我遇到了Chamath Palihapitiya，社會資本的創始人兼首席執行官，我們討論了全球技術變革和AI經濟，重點關注能源作為決定性因素，以及大規模採用和實施的最新進展。   我們還考察了在AI和能源交匯處的代幣化未來，並強調了探索合作機會的重要性，以建立能夠加速創新並增強我們應對未來轉型能力的韌性和可擴展基礎設施。

這就是你在社交媒體上辯論的內容：

"AI 不會取代放射科醫生" 好文章 期望：影像識別 AI 的快速進展將會消除放射科的工作（例如，這是 Geoff Hinton 幾乎十年前著名預測的結果）。現實：放射科表現良好並且正在增長。 有很多我認為天真的預測，關於 AI 對就業市場的即時影響。例如，大約一年前，有人問我這個應該更了解的人，我是否認為今天還會有軟體工程師。（劇透：我認為我們會成功）。這種情況發生得太廣泛了。 這篇文章詳細說明了為什麼事情並不那麼簡單，以放射科為例： - 基準測試遠遠不夠廣泛，無法反映實際的真實情境。 - 這份工作比單純的影像識別要複雜得多。 - 部署現實：監管、保險和責任、擴散和機構慣性。 - 傑文斯悖論：如果放射科醫生通過 AI 作為工具加快工作，需求會大幅增加。 我會說，放射科在 2016 年並不是最好的例子 - 它太多面向、風險太高、監管太嚴。當尋找因 AI 在短期內會有很大變化的工作時，我會在其他地方尋找 - 看起來像是重複一個單一任務的工作，每個任務相對獨立、封閉（不需要太多上下文）、短暫（時間上）、寬容（錯誤的成本低），當然還要能夠自動化，符合當前（和數位）能力。即便如此，我仍然預期 AI 最初會被採用作為工具，工作會改變和重構（例如，更多的監控或監督而不是手動操作等）。也許未來，我們會找到更好和更廣泛的例子，來展示這一切在行業中的發展。 大約六個月前，我也被問到是否認為五年後會有更少或更多的軟體工程師。這個練習留給讀者。 完整文章（整個《進行中的作品通訊》相當不錯）：