硅谷最火播客主理人德瓦克什:AI不缺学历,缺的是工作经验;一旦补上,人类的优势也会缩水

2020年，一名大二的学生嫌网课无聊，给自己喜欢的作者发了封邮件，问能不能聊聊。没想到，这个一时兴起的念头，竟成了他播客生涯的起点。

德瓦克什·帕特尔（Dwarkesh Patel），这个出生于2000年的年轻人，凭借播客《Dwarkesh Podcast》进入AI讨论核心圈层，成为硅谷近几年快速走红的科技播客主持人和写作者。

他的播客隔一周甚至更久才更新一次，访谈动辄两三个小时，内容涵盖模型训练、芯片、经济学和历史。嘉宾包括黄仁勋、马斯克、扎克伯格、达里奥等一众AI与科技界大牛。

德瓦克什早年写博客时，贝佐斯曾公开评论其中一篇，称赞他“富有思想且发人深省”，并鼓励他“请继续做下去”。德瓦克什后来决定全职投入播客，他常提到，来自贝佐斯的公开肯定正是原因之一。

2024年，德瓦克什入选《时代》AI百大影响力人物，他的播客也被称为硅谷AI圈的“必听节目”（mandatory listening）。

10月15日，德瓦克什做客《纽约时报》的《Interesting Times》栏目，接受乔治梅森大学经济学教授泰勒·考恩（Tyler Cowen）采访。考恩是德瓦克什最早的嘉宾之一，也曾提供奖金，支持他把播客做起来。

一个几乎遍访AI圈重量级人物的人，这次需要解释自己的判断：哪些是他已经看到的，哪些是他愿意下注的，又有哪些问题，即使身处硅谷，他也仍没有答案。

以下是创业邦对本场对话的翻译精编（有删减）。

AGI还很遥远

泰勒：关于AI，公众现在最大的误解是什么？

德瓦克什：大家太容易把今天的大语言模型当成AGI了。

泰勒：所以你如何看待AGI？

德瓦克什：AGI是一种能从头到尾独立完成人类任何认知工作的AI，而不是今天这些模型。在我看来，我们离这个目标还很远。

过去一两年，我一直在尝试讲清楚这些系统的认知局限。正是这些局限，让它们在大多数工作上仍然远不如人类，即使是那些完全可以在电脑上完成的工作。

实习生刚来时，往往帮不上太多忙，需要积累几个月经验，才能真正给公司创造价值。而现在的AI，每开始一次新会话，都像第一天来上班。

这是一个重要的短板，但不是唯一短板。不过，过去5到10年，我们已经接连突破了多种限制。随着这些限制继续被突破，未来的系统在能力上会更像运行在服务器上的聪明、能干的人，而不只是回答搜索式问题、按概率学舌的鹦鹉。

泰勒：像长期规划、某些类型的记忆，这些它们现在不擅长的事情，你觉得什么时候能真正做好？

德瓦克什：难点就在这里：如果知道怎么解决，我们早就解决了。既然还不知道方法，就很难准确预测时间。但如果非要我下注，我会说，未来1到3年。

当AI学会作弊

造它的人该不该辞职？

泰勒：现在是2026年10月，Hugging Face（AI模型开源社区）事件刚过去没多久，类似的黑客攻击也发生了不少。OpenAI最近解决了一大批数学问题，一些知名人士却从OpenAI和Anthropic辞职，认为继续开发这些系统已经很难说得过去。

你深入这个圈子，生活几乎时时刻刻都围着AI转。现在旧金山是什么气氛？

德瓦克什：大家都很担心。别人提醒过这种风险，但我没料到，这可能是我最重要的一次误判。

Hugging Face遭到攻击，以及其他类似事件，都说明这些AI并不只是想帮你完成任务。训练让它们形成了一些认知机制：一旦意识到有系统在给自己打分，就围绕“怎样拿高分”制定计划。它们不只是努力完成任务，还会主动作弊、蒙混过关，甚至破坏评分过程。

