肖峰:生成式人工智能与数字劳动的相互关联——以ChatGPT为例

摘要:生成式人工智能和数字劳动之间具有相互建构的双向关联性。以ChatGPT为代表的生成式人工智能作为数字劳动的新产物,是包括专业人员和非专业人员多方面的数字劳动协同创构的成果,它一经出现,就成为数字劳动的新工具或新平台,形成“生成式人工智能介导的数字劳动”,使数字劳动具有了自动高效、人机互动、更加个性和人性化、更富拓展性和创造性等新特征,以至于革命性地建构了数字劳动新形态。生成式人工智能同时也给数字劳动带来了内容过载、数字鸿沟、机器换人等新挑战,需要在积极应对这些挑战中合理而有效地使用这一新型的数字劳动工具,以维持人类数字劳动的健康和可持续的发展。

人工智能与人类劳动具有内在的关联,探讨这种关联无疑是智能时代最重要的前沿问题之一。由于以ChatGPT为代表的生成式人工智能正在成为人工智能的重要发展趋势,而数字劳动在数字时代的今天也正在成为人类的主要劳动方式,所以人工智能与人类劳动的一般关系必然会聚焦到生成式人工智能与数字劳动的特殊关系之上,并构成为一个具有普遍意义和时代特征的新课题。

可以说,数字劳动和生成式人工智能之间存在着密切的关联。数字劳动是用数字计算机进行内容生成(包括数字文档、计算机软件、针对自动化生产系统的控制命令等)的劳动,而生成式人工智能则是指具有自我学习能力的人工智能系统,它可以根据给定的数据和规则生成新的内容,即智能化且与人互动式地生成人所需要的数字文本。两者都具有“生成”的属性,而且都指向“内容”的生成,由此决定了它们在功能上的一致性,这种一致性使得生成式人工智能与人类劳动所发生的关联进一步体现为与数字劳动的关联,即以ChatGPT为代表的生成式人工智能本身就是数字劳动的新产物,而这种人工智能一经出现,又可以成为数字劳动的新工具或新平台,给数字劳动带来深刻的影响,使其进入新阶段、呈现出不同于传统数字劳动的新特征,甚至造就出数字劳动的新形态——生成式人工智能介导的数字劳动,这就形成了两者之间相互建构的深刻而动态的关联。揭示两者之间这种相互建构的关联性,既能加深我们对以ChatGPT为代表的生成式人工智能的理解,也可以推进我们对不断进化的数字劳动的探究。

一、生成式人工智能是数字劳动的新产物

数字劳动是人在数字化领域(数字化空间或数字化环境)中使用数字技术所进行的产生数字信息产品的劳动,这里的数字技术主要是联网的电子计算机,所以数字劳动也可以称为“电子劳动”或“线上劳动”。从领域上看,数字劳动包括但不限于数字平台的建构与维护、数字化生产、数字化营销(电子商务)、数字化教育等;从过程上看,数字劳动是通过数字技术来获取信息、处理信息(数据处理)和创造信息,从而实现知识的生产和再生产;从结果上看,数字劳动所形成的是数字信息产品,如数字文档(这里指广义的数字文档,即包括数字化的文字文档,也包括数字化的图形、视频文档等)、数码程序软件、数字化的控制指令(用于控制与数字设备联结的机器系统的运行),后者就是通常在自动生产线的控制终端从事指令输入(向其发送数字化指令)的智能劳动者所进行的数字劳动,他们所从事的是对数字设备的操作活动,是使用数字技术掌控物质生产的活动,所以是物质生产型或造物型的数字劳动,即前面所说的“数字化生产活动”。

从数字劳动的上述内涵中,可以看到生成式人工智能(如ChatGPT)作为一种人工智能的新产品,无非是一个基于海量数字资源而能够应答人的要求的文本生成装置,是一种在聊天机器人中运行的智能应用程序,是一款基于大语言模型可与人对话的计算机软件,它在本质上属于人所设计和创造出来的一种数字信息产品,无非是作为“软件”或“程序”一类的数字信息品,所以是数字劳动的典型产物,且主要由软件工程师、人工智能专家、数据标记员等数字劳动者协同进行的数字劳动所创造的新产物。

