ChatGPT犹如一枚核弹，在全球范围内掀起了AI狂潮，在看到了越来越多关于Ai功能消息的同时我们也看到了越来越多关于失业的讨论。
作为一个还没到35岁的程序员，这这这失业年龄怎么又提前了？这不得好好研究下OpenAi 3月17号在官方发布了一篇关于就业的论文 （An early look at the labor market impact potential of large language models），让我们看看OpenAi自己是怎么看待就业问题的。
论文
数据与定义
首先论文中使用了 O*NET 27.2 数据库，包含 1016 种职业，以及各个职业的工作活动（Detailed Work Activities，简称 DWA）和任务（Task）。论文中对工作活动和任务给出了定义：
➢ 详细工作活动 DWA 是由完成任务构成的综合操作，大多数工作活动与一个或多个任务相对应，该数据集中包括 2087 种 DWA；
➢ 任务 Task 是某个特定职业的基础单位，一项任务可以与 0 个、1 个或多个 DWA关联，且每个任务都有与之对应的职业，该数据集中包括 19265 种任务。
然后论文中设定了暴露度 Exposure 这一指标，作为重点讨论的对象。暴露度 Exposure用于衡量 GPT 对特定工作活动和任务的冲击程度
将暴露度分为以下三类：
**E0 无暴露度：**如果经验丰富的工人在高质量完成任务时所需的时间没有明显减少，或使用 GPT 相关技术会降低工作活动/任务的完成质量，则定义为 E0（例：需要高强度人际互动的任务）。
**E1 直接暴露：**在保证完成质量相同的前提下，如果通过 ChatGPT 或 OpenAI 直接访问 LLM 或 GPT-4 可以将完成工作活动或任务所需时间减少 50%及以上，则将其定义为 E1（例：指令编写、转换文本和代码的任务）。
**E2 LLM+暴露：**直接访问 LLM 不能将完成任务所需的时间减>50%，但在 LLM 基础上开发额外功能后可以达成目的，则定义该类工作活动和任务为 E2
前文将暴露度 Exposure 这一指标的定义进行了描述，论文中还将暴露度的衡量指标α、β 和 ζ 进行了统计数据的汇总。不论采取人类打分的方式还是 GPT-4 打分，暴露度α的均值在0.14左右，表示了从平均意义上说，15%左右的职业/任务暴露于GPT，即 15%左右的工作可能会被现有的 LLM/GPT-4 降低 50%以上的工作时间。类似地，暴露度 β 和 ζ 均值分别在 0.3 和 0.5 左右，代表 30%/50%的职业或任务将受到中/高水平的 GPT 冲击，即减少工作时间 50%及以上。
然后用人类和机器打分两种模式 来判断gpt对工作内容的影响；
图中人类和gpt的评价呈现了高度的一致性；
结论
结论一：大多数职业将受到 GPT 的冲击：
80%的工人有至少 10%的任务可以被 GPT 减少≥50%的工作时间；
19%的工人有至少 50%的任务可以被 GPT 减少≥50%的工作时间；
结论二：GPT 的影响横跨各类薪资层级：尽管存在部分特殊情况，但整体来看，工资越高，受 GPT 冲击的程度越大；
结论三：职业技能与 GPT 的冲击程度有关：科学和批判性思维技能最不容易受 GPT 冲击，而编程和写作技能受影响的程度最高；
结论四：高学历更容易受到 GPT 的冲击：持有学士、硕士和更高学位的人比没有正规教育学历的人更容易受到 GPT 的冲击；
影响较大的职业有
人类打分模式下，证券商品合约及其他金融投资及相关活动是受 GPT 冲击最为严重的行业，而 GPT 打分模式下，数据处理托管和相关服务的受冲击程度最高。在直接调用 GPT 模型的情况下（暴露度 α），口译笔译和数学家分别是两种打分模式下受影响最大的职业。在进一步开发 GPT 衍生功能的情况下（暴露度 ζ），人类打分模式中，有 15 项职业的所有任务都将被 GPT 降低 50%以上的工作时间，包括数学家、税务、量化分析师、作家、网页和数字化页面设计师；GPT 打分模式中，有 86 项职业的所有任务都将被 GPT 降低 50%以上的工作时间，包括审计会计、新闻分析记者、法务专员、临床数据经理、气象变化政策分析师等。从方差角度看，搜索营销策略师、平面设计师、投资基金经理、财务经理、汽车损坏保险估价师可能是受 GPT 影响程度争议最大的几项职业。不容易受GPT影响的职业（以体力劳动为主）
那我是不是可以直接去学煎饼了？其实大可不必
回顾历史,人类历史上发生过三次科技革命
