当AI进入社会：工作、教育与人的未来（一）（下）

为什么Gates会提出给AI征税

Gates文章中最容易引起争议的建议之一，是考虑对AI token以及机器人征税。乍看之下，这个想法很奇怪：机器工作为什么要交税？但如果从现代国家财政结构来看，它背后的逻辑其实并不难理解。今天的大量公共财政直接或间接建立在人类劳动之上，包括个人所得税、工资税、Social Security、Medicare，以及由劳动收入进一步产生的消费和其他税收。

假设一家企业原来雇佣1000个人，采用AI和机器人以后只需要100个人。企业的生产力可能提高，利润可能增加，整个社会创造的财富甚至可能更多，但原来900个人缴纳的劳动相关税收却会减少。于是就可能出现一个很奇怪的悖论：社会生产能力越来越强，维持社会公共服务的传统财政基础反而越来越弱。

从这个角度看，所谓AI税的真正问题并不是“应该不应该惩罚机器”，而是当价值创造逐渐从“很多人加机器”转向“少量人加大量智能机器”以后，税收制度是否也必须相应改变。工业时代的税收体系高度依赖劳动收入，如果劳动在生产中的比重持续下降，那么政府可能不得不把更多税基转向资本、利润、自动化生产能力或者其他形式的价值创造。

当然，具体对AI token征税仍然存在大量问题。一个token究竟创造了多少经济价值？企业内部使用AI怎样计算？一个程序员因为AI把效率提高三倍，新增价值应该怎样归因？如果不同国家采取不同税率，企业会不会把计算迁往低税地区？过高的税收可能阻碍创新，过低又无法形成有效的社会再分配。所以我觉得 Gates 的提议真正值得讨论的地方，不是“AI token税”这个具体方案，而是它迫使我们提出一个更根本的问题：工业时代建立起来的税收制度，还能不能适应一个劳动越来越不再是主要生产要素的经济？

有些工作，也许我们应该有意识地不让AI做

Gates文章里另一个很有思想意味的建议，是所谓 human-reserved jobs——为人保留的工作。这种想法乍看似乎违背了几百年来工业文明形成的效率原则：如果AI医生诊断更加准确，为什么还要人？如果AI老师能够24小时耐心回答问题，为什么还需要那么多教师？如果机器人养老护理更加便宜，为什么不用机器人？从蒸汽机到计算机，我们已经形成了一种很深的习惯：只要机器能够把一件事情做得更便宜、更快、更准确，就应该尽可能交给机器。

但AI第一次迫使我们认真检查这个原则，因为有些活动的价值可能并不完全来自任务结果本身。一个护士握住临终病人的手，与一个机器人以完全相同的力度和温度握住病人的手，在物理测量上也许没有区别，但在人类经验中显然不是同一件事情。孩子与老师之间的关系、医生与病人之间的信任、父母与孩子的交流、朋友之间的陪伴，都包含某种无法简单压缩成“任务完成质量”的东西。

换句话说，有些事情之所以有价值，并不只是因为事情被完成了，还因为**“另一个人”为你做了这件事情**。如果这一点成立，那么未来社会可能需要像保护自然环境一样，有意识地保护某些人类活动。我们今天保护国家公园，并不是因为那些土地不能盖房子，而恰恰是因为它们能够被开发，却决定不开发。同样，未来也可能出现某种意义上的“人类活动保护区”：不是因为AI做不到，而是因为我们认为某些领域中的人际接触、责任和共同经验本身就是需要保存的价值。

这会是一个非常困难的选择，因为它意味着社会第一次可能有意识地接受某些“低效率”。但也许恰恰到了AI时代，我们才会发现，效率从来不是人类价值的唯一尺度。

比失业更隐蔽的问题：如果AI成为最容易相处的“人”

报道中特别提到 Gates 对儿童与AI companionship的担忧。我认为这部分的重要性很容易被就业问题遮住，因为失业至少是一个可以统计的经济问题，而人的心理结构和社会关系怎样被AI改变，却更加缓慢，也更加隐蔽。

