機器智能時代將改變誰的價值？

編者按：技術總是不斷演進，但是有一些基本規律仍然有效。利用這些基本規律對未來發展做出正確解讀，無論是對個人的職業發展還是企業戰略規劃，或者投資趨勢判斷來説都至關重要。比方説，最近對機器智能的炒作非常厲害，但這個東西會對哪些事情產生有利影響，對哪些事情產生不利影響呢？加拿大多倫多大學羅特曼管理學院的三位教授用一個簡單經濟學原理進行了分析。


1995年被認為是“新經濟”的開始。數字通信即將顛覆市場改變一切。但是經濟學家總體而言對此炒作並不買賬。這不是説我們沒有意識到改變的發生，而是我們同時還意識到，舊的經濟視角對於審視所發生的變化仍然有用。“新經濟”的經濟學可以從較高的層面加以描述：數字技術可導致搜索和溝通成本的下降，從而導致更多的搜索和更多的溝通，以及伴隨搜索和溝通而來的更多活動。基本上是這麼個情況。

今天，我們看到在機器智能方面也出現了類似的炒作。但再次地，作為經濟學家，我們認為一些簡單規則仍然有效。技術革命往往會導致一些重要活動變得廉價，比如通信成本或者信息查找。機器智能基本上屬於預測技術，所以經濟轉變將圍繞着預測成本的下降而進行。

機器智能的第一效應將會是降低依賴於預測的商品和服務的成本。這很重要，因為預測是包括交通、農業、醫療保健、能源製造以及零售等大量活動的輸入。
一旦任何輸入的成本出現大幅下挫，就會產生其他兩方面非常確定的經濟意義。首先，我們將開始利用預測來執行此前無法做到的任務。其次，作為預測補充的其他東西的價值將開始提升。

大量任務將被重新框定為預測問題

隨着機器智能降低了預測成本，我們將開始利用它來作為此前從未做過的事情的輸入。以半導體作為歷史事例，這個技術進步領域導致了另一個輸入——也就是算術成本的大幅下挫。有了半導體，我們計算的成本變得非常低廉，所以對於那些把算術作為關鍵輸入的活動，比如數據分析和會計等也變得廉價了許多。然而，我們還開始利用新的廉價計算去解決此前未能解決的算術問題。攝影就是一個例子。我們從以膠片、化學為基礎的解決方案（膠捲相機）轉向了以數字化和算術為基礎的解決方案（數碼相機）。廉價計算的其他新應用還包括通信、音樂以及藥物發現等。

機器智能和預測的情況也一樣。隨着預測成本下降，除了歷史上面向預測的那些活動，比如存貨管理和需求預測會變得更廉價以外，我們還會利用預測來處理其他過去不以預測作為輸入的問題。
比如説導航。直到最近，自動駕駛仍受限於在倉庫工廠等高度受控的環境下進行，得由程序員來預測車輛可能遭遇的場景範圍，然後相應運用判斷型的決策算法（比如説如果有東西接近車輛的話要慢下來）。把無人車放到城市道路去是無法想象的，因為在這樣一個不受控的環境下可能的場景數量需要對接近無窮的判斷語句進行編程。

的確是不可想象，直到最近情況還是這樣。不過一旦預測變得廉價，創新者就把駕駛重新框定為預測問題。他們不再用判斷語句來進行編程，而是讓AI去預測：“人類司機會怎麼做？”他們給汽車配備了各種傳感器——比如攝像頭、雷達、激光雷達等——然後收集了好幾百萬公里的人類駕駛數據。通過把車外配備的傳感器的輸入性環境數據與車內人類司機做出的駕駛決定（轉彎、剎車、加速）關聯起來，AI就可以學習人類司機是如何對每一秒中有關環境的輸入數據做出響應的。此前自動駕駛問題並未被視為是預測性問題，但現在預測已經成為無人車解決方案的重要組成部分。

判斷將變得更有價值

當基礎輸入成本直線下降時，這往往會影響到其他輸入的價值。對於該輸入的互補品來説價值會提高，而它的替代品價值則會降低。以拍攝為例，隨着計算成本的下挫，與數碼相機相關的軟硬件組件價值會提高，因為需求增加了——我們需要更多的相機。這些組件是計算的互補品，是要跟計算一起使用的。相反，膠捲相關的化學品價值就要降低——因為我們的需求變少了。
所有的人類活動都可以描述為5個高級組成部分：數據、預測、判斷、行動以及結果。比方説，因為疼痛去看醫生會導致：

1）拍X光，驗血，監視（數據）

2）問題診斷，比如“如果我們進行A治療的話，則預測會有X結果，但如果按照B來治療的話，則結果預測為Y”（預測）

3）權衡選項：“考慮到你的年齡，生活方式以及家庭情況，我認為你可能最好採取A療法；讓我們一起來討論一下你對風險和副作用的感覺”（判斷）

4）按照A方案進行治療（行動）

5）完全康復，副作用最小（結果）。

隨着機器智能的改進，人類預測技能的價值將會下降，因為機器預測可提供比人類預測更廉價且更好的替代，就算機器在計算方面所做的事情一樣。但是，這並不會像很多專家所認為那樣，給人類工作帶來滅頂之災。因為人類判斷技能的價值將會提高。用經濟學的語言來説，判斷是對預測的補充，因此當預測的成本下挫時，對判斷的需求就會提升。我們將需要更多的人類判斷。
比如説，當預測很廉價時，就可以更頻繁更便利的進行診斷，因此我們就會在早期階段檢測出更多的症狀。這意味着在醫療方面要做出更多的決策，後者又意味着對倫理、精神支持等方面會有更大的需求，而這些東西都是由人來提供的。判斷與預測之間的界線沒有那麼明顯——一些判斷任務甚至也可以被框定為一系列的預測。儘管如此，總體而言，預測相關的人類技能價值將會下降，而判斷相關技能的價值將會看漲。

把機器智能崛起解讀為預測成本的下降，並不能解答每一個與技術發展有關的具體問題。但這仍然有兩方面的關鍵意義：

1）預測作為一項輸入其角色將擴展到更多的商品和服務上

2）其他輸入的價值會發生變化，這主要取決於那些輸入對預測的替代性和互補性程度。這些改變正在來臨。而經理們需要投資到判斷相關能力的速度和程度將取決於這些變化到來又多快。


資料來源：36Kr