眾所周知，1800 年代蘭開夏郡的年輕男女可以作為織布工學徒找到有報酬的工作。在工廠建成之前的家庭手工業中，紡織家庭通常只有一台手搖紡織機。在機械化羊毛紡紗的黎明之際，有許多工作可供年輕人和願意提陞技能的人選擇。
典型的實習經驗都是從挫折感開始的。學徒能做的事，織工大師都能做。但它的速度是原來的兩倍，而且更好。更快安裝織布機 您可以更快地看到布料上的缺陷。每天行駛兩倍的里程，從各方面來看，學生都是低階工人。但你從來沒有花一整個上午準備班車。每纏繞紗線一小時，就等於沒有在織布機上花費一小時。只有織工大師才能維持商人所要求的速度。學徒整天繞線軸。尤其不是因為他們不擅長。但因為他們的時間最好花在更便宜的方式上。
教授在任何工作中都絕對有優勢。學徒在紡紗方面具有比較優勢，因為學徒時間的機會成本較低。這種差異首先由大衛李嘉圖於 1817 年正式確立，是經濟學中最強大的結果之一。即使一方面比一切都好。當雙方根據自己的比較優勢進行專業化時，雙方的境況仍然會更好。
我們可以用機器取代原型嗎？
圍繞人工智慧的恐慌很大程度上是由於指出了它的真正優勢。 LLM可以寫得清晰、令人信服。可以快速總結大型文件 他們可以在幾秒鐘內創建還過得去的 Python 腳本。在這些離散任務中，人工智慧是直接競爭對手。如果工作只是這類工作的集合，人類工作者也會面臨問題。
然而，李嘉圖面臨的挑戰是確定人工智慧在哪些方面具有比較優勢。這會體現在工作層面嗎？比較優勢是由機會成本決定的。對人類來說，約束約束就是時間。對人工智慧來說，綁定約束是處理。這些是非常不同的限制。它們的差異足以將人類納入其中。
找放射科醫生 阿加瓦爾等。 (2024) 在讀取胸部 X 光片方面，自我監督演算法已被證明優於人類放射科醫生。雖然這是一種不尋常的疾病，但人工智慧在這裡是解釋圖像這項專門任務的有力競爭者。它顯示出一個比較優勢：讓人工智慧進行大量模式匹配訓練的機會成本比人類低得多。然而，演算法的輸出不提供建議或治療決策。放射科醫師繼續與患者溝通。與醫生協調並根據情況判斷疾病是否需要介入。
在這個更廣泛的專業背景下，人工智慧更多是一種工具，而不是直接競爭對手。與人工智慧的機會成本相比，放射科醫生在高背景工作中的機會成本較低，因為相同的計算可以診斷其他掃描。數千種物品可替代 雖然機器會在日常工作中取代人類，但它增加了人類在判斷方面的比較優勢。正確的分工涉及連續的勞動分配。機器可以完成加工成本低廉的工作。讓人類擁有專業知識，其中人類時間是更有效的因素。
我們還應該繼續擔心嗎？
比較優勢告訴我們兩個代理商從貿易中受益。但它沒有具體說明利益將如何分配。如果加工足夠便宜，人類工人的最低工資將相應降低。 雷斯特雷波 (2025) 發展一個模型，展示工資如何與複製人類技能所需的加工成本一致。如果數位勞動力的成本降至零，勞動力收入在 GDP 中所佔的份額也會下降。
這聽起來很可怕，但是「無限制」這個詞在這句話中發揮了很好的作用。 史丹佛 HAI 人工智慧指數報告 2025 研究發現，2022 年至 2024 年間，部署 GPT-3.5 等級系統的成本下降了 280 倍，但我們可能正在接近廉價計算的實體和經濟邊界。
- 身體限制我們正在接近硬體的原子極限。目前晶片的閘極距離約為 48 奈米。 物理上可能的最小電晶體閘極。 它大約是0.34奈米，這是單個碳原子的寬度。目前設計距原子極限的剩餘距離導緻密度增加約140倍，低於過去兩年實現的成本節省。
- 能源與需求少量的軟體獨創性消除了對土地、資本和電力的需求，隨著單位成本的下降，整體運算需求成長得更快。它解鎖了新的用例。與人力相比，這維持了加工的稀缺性。
最後，人工智慧作為競爭對手和人工智慧作為工具之間的差異是由比較優勢的變化程度決定的。當機器取代我們執行日常任務時，它們具有真正的優勢。電腦的物理和經濟稀缺迫使它們專業化。並將它們轉變為放大人類決策的工具。
透過提交機器優於的任務。我們將專注於高情境角色。人類直覺仍然是最強大的訊息，即判斷力和身體存在。和即興創作 我們仍然生活在工業革命的故事中。現代工人透過在日益流動的勞動分工中改變職位來維持自己的價值。除了今天，位置變化的速度比以往任何時候都快。
