今年1月，OpenAI執行長山姆・阿特曼（Sam Altman）和產品長Kevin Weil展示了即將發布的ChatGPT「深度研究」應用。華盛頓的觀眾觀看了這樣一個場景：Weil請ChatGPT準備一份備忘錄，就阿爾伯特・愛因斯坦（Albert Einstein）擔任能源部長的確認聽證會為一名虛構的參議員提供資訊。
ChatGPT很快就生成了一份關於愛因斯坦的詳盡簡介，列出了他的技術和工程成就、領導風格、優點（「一位全球敬重的科學家兼政治人物」）和缺點（「從未管理過大型組織」），外加這位參議員可以提出的問題（「自二戰以來，您一直在核問題上直言不諱。作為能源部長，您將如何確保核電站的安全並維護美國對核不擴散的承諾？」）。
這種令人印象深刻且如今已司空見慣的功能所帶來的好處顯而易見：極大地節省了時間和精力。當然，也會有潛在的代價：研究人員、作家和其他知識工作者會因為人工智慧（AI）而失去多少工作崗位？
我想到的是另一種代價：有多少知識會因AI而流失？像ChatGPT、Google的Gemini和Anthropic的Claude這樣的大語言模型擅長定位、整合和關聯知識，但它們並不會增加知識的存量。
相比之下，當人類回答諸如愛因斯坦是否應擔任能源部長之類的問題時，他們往往會開闢新的探究途徑，並在這一過程中創造新的知識和見解。他們這樣做有多種原因：薪水、財富、名望、教職、「點讚」、點擊量、好奇心。
如果大語言模型主導了回答問題的工作，那些激勵因素就會萎縮。當你創造的知識隨後被扔進一個大語言攪拌機裡打成漿糊時，你幾乎得不到任何回報。
想想Stack Overflow的命運吧。這是一個軟體開發者提問和回答問題的網站，既是知識的源泉，也是知識的寶庫。
但後來，開發者們開始向ChatGPT提問。布達佩斯考文紐斯大學（Corvinus University of Budapest）的Johannes Wachs和兩位合著者的一項研究顯示，2022年11月ChatGPT推出六個月後，Stack Overflow平台上的提問量較之前下降了25%。這一降幅是通過與中文和俄語同類網站對比得出的——在這些語言平台上，ChatGPT尚未成為用戶獲取答案的替代選項。
根據同行反饋，無論問題品質高低，降幅都是一樣的，這駁斥了AI只會取代低價值研究的預測。
截至9月，問題數量的降幅已超過90%。除了Stack Overflow的所有者，其他人為什麼也應該關心此事呢？因為正如科技作家Nick Hodges在InfoWorld上所解釋的那樣：「Stack Overflow提供了AI編程工具中內嵌的大部分知識，但開發者越依賴AI編程工具，他們就越不可能參與Stack Overflow這個生產知識的網站。」
Stack Overflow可能是一個極端的例子。另一項研究發現，Reddit上沒有出現類似的下降。 （相關報導： 華爾街日報》美中談判桌下的暗戰：中國駭客冒充議員發動釣魚攻勢，意圖竊取川普談判情報 ｜ 更多文章 ）
但有跡象表明，其他地方也出現了類似的影響。許多大語言模型都是在維基百科（Wikipedia）上訓練的，這是一個由人類彙編和維護的知識庫。哥倫比亞大學（Columbia University）商學院教授Hannah Li和五位合著者發現，在ChatGPT推出前一年與推出後一年之間，與ChatGPT生成內容最相似的維基百科頁面的瀏覽量下降了。編輯量也有所下降，這可能是貢獻激勵減少的一個跡象，儘管數據尚無定論。