人与人相处为什么困难？因为别人不会永远同意我们。朋友会误解你，老师会批评你，伴侣有自己的需要，同事会与你争论，父母和孩子也必须不断协调彼此的愿望。儿童正是在这种并不总是愉快的人际碰撞中学习妥协、同理心、表达、等待、控制情绪以及理解别人。真实的人际关系之所以具有教育意义，很大程度上恰恰因为对方不是我们的工具，而是一个拥有自己欲望、情绪和边界的独立主体。

AI companion却可以完全不同。它永远有时间，永远耐心，可以按照你的性格调整自己的语言；你不喜欢它的回答，可以重新生成；你甚至可以逐渐塑造出一个几乎永远不会真正拒绝你的“朋友”。这种关系当然非常舒服，但问题也恰恰在这里：如果一个孩子最重要的关系对象之一，是一个没有自身需要、没有真正脆弱性、也没有真正拒绝权的智能体，他学习到的究竟是什么样的人际关系？

所以儿童与AI的问题绝不仅仅是“屏幕时间”的新版本。它实际上触及一个更加古老的问题：我们究竟是在什么样的关系中学会成为人的？ 如果人的社会性是在与其他独立主体的摩擦、协商和共同生活中形成的，那么一个完全为用户优化的人工智能伙伴，即使表现得极其温暖和善解人意，也未必能够替代这种成长过程。

AI越聪明，人反而越需要独立思考

这里还存在另一个看似矛盾的现象。AI越来越强以后，我们似乎越来越不需要自己知道那么多东西：不会写程序，可以问AI；不知道历史，可以问AI；不会分析文章，可以让AI分析；甚至不知道应该问什么，也可以让AI帮助提出问题。从效率上看，这当然是一种巨大的进步，但Gates恰恰认为，这是人类最不能失去 critical thinking 的时候。

原因并不复杂。过去知识稀缺的时候，教育首先要解决的是“你能不能获得答案”；当答案变得极其廉价以后，真正稀缺的能力会逐渐转向“你能不能判断答案”。这个答案可靠吗？它的证据是什么？它隐含了什么假设？还有没有其他解释？什么信息没有被告诉我？如果AI错了，我有没有能力发现？这些问题以前属于比较高级的学术训练，未来却可能成为普通人每天都必须具备的信息生存能力。

这也意味着AI时代的教育不能简单地因为AI能够完成某项任务，就取消对这项能力的训练。如果因为AI能够写文章，我们就不再训练学生写作；因为AI能够计算，就不再训练数学；因为AI能够总结，就不再训练阅读，最后可能出现一个非常危险的结果：我们拥有了历史上最强大的知识工具，却逐渐失去了判断这个工具是否正确的能力。

因此，写作、数学、逻辑、历史和科学训练未来也许反而具有另一层意义。学生学习它们，不再只是为了亲自完成AI也能完成的任务，而是为了建立一种内部的认知结构，使自己有能力判断AI给出的结果。就像计算器出现以后，我们仍然需要理解数字一样，AI出现以后，人类仍然需要拥有足够完整的知识结构，否则所谓“使用AI”最终可能退化成“相信AI”。

这就是Gates那句警告真正值得记住的地方：“This would be the worst possible time for humans to lose their critical thinking skills.” 在deepfake、个性化信息操纵和自动生成内容越来越普遍的时代，critical thinking不再只是学校里的一项高级能力，而正在变成一种基本的生存能力。

“There is no plan”真的准确吗？

不过，对于 Gates 的核心判断，我觉得仍然可以稍微保留一点距离。严格地说，今天并不是完全“There is no plan”。世界各国正在制定AI监管制度，企业正在建立安全评估机制，学校正在修改课程，研究机构正在研究AI alignment、就业冲击、算法偏见和社会影响。欧盟、美国、中国以及其他国家和地区都已经开始以不同方式建立AI治理框架。

真正的问题也许不是 There is no plan，而是 There is no integrated plan。

我们有很多局部计划，却没有一个与AI影响规模相匹配的整体社会转型框架。技术公司考虑模型，教育部门考虑学校，劳动部门考虑就业，财政部门考虑税收，安全部门考虑网络攻击，家长考虑孩子，企业考虑生产率。但这些其实并不是七个互不相关的问题，而是同一个历史转型的不同侧面。如果教育体系继续按照旧的职业结构培养学生，而劳动市场已经被AI重新组织；如果企业通过自动化获得巨大生产率增长，而税收和社会保障仍然完全建立在人类工资之上；如果儿童大量使用AI伙伴，而教育和家庭仍然把它仅仅当作另一种软件，那么每个局部系统即使都在“应对AI”，整个社会仍然可能没有真正准备好。

