近日，Harvard Business Review发表由Marc Zao-Sanders撰写的文章Where Humans Still Have the Edge on AI，探讨了当前人工智能（尤其是生成式人工智能，Gen AI）在许多领域的优势，同时指出了人类在某些关键能力上仍然具有的独特优势。文章从四个方面（情感、复杂性、物理性和创造力）分析了人类在面对人工智能快速发展的背景下仍占据的重要“壁垒”或“护城河”，并讨论了人类如何利用这些优势与人工智能互补。
一、人工智能的优势与现状
生成式人工智能具备多个明显优势，例如：
- 持续性：AI能够24小时不间断运行，而人类需要休息和恢复。
- 信息广度：AI可以访问互联网中海量的数据，快速整合和分析复杂信息。
- 即时性：AI能够在极短的时间内生成结果，无需思考时间。
- 可扩展性：AI可以以几乎无限的方式同时执行多项任务，远超人类个体的能力。
这些特性使AI成为强大的工具，尤其在白领领域，其替代潜力令人瞩目。相比之下，传统蓝领领域由于涉及大量物理交互和直观的操作要求，AI的渗透相对较低。然而，尽管AI的快速进步已超越人类在许多特定任务上的表现（例如棋类游戏、语言翻译和文本生成），它在一些领域仍显局限。这些局限为人类保留了重要的优势空间。
二、人类在四个关键领域的独特优势
1. 情感（Emotion）
AI虽然能够模拟情感和伦理表达，但其本质上缺乏真正的情感理解和共鸣能力。以下是情感领域中人类独特优势的细化分析：
- 共情与理解：人类能够通过复杂的情感表达和非语言线索，深刻理解他人独特的背景、情绪和需求。例如，在心理治疗、危机干预和复杂的人际关系处理方面，人类表现得更具洞察力。
- 真实性与个性化：AI的输出往往中规中矩，缺乏真实的情感深度。而人类的建议和支持则具有个性化的色彩，能提供意料之外的视角或富有争议的观点，这在解决问题和启发创新中尤为重要。
- 文化与人际吸引力：音乐、体育、戏剧等人类创造的艺术形式，不仅仅是作品本身的展示，更是人与人之间深刻的情感连接。例如，人类观看体育赛事时，感受到的不仅是技术的高超，还有参与者的努力、激情与脆弱性，这种情感共鸣是AI难以复制的。
相关技能：说服力、自我意识、伦理观、倾听能力、讲故事能力和销售技巧。
2. 复杂性（Complexity）
尽管AI在结构化问题中表现出色，例如棋类游戏和代码生成，但在面对复杂的“棘手问题”时仍显不足。
- 跨领域数据整合：复杂问题（如气候变化、贫困和社会正义）需要整合跨领域、多层次的背景知识，而AI目前的能力局限于其训练数据的范围，缺乏对多维度数据的深刻理解和判断力。
- 策略与远见：复杂问题往往需要直觉、经验和战略规划。例如，在企业管理中，AI可以分析财务数据，但无法综合文化、市场动态和人类行为的复杂性，提出具有深远意义的战略决策。
- 伦理与价值判断：许多复杂问题本质上涉及伦理决策，例如在医疗资源分配或公共政策制定中，人类必须平衡技术的可行性与社会的价值观，这种判断超越了AI的能力范围。
相关技能：复杂问题解决能力、意义建构、风险管理、战略规划、直觉和远见。
3. 物理性（Physicality）
生成式人工智能完全基于虚拟世界运作，与物理世界的直接交互能力极其有限。
- 精细操作：许多任务需要高水平的身体灵活性和协调性，例如手工艺、外科手术和高级机械操作。虽然机器人技术正在快速发展，但其精确性和适应性仍无法与人类相提并论。
- 物理环境中的即兴应对：许多场景需要人类快速适应复杂和动态的物理环境。例如，护理人员在突发事件中的应对，厨师在调整食材比例时的直觉判断等。
- 人际接触的重要性：某些职业需要直接的人际互动，例如看护人员与患者的情感连接，或谈判时的眼神交流和肢体语言，这些都是AI无法替代的核心价值。
相关技能：身体灵活性、力量、平衡、协调性、触觉敏感性和手眼协调能力。
4. 创造力（Creativity）
尽管生成式人工智能可以生成从未见过的文本或图像，但其本质上依赖于已有数据，难以实现真正的原创性。
- 情感驱动的创作：许多伟大的艺术作品源于创作者深刻的情感体验和文化背景。例如，一首歌曲或一幅画作的感人之处不仅在于其形式美感，还在于背后的故事与情感共鸣。
- 跨领域创新：人类的创造力常常源于多个领域的交叉与融合，例如科学与艺术的结合，这种跨学科思维是AI目前难以复制的。
- 价值与稀缺性：人类创作的作品因其独特性和不可复制性而具有文化和经济价值。例如，尽管AI生成的画作可以被出售，但其社会认可度与人类艺术家作品相比仍有显著差距。
相关技能：想象力、审美判断、横向思维、艺术表达和好奇心。
三、人类与AI的协同未来
文章进一步提出，人类与人工智能并非彼此对立，而是可以互相补充。
- 任务级别的协作：AI最适合在具体的微任务上辅助人类，例如生成参考示例、提供词汇建议或验证数据一致性，而人类则负责更高层次的思考与综合。
- 增强创造力：AI可以加速人类的创意过程，例如AlphaFold2在蛋白质结构预测中的突破，不仅彰显了AI的潜力，也体现了人类科学家在模型设计和实验验证中的关键作用。
- 个性化发展路径：作者建议，每个人都可以选择一个尚未被AI替代的技能，深入学习和发展，同时结合AI的辅助功能，提升自身效率。
P.S., 一句话读后感：感觉作者还是低估了AI的能力🤔