第一次科技革命（约1760年—1840年）：蒸 汽机革命，以蒸汽机和机械化为代表的技术进步，是人类发展史上的最大拐点。在此之前人类只能利用生物能（比如人力、畜力、木材 秸秆、动植物油脂能等)，磨坊和纺织都只能 沿河而建。由于缺乏巨大的动力源，商品无法大规模流通，只有通过运河实现大规模运输。在几千年的封建社会里，生产力发展极为缓慢。而在蒸汽机革命来临之后，人类不再受限 于生物能，一切都开始猛然加速。蒸汽机火车可以把东西运输到任何地方。
第二次科技革命（约1870年—1914年): 革命，以电力、内燃机、化学工业、钢铁等为代表的技术革新。人类在理解电之前，雷公电母就是人们对电的解释。电灯被爱迪生发明之后，刚刚开始在美国普及的时候，人们家里还 没有电灯。晚上一起结伴去广场上看电灯就成 了美国人当时的时尚。千百年来，晚上都是漆 黑一片，顶多有一点烛火，现在突然亮如白昼，亮度远远超越月亮，这是怎样的奇观！在那一时期，美国的时尚潮流也发生了变化：女性的晚礼服开始出现宽松的裙摆和露肩的设计，饰以闪闪发光的宝石和珠子，以配合电灯的亮光效果。电力对人类的改变真是天翻地 覆。再举一个看似微不足道的例子：冰箱。以前，除了发酵和风干，人类几乎无法保存食物。有了冰箱，食物贮存易如反掌。
第三次科技革命就是信息革命，标志主要是4件东西被发明：计算机、个人计算机、万维网 和智能手机。当我们回顾历史的时候，往往可 以发现很多有趣的事实。浓眉大眼的微软抓住 了个人计算机的机会，站上了浪潮之巅，和英 特尔形成了Intel联盟，称霸了整整一个时代，但是，微软却错过了搜索引擎，然后错过了移动操作系统。虽然微软抓住了云计算，但是也算是错过了30年。 但这次史诗级创新机会 ——ChatGPT，却被微软抓住了。
总结全球经历的三次工业革命。每次革命都带来了技术进步、生产力的提高以及工作岗位的变革。三次工业革命生产力发展了几十万倍，但失业率没见持续上涨，反而劳动参与率有上升趋势。可见，生产力与失业率之间不存在相关关系，无论生产力多么发达，失业率依然不会随之飙升。
新技术的出现总是让曾经的工作消失，并逐渐演化出新的职业。就像消失的马车夫、喂马员，取而代之的是司机一样；
Ai时代 反而是从业人的机遇
以下出自Sam Altman和领英创始人Reid Hoffman的访谈： Reid Hoffman：既然大家都可以通过API使用大型模型，作为AI企业，怎样才能使自己脱颖而出，开辟自己独 特的商业路径？ Sam Altman：将来会出现几个大的基础模型，开发人员都基于这些基础模型研发AI应用。但目 前的情况依然是某一家公司开发出一个大型语言模型，然后开放API供他人使用。 我认为，将来在基础模型和具体AI应用研发之间会有一个中间层：出现一批专门负责调整大型模 型以适应具体AI应用需求的初创企业。能做好这一点的初创公司将会非常成功，但这取决于它们 能在“数据飞轮”上走多远。（注：数据飞轮，指使用更多数据可以训练出更好的模型，吸引更多 用户，从而产生更多用户数据用于训练，形成良性循环。）
云计算平台、大预言模型现在是大企业争抢发力的主战场加上人才缺口（我国人工智能人才目前缺口超过500万，数据来源人力资源和社会保障部最新发布的《中华人民共和国职业分类大典（2022年版）》） 可以预见的是很快又要开启移动互联网那波ios开发，安卓开发的学习热潮。
随着大模型的确定后面还会产生模型托管、交易平台还有中间层。
最后你身边所有应用的重构，为什么要重构呢？因为ChatGpt的出现导致了你和机器交互发生了变化。
上图展示了几个时期人类和机器交互的模式早期电脑刚发明创造，电脑还只属于大的科研机构与实验室，那时用户和电脑的交互方式是命令行随之变成了图形化交互这时候抓住时代机遇成就的企业是微软。移动互联网浪潮也重塑了交互方式，这时候抓住时代机遇成就的企业是 企业 苹果。现在新的交互方式的出现 也势必会带来一个新的变革；我们现在所有的与机器的交互应用都要改变，大企业也纷纷求变想在新的时代抱住自己的地位。自然语言对话的交互将会怎么影响软件交互的发展 ，这一切都只是刚刚开始。
（3月17日微软正式发布由AI驱动的办公神器Microsoft 365 Copilot，让Word、PPT、Excel、Outlook、协同办公软件；作为投资OpenAi的大金主这波我只能说微软赢麻了）
普通人应该怎么办
保护好自己的钱包，别被贩卖焦虑的人割了韭菜。尤其是那些费用大几千和你讲商业逻辑的，没错你就是他们的商业逻辑；这时候还贩卖焦虑给你人 不是蠢就是坏。静下心来做好计划，做有长期价值的事。
如果这篇文章有帮助你多一点点了解这个世界，帮我点个在看
另外我整理了些gpt的资料，感兴趣的小伙伴可以关注我私信 “666” 获取
建了一个Ai交流群欢入群讨论
