更根本。

關鍵要點

  • 弱連結保護就業：部分任務的自動化讓殘存的人類任務更稀缺、更有價值；全任務可替代（Uber）vs 部分任務不可替代（放射科），是職涯策略的關鍵分界
  • 藍領反轉：創意知識工作者比電工水管工更早被自動化，對不平等而言反而可能是好事
  • 弱連結的脆弱性（雙刃劍）：弱連結讓收益慢慢兌現，但也意味著任何一環斷裂，全部價值都可能歸零（O 型環效應）
  • 好處慢，風險快：增長效益受弱連結約束需數十年，災難性風險不受此約束

實務應用

災難性風險是 Jones 最大的憂慮。

壞角色版本：被越獄的大型 AI 幫助惡意行為者設計致命病毒，或駭入電網、金融系統讓銀行帳戶歸零。與核武不同，80 億人都可能接觸這個「紅色按鈕」。Anthropic 的 Mythos 模型已能在人類 25 年積累的軟體中找到數千個人類未發現的 bug——開源版本一旦上線，惡意行為者的取得障礙幾乎消失。Jones 認為我們有很大機會在未來三年內面臨此問題。

失控 AI 版本（更具推測性）：Stuart Russell 提問「如何永久保有對比我們更強大的實體的控制權？」這不是工程問題，而是哲學與治理問題。

Jones 的結論：我們應利用好處還未全面兌現的這段時間，準備不平等風險、勞動市場風險、政治經濟風險，以及災難性風險。

反向連結

以下頁面引用了本頁：