AI正在偷走白領工作！OpenAI狂砸10億教AI上班，你的完美繼任者即將上崗

來源：新智元

AI正在接管白領工作嗎？

今年5月，Anthropic CEO Dario Amodei曾表示：AI有可能在未來1—5年內消滅一半的入門級白領職位，並使美國失業率上漲到10—20%。

這場史無前例的崗位大替代，引發了普遍擔憂。

有網友認為，白領職業，在未來3年內可能會大規模消失。

還有網友認為，受到AI衝擊的，不只是底層或者入門級崗位，也包括管理職位。

Anthropic、OpenAI，以及全球頂尖AI實驗室正在加速這場「AI風暴」的到來。

他們把大模型帶進辦公室，讓其學習各種應用，比如：

Salesforce的客户關係管理軟件；Zendesk的客户支持軟件；Cerner的健康記錄應用等。

目標是教會AI處理白領工作中一些繁瑣、複雜的任務。

他們為這場AI訓練，準備了數十億美元級別的投入。

一年投入10億美元

教AI像人類一樣工作

據透露，Anthropic、OpenAI等大廠，已經為AI準備了每年10億美元的「專項資金」，用於教會AI像人類一樣工作：

Anthropic領導層計劃在未來一年，為克隆版企業應用投入10億美元，它們被稱為強化學習環境（RL環境）。  

OpenAI也計劃今年在數據相關方面投入10億美元，包括向人類專家支付的報酬以及RL環境費用，並預測到2030年這一數字將增至80億美元。

這些AI「教育費用」，還在不斷上升。

如果這些方法成功，不久將有望幫助OpenAI、Anthropic突破近期在採用傳統訓練技術時遇到的一些瓶頸。

而且，還可以為它們開闢新的變現路徑，比如銷售職場軟件，接管人類電腦並代其操作應用的AI智能體（agent），利用AI開發熱門企業應用的新版本等。

Anthropic CEO Dario Amodei曾將這類產品稱為「虛擬協作夥伴」，稱它們可以與人類並肩工作，並使用與人類相同的應用。

但要實現起來，仍然是困難重重。

Turing的前沿數據項目負責人Anshul Bhagi指出了其中的諸多繁雜細節。

比如，要教會AI處理客户關係管理，不僅要教會它在Salesforce上搜索潛在客户，找出最有潛力的線索/客户併發送跟進郵件預約初次會面，還要教會它如何使用LinkedIn、Calendly、Gmail等應用。

爲了驗證任務完成情況，Turing還會把整體任務拆分為更小的步驟，並創建一套評估標準（rubric），來檢查AI模型是否正確地執行了每一步。

以Salesforce應用為例，這套評估標準可能包括的檢查點有：

模型是否已按上次聯繫日期篩選了Salesforce數據庫；

是否發送了帶有Calendly鏈接的電子郵件；

是否將潛在客户的線索狀態更新為「重新接洽」（re-engaged）等。

雖然以上工作仍處於早期，但各個AI實驗室似乎準備為此投入大量資金。

據專業人員分析，目前，Anthropic在后訓練階段（在初始訓練之后，用於改進模型的后期微調、優化等）的預算中，用於RL環境的比例不到10%。

有投資人表示，按照目前趨勢，最早到明年，在后訓練預算中對RL環境的投入可能會提高到更高的比例。

其中一個因素是僱用人類專家的成本越來越高。

為OpenAI等公司提供專家服務的Labelbox，曾在7月份表示，其大約20%的專家合同工時薪超過90美元，近10%的時薪超過120美元。

Labelbox預計，在接下來的一年半時間里，這兩類專家的報酬將上升到每小時150—250美元。

「RL環境」

構建讓AI學習的「真實世界」

據Turing CEO Jonathan Siddharth稱，他們已經構建了超過1,000個RL環境，包括Airbnb、Zendesk和Microsoft Excel的複製版。

Turing計劃將這些RL環境出售給客户，並配套提供100—500個示例任務，供AI模型在模擬應用中嘗試，以及用於驗證模型是否正確完成任務的方法。

近幾個月來，在RL環境服務領域，Turing的競爭對手，如Scale、Surge、Mercor和Invisible Technologies都加入了進來，還有一些新創公司專門向大型AI開發者銷售RL環境。

Surge創始人兼CEO Edwin Chen認為，OpenAI、Anthropic改進模型的方法「映照了人類的學習方式」。

對於模型來説，RL環境就好比讓模型「置身真實世界」。

除了RL環境，AI開發者在強化學習過程中，還會通過讓模型學習精心整理的難題答案示例，比如競賽編程問題或博士級生物學問題，來向模型教授該領域的新技能或知識。

AI訓練

正在「偷師」各領域專家

隨着AI模型能力的提升，數據標註公司僱傭的人羣，已經從攻讀碩士和博士的學生，轉向在細分領域擁有多年經驗的在職專業人士。

看看近期Turing的一份僱傭專家清單：

一名NASA的數據科學家 

一名為能源部項目工作的化學家

一名放射科住院醫師

一名在私募股權工作的副總裁

他們的職責是使用特定應用完成真實世界任務，以供AI觀摩學習。

Bhagi舉例説，某家AI公司可能想教模型瞭解，在一個Excel文件中，税率假設的變化，會如何影響折現現金流（DCF）分析的其余部分。

爲了教會AI這一點，首先，Turing會要求其合同工解決這道DCF問題，並得到一個可用於覈對準確性的單一答案，例如一個股價。

隨后，開發者可讓模型對同一DCF任務嘗試數十次，篩選出其與人類專家得出相同股價的實例，用作正確示例來訓練模型。

這樣，模型開發者就能快速拿到更多該任務的正確示例用來訓練AI。

如今，OpenAI等頂尖AI公司，都在積極從各行各業收集類似的示例，無論是醫學，還是法律，均在此列。

隨着AI對於各領域專業知識的學習，OpenAI的一位高級管理人員曾私下表示，他們預計未來「整個經濟」，將在某種程度上變成一臺「RL機器」。

AI可能會基於這些記錄來訓練，而這些記錄呈現了各領域專業人士如何在其設備上處理日常工作。

當AI學習到了各領域的專業知識以及如何使用職場應用，下一步可能就是逐步接管各行各業的人類工作崗位。

你做好準備了嗎？

（聲明：本文僅代表作者觀點，不代表新浪網立場。）