AI是否会加剧社会不平等？

AI来了，听上去很酷，但它会不会让有钱的人更有钱，没技能的人更没活路？这事儿值得聊聊。很多人担心，AI可能会把我们社会本就存在的裂缝，撕得更大。

先说说最直接的，工作。每次技术大变革，总有一批工作要消失。AI也一样，它会替代掉很多重复性的劳动。比如生产线上的装配工、基础的客服、数据录入员这些岗位，风险都挺大。 机器不知疲倦，还不容易出错，成本也低。对企业来说，用AI替代人力，是个很划算的买卖。但这背后，是成千上万的人可能丢掉饭碗。

问题不只是“一些工作没了”，更关键的是“新出现的工作我能干吗？”。 AI在消灭一些岗位的同时，也会创造出新的岗位，像是数据科学家、AI工程师、模型优化师。 但你看这些名字就知道，门槛不低。这就带来一个很麻烦的问题：技能错配。 一个原来在流水线上拧螺丝的工人，没办法立刻转行去写代码。这就导致，一部分人失业了，但新岗位又招不到合适的人。

结果就是，劳动力市场可能被撕裂成两半。一边是懂技术、能和AI一起工作的高技能人才，他们的工资会越来越高。另一边是技能被替代的低技能劳动者，他们要么失业，要么只能去做那些AI还干不了的、收入更低的服务性工作。中间层，那些所谓的中等技能岗位，可能会被慢慢掏空。 中国金融四十人论坛的蔡昉就认为，AI对劳动力市场的影响，主要会冲击青年和年纪大的劳动者。 年轻人刚入行，干的活儿容易被替代；年纪大的人学习新技能又慢，容易被淘汰。

再来说一个更隐蔽，但影响更广的问题：算法偏见。 很多人觉得，AI是机器，做的决定应该是绝对客观公正的。但实际上不是这么回事。AI的“思考”能力，是靠学习我们投喂给它的海量数据得来的。如果这些数据本身就带有偏见，那AI就会把这些偏见学过去，甚至还会放大。

举几个真实的例子。亚马逊之前搞过一个AI招聘工具，结果发现这个系统严重歧视女性。 原因是它学习了过去十年的招聘数据，而在那些数据里，被录用的工程师绝大多数是男性。于是AI就自己“领悟”到：男性更适合这个岗位。 还有美国的预测性警务系统，本意是预测犯罪高发区，好让警察提前布防。但因为用来训练的数据，是过去警察逮捕记录。这些记录本身就可能因为种族定性，导致在某些少数族裔社区的逮捕率更高。结果，AI就把更多警力派往这些社区，形成一个恶性循环，加剧了现有的偏见。

这种算法偏见会渗透到我们生活的方方面面。比如你申请贷款，AI可能会因为你的住址、消费习惯这些看似无关的数据，就给你打上“高风险”的标签，仅仅因为和你情况类似的人过去违约率比较高。 这种基于“相关性”而不是“因果性”的判断，很容易造成不公平。 当这些掌握在少数公司手里的算法，在不透明的情况下，开始决定谁能获得贷款、谁能得到面试机会、谁能享受更好的服务时，一种新的、技术性的不平等就诞生了。 而且因为过程像个“黑匣子”，你很难去质疑和挑战它。

工作机会的极化和算法的偏见，最终会指向一个更严重的结果：财富的集中。 AI技术的发展，最大的受益者是谁？是那些拥有AI技术的大公司，是那些投资了这些公司的资本，还有那一小撮顶尖的AI人才。 麻省理工学院的经济学家就估算过，过去40年美国工人薪资差距的扩大，超过一半的原因是自动化替代了原来由人来做的工作。 企业过度投资于自动化技术，目的就是为了取代工人，而不是为了提高工人的表现。

这就形成了一个赢家通吃的局面。AI能极大地提高生产效率，创造巨大的财富。但这笔财富，并不会自动地、公平地分配给每一个人。 它会像溪流汇入大江一样，流向那些已经占据优势地位的人和企业。前瑞银集团董事长阿克塞尔·韦伯（Axel Weber）就警告说，AI可能会催生一个新的“人工智能贵族阶层”，他们从这项技术中获得不成比例的收益，而其他人则会陷入更糟糕的处境。 结果就是富者愈富，贫者愈贫，社会的贫富差距被进一步拉大。 这种趋势不仅发生在一个国家内部，在全球范围内也是如此。发达国家有资本和技术去研发和应用AI，能获得更多经济效益，而发展中国家可能会被甩得更远，加剧全球的技术和数字鸿沟。

最后，教育是应对这一切的关键，但它本身也可能成为不平等的另一个源头。要想在AI时代不被淘汰，就必须终身学习，不断更新自己的技能。 未来的教育，重点不再是灌输知识，而是培养人的创新能力、批判性思维和与AI协作的能力。 但问题是，不是每个人都能获得这样的高质量教育。

好的教育资源本来就稀缺和昂贵。AI时代的到来，可能会让这种不平等更加严重。 来自富裕家庭的孩子，能更早地接触到好的AI教育，学习如何利用AI工具来提升自己。而来自贫困家庭的孩子，可能连基本的数字化设备和网络都无法保证，更别提什么AI素养了。有研究发现，家庭社会经济地位更高的大学生，AI素养也更高，更善于利用AI来辅助学业。 这样一来，教育这根被认为是促进社会阶层流动的“梯子”，反而可能变成固化阶层的“墙”。

总的来说，AI本身只是个工具，它没有好坏之分。但怎么用它，由谁来用它，以及它带来的利益如何分配，这些才是决定它会不会加剧社会不平等的关键。如果我们放任不管，那么就业市场的两极分化、算法的系统性偏见、财富的过度集中以及教育资源的鸿沟，都很可能让我们的社会变得更加割裂。