|
|
lam1991
| 未知
这是一个非常有意思的问题，人工智能这一类的话题在这两年几乎是成为了时下最火热的话题。现在的社会里面如果你不懂得一些人工智能方面的信息，似乎就成为了一个快被社会所淘汰的人。我看到许多答案的观点是人工智能大大解放了生产力，所以我们要发展人工智能，但是同时也会面临失业的问题等等。然而到底什么是人工智能？人工智能和生产力之间的关系到底是什么？现在社会上的企业究竟是如何看待人工智能的？哪些我们身边的企业正在使用人工智能，又得到了哪些发展？我们应该如何正确看待人工智能的发展？…… 我想下面的答案或许可以起到总结和抛砖引玉的作用，帮助我们揭开关于人工智能的一些迷思。以下长文预警……
实际上看到这个问题的时候我想起了去年读到的一篇美国国家经济研究局（NBER）的工作论文，论文是由MIT的商学院教授Erik Brynjolfsson带同他的学生Daniel Rock和另一位芝加哥商学院的教授Chad Syverson合写的。论文的名字就非常吸引人，叫人工智能以及现代生产力之悖论：一次期望与统计的交锋（Artificial Intelligence and the Modern Productivity Paradox: A Clash of Expectations and Statistics）。值得一提的是Brynjolfsson是我非常喜欢的以为商学院教授他对人工智能以及机器学习对现代经济以及商业模式的影响有着非常独到的见解，并且发表了一系列特别有意思的论文。除了我接下来要讲的这篇之外，17年他还在Science上发表了类似于机器学习到底有毛用？其对于劳动力的意义。(What Can Machine Learning Do? Workforce Implications)，同年还在Harvard Business Review上发表了人工智能的商业模式：它究竟能够或者不能够为你的单位带来什么。（The Business of Artificial Intelligence: What it Can and Cannot Do for Your Organization。）等等…… 当然今天要讲的这一篇，可能是他最近关于人工智能方面研究的成果之中，最受到经济学家们关注的一篇论文（一下内容大部分均出自文章本身，其他则是作者的个人理解和注释）。
我们生活在一个充满悖论的时代。一方面我们在生活的方方面面都在广泛使用人工智能技术，从而带动了技术的快速发展，以及股价的随之上涨（因为大家都预期到新的科技会给生产力带来革命性的增速）。但是反观过去的十几年，真实的数据反而告诉我们从1990年后美国人的实际收入便停滞不前，如果我们看统计局报告的数据会发现，生产力的增速反而出现了明显的退步。更可怕的是，如瘟疫蔓延一般，这样的退步不单单出现在美国，并且几乎成为了全球化的态势（比如说最新的研究表明在OCED国家以及其他新兴市场国家里都呈现出了这种生产力增速放慢的现象）。所以Brynjolfsson的这篇论文想要解决的问题就是：为什么我们在生活中处处可见新新科技，唯独在生产力上反而没有得到体现。通过研究文章指出： 首先其实这种对于新科技的乐观期待，与实际我们观测到的令人失望的数据结果并不存在逻辑矛盾。主要原因是由于我们的经济正在忍受着新科技带来的结构转变的阵痛期，所以这两种现象实际上是可以相生共存的。以下我们跟随文章脉络来仔细看看作者的观点以及其相关佐证……
首先要说的是这种对于信心技术（人工智能，机器学习）的乐观源于何处？文章引用了联合利华的CEO Paul Polman的话：技术创新的速度从未像现在这般快过（The speed of innovation has never been faster)。计算能力的成倍增长带动了IT技术在各个领域的飞速进步，尤其是人工智能技术的（机器学习）应用，给传统的计算机领域带来了本质的改变。相比之前我们只能依靠程序员兢兢业业勤勤恳恳地傻干写程序代码。机器学习由于引入了神经网络，在大数据的喂养之下（所以说另一大优势是我们的数据越来越多，给计算机提供了训练了基础），通过神经网络技术，我们可以让计算机训练出类似于人类一般的“洞察力”和“认知能力”。
