從經濟學來看,人工智慧從未顛覆過什麼讀《AI極簡經濟學》
程奕龍
如今,我們已習慣了媒體上對人工智慧各種驚人報道。技術愛好者在歡慶未來的無盡可能,技術恐懼者則在擔心被人工智慧奪走工作崗位。但幾乎所有人,都已對技術新聞不斷敲響的鼓點有些熟視無睹了,以至於近乎機械式地念叨,“唯一不變的就是變化本身”。這是因為更多時候,人們還僅僅依據簡單的歸納法來看待人工智慧所產生的影響。
當我們不停在談論“顛覆”時,是否意味著缺乏對事物根本規律的認識?我們能否跳出單純的技術視角,用更為科學而本質的方式去思考AI對你我產生的真正影響呢?終於,三位經濟學家站了出來,用經濟學視角重新思考與梳理了人工智慧。說起他們的背景,先要提到“顛覆性創新實驗室”,這個實驗室致力於將科技創新轉化為可行的商業專案,截至2017年底,那裡都是全球最密集的人工智慧初創企業的聚集地。阿杰伊?阿格拉沃爾、喬舒亞?甘斯、阿維?戈德法布分別是這個創新實驗室的創始人、首席經濟學家和首席資料科學家。長期與來自谷歌、亞馬遜的頂級專家和人工智慧初創企業創始人打交道,也為他們積累了豐富的一手寫作資料。
從結構上看,這本《AI極簡經濟學》有別於那些用素材拼湊出的人工智慧科普書。先提出基本假設和研究框架,進而層層遞進去研究更復雜領域的問題。三位作者將人工智慧定義為“預測機器”。因為他們認為人工智慧當前的進步浪潮給我們帶來的不是智慧,而是智慧的一個關鍵組成部分預測。預測是什麼?就是填補缺失資訊的過程,運用你現在掌握的資訊(通常稱為“資料”),生成你尚未掌握的資訊。以目前熱門的機器翻譯為例,把英語翻譯成漢語,其實就是要預測漢語裡哪些詞彙和短語與英語相匹配。有待預測的缺失資訊是,漢語單詞的集合及其正確的順序。從一門外語獲取資料,然後按照你熟悉的語言中的正確順序來預測單詞的集合,這樣你就能理解另一門語言了。要是整個過程做得足夠好,你興許根本就意識不到這是翻譯過來的話。你可以在人工智慧領域的報道中聽到眼花繚亂的各種技術:神經網路、深度學習、強化學習等等,雖然聽起來艱澀模糊,但最終的功能都是預測。
那麼,人工智慧給社會帶來的真正變革是什麼?作者認為,這應從經濟學基礎的供求理論來看。人工智慧給社會帶來最大的改變在於,預測變得廉價了。以自動駕駛為例,雖然這項技術在受控環境下存在了20多年(那些有詳細平面圖的地方,比如工廠、倉庫),但直到工程師們重新從預測角度對問題做了框定才漸漸成了現實。工程師們意識到,不必告訴機器在每一種場合下要做什麼,只要把焦點放在一個預測問題上即可“人類會怎麼做”,依靠足夠廉價的預測,我們把駕駛變成了預測問題。如今,企業投入數十億美元訓練機器在非受控環境下甚至在城市街道和高速公路上自動駕駛。
很多人都會在當下產生疑問,我們如何能獲得人工智慧技術帶來的紅利,而不是被技術淘汰,成為“無用階級”?對此,作者談到了經濟學上“互補品”的理論:一些生產資料變得廉價,另一些東西的價值隨之會上升,比如咖啡變得便宜了,那麼糖和奶油就會變得更值錢,因為它們對咖啡來說是一種互補關係。這一理論無論對於判斷行業前景,還是個人發展都格外重要。如果自動駕駛技術變得成熟,感測器製造企業會變得更為炙手可熱。如果預測的技術變得廉價,那麼做出判斷的人將會變得更金貴。於是,無論對企業還是個人而言,如何成為“互補品”就成了關鍵。
另外,當“預測機器”變得廉價,便足以改變現有的商業模式乃至企業戰略,從作者的觀點來看,這就是人工智慧對商業的根本意義。早在2013年,亞馬遜就在美國拿到了一項“預測性購物”專利,與傳統的消費者購物,商家發貨的流程不同,亞馬遜在預測消費者需求後將直接為消費者發貨,消費者只需將不需要的那部分貨品退回。這一商業模式雖然能帶來更多銷售額,但由此形成的退貨成本遠大於傳統的先買後寄模式,然而人工智慧在預測效能上的提升最終會突破成本的這一界限。無獨有偶,書中舉了一家德國企業的例項,他們通過預測消費者的需求來改進配送中心的存貨,以此改善交貨延遲帶來的高退貨率。隨著人工智慧的發展,我們將更廣泛地運用預測機器來減少不確定性。
關於人與人工智慧的關係,三位作者提出了一種頗為有趣的思想實驗機器島。想象一下,突然出現了一座完全由機器人把持的機器島。我們想跟預測機器之島做生意嗎?從自由貿易的角度來看,這聽起來像是個絕妙的機會。讓機器人去完成各種任務,讓我們去做自己最擅長的事。換句話說,我們不會拒絕跟機器島做生意,就如同我們並不要求所有的咖啡豆都在本地種植一樣。雖然機器島並不存在,但當技術變革使軟體能以更廉價的方式完成新任務時,在經濟學家看來,這與上述虛構之島開展貿易差不多。換句話說,如果你贊成國與國之間的自由貿易,就會贊成與機器島自由貿易。你支援開發人工智慧,哪怕這會取代一部分就業。數十年來有關貿易影響的研究表明,其他就業崗位自然會出現,整體就業並不會大幅跳水。
對中國在人工智慧領域的發展,書中也提出了一些看法。雖然美國在人工智慧的研究和商業應用方面全球領先,但至少鉅額的政府投入、海量的資料規模以及相對寬鬆的隱私文化三個優勢表明中國或將領跑人工智慧領域。現在,中國在全球最大的人工智慧研究會上發表的論文數量佔比已從2012年的10%升至2017年的23%,而同期美國佔比從41%降到34%,資料支援了本書的觀點。