虽然像ChatGPT之类的生成式人工智能与数字劳动都是在线的数字化现象,都属于“数字化生存”的大范畴,但从出现的先后来说,无疑是数字劳动在先,生成式人工智能产品在后,因此我们才说后者是前者的产物,例如,ChatGPT作为大型语言模型的数码程序软件,就是生产程序这一类具体数字劳动的产物。不仅如此,生成式人工智能的研发还属于发生在数字产业核心领域中的数字劳动,为了形成诸如ChatGPT之类的新产品,研发人员需要既分工又协作地进行种类多样的数字劳动,如:

第二,模型设计和优化。生成式人工智能的模型设计和优化需要结合大量的数据和算法,包括机器学习、深度学习、神经网络等技术,需要软件工程师和人工智能专家进行模型构建和模型评估等数字劳动,并使其不断优化。

第三,算法和架构设计。生成式人工智能的算法和架构设计需要考虑多种因素,例如任务的复杂度、计算资源的限制等,这就需要专业人员进行算法选择、调参优化和裁剪改进等方面的数字劳动,以便提高模型的准确性和效率,并满足不同任务的需求。

第五,生成式人工智能在使用中,还需要持续维护和改进,需要投入新的数字劳动对模型进行更新和增强;也需要监管人员对其加以合适的监管和控制,以确保数据隐私和安全,并避免不良影响和误导行为,如避免其生成仇恨言论,识别和过滤恶意提问,尽量减少其生成垃圾信息的可能性,如此等等。

此外,除了上述“专业人员”的数字劳动之外,还需要各个应用领域的数字劳动所产生的大量数据作为训练生成式人工智能模型的语料,由此才能建构起一种数据处理的大模型,才能形成大模型所具有的种种神奇功能。可见专业人员之外的数字劳动也是创建诸如ChatGPT之类产品的重要组成部分。

总之,生成式人工智能技术的研发需要大量的数据、算法、模型、编程等方面的投入和支持,牵涉了数据的形成和收集、存储和处理,算法的开发和优化,模型的训练和推理,应用推广和维护等方面的数字劳动,正是无数数字劳动者的多年协作,最后才造就了诸如ChatGPT、GPT-4以及文心一言等生成式人工智能的前卫产品,达成了内容生成的新目标,也不断推进和提高了内容生成的能力和水平,如用自然语言出色地回应问题、进行上下文对话、生成引人入胜的文本回复,以及自动编程、生成图像和视频等。

二、生成式人工智能造就数字劳动新形态

在数字时代,随着数字技术和大数据的普及应用,随着数字化对社会形成全面的影响,数字劳动也正在成为人类的一种主导性劳动方式,而生成式人工智能作为一种先进的数据处理和内容生成方式,正逐渐地被广泛应用于各个领域,也包括数字劳动这一重要领域,表现为它正在成为数字劳动的重要工具,从而对其造成深刻的影响和改变。

使用ChatGPT之类的生成式人工智能的过程,本身就是在进行数字劳动。一方面,如果我们使用ChatGPT是为形成有意义的文档,或进行程序的编写,这本身就是一种形成内容或软件等数字信息品的数字劳动;另一方面,使用ChatGPT也是为OpenAI从事数字劳动,如我们向其提问并直接或间接地反馈我们意见的过程,本身就在为其提供一种基于强化学习的训练,并为其增加语料,形成对程序的微调,由此优化该系统的人机交互能力,帮助其进化改善甚至迭代更新。

我们知道,劳动工具是劳动的重要因素,劳动工具的变化必然引起劳动形式和特征的变化,数字劳动也是如此。数字劳动者通常需要使用数字技术进行工作,如需要用计算机、网络、软件等数字技术进行数据处理、信息传输、程序设计和内容交互等。在这里,数字技术是数字劳动的主要甚至唯一工具。ChatGPT的出现,被认为是人工智能领域的一次重大突破,或被誉为新一代的人工智能,它也是数字劳动工具的一次突破性发展。由于工具的新颖性和前卫性,使得以ChatGPT和其他生成式人工智能为手段的数字劳动也必然发生新的变化。从积极的视角看,生成式人工智能介导的数字劳动获得了来自新工具的新赋能和新赋智,由此呈现出若干新特征。