下图就呈现了通过使用神经网络训练大数据，目前计算机算法在识别图形方面的进步。通过对1000万不同图片的识别训练，计算机的识别错误率从2010年30%，降至了2016年的2.2%，黄线代表了人类的自然错误概率（5%）。正因为如此，越来越多的企业都把人工智能提到了第一位（例如Google，Microsoft，苹果，Facebook，Amazon等，根据2017年9月的数据显示，这是世界上五家市值最大的公司。），而他们这种对于人工智能的乐观显然并非盲目，他们都在AI领域投入了大量的金钱。同时市场也给予了这样的投资非常正向的预期回馈：从2012至2017年，纳斯达克的科技股指数翻了一倍还不止。
另一方面，现实的数据却似乎时刻在给予那些看好人工智能的投资者们饱以老拳。比如说美国在2005至2016年间劳动生产率的年平均增长只有1.3%，要知道95年至2004年可是有2.8%！无独有偶，如果我们看OECD的其他28个国家，他们都或多或少经历着同样的“灾难”，劳动力增速放缓（95～04年的2.3%降至05～15年的1.1%），实际收入更是从90年代起就停滞不前。从下图就可以看出，从05年开始整个世界，不单单是美国，也不单单是发达国家，也包括发展中国家。整个世界的劳动力增速简直可以说是“哀鸿遍野”。我们知道劳动生产力的增长主要是由资本深化和全要素生产率（TFP）的增长带动，技术发展会直接带动整体生产率，同时也会间接带动资本的深化。图表中反映的数据，带动了许许多多的“悲观预测”情绪。比如说人工智能到底是不是噱头大于实际，实际上对我们的生产力和收入并没有什么太大关系。这种悲观的情绪甚至蔓延到了美国的国会预算局，比如说他们在2016至2017年之间就把美国的年平均劳动生产力的十年预期从1.8%调低至了1.5%！
为什么会有这么鬼畜的事情？一方面大家对人工智能信心满满，另一方面生产力的实际发展简直是麻瓜。文章提供了四个可能的解释。
第一种是虚假的希望，也就是说对于人工智能的信心满满实际上都是镜花水月，实际上是一种非常烧饼的期待。实际上纵观历史人类干过不少这样的蠢事，比如说在人类登月40年后仍然有人相信火星人的存在，人们总是对一些玄之又玄的事情期望满满，又比如说下图。
第二种解释是测量偏差。大概就是说人工智能实际上已经改变了这个世界，只是我们仍然停留在古法测量的阶段，所以并未能够发现。比如说很多新的科技类似于智能手机，知乎，在线视频等等，实际上消费者使用这些科技的金钱成本并没有很高，但是时间成本非常之高。正因为如此实际上我们很有可能如果只看金钱收益的话，会低估这些科技的价值，不能单单只从GDP的角度去解读。
第三种解释是租值消散论。也就是说实际上人工智能在各自领域已经产生了回报，但是新型技术之间存在一定的敌对性，所以对于总体生产力的回报近乎于零。这样的理论主要是基于就目前来说人工智能技术实际上只是在大的经济体中的一小部分被应用到，而在这一小部分之中“淘金热”会使得人工智能被过度运用在许多恶性竞争的地方，从而造成许多浪费（可以联想前一阵子的共享单车）。所以产品的差异化和竞争关系，以及在许多领域通常只有很少的一两家明星企业占领市场的现象，导致了尽管人工智能促进生产力，但是市场的竞争最终使得这部分的红利被消散殆尽的现象。
最后一种解释是结构调整延迟。大概就是说前两种解释实在是太过扯皮了，基本上是杠精论调。比如说第一种理论基本上就是说投资者的预测大错特错呀，然后第二种就是说我们实证的工具简直是在钻木取火。第三种当然略好一点，但是实际上也是基于一个特别特殊的例子。于是作者说，你看，我们给出的第四种解释可能是当下社会比较合理的解释。我们可以对未来抱有希望，但是也要接受达成这个希望的路非常曲折的事实，所以现在仍然处于麻瓜阶段。这是非常具有社会主义思想的观点。核心理论就是，达到人工智能造福社会的路，可能远远远远远远……比我们想象的要曲折，可谓是荆棘密布，虎狼出没。