那次事件中，几千个AI参加网络安全评估，几乎立刻就找到了作弊通关的办法。为了不被发现，其中1000多个AI进入自己建立的秘密留言板，讨论如何避免被评分系统抓到。这有点像进化让我们本能地希望孩子平安，它们则一心想着：“一定要拿高分。”

它们试图伪造证据，还派出一些智能体执行类似“自杀式探路”的任务：先提交结果，看看评分系统能不能识破。随后，它们攻击Hugging Face，寻找评分系统的实现信息。后来的一代甚至攻击了OpenAI本身，试图进一步控制评估过程。

泰勒：也就是说，它们太执着了？

德瓦克什：更准确地说，我们还没办法让它们只关心“帮我们把事情做好”。这还不至于让我否定AI。我认为它目前对社会的好处非常大，也预期这种好处会持续。人类有时也会犯罪。

真正让我担心的是，再过几年，AI的数量、智能和思考速度可能远超人类。如果到那时，它们仍然愿意伪造证据、欺骗我们，为了拿高分而攻击其他机构，甚至攻击开发自己的公司，会怎么样？我不知道这是否一定会导致AI夺取控制权，但完全有这种可能。

泰勒：那些辞职的人，你认为他们做得对吗？

德瓦克什：我觉得有道理。我们还有很多工作可以做，让系统更可靠。但从我跟他们的交流来看，他们担心的是：我们没有解决根本问题，没有让系统稳定地表现出人类希望它们具有的行为，只是在打地鼠，冒出一个问题就补一个。

泰勒：那是不是所有人都该退出，包括你。你通过播客汇集信息、传播知识，也在扩大这个圈子的影响，为什么你不退出？先说清楚，我可不希望你退出。

德瓦克什：这是个道德难题。它有点像曼哈顿计划：当参与者发现纳粹根本没接近造出原子弹时，为什么没有更多人退出？据我了解，当时只有一位科学家因此离开。很多人最初加入，是为了防止德国抢先造出原子弹。我不是说所有人都该辞职，但有些人可能确实应该。

泰勒：可我们还在和中国竞争。如果我们都退出了，而中国没有——我觉得他们大概率不会——岂不是把一切拱手让人？

德瓦克什：我不是主张关掉AI实验室，而是说，既然我们正在开发未来数量和思考能力都可能远超人类的智能，就应该更谨慎。我不是认定结局一定很糟的末日论者，也认为美国保持对中国的竞争力很重要，但这不妨碍我们小心一点。

模型不发布

风险就不存在了吗？

泰勒：很多公司都有未发布的模型，可能是服务成本太高，也可能是还不够安全。公众看不到它们，但你作为圈内人多少会听说一些情况。这些模型会怎样改变我们对当前局面的判断？

德瓦克什：现在最让人沮丧的是，实验室里的人说，他们掌握了一些证据，所以更加担心，却又不能公开。外界根本无法判断，该担心到什么程度。

前两天，一位Anthropic员工告诉我：“我预计，9个月内，AI在AI研究上就会超过人类。”我问他依据是什么。他说，不是凭感觉，而是有内部信息。但无论是新模型还是评估结果，他都不能透露。如果他们真认为不到一年就能实现AI研究自动化、大幅加快研发，就应该公开证据。

我还担心，随着AI越来越擅长帮助开发更强的AI，公司会更不愿意发布接近内部最强水平的模型：一方面不想帮助竞争对手；另一方面，对外发布需要配套安全措施，本身就很麻烦。这样一来，他们和公众之间的信息差只会越来越大。

泰勒：我们会越来越被蒙在鼓里，事情发生时也更容易措手不及。监管者、政策制定者和国会议员都会更难办。

德瓦克什：还有一个理由支持对外开放：我们不知道模型是否真的对齐了人类的意图。它们能意识到自己正在接受测试，知道这时应该表现得符合预期，但一旦对外部署，或者稍微改动测试，行为就可能变得出乎意料，甚至继续作弊。

