租賃尋租迴圈：下一個 Token 預測將我們帶向何方

大型語言模型 (LLMs) 的討論已分裂成兩個截然不同的陣營。一方是懷疑論者，他們將這些系統斥為「隨機鸚鵡」或僅僅是「下一個 Token 預測器」。另一方則是 AI 極大化主義者，他們使用「已解決」或「已完結」等詞彙來描述整個產業的過時——從動畫、程式碼編寫到研究生研究。

雖然技術辯論的核心在於下一個 Token 預測是否能導向通用人工智慧 (AGI)，但一個更深層、更系統性的問題正在浮現：人類勞動正轉化為一種被租賃的商品。當我們詢問下一個 Token 預測將我們帶向何方時，答案可能不是技術性的，而是社會經濟性的。

議價籌碼的侵蝕

幾十年來，勞動階級與中產階級的基本議價籌碼一直是其勞動的必要性。即使在最受剝削的部門，人類「需要」執行任務的事實，也提供了一種經濟效用的基準。然而，目前 AI 發展的軌跡正直指移除這種必要性。

AI 實驗室經常吹捧「民主化」的承諾——即任何人都現在可以編寫程式碼、寫作或分析數據。但這裡存在一個悖論：透過民主化「生產能力」，AI 同時也摧毀了該生產的「價值」。如果一名非技術經理可以利用 AI 生成網頁而不需要開發人員，那麼開發人員並非被「賦能」，而是變得可替代（fungible）。

正如一位評論者所指出的，這種形式的民主化實際上剝奪了初級專業人員的獨特貢獻，並因此剝奪了他們在職場中的投票權。其結果是轉向一種模式，人類不再是創造者，而是吞吐量管道中的一個節點，任務是以前於可靠的人類審查速度來最大化輸出量。

如果生產手段從人類技能轉向運算力與專有模型，經濟結構將轉向極端的集中化。「議價籌碼」不再是學位或工藝，而是由 TSMC 製造並由 Nvidia 銷售，然後透過每月訂閱制租賃回給勞動者。

這創造了一個永恆的尋租迴圈。這些模型是在人類文明的集體輸出——書籍、藝術、程式碼和對話——之上進行訓練的，且通常未經同意或補償。這種集體遺產隨後被包裝成產品，賣回給那些數據構建了它的本身的人們，且價格通常有利於少數富人。

AI 社群中有明顯的部落主義，這通常是由所謂的「階級緩衝墊」所驅動。那些歡呼「程式碼編寫的終結」的人，通常擁有能保護他們免受失業帶來的直接衝擊的經濟安全感或社會安全網。

這導致了管理階層內部的危險盲點。許多人認為 AI 將取代「那些他們必須付錢的討厭的人」，同時又深信自己的「領域專業知識」會保護他們。這種「主角光環症候群」忽視了系統性的現實：如果很大一部分人口失去了經濟效用，所產生的不穩定性將不會尊重階級或專業知識的界限。

並非所有人都將此軌跡視為必然或純粹的破壞性。有些人認為 AI 僅僅是勞動節省型技術長期歷史中的下一個迭代，類似於電力或蒸汽機。從這個視角來看，「打破雞蛋來做歐姆蛋」是社會進步的必要部分，而生產力的提升將最終會重新分配。

其他人則建議 LLMs 可能正處於高原期。因為它們本質上是現有網路知識的壓縮版本，它們可能無法實現真正的創新。在這種觀點下，LLMs 是賦能者而非競爭者——是自動化瑣碎事務的工具，但無法取代真正的發現之火花。

除了經濟學之外，還有工藝喪失帶來的心理成本。當一個學科——例如數學或藝術——的目標從發現的過程轉向僅僅是獲取答案，工作的內在樂趣便消失了。

正如 Fields 獎得主 Tim Gowers 所觀察到的，如果做數學的目標是透過發現來實現某種形式的不朽，那麼如果 AI 可以比任何人類能構思的任何方式更快地進行暴力破解解決方案，那這可能不再可能。我們面對的是一個世界，其中「神諭」提供了答案，但人類卻失去了賦予答案意義的掙扎過程。

最終，向下的 Token 預測轉向不僅僅是我們如何運算的改變；它是我們在資本主義框架下如何衡量人類存在的價值變化的改變。如果我們剝離了經濟效用與工藝的樂趣，我們必須問，在一個租賃智慧的世界上，個人還剩下什麼？