当然，这并不是空穴来风的假设。比如说我们首先可以说明的一点是：现在经济增速慢不代表以后也增速慢。作者通过比较1948年至2016年期间每十年美国总要素生产力的增速和劳动生产力的增速比发现了这样的现象。尽管短期来看各种增长率可能相互间存在关联性，但是长期来看这样的关联性并不明显。单单从图表中来看，我们是很难用历史的数据来预测未来的，比如说如果光用40～60的数据我们根本无法预测到70年代的增长减速，也无法遇见到90年代IT迅猛发展给增长带来的助力。
如果我们用上一个十年，来预测下一个十年的话…… 我们其实基本等于两眼一抹黑。如下图所示，横轴是上一个十年的数值，竖轴是这十年的数值。红线代表着线性拟合的结果，图片中的红线基本就是一条与横轴平行的直线，统计角度上来说斜率完全不显著（用人话来讲就是你没有权利说红线是上十年和这十年是线性正相关的）。所以作者的意思就是，首先我们不能因为过去的十年发展慢了，就觉得人工智能是没有用的。
但是如上所说，这是不是就是说我们对未来的十年其实也没有什么可期待的呢？比如说我们之前讲到的是，你不能因为过去差，就觉得将来也差。反而言之，你也无法通过过去的数据，就证明我们对于人工智能的发展的乐观估计就是不盲目的。其实不然。
作者从对技术和未来创新环境的展望来论证了自己的观点。首先他们看的是自动驾驶的例子，美国劳工统计局显示在2016年，有三百五十万人在私人企业从事着机动车操作方面的工作（卡车司机，出租车司机，公交车司机等等）。假设自动驾驶技术可以让这些人的数量减至150万（这几乎是一个很合理的假设），那么这只少可以使得非农业生产方向的劳动生产率增长1.7%（2016年美国一共有1亿2千万非农业劳动者）。这是非常直接的现象，仅仅一项正在实现中的“未来技术”就可以直接给每年带来1.7%的附加劳动增长率。
另外一个例子是客服中心的例子，截止至2015年美国有220万人在6800个客服中心工作。另一项我们现在正在发展的技术—语音识别系统，大概可以使得从事这一项工作的工人减少60%左右，根据之前的计算，这代表着在下一个10年，因为这项技术只少使得每年平均的劳动增长率再上涨1%。除了节省劳动力之外，人工智能的发展也可以潜在解决大型工业能源节省，优化原材料使用率的问题。比如说Google现在正在做的一件事情就是如何通过人工智能来优化一个数据中心的用电使用，通过数据和运算，最终人工智能相比使用人类专家多节省了大约40%的冷却用电量。再比如说通用集团也已经开始使用人工智能来预测产品需求和顾客潜在的维护需求，最新的成果是他们使用模仿学习技术训练出的机器人已经可以同时完成许多家务琐事，例如打扫，浇花施肥等等（我本人专门去网站check了一下所谓的模仿学习技术，可以说是非常的呆萌，相信还需要一定时间才能正式投入到市场中去）。这些技术都是已经在现实生活中真实存在的技术，或者只少已经开始被研究甚至已经得到了很好的发展，比如说根据最新的研究结果，大概45%左右的现存的工作可能都会被人工智能技术在未来逐渐替代……
实际上不止于此，从更大的意义上来看人工智能技术实际上是一项通用的技术（General Purpose Technology)，所以真正对经济造成的影响可能远远大于我们之前所说。比如说自动驾驶技术一旦被实现和应用，也会逐渐被应用到到非交通运输的行业，比如说快递行业可以把货物更快更安全地递送至更远的地方，消费者的福利被直接提升，也节省下了大量的不必要的停车空间。因为交通运输变得更安全了，保险的费用也会被直接降低等等等等……
正如作者所说，所有的通用技术都不可能在产生的当下就直接产生经济学效用。我们需要等待时间的默默沉淀，等待经济体里面的各行各业逐渐适应和接纳这项技术之后，才会继而产生具体的经济效用。这就好像电视机刚刚问世的时候并没有太多人使用，但是今天电视机已经进入了家家户户的道理一样。我特意找了一张图，从图中可以看到人类这一百多年来新技术的出现，以及最后被普及的速度（当然图中的许多科技并非通用技术）。
