人的优势

Source details

Canonical URL

人的优势

Other formats

• Markdown version
• Structured JSON version
• Bundle manifest

Bibliographic details

• Authors: PABLO PENA
• Published: December 17, 2025

概述

• 作者与发布时间：巴勃罗 • A • 佩尼亚（Pablo A. Peña），2025年12月。
• 核心论点：在AI时代，好奇心、批判性思维与自我管理能力（以下统称“三项能力”）比以往任何时候都更重要；三者属于人力资本的关键组成部分，并与AI呈互补关系而非纯粹替代关系。
• 文章背景要点：
  • 经济学长期重视“人力资本”对生活水平提升的解释。
  • AI（尤其大型语言模型，LLM）的发展引发对人力资本被替代的担忧，但作者主张三项能力将维护并增强人类的比较优势。

好奇心

• 要点与论证：
  • 将1939年之前的所有数据输入LLM仍无法预测1939年之后未出生创作者（例如披头士的列侬和麦卡特尼）所创作的作品；原因在于缺乏关于未出生个体独特经历的线索与提示词的模糊性。
  • 即便LLM能重组历史数据并在既有任务上表现良好，但它无法创造尚未出现的、源于未来个体独特经历的创新作品。
  • 政策研究举例：针对“如何降低芝加哥的枪支暴力？”的问题，LLM可总结既有研究但无法自行进行实地干预、筹资、培训、访谈与说服等需要人类好奇心与行动的步骤。
  • 概念：“数据峰值”——当所有现有数据都被提供给LLM后，若无人继续产生新信息，LLM的输出将难以获得实质性改进；因此要避免被过时研究困住，人类必须持续推动知识边界。
  • 类比有效市场假说与信息悖论：如果信息已被完全吸收，则收集信息的动机消失；但现实中收集信息是因为有回报，AI要持续改进也依赖人类不断产出新知识。
• 结论要点：
  • 好奇心使人类不断扩展AI所依赖的知识存量，从长期看与AI互补。

批判性思维

• 要点与论证：
  • Bastiat（1845年《Economic Sophisms》）的硬科学/社会科学二分法：公众更容易承认对硬科学的无知，但在社会科学上往往自信，这同样影响我们如何对待AI的输出。
  • 在明确、可验证的问题（如数学题）上，LLM的答案更易被直接接受；但在人文与社会科学领域（例如“某人是否爱我？”、“上帝是否存在？”、“我应该生孩子吗？”、“总统选举投谁？”等问题），LLM仅重组历史观点，难以给出确切结论，需要人类自行权衡判断。
  • 坎贝尔定律与“数据投毒”风险：当量化社会指标或LLM输出被用于决策时，更易受到操纵；不良行为者可能故意污染训练数据，使LLM输出误导性信息。因此，对LLM输出保持批判性判断尤为重要。
• 结论要点：
  • 批判性思维是评估与筛选LLM建议、识别被操纵或有偏数据的必要能力。

自我管理

• 要点与论证：
  • AI可以提供个性化建议（例如锻炼计划、退休储蓄建议、饮酒限量），但实践效果取决于个体的自律与执行力。
  • 自亚当·斯密（1790年《道德情操论》）以来，经济学承认人类会犯错，且自我节制与自我指挥是实现远期利益的关键品质。
  • “家庭生产”框架：购买物品后需要投入时间、精力与技能以转化为效用；最薄弱环节（引自迈克尔·克莱默的“O型环理论”，以“40年前的一次航天飞机事故”命名）决定最终结果。当AI不断增强信息供给时，人类的执行力/自我管理将成为边际收益不断增加的关键制约因素。
• 结论要点：
  • 自我管理能力在AI时代的边际价值上升，因为信息不再是主要稀缺资源，执行才是。

人力资本、未来情景与政策含意

• 人力资本定义与增长：
  • 好奇心、批判性思维与自我管理是人力资本形式，会在反复且有意识的鼓励下增长；相反，压制提问、反思与自主性的教育或工作环境会侵蚀这些能力。
• 关于“奇点时刻”的两种想象性情景（作者用于论证人力资本的重要性）：
  • 情景一（对抗）：人类与机器为对手（例如《黑客帝国》式的呈现），在此情形中，积累人力资本将成为唯一反击力量，因而极为重要。
  • 情景二（共存）：AI与人类和平共存，类比于人们在大型组织中工作的情形——更高等的集体实体有自身利益，但也为人类提供报酬。在这种共存情形下，投资人力资本仍可获得回报；并且可能存在选择建立“无AI”社区的个体/团体，这些低技术环境依赖成员的人力资本而运转。
• 历史与结构性观察：
  • 机械化与自动化（农业机械化、制造业自动化、服务业“算法化”）在每一阶段既释放一部分人力资本，又创造新的需求；AI将推动下一轮繁荣，未来的新行业及其价值将由人力资本创造。
  • 当下市场信号示例：Meta为招募顶尖人类人才开发更强大的AI技术而提供高额薪酬，表明人力资本在当前依然重要。
• 政策含意与建议（隐含于文章论述）：
  • 鼓励教育与工作环境中对好奇心、批判性思维与自我管理的有意识培养。
  • 在AI部署与政策设计中，避免过度依赖LLM输出以防止“数据峰值”带来的停滞，持续资助与开展新研究以保持知识增长。
  • 建立机制防范数据投毒与对LLM训练数据的恶意操纵，强化对AI输出的批判性审视。
  • 关注劳动市场与教育政策，使人力资本能够适应并服务于未来由AI驱动的新兴行业与职业形式。

结论要点

• 三项能力（好奇心、批判性思维、自我管理）共同构成在AI时代保持人类竞争力的核心人力资本。
• AI在许多任务上具备强大能力，但长期改进与创新仍依赖人类持续产生新知识与行动。
• 投资人力资本仍是合理且必要的策略，无论未来AI呈现对抗或共存情形，人类能力的培养都将继续产生回报。

巴勃罗 • A • 佩尼亚（Pablo A. Peña），金融与发展，2025年12月。