AI要闻 — 全景 — 2026-10-16 (周五) 晚间新闻

当裁员公告与市场焦虑出现在同一天的新闻标题中时，看起来就像是 AI 正在拉低就业和经济。例如，CWT Italy 裁减了 190 个岗位，CNBC 报道称华尔街对 AI 的担忧再度升温。与此同时，摩根大通估计 Alphabet 股票有 24% 的上涨空间。仅凭标题，无法判断个别裁员的原因，也无法判断市场观点的走向。我想在这半天里弄清楚的是：影响技术引入的，究竟是标题中的热情，还是再培训体系、评估与监管体系，以及如何在一线可靠使用等底层基础。下面，我们将借助各部分的资料，来看看这三个领域的实际进展。

标题上的削减与经济实际状况之间的差异

据报道,CWT Italy 已决定裁员 190 人,围绕 AI 的争论愈发激烈(Business Travel News Europe)。视频发行公司 Netflix 也宣布裁员,而 CNBC 的《早间值得关注的5件事》报道称,华尔街对 AI 的担忧再度升温(CNBC)。当裁员公告与市场焦虑在同一天的头条中同时出现时,读起来就像是 AI 在直接拉低就业和经济。然而,从这些材料中能够确认的只是,关于裁减和 AI 的讨论正在同时进行。仅凭标题,无法判断个别裁员究竟是由于 AI 还是其他情况所致。

另一方面，市场观点并非单向。摩根大通估计 Alphabet 股价有 24% 的上涨空间（《巴伦周刊》）。在人们谈论对 AI 的担忧的同时，也有人对 AI 相关大公司的股价做出看涨预测。在州财政方面，纽约州预算主管警告称，联邦政府的举措和 AI 放缓将冲击州财政（POLITICO Pro）。这意味着，在同一时间，有些声音认为 AI 令人担忧，有些声音将其视为仍有增长空间的证据，还有些声音则视其为公共财政的下行压力。

在这种情况下，芝加哥联邦储备银行行长表示：“即使没有AI，经济也没有陷入衰退”（Yahoo Finance）。这番话表明，我们需要审视经济本身的状况，而不受AI有无的影响。仅凭裁员人数或股价走势来判断经济，可能会高估或低估AI的影响。这位行长的言论只是看待经济的一种方式，并不能抵消有关裁员的报道或担忧。不过，它可以作为一个标准，用来区分标题所给人的印象与经济的实际状况。

在影响投资决策方面，据报道，CNH 对配备人工智能的农业机械的升级也可能对决策产生影响（Yahoo Finance）。在这里，人工智能并非作为裁员的理由出现，而是作为产品的实质内容。当头条新闻聚焦于裁员和股价时，企业真正投资的方向却在别处。在人们对人工智能的看法出现分歧的当下，读者想知道的不是它引发了多大的喧嚣，而是它在现场落地的具体形态。下一节我们将探讨支撑其引入的基础设施。

为培养人才的人所做的准备

尽管有关裁员的报道不断，企业和行业组织仍在准备在部署前对员工进行培训。TechBullion报道称，Mohammed Shahin倡导通过再培训和人力资源策略来培养引入AI所需的人才。这里的前提是，在引入AI之前，人力资源部门应当设计现有员工将如何使用AI以及用于哪些任务。护理领域也出现了类似的动向。AHCA/NCAL宣布将举办一场以AI人力资源为主题的网络研讨会。活动日期将另行公布，目前能确认的只是护理行业组织已开始把AI视为人力资源问题。

教育方面也有新动向。据Oracle Blogs报道，Oracle Academy在印度全国教育大会上倡导推广采用AI课程。企业再培训面向的是现有员工，而这是一项将所学内容纳入教育课程阶段的举措。另一个是瓦伦西亚理工大学（UPV）。该校开发了一种能够检测社交媒体视频中性别歧视内容的AI。这不是关于培养人才的故事，而是关于如何发现AI所处理内容中的偏见的故事。不过，就在引入之前准备好确认公平性的体系而言，它与人才培养走的是同一个方向。

并排阅读时可以发现，关于裁员、人才培养和偏见纠正的讨论是在不同的地方推进的。裁员类标题关注的是 AI 将取代多少岗位，而 Shahin 的再培训理论、AHCA/NCAL 网络研讨会、Oracle Academy 的课程支持以及 UPV 的检测 AI，则关注在替代发生之前应当做哪些准备。读者想看到的是：谈论引入的组织是否也拿出了培训计划、人力资源的重新配置方式，以及检查输出偏见的方法。这些准备是否到位，对引入结果的影响可能比标题中的数字更大。

在各项准备工作以人和公平为导向的同时，如何验证和监管AI给出的答案也受到质疑。下一节我们将探讨验证与监管方面的动向。

通过评估与对话将安全联系起来的框架

目前正持续出现通过外部评估和国际对话来支持应对危险AI的准备工作的举措。英伟达首席执行官呼吁中美就危险AI展开对话（Cheddar）。Anthropic已向评级机构METR授予员工级别的访问权限，使其能够评估前沿模型（TradingView）。前者是呼吁搭建国家之间的讨论平台，后者则是一项运营层面的变化，使第三方能够在与开发者内部相近的条件下检验模型。就目前已报道的内容而言，双方都不清楚具体协议的细节。不过可以看出，对应对准备的关注并不只是各家公司的自我报告，而是延伸到了外部评估和对话。