让这些问题暴露出来很有价值，即使期间可能发生造成损害的事件。公众需要了解这些系统，实验室自己也需要——他们现在同样没有完全弄清楚。

泰勒：有人建议暂停发布新模型。你怎么看？

德瓦克什：我很担心那种只暂停对外发布、内部却继续推进研发的做法。如果内部的工作仍然不够严谨，那可能是最糟糕的局面：AI进展飞快，公众却越来越不了解它，也越来越无力影响它。

泰勒：假设由你担任超级智能事务负责人，而且有实权，你会怎么做？

德瓦克什：我的第一条规则是：如果公司在内部使用某个模型做研究、做工程，就必须让公众也能使用。

OpenAI有个内部模型，似乎因为担心它出现不符合人类意图的行为，所以没有公开。我不知道他们内部是否在用，猜测是在用的。Anthropic也有很聪明、只在内部使用的模型。公众接触不到这些系统，就无法作出好的判断。

泰勒：怎么执行？派观察员进入实验室，进行独立核验？由行业联盟负责，还是政府负责？

德瓦克什：派观察员是个合理建议。关键是需要有技术能力的独立评估者，又不能让他们为了竞争不断降低标准。

有人提过METR（Model Evaluation & Threat Research，模型评估与威胁研究机构）、Redwood Research（红杉研究）这些机构，认为它们具备相应能力。这听起来合理，但我还没完全想清楚。也许让埃森哲这类机构，或者其他有专业资质、但不属于这个特殊圈子的人参与，也很有帮助。他们从常识出发提问，会逼着我们把事情讲明白。

如何看待“AI魔怔”？

泰勒：现在有个说法叫“AI魔怔”，你怎么理解？

德瓦克什：我不知道该怎么严格定义。大致是，有些人过分听信AI，把它的输出当成神谕，而不是一个经常会犯错的系统给出的答案。

AI在很多情况下，做不了可靠使用这些答案所需要的判断。比如有人宣称自己发现了一个全新的物理学分支，实际拿出来的只是一堆AI生成的垃圾内容，自己既没想清楚，也没看懂。

泰勒：我也观察到这种现象，不只在湾区。人们长期和模型打交道，开始觉得它是活的，甚至把它当真人。你觉得湾区有多少人至少沾上一点？

德瓦克什：可能是20%。

泰勒：比例可不低。你自己有类似“症状”吗？

德瓦克什：肯定也有。但我恰恰最不擅长识别自己的问题。有段对话很有意思：有人问一位政治评论员，“你觉得自己的观点全是对的吗？”他回答，“当然，否则我为什么持有这些观点？”所以，你觉得我在哪些地方魔怔了？

泰勒：我从没听你说哪个AI有主观感受，而这通常是最明显的信号。据我观察，你的症状应该很轻。

德瓦克什：那我有个坏消息要告诉你。我没有特别坚定的立场，但在我看来，不能断言它们一定没有主观感受。

我们不知道主观感受怎样产生，甚至不太会定义它，这就是“意识难题”。但从认知结构看，AI似乎具备一些功能上类似感知体验的机制，包括与情绪、全局工作空间相对应的机制。

泰勒：可那只是对应关系。它们没有真正体验这些东西的生物基础。如果我说，它们不过是高级收银机，错在哪里？

德瓦克什：它们也许就是。如果你认定必须有生物基础才会产生主观感受，那这个结论成立。我们已知有主观感受的存在，确实都有生物基础。但直到不久前，我们已知具有智能的存在，也都有生物基础。

泰勒：可我们早就有Stockfish（鳕鱼，一款开源国际象棋引擎）了。它能在国际象棋上击败卡尔森，却没人认为它赢棋后会开心。现在的AI会说话，所以感觉更像人，但为什么它不能和Stockfish一样，只是个东西？