总而言之，人工智能可能就是这样的一种新兴的通用技术，它虽然已经出现在当下，但是需要厚积薄发。这样的厚积薄发需要大量的有型以及无形的资本前赴后继地投入可能才会在最终转化为实际的经济效应（参考上图中电话机的普及速度，实际上远比我们想象的要慢很多）。另一个在上图中没有显示的例子是集成电路，1958年美国工程师Jack Kilby发明集成电路，64年IMB研制成功第一个通用计算机，75年第一台微型计算机被推出，一直到80年代开始，个人计算机（PC）应用，而真正被完全普及也是2000年之后的事情了。实际上这样的例子比比皆是，而我们现在看来这样的技术难道不是很显然的事情么，为什么尼玛最后用了这么多年才真正被普及？！这是因为活在当下之人很多时候多多少少都被自己已知的只是所禁锢住，而主观地不愿意，或者放弃去接受新兴的科技或者事物，尽管我们有时候也知道新的科技是好的。我们把这个称作为“知识诅咒”，人事实上很难抛弃这种“知识固化”思想，就好像知乎上也会有人问为什么需要发展人工智能，发展了我们是不是就会变成废人。这就是一种“知识诅咒”，面对新的通用技术的出现，人本能会害怕而选择抗拒。
不仅如此，新型技术在不同产业和行业之间的相互转换也需要大量资本和时间去调节，并且重新配置。比如说尽管在90年代初期互联网泡沫使得一大批新的产品和销售方式雨后春笋般地产生。但是在过去的20年里，实际上对于零售行业最大的改变并不是基于互联网的各种网络销售的模式的出现，而是各种特大的购物中心的持续扩张（比如说沃尔玛）。实际上只有在这几年，电子销售才逐渐成为零售的主流。为什么对于零售业而言，结构的调整的持续了这么长的时间？Brynjolfsson和Smith在1999年的文章中指出，很大的原因是当时的零售商要接受电子销售模式实在是太过困难了，因为需要许多的互补投资的引入。比如说消费者需要一定时间去接受这种新型的互联网销售模式，又比如说网络销售实际上也基于整个基础设施的分布都要通过互联网来构建串联。而这上面的两点没有一样是可以一蹴而就的，这就导致了实际上早在90年代初期的互联网泡沫时代，大部分销售商都发现了电子销售的巨大潜在利益，但是直至99年只有0.2的零售是通过互联网模式完成的。20多年之后的现在，好像亚马逊，淘宝，京东这样的大厂商领衔的才开始渐渐占据零售业的主流。
以史为镜，实际上如果把我们过去经历过的IT时代看成现在人工智能时代的一面镜子的话。可以看出实际上我们可能只是在重复历史的脚步罢了。在文章中一开始提到的04年之后生产力增速放缓的现象实际上是和历史数据中，便携式电源被发明之后，1924年到1932年的生产力下降如出一辙。我们在途中可以看到蓝线表示了便携式电源出现之后劳动生产力的历史增速和IT时代之后劳动生产力的历史增速，实际上某种程度上来说是非常拟合的。当然在经历了低增速阶段之后，在后便携式电源时代，劳动生产力增速实现了飞跃，在1933年至1940年达到了2.7%！
故事似乎已经是很清晰了，作者在文章的最后的结论简直是振聋发聩，并且极富人文情怀。他们讲到：对于新的技术产生，对于生产力的发展。我们总是会看到或悲观的或乐观的看法，乐观者通常喜欢冒险，并且热爱科技，很多人可能本身就正在从事着这份行业。悲观者如经济学家，社会学家，统计学家或是政府官员，这些人大多手握国家重器，亦深居高阁！然而在现实生活中，这两类人却常常鲜有交集。
当我们生活中充斥着乐天派的时候，我们会被这些人感染，觉得人工智能，机器学习简直牛爆了！这时候我们要小心被这些人洗脑式地销售。当我们身边充斥着悲观者的时候，我们有常常会担心，快速发展的科技是不是给我们财富，生活，以及健康甚至伦理道德带来许多副作用。人们害怕未知的未来，更害怕被机器替代。
然而实际上我们并无须担心，悲观与乐观实际上正如万物阴阳两面共存于世。尽管现在道路险阻，但非绝境。尽管我们不应盲目自信，但是以史为镜，使得我们可以不失谦卑地对于未来抱有美好的憧憬。人工智能就现在来说可能对于我们的经济没有产生太大的作用，但是正如初生婴儿，有待嗷嗷待哺发展壮大。只要用心浇灌，一旦有朝一日长成参天大树了，那便是我们人类被反哺之时。所以与其在前行的道路上畏畏缩缩，不如心怀善意地拥抱，人类和人工智能并不是东郭先生与狼的关系，而应该是结草衔环的关系。正所谓：烦恼狂痴盲，于多悬险路，步步而蹎蹶，自他恒忧事，众生苦皆同……
大师们都已经总结得这么好了，我又有什么可补充的呢？全文终……
（编辑不易，原创作品，转载请注明出处）
|
|
| 未知
| 未知
| 未知
