美国联邦储备委员会主席凯文·沃什坚信，且众多著名经济学家也认同，人工智能（AI）将显著提高劳动生产力。但别指望这一点。事实上，这些模型的广泛应用可能会降低人均产出。
新技术的广泛应用是经济活力的基石。在互联网时代，易于使用的用户界面和可负担的价格，已成为不可或缺的推动力。直到1990年代初，技术专家还在依赖像Gopher这样结构僵化、基于文本的工具，在互联网上交换文档。随后，更灵活的万维网应运而生，催生Mosaic、Netscape Navigator，以及微软的Internet Explorer等浏览器，以及快速、易用且廉价的搜索引擎。
作为万维网首个支持“全文”检索的索引，AltaVista的访问量从1995年上线首日的30万次，激增至每日超过8000万次。但AltaVista却用难看的横幅广告玷污搜索结果。因此，当谷歌于1998年推出搜索引擎时，像我这样的用户就被它的设计所吸引，而并未关注搜索结果的质量。谷歌的成功击垮竞争对手的搜索引擎和传统纸质出版商，而它的工程师奇迹般地维持计算基础设施的效率，确保信息搜索始终保持快速、便捷且低成本。
但是，成功随后也损害用户体验和生产力。随着谷歌成为垄断者，搜索引擎优化人员用无用的链接淹没搜索结果。传统媒体则诉诸点击诱饵。这些垃圾信息迫使用户学习新技能：如何选择关键词、使用布尔运算符（如“AND”），以及识别点击诱饵。谷歌还在页面顶部展示“赞助”结果，进一步降低用户体验。
AI聊天机器人也走上类似道路。ChatGPT于2022年11月上线后，前五天就吸引100万用户。就像谷歌最初简洁的搜索页面一样，该聊天机器人的界面极具吸引力：用户可以用通俗的英语提问，无须布尔运算符。遗憾的是，ChatGPT最终被证明是一匹满口谎言的“会说话的马”。筛选出它捏造的内容所花费的时间，甚至比在谷歌上进行关键词搜索还要长，从而降低工作效率。Bard——这款谷歌因搜索霸主地位面临生存威胁而仓促推出的聊天机器人——同样令人失望。
如今，三年多过去了，谷歌已关闭Bard，取而代之的是在传统搜索结果上方添加的“AI概览”以及“AI模式”选项——这是一个敦促用户“问任何问题”的聊天机器人。但根据我的体验，即使对于简单的查询，它的结果依然令人抓狂地不可靠。
与包括谷歌先驱算法在内的传统统计模型相比，大型语言模型（LLM）似乎具有令人信服的优势。凭借数万亿个参数，LLM能够整合早期模型不得不忽略的语境因素。而且，LLM不仅仅提供信息；它们在哲学家维特根斯坦所称的“语言游戏”中运用隐喻和幽默，以此来安抚、解释、奉承、断言和哄骗。
然而，与早期的同类模型一样，LLM依赖于统计外推，假设未来会重复过去。对于蛋白质折叠（Protein folding）等自然现象来说，这没问题，但对于不断变化的商品和服务则不然。例如，笔记本电脑电池布局的微小改动，就可能让更换说明变得毫无用处。尽管如此，就像斯坦利·米尔格拉姆（Stanley Milgram）臭名昭著的电击实验中的参与者一样，用户仍会下意识地服从聊天机器人充满自信的回答。相比之下，传统的搜索结果能更好地揭示信息过时和来源不可靠的问题。这让用户有更大的自由来行使自己的判断力，减少误判和成本。
不加区分地纳入数万亿个参数，会加剧LLM的外推问题，因为这增加它们从庞大且未经筛选的数据库中发现不存在的模式，或选择无关或不可靠答案的可能性。传统统计模型的设计者，可以通过限制变量和数据来源来避免这种结果，同时控制计算成本。
LLM对统计外推的依赖，也使它们的对话界面沦为语言上的“怪胎”。因为LLM无法复制人类的意义构建过程，也无法真正理解语境中的意图，所以它们并未将语言作为一种“生活形式”——再次借用维特根斯坦的话来说。正是这种伪装，使得AI推销者得以不加区分地推广聊天机器人，尤其是因为LLM实际上真正有用的那些狭窄应用，根本无法证明数万亿美元投资的合理性。
AI推手正不遗余力地让人上瘾。谷歌的AI概览和AI模式就像是免费试吃。一旦用户上钩，超大规模科技公司肯定会收取高价，以收回高昂的开发和运营成本。
人们或许会寄希望于，即便是最强大的公司也无法欺骗消费者，使他们俯首称臣。尽管资源看似无穷无尽，但谷歌的失败案例至少与成功案例一样多。Meta这个名字本身就铭记着一次针对虚拟现实的数十亿美元失败押注。但那种将垃圾食品成瘾转化为蓬勃产业的营销攻势，却提供一个令人沮丧的反例。
超大规模科技公司可能会利用人类对陪伴式对话的深层渴望，让LLM成瘾像生理成瘾一样普遍。随着社会纽带的松动，聊天机器人提供一种仿真体验，这可能会让严肃的专业人士变成为爱痴狂的青少年。而且，与其他成瘾现象一样，LLM已在侵占本应属于其他值得支持的创新所需的资源，包括资本、电力、晶片和创业活力。随着这种趋势的持续，技术乐观主义者应当重新审视他们对人工智能生产力前景的那种一厢情愿的乐观预期。
作者Amar Bhidé是哥伦比亚大学梅尔曼公共卫生学院卫生政策教授
英文原题：AI Addicts Won’t Make Better Workers
版权所有：Project Syndicate, 2026.