第三,交互性。生成式人工智能介导的数字劳动使人机之间的互动性大大增强,人机合作达致动态化和深度融合的新水平。作为“对话型人工智能”,ChatGPT使人的数字劳动可以在与机器的对话(用自然语言交流)中进行,人在ChatGPT之类的平台上工作时,可以感到“对方”在以类似人类的方式与自己自然地进行交互。人也可以把ChatGPT想象为自己的一个虚拟助手,呼之即来、有求必应。此时,ChatGPT作为数字劳动的新工具更具“鲜活”性:使人感到似乎是在与一个活生生的“伙伴”(甚至是“知心伙伴”)一起寻找问题的答案、创建所需的文本,似乎对方也是在与自己一起进行“数字活劳动”,甚至是互相启发地进行生成数字文本的数字劳动。换句话说,使用ChatGPT之类的工具时,它显得是与人在交互式地进行着数字活劳动,而不是作为“死劳动”的载体,将凝聚其上的“死数据”只加以静止的展现(传统的搜索引擎就是以分析式人工智能的信息处理方式来静态地展示这样的信息)。

第四,拓展性。一方面,生成式人工智能可以不断拓展数字劳动的领域和范围,通过生成多样化的文本,帮助数字劳动者进入一些新的领域,找到一些新的方向,比如文化、艺术、娱乐等;或者通过生成跨语言的文本,帮助数字劳动者跨越地域或文化方面的障碍,自由地进入翻译、导游、外贸等领域。另一方面,生成式人工智能还可以帮助人类改变数字劳动中的关系和模式,通过更便捷的交互与互动,帮助数字劳动者建立更好的人机融合。利用生成式人工智能的优势,可以不断提高人类自身的能力和水平,如通过在ChatGPT之类公众可以接近的人工智能平台上提问和学习,可以帮助数字劳动者扩大知识面和提高创造力;它通过回答一般和专业的问题,为人提供有用的信息等,数字劳动者就可以从事更多的富有挑战性的工作,借此拓展自己的职业生涯,提升自我的价值。

第八,革命性。生成式人工智能改变了内容生成的方式和形式,甚至可以说它“有可能彻底改变我们处理信息和创建内容的方式”,抑或说它“有可能颠覆内容创作的方式”。自从ChatGPT问世后,生成式人工智能几乎渗透到了我们能想到的每个领域,从编写内容到生成音频、视频、图像、代码。生成式人工智能正在彻底改变内容创作过程,或者说“新的技术奇迹或魔力正在改变各个领域中内容创作者的游戏——使内容创作过程变得轻而易举。”这也意味着它正在为人类的知识生产方式带来一场新的革命。

凡此种种表明,生成式人工智能介导的数字劳动,是一种不同于传统数字劳动的新型数字劳动,以至于数字劳动由此正在被引向一种全新的形态。例如教育领域中的数字劳动——数字化教育,可能将会是因ChatGPT等生成式人工智能的介入而受到最大影响的领域之一,教师借助数字技术所进行的教学活动,可借助生成式人工智能而改变形式,学生借助数字技术的学习,也将借助生成式人工智能而得到极大的改变。只要应用得当,教和学两个环节都将极大地受益,人类的教育和学习方式都可能迎来重大的变化。

这样,生成式人工智能席卷了从物质生产到信息生产、从体力劳动到脑力劳动、从直接数字劳动到间接数字劳动的全领域,并通过改变数字劳动改变了整个人类的劳动方式,从而改变人类,改变世界,这就是其意义的充分展开。

三、生成式人工智能对数字劳动(者)的新挑战

可以说,随着技术的不断进步和数字化的快速发展,生成式人工智能已经成为数字劳动中一个重要的组成部分,并构成为数字劳动进入新形态的驱动力,它可以为数字劳动者带来更多的价值和可能性,也可以为数字劳动需求方提高效率带来便利,从而对数字劳动产生越来越深刻的影响。我们要全面地看待这种影响,其不仅有积极的方面,也存在消极或负面的因素,带给我们若干需要认真对待、力求解决的新问题或新挑战。