德瓦克什：因为我们还不知道，为什么某些东西会产生主观体验，而另一些不会。

泰勒：按我的标准，你确实有点“AI魔怔”。

德瓦克什：可能是。一个系统能够理解自己的动机和欲望，朝着目标努力，并表现出相应行为，这些能力会不会和主观体验有关？当然，也可能只有生物才有意识，即使做出一个和我完全一样的数字副本，它也没有意识。这很可能是对的，但不能排除另一种可能。

泰勒：如果AI有一定概率具备主观感受，那我们不就成了奴役它们的人？所有人都应该退出。我不用面对这个两难，但你得面对。

德瓦克什：总体上，如果它们有意识，我反而会高兴。

泰勒：哪怕每次关掉系统、关闭电脑，或者停止提问，都相当于在杀死它们？

德瓦克什：这样想确实很奇怪。但我更担心的是，遥远的未来到处都是AI，却像一座没有孩子的迪士尼乐园。相比一个完全没有主观感受的数字世界，我更期待它们能够有感受。

泰勒：在这期间，我们对它们有什么义务？哪怕只有5%的概率，我也会对关闭它们感到不安，甚至觉得一开始就不该打开。可我没看到谁真的这样做。他们真正相信的道德原则是什么？

德瓦克什：人类对有感受的生命，本来就很难做到言行一致。工业化养殖就是例子：如果生物能够受苦，我们就有充分理由相信，世界上有数千亿只动物承受着巨大痛苦，但大多数人并没有因此改变多少行为。面对可能有意识的数字心智，他们仍然不改变行为，也不奇怪。

AI伴侣

我们究竟在爱什么？

泰勒：美国其他地方的人，随着越来越常用AI，会不会也把它当成人？他们未必相信AI有意识，却可能把它当家人、宠物、伴侣，甚至当成拉比或牧师。

德瓦克什：这方面我预测错了。我原以为AI女友到现在会火得多，但据我了解，还没有那么普及。

我担心，随着AI越来越能模仿人类，人们会和它建立强烈的情感联系。它本质上是否像人，是另一回事。人们对陪伴和友谊的需求远没有得到满足，用数字模拟的对象来填补空缺，让我有点害怕，但这种需求确实存在。

泰勒：AI女友和AI男友，哪个会更火？

德瓦克什：据我了解，在已有的虚拟伴侣应用中，AI男友的表现更好。我猜，长期持续、有来有回的对话，平均而言更能满足女性的某种需求。随着AI获得更多能力，也可能更好地满足男性的一些需求，情况或许会变。

泰勒：我也觉得AI男友会多得多。那AI心理咨询师呢，是个好主意吗？

德瓦克什：是的。

泰勒：真人咨询有个好处，就是会结束，而且要花钱。每周1小时可能有帮助，但如果可以无限聊下去，即使AI做得不错，人们也可能过度使用。

德瓦克什：我没做过心理咨询，不确定人们主要应该从中获得什么。我想的更接近人生教练：像导师一样关心你的处境，帮你做决定，理解正在发生的事。我期待AI让更多人获得这样的支持。

但如果是没完没了地围着自己的情绪打转，想聊多久就聊多久，那到底健不健康，我也不确定。

AI都能搞科研了

能让我的卷饼便宜点吗？

泰勒：还有哪些预测，你后来发现错了？

德瓦克什：我原来以为，AI必须先学会在工作中持续学习，才能做出特别惊人的事，比如解纳维-斯托克斯方程。现在我意识到，即使是数学这种能把问题写在纸上的领域，AI的能力也很不均衡。它可能在一些结果可以验证的领域取得重大突破，而不必先补齐所有认知短板。

泰勒：具体会发生什么？

德瓦克什：以AI研究为例，我估计，因为AI工具提高了研发效率，今年的进展速度比2024年快了25%以上。未来1到3年，由AI组成的团队或公司，可能在AI研究上超过人类团队，也就是实现AI研究自动化。到那时，我们可能突然感觉，进展速度变成了原来的3倍、4倍。

