人类社会技术风险研究机构“生命未来研究所”于3月29日发布了公开信，呼吁由于“最近AI实验室陷入了一场失控的竞赛，只有当我们确信AI大模型的影响是积极的并且风险是可控时，才能开发更强大的AI系统”。而AI是否能取代人们的工作也成为了热门话题。

　　李亚洲的工作很简单，就是坐在电脑前“拉框”，按目前的项目拉一个框一毛多，他一天能拉千八百个。在城市被雷达扫描而成的云图里，李亚洲通过“拉框”教育“傻机器”，他给一片片云打上标签：自行车、小轿车、客车、货车……

　　据《北京青年报》的报道，这个“拉框”的劳动密集型产业的下游，就是如今赫赫有名的AI产业，李亚洲们还有若干个听起来高大上一些的名字——AI标注员，或者叫“人类专家”，代表人类调教尚在蹒跚学步的AI。

　　AI的理念早在冷战期间就已提出，但在数十年后的今天才有了跨越式的进展，让机器学习的原理从“基于规则”变成了“基于数据”。深度学习中的“监督学习”(有数据标签)由此蒸蒸日上，并逐渐助推“无监督学习”(无数据标签)与“强化式学习”(甚至不需要数据)的最新技术。

　　不过任何AI的进步都绕不开第一步，那就是有数据标签的监督学习。犹如给马儿吃草、给汽车加油一样，第一批AI的从无到有、从零到一，也总离不开“人工饲养员”的点滴投喂。他们，也是AI诞生之初的助产士——数据标注员。

　　河南商丘市城西的北航星空数字产业园，有着数以千计的数据标注员，这些数据标注员见证着“新生命”的诞生，这些“人类专家”也可能是首批被AI淘汰的人。

　　选择人类做标注，不是因为人类掌握了目前AI没有掌握的技能，而是因为人工标注的成本更低。一家数据处理公司的老板称：AI自动识别的成本是一单三毛，而人工的成本是一毛，经济理性选择了人工。但是，AI正在越来越成熟，越来越便宜，而人的廉价优势正在丧失，AI自动标注已在默默兴起。

　　在劳动力成本高昂的美国，AI智能标注已经提上议事日程。第一批学会开汽车的马车夫很快找到了新工作，但数据标记员的工作恐怕最终却会“消灭”自己。

　　对于专门“打框”的“人类专家”的职业，公众不会很了解，但是对于AI取代普通人工作岗位的“预言”，却感觉到了真实威胁。AI标注员成为AI最早淘汰的那批人，N倍速地快进着AI和普通劳动者间的博弈。

　　目前有很多行业感受到了AI革命的凛冽寒风。某游戏美术外包公司的技术总监透露，公司已经裁掉了一半的原画师：“原画师利用Al完成方案，工作效率至少能提升50%以上。之前我们公司需要38个原画师，现在已经裁掉了20个人。”导演陆川也指出：AI用15秒做的电影宣传海报质量比专业公司花费一个月的同类作品还好，而且还便宜得多。

　　又高效又便宜，不用加班费，不会“拖稿”，不会闹情绪，关键的关键是，目前一些领域的AI作品已经达到以假乱真的地步。陆川说，让AI帮他做一张电影海报，油画的质感、梵高的风格、运动的元素，输入诸如此类的关键词指令后，AI吐出了一张让他惊讶到沉默的海报。

　　那么劳动者怎么办?

　　其实，我还是比较乐观的。以翻译这个最早被AI侵入的知识领地来说，在西方诸语种之间，机器翻译的准确率已经稳居90%以上。但是，哪怕99%的内容都不出错，仍然会在最后一公里卡壳。比如，“颗粒度”与“赋能”这些互联网公司黑话，物理学家与互联网产品经理所说的必定不是同一个意思。你让AI画一个“鼠标”，它却画了一个老鼠。如果某个学科、某个词语需要实现两种语言/公共知识之间的第一次对译，甚至是在同一门语言里的提喻(metonymy)，那么这项任务仍然需要仰赖人工翻译。人工翻译在译介一门语言时，首先需要掌握至少两门语言背后的全部公共知识。

　　事实上，在人类知识总量持续突飞猛进的今天，优先用机器解决已经成熟的公共知识对译工作，集中精力处理机器难以揣摩的公共知识，借助机器翻译节省精力与时间，已经是资深译员的不二之选。

　　或者说，AI是否能取代具体的脑力劳动者岗位，更像是一个“图灵试验”，需要你证明你的工作必须是人才能做的创造性的脑力工作。不想被AI取代，你的工作就不能是机械的“拉框”，无论画图，还是翻译，或者是写文稿，都不能是“拉框”。