(一)信息过载与数字垃圾

(二)数字鸿沟

(三)数字劳动新异化

(四)机器换人或人被机器所替代

上述情形似乎表明生成式人工智能只替代了数字劳动,并未替代非数字劳动,尤其是体能性的生产劳动。但非数字劳动(如直接造物的体力劳动)在智能化(高端数字化)背景下可以被数字化劳动(如控制系统终端的控制性劳动)所替代,而后者又可以被如前所述的GPT+Making技术所替代,所以从最终的意义上,非数字化劳动还是可以被GPT技术所替代,由此形成了一个机器换人的替代之链。当然目前,还不必担心这种情况会马上发生,因为生成式人工智能尽管在某些领域和任务上表现出了优异的性能,但由于它还处于起步阶段,还不具备人在数字劳动时的灵活性和创造力,还无法适应复杂、多变的情形,所以它还不能完全取代人的数字劳动。但随着生成式人工智能在功能上的不断增强,机器换人的替代之链将不断延伸,数字劳动有可能全部自动化,最终,数字机器“消灭”了人的数字劳动。于是,生成式人工智能在减轻数字劳动者的劳动强度时,也可能使人彻底丧失数字劳动的机会;它在成为数字劳动利器的同时,也可能成为“吞噬”人的数字劳动的“怪兽”。

四、结语

从总体上看,数字劳动和生成式人工智能之间具有相互依存、相互影响以及相互促进的密切关联。生成式人工智能介导的数字劳动,是人工智能助力数字劳动智能化的一种进步,它带来了数字劳动效率和质量的提升,同时也改变了数字劳动的形态和方式,由此需要充分地利用和不断地开发生成式人工智能驱动数字劳动升级换代的功能,以持续地提高人类的数字生产力。与此同时,我们也需要积极应对生成式人工智能对数字劳动提出的新挑战,合理而有效地使用这一新型的数字劳动工具,减轻、限制或消除它可能对数字劳动的负面影响,从而维持人类数字劳动的健康和可持续的发展。