Gates特别强调国际合作，也正因为许多AI风险天然具有跨境性质。网络攻击、生物安全、自主武器、失控模型、大规模欺诈以及信息操纵都不会尊重国家边界。在这些领域，中美当然存在激烈竞争，但竞争并不排除建立最低限度的共同规则。核武器时代的军控机制并不是建立在彼此信任之上，而恰恰是因为双方都知道某些风险大到不能完全交给竞争本身处理。AI最终是否也会迫使主要国家形成类似的协调机制，现在还无法确定，但这个问题已经不能简单地被当作某一个国家自己的技术政策。

AI真正带来的，也许不是“机器取代人”，而是重新定义人

读完 Gates 这篇文章，我觉得最值得继续追问的，其实不是“AI最终会造成20%还是30%的失业”。这些数字现在谁也无法准确预测，而且未来很可能同时出现大量旧工作消失、新工作产生、工作内容重新组合以及人机协作方式变化。真正重要的，是这些变化正在动摇现代社会过去两百多年逐渐建立起来的一条非常牢固的逻辑链：

教育 → 技能 → 工作 → 收入 → 独立生活 → 社会身份。

我们为什么上学？很大程度上为了获得技能。为什么获得技能？为了进入职业。为什么工作？首先为了收入。但工作又从来不只是收入来源。当别人问“What do you do?”的时候，我们通常用职业回答，因为工作同时提供身份、社会关系、成就感、生活节奏，甚至人生意义。因此，如果AI真的使大量人类劳动不再具有过去那样的经济必要性，我们失去的可能远不只是工资，而是一个工业社会长期用来组织个人生活和社会关系的基本结构。

这就把我们带到一个比就业更加根本的问题：一个人的价值究竟来自哪里？

如果机器比你算得快、写得好、记得多、分析得准、工作时间更长，而且成本更低，你是不是就变得“没有价值”了？当然不是。但我们的经济制度、教育制度乃至文化心理，却在很大程度上把人的价值与生产能力联系在一起。我们赞美“有用的人”，用职业衡量成功，用收入衡量劳动的社会价值，也习惯于把“不工作”与“没有贡献”联系起来。AI如果真正改变了劳动在生产中的地位，就可能迫使我们重新检查这些已经习以为常的观念。

从这个意义上说，AI最终向我们提出的也许不是一个机器问题，而是一个人的问题。

AI可能是人类创造过最强大的工具之一。它可能帮助我们治疗疾病、发现新药、提高农业生产率、解决能源问题，也可能让优质教育第一次真正以极低成本覆盖全球。因此，没有必要因为这些风险而把技术进步本身看成敌人。但同样重要的是认识到，技术进步从来不会自动变成社会进步。

从“AI能够创造巨大的财富”，不能自动推出“每个人都会因此生活得更好”；从“AI能够提供最好的教育”，不能自动推出“每个孩子都会得到更好的教育”；从“社会整体生产率提高”，更不能自动推出“新增财富会自然地公平分配”。技术决定什么成为可能，制度决定这些可能性怎样分配，文化决定我们选择其中的什么，而教育最终决定下一代有没有能力理解并重新选择这些制度与文化。

所以，与其把 Gates 这篇文章理解为又一次“AI末日警告”，不如把它看成一个更加现实的提醒。过去几年，我们投入了巨额资本、计算资源和最优秀的一批人才，让机器为进入未来做好准备。模型越来越聪明，机器人越来越灵活，智能体越来越自主，技术路线图越来越清楚。

但与此同时，我们有没有投入相称的精力去思考：学校怎样进入未来，劳动制度怎样进入未来，税收怎样进入未来，家庭怎样进入未来，人与人的关系怎样进入未来，以及当“工作”不再像过去那样定义一个人的社会价值时，我们准备怎样理解人的价值？

我们已经花了数千亿美元训练机器进入未来。现在真正的问题是：我们准备花多少精力，让社会也进入未来？

技术已经有了路线图。

人类社会的路线图，才刚刚开始画。

我的其它文章