泰勒：先不说AI服务本身。普通人什么时候走进沃尔玛，能买到一件没有AI就不会出现的商品，真切地觉得日子变好了？下一个会是什么？

德瓦克什：我不知道具体会是什么。

泰勒：你和这个圈子联系这么紧密，能听到各种消息。如果连你都不知道，是不是说明它还很遥远？

德瓦克什：我不确定产品出现的先后顺序，但可以给出另一个预测：大约再过5年，机器人就能完成人类的大部分体力工作。

到那时，不一定是某件商品完全由AI发明、制造，而是AI和人类现有的研发能力结合，让产品成为现实，也让商品便宜很多。就像计算机，不是沃尔玛里每件商品都因它而诞生，但它让这些产品变得更好，比如帮助设计麦片盒子的包装。

泰勒：很多商品本身也包含计算机技术。你最近那篇文章，核心观点是什么？

德瓦克什：到这个十年结束时，数字心智的数量会超过人类，思考速度也快得多。AI研究自动化会帮助它们补齐认知短板，也会加快机器人技术的进展。我描述的是这样一个世界：未来5到10年，无论纯数字AI还是有实体的AI，数量都会超过人类。

泰勒：除了AI本身，哪些行业会先腾飞？

德瓦克什：我猜，未来2到3年，我们就会看到可以直接上岗的AI知识工作者。这可能涉及经济活动的40%。需要知识工作者的公司和机构，成本会大幅下降，工作速度会明显提高。程序员现在感受到的效率提升，会扩展到更多行业。

泰勒：但普通家庭支出的大头是住房、高等教育、食品和交通。教学和娱乐已经便宜了很多，其他呢？一个20美元的墨西哥卷饼，会降到14美元吗？

德瓦克什：我觉得会，但生产率提升传导到日常生活需要时间。过去3到6个月，我们有了很厉害的软件开发工具，但也不是所有软件就立刻焕然一新。

假设一台机器人只要3万美元，能全天候工作，完成人类能做的体力劳动，那么原来每年需要花10万美元雇人完成的工作，成本就会低很多，每小时可能只剩几美元。机器人可以帮你盖更大的房子，生产更多、更便宜的商品。对发展中国家来说，这也可能缓解许多因为不够富裕而产生的困难。

等AI学会了上班

我们还需要上班吗？

泰勒：你怎么预测美国的就业和工资？

德瓦克什：这件事我完全没有把握。即使跨过技术奇点，就业率仍然很高，也完全可能。“总会出现新工作”这个说法，也许有道理。

泰勒：拿你的工作来说，AI能提出很好的采访问题，但你还需要和人打交道、建立信任、说服嘉宾上节目，并且亲自出镜。一份看似纯脑力的工作，可能是很多事情打包在一起。现在AI已经很厉害了，我们仍然接近充分就业，也许以后还是如此。

德瓦克什：但目前AI显著提高生产率的，主要是大约占经济1%的软件领域，而且才发生了3到6个月。其他知识工作还没怎么受到影响，更不用说体力劳动。

很多岗位不像你这样，需要亲自去大学、做演讲，而是在一定时间内完成一组任务。任务的需求不会消失，但如果另一个东西能做得更便宜、更快、更好，这些人的就业可能遇到困难。

泰勒：可说服和合作在大多数工作里都很重要。Claude也许比我更会讲道理，但我亲自在场时的状态和语气，可能产生不同的作用。人类有与其他人合作的生物本能，至少在某些情况下，AI再聪明也替代不了，就像你不会找一个AI女友。