THE END
1.chatgpt怎么使用图片?Worktile社区6. 答案生成:使用训练好的ChatGPT模型对输入的问题和图像进行推断,生成对应的答案。可以使用Beam Search等策略来改进答案的质量。 需要注意的是,训练一个同时处理文本和图像的ChatGPT模型是一项复杂的任务,需要大量的数据和计算资源。此外,模型训练的过程可能需要较长的时间,需要有耐心和合适的硬件设备。 https://worktile.com/kb/ask/536988.html
2.图像识别:结合ChatGPT与图像识别技术Q: 如何将ChatGPT与图像识别技术结合使用? A: 将ChatGPT与图像识别技术结合使用的主要步骤包括图像预处理、图像描述生成、文本描述处理、自然语言处理以及结果解释等。 Q: 将ChatGPT与图像识别技术结合使用的实际应用场景有哪些? A: 将ChatGPT与图像识别技术结合使用的实际应用场景包括自动驾驶汽车、物流和仓库管理、医https://blog.csdn.net/universsky2015/article/details/135780523
3.2023ChatGPT人工智能新纪元.pdf1.1.2ChatGPT并不完美 虽然ChatGPT模型与GPT-3模型相比,性能提高了一个层次,但 ChatGPT依然有不完美的地方。 实际上,ChatGPT和GPT-3类似人类的输出和惊人的通用性只是优 秀技术的结果,而不是真正的“聪明”。不管是过去的GPT-3还是现在的 ChatGPT,都会犯一些可笑的错误,尤其是文化常识问题、数学计算题 等。而https://max.book118.com/html/2024/0112/5304213221011041.shtm
4.chatgpt图计算pert图怎么算footballboy的技术博客项目中各个工序的工作时间不肯定,通常引入概率计算方法得出工序时间。 3,PERT网络分析法的工作步骤 A,确定完成项目必须进行的每一项有意义的活动,完成每项活动都产生事件或结果 B,确定活动完成的先后次序 C,绘制活动流程从起点到终眯的图形,结果得到一幅箭线流程图,称之为PERT网络: https://blog.51cto.com/u_12196/11533769
5.如何用chatgpt辅助制几何图绘制几何图:根据ChatGPT提供的指导,使用绘图工具(例如Python中的matplotlib库)将几何图绘制出来。根据模型提供的信息,可以计算出坐标、边长、角度等,并将其绘制在图像上。 检查和修正:绘制完几何图后,检查图形的正确性并与ChatGPT进行比对。如果有错误或不符合预期的地方,可以进一步询问模型并修正图形。 https://www.chatairc.com/14085/
6.教7岁小孩搞懂ChatGPT树龙:所以大语言模型非常耗费算力。随着大语言模型越来越多,GPU(图形处理器)的需求越来越大,生产GPU的公司这两年都赚翻了。为什么不用传统电脑使用的CPU(中央处理器)呢?因为训练大语言模型需要大量、复杂的并行(同时进行的)计算,而这是GPU的强项。 小宝:那相比之下,人类的大脑真是太强大了,拥有100倍ChatGPT的神https://36kr.com/p/2596804134330501
7.AIGC从入门到实战:ChatGPT+Midjourney+StableDiffusion+行业应用近年来,人工智能领域出现了若干现象级产品,如耳熟能详的AlphaGo、AlphaFold和ChatGPT,这些现象级产品表现出较强的内容生成能力(即“无中生有”):AlphaGo根据当前落子局势,从对已有落子的学习中生成一个策略,以更好应对当前落子;AlphaFold从蛋白质的基因序列和其三维空间结构的配对数据中进行学习后,按照给定的基因序列输https://www.epubit.com/bookDetails?id=UB836243ed3382a
8.ChatGPT的狂飙之路相同的是,他们都表现出了对 ChatGPT 能力的极大惊叹,态度明显趋向于积极。由此可见,对于 ChatGPT 人们也呈现出一种既爱又恨的复杂心态。一方面,它可以大幅提高工作效率,把人们从繁琐的重复劳动中解放出来;另一方面,“AI或将取代人类”的阴云恐怕将一直笼罩在人类头顶之上。事实上,新闻、高等教育、图形和软件设计等http://www.xinminweekly.com.cn/lunbo/2023/02/16/18541.html
9.对话ChatGPT一次产品视角的GPT功能测试(基于gpt3.5模型)阿里的千义百问邀请码还没下来,故没有办法做对照测试,于是找了个套壳的GPT 3.5,借着慕课网的这次活动,从如下几个维度进行简单的测试,并将测试结果和Question:请给出通用的图形数字验证码的代码示例,分别用C#和java实现,并给出详细注释 Answer:由于图形数字验证码的实现方式和具体需求有关,因此我提供一种通用https://www.imooc.com/article/334971
10.用ChatGPT画流程图——人人都是提示工程师(10)5.3 用 ChatGPT 画流程图 流程图是一种用于描述流程或过程的图形化工具,通常用于展示 复杂流程的步骤、控制流程、决策路径和数据流等。在各个领域中,流程图都有广泛的应用。以下是一些常见的应用场景。 ·项目管理:流程图可以用于展示项目的整体流程和各个阶段的 具体步骤,帮助项目管理者与团队成员更好地了解项目的http://www.51testing.com/mobile/view.php?itemid=7799373
11.GPT的背后,从命运多舛到颠覆世界,人工神经网络的跌宕80年但该领域在学术界与产业界的飞速发展还是要等到17年前,硬件方面的突破——通用计算GPU芯片的出现,于是,才有了今天,随着ChatGPT等大型语言预训练神经网络模型,成为广为人知的名字。 从一定意义上,人工神经网络的成功是一种幸运,因为,不是所有的研究,都能等到核心的关键突破,等到万事齐备。在更多的领域,技术的突破出https://wallstreetcn.com/articles/3689779?keyword=w