这一方向也与研究者的兴趣相重合。本站介绍的三篇预印本均尚未经过同行评审,原始信息发布在 arXiv 上。第一篇是 X-Ragent,它处理胸部 X 光片解读智能体。在解读影像时,仅凭影像所见无法得出结论,有时还需要结合实测数值等补充证据。作者指出,学习何时需要证据的机制,以及将无关测量值排除在推理之外的机制都比较薄弱。因此,我们将两者分开训练,并使用只对诊断正确的轨迹给予过程评价的奖励。

第二篇 Agent-Reflex 关注工具返回异常响应时的行为。实际运行中的智能体会收到错误响应，并在过程中接受用户的纠正。作者指出，在这类情形下，现有方法中鼓励学习反思并从失败中恢复的教师信号有限。因此，在学习的第三阶段，从成功与失败轨迹的配对中提取可复用的“反思技能”。第三篇 VRSD 处理的问题是：当从知道答案的教师那里学习时，模型会变得不经核查就作出论断。在策略自蒸馏只向教师提供已验证答案等特权信息。据作者称，这会使教师在推理中偏向几乎不做验证或重新思考的捷径，从而大幅减少输出的多样性。VRSD 并不移除特权信息，而是通过系统提示来调整其使用方式。

这三本书的共同点在于，它们不仅验证结果是否正确，还考察一些行为，例如何时去寻找证据、输入被破坏时如何停止，以及是否在未经确认的情况下作出陈述。这与外部评估框架试图提出的问题是同一类。读者在决定是否采用某个模型时，除了准确率数字之外，也值得看看是谁在什么条件下确认了这些行为。下一节我们将探讨如何把这种确认应用于现场使用。

延伸至医疗、心理和人际关系领域的用途

据报道，美国食品药品监督管理局（FDA）已批准一款预测乳腺癌复发的 AI 工具（ABC News）。此次批准是 AI 输出结果通过公共审查、可作为医疗决策依据的一个例子。在心理健康领域，有报道称，使用 AI 驱动应用的用户，其社会福祉有所改善（2 Minute Medicine）。前者是类似诊断的预测，后者是日常的情感支持，两者目的不同。但它们有一个共同点：都正被应用于与人类健康和情感密切相关的实际场景。在考虑引入时，读者需要将“有效”的报道与确认其有效所采用的程序分开来看。FDA 批准属于后者的一个例子，而应用方面的报道则处于另一个层面。

然而，设备与人的距离越近，使用方式不匹配对用户的影响就越大。《纽约邮报》报道称，在三人关系中使用 AI 聊天机器人的“AI 多边恋”者正变得越来越普遍，专家警告存在精神疾病风险。Vietnam.vn 报道了 MoMo 如何借助特斯拉的理念和友好的监管来留住用户。共情是一项服务的价值，同时也可能成为促使用户持续使用的手段。幸福感提升的报告与关系加深的警告同时出现。因此，最好不要把高用户数或高留存率当作用户获益巨大的证据。

技术领域之外也有人提出了疑问。The Conversation从农民作家Berry的视角,介绍了AI时代关于某物是生命体还是机器的讨论。TCNJ Signal News上的一篇评论文章认为,AI艺术会把顾客赶走。这是学生媒体的观点,并非显示销量或客流实际变化的调查。不过,对AI的使用可能损害顾客信任的担忧,似乎已经传到了生产和客户服务一线。

医疗审批、情感支持方面的有效性报告、关系方面的警示，以及对客户反应的担忧，都需要对技术的使用方式作出判断，而与其性能无关。在涉及人的领域，比起判断能否引入，更重要的是确定由谁负责哪些范围，以及由人在哪个环节接手。

裁员和股价的标题引人注目,但从中可以看出,人们是在同时讨论裁员与AI。决定性因素是后续的持续维护。在人力资源方面,出现了在引入AI之前先设计再培训的动向,护理行业组织和教育课程中也能看到同样的方向。在安全方面,外部机构的评估和国际对话正在扩大,以补充各公司的自我报告。在医疗和心理领域,既有通过FDA批准等程序确认的案例,也有仅由用户报告的案例,使用越贴近人,偏差的影响就越大。在考虑引入时,关注点会从标题的热度转向人员准备、验证机制和使用的确定性等内容。

Q1:在工作中使用AI时,由谁决定如何使用、采取哪些步骤,使用者又是如何做好准备的? Q2:关于AI的输出或使用不存在问题的依据,是否经过外部评估或公开程序确认,而不是依靠自我申报? Q3:人事和投资方面的决策,是否基于再培训和验证机制是否到位,而不是基于新闻标题或股价波动?

最后，三个问题

- 在工作中使用AI时，由谁决定如何使用、采取哪些步骤，使用者又是如何做好准备的？ Q2：声称AI的输出或使用不存在问题，其依据是否经过外部评估或公开程序的确认，而不是依靠自我报告？ Q3：人员和投资方面的决策，是否基于再培训和验证机制是否到位，而不是依据新闻标题或股价波动？ - 声称AI的输出或使用不存在问题，其依据是否经过外部评估或公开程序的确认，而不是依靠自我报告？ Q3：人员和投资方面的决策，是否基于再培训和验证机制是否到位，而不是依据新闻标题或股价波动？ - 人员配置和投资决策是否基于技能再培训和验证机制是否到位，而不是依据新闻标题或股价波动？