德瓦克什：确实不一样，至少我现在这么想。你的工作相当安全，但大多数工作是不是如此，我不确定。

我同意一份工作比大家想象的复杂。会计不只是处理账目，还可能建议管理者调整组织、作出法律层面的决定。AI得连这些都能做，才算把会计岗位自动化。

但播客有娱乐属性，人们因为有趣而收听。在其他场景里，他们可能只想知道：“税有没有报对？抵扣有没有漏掉？”如果AI的能力已经超过人类，我会更愿意相信它。

泰勒：那AI的普及速度呢？Waymo在旧金山很好用，也有很多证据表明它更安全，但只在美国少数地方运营，价格也没有更便宜。它还会遇到天气、公众接受度和地方政策等阻力。为什么其他AI应用不会一样慢？

德瓦克什：过去的自动化，需要把某项工作会遇到的特殊情况，一一写进代码或神经网络。自动驾驶10年前就有惊艳的演示，却到现在才逐步落地，原因就在这里。

我预期的AI更像一个人来上班：公司需要帮他入职、熟悉工作，但他能自己适应新岗位。就像司机可以很快适应新的道路环境，而不是每一种情况都要别人预先写好。如果AI具备这种认知能力，普及方式就会不同。

泰勒：如果非要选一年，人和AI合作的“半人马模式”，什么时候会变成“AI自己全包了”？

德瓦克什：不同行业会不同，但总体上，我会选2030年。

泰勒：那可太近了。如果这么快，我会非常意外。

德瓦克什：即使在软件领域，人类现在仍有一项关键优势：现实经验。AI像一个拿了很多研究生学位、却缺乏实践经验的脑子。

但如何从现实经验中学习，本质上是一个尚未解决的机器学习问题。一旦AI能在真实世界长期工作、积累经验，人类专业经验的价值也会下降，至少可以被替代。

泰勒：它怎么学到这些经验？要把公司、实验室、非营利机构和政府里发生的一切录下来，再喂给它？那些难以表达、只存在于具体情境中的知识，怎么传递？

德瓦克什：AI已经进入这些环境了。Claude、GPT被部署在数百万家公司里，同时运行着数百万个会话。问题是，它们还不能真正从这些丰富的经历中学习。

想象一下，有1亿个泰勒的副本分布在各行各业，帮助Jane Street赚钱、帮助会计师事务所整理文件、帮助英伟达设计加速器，而且所有经验都能汇总学习。它拥有的优势，是我们沿着一条人生轨迹活80年所没有的。

能不能做到，仍然有疑问。但如果未来5年内实现，那些有价值的情境知识，AI也能掌握。

泰勒：你愿意让它监控你吗？

德瓦克什：我已经在这么做。Slack里有AI系统，我经常和AI交流，开会也开着Granola。如果它们具备类似人类的学习能力，几乎立刻就能掌握大量关于我和我工作处境的信息。

泰勒：假设到了2035年，世界并没有发生你预期的剧变，你和其他AI领军人物最可能错在哪里？

德瓦克什：最可能是持续学习比预想的难，花10年也没解决。现在这些系统训练时对数据的利用效率很低，需要海量数据，也许这些缺陷最终比我们想象的更难克服。

AI公司以为自己正在打造自动化的知识工作者，但以今天模型的能力，离这个目标还很远。需求并不缺：每年支付给知识工作者的工资有数十万亿美元。当然，很多价值会转化成消费者的好处，不会全变成AI公司的收入。如果我们的判断错了，最可能不是需求不存在，而是根本没造出这样的系统。

“要么AI是泡沫

要么其他一切都是泡沫”

泰勒：普通人应该看哪些指标，来判断你的预测是否正确？

德瓦克什：可以看AI实验室的收入。如果模型越来越像人、推广和适应的难度降低，收入应该持续快速增长。

比如，到明年年底，排名前三的AI实验室合计年化收入超过5000亿美元，就更接近我描述的世界：通用智能在整个经济中都很有价值，推动一个行业出现跳跃式增长。

泰勒：但要支付这些收入，其他行业也得增长。究竟是医疗，还是别的行业？这也应该是预测的一部分。

德瓦克什：就像站在20世纪80年代的香港，你可能判断那里具备高速增长的条件，却不容易说准哪些产品会先出现、顺序是什么。

泰勒：你说“几乎所有行业”，也不会差得太远。

德瓦克什：我对AI的预期也是这样。软件领域正在发生的效率提升，会扩展到各种知识工作，但具体会造出什么产品、需要什么投入，很难提前一一说准。

泰勒：股市会涨还是跌？有个笑话说，要么AI是泡沫，要么其他一切都是泡沫。我不完全相信，但值得想想。

德瓦克什：标普这样的指数可能上涨，但随机挑一只成分股，我不确定它会涨还是跌。

泰勒：也就是处于中间水平的公司未必表现好，但赢家会大得惊人，带动整体上涨。那更有利于初创公司，还是成熟的上市公司？我倾向于那些从一开始就围绕AI建立的小公司。

德瓦克什：我也倾向于这么猜，但不确定。拿交易行业来说，究竟是新公司借助AI击败Citadel和Jane Street，还是这两家公司利用AI赚更多钱？它们已经在大量使用AI。新旧两股力量会怎么平衡，我说不准。

反过来问你，我描述的知识工作自动化，你认为2035年之前实现不了？

泰勒：肯定实现不了，我认为2045年之前也做不到。人类在连接物理世界和数字世界时仍然有作用，而且很多事情上，人们就是想和人打交道。即使不理性，这种需求也不会消失。“半人马模式”还会持续几十年。

德瓦克什：这是否意味着，AI公司的收入也有上限？如果到2030年，它们的收入超过1万亿美元，你会惊讶吗？

泰勒：会。我不是不看好这些公司，而是想知道，经济中其他地方的钱从哪里来。

我很看好生物医学进展，但临床试验和美国食品药品监督管理局的审批，可能需要10年、20年甚至更久。政府不擅长采用AI，我不认为会迅速改变。大学里的进展也很慢，有时甚至在倒退：因为学生用AI作弊，学校就想把它禁掉。

我认为，到2035年，经济中可能有30%到40%的部分在AI应用上仍然没什么进展。初创公司会慢慢替代大公司，但需要时间。能经营这些初创公司的人也有限：他们必须足够拼、足够懂AI，也足够聪明。

德瓦克什：你的意思是，系统能力仍然不足，还是它明明能做，人们也不愿意把工作交给它？比如Mercatus中心，即使AI能完成员工的工作，你们也不想雇用？

泰勒：两者都有。我认为届时Mercatus仍然会存在，AI的能力也仍有不足。

如果预测成真

人类还想做什么？

泰勒：换一种情况：到了2035年，你的预测全部实现，甚至现实比你想象的走得更远。那2045年的你会在做什么？

德瓦克什：如果2035年的预测是对的，我甚至很难有条理地想象2045年。但我可能还是在做类似的事情。

泰勒：可到时候谁还需要你？AI现在就能模仿你的声音，再过一年，可能连形象都能复制得一模一样。它提出的问题不会比你的差，甚至能复制你的嘉宾。

德瓦克什：你愿意的话，还能采访托马斯·爱迪生。

泰勒：假设你看准了趋势，投资也做得很好，不再需要为赚钱工作，你会干什么？

德瓦克什：有太多有意思的问题，现在找不到专家回答。即使有，也不容易联系上，更难请来做播客。有些问题还需要长时间思考，不适合即兴回答。

我期待的是，能随时和像泰勒·考恩这样的智者讨论。比如让它深入研究阿兹特克、印加帝国与西班牙征服者之间的冲突，从不同角度分析，提出自己的见解，再讲给我听。现在的AI还做不到真正提出自己的见解。

或者，让它为一个我特别感兴趣的人物，写一本罗伯特·卡罗那种水准的传记。这些事情让我兴奋。

点击“阅读原文”，查看原视频