AI 的三大主要话题探讨

随着人工智能技术呈现出势不可挡的发展之势，围绕AI进行的相关研究数量也越来越多。

关于人工智能及其对经济的影响方面，基本上有三个主要的相关问题：人工智能能做什么？人工智能的发展方向是怎样？人工智能的传播和普及速度有多快？对下文即将提到的最新的三份报告进行汇总，我们可以找到这三个问题的答案：人工智能现在所能做的可能比你想象的要少，但是最终它所能做的以及应用到的领域应该会比你想象的更多，发展的速度可能比以前任何一项技术都要快。

与 AI 相关的研究数量众多，这本身就是象征 AI 繁荣发展的一个标志。人工智能技术目前已经应用到了自动驾驶汽车及在线图像识别领域，不同学科的研究人员也正在竞相了解人工智能技术在各个方面可能具有的发展轨迹、未来可能达到的成果以及影响力。但是研究人员要想客观衡量 AI 技术的进步也面临着诸多挑战，因为人工智能领域发展的速度特别快，并且许多公司出于营销目的将自己的产品和服务包装成与 AI 相关的形象。

第一份报告是由斯坦福大学、麻省理工学院和其他高校组织的研究人员在上周四发布的他们的一项研究成果，他们利用“人工智能指数”，通过评估技术进步、投资、研究引证和大学招生等方面内容来追踪人工智能技术的发展。他们联合发起的这一研究项目的目标在于收集、整理并且不断更新相关数据，为科学家、商人、决策者和公众提供更好的信息。

“人工智能指数”是由人工智能领域研究专家于 2014 年开始在斯坦福大学开展的“人工智能 100 年发展研究计划”（One Hundred Year Study on Artificial Intelligence，简称 AI 100）发展而来。“人工智能指数”并不是一个单一的数字，而是随着时间推移追踪 AI 发展相关的一系列图表，其中包括人工智能在图像识别和语音识别方面的改进情况以及对初创企业活动和职位空缺等方面的评估。除此之外，也包括由人工智能专家完成的短篇文章。其中一些表现技术进步的图表能够说明一些问题，例如，我们从这些图表可以得知图像和语音识别程序在过去一两年的时间里已经达到与人类能力持平甚至超越人类的水平。

这一研究计划小组成员主要是科学家，他们力求拓宽人类对于人工智能技术的理解，从而增加社会从这一技术受益的可能性。据斯坦福大学名誉教授兼“人工智能指数”指导委员会主席 Yoav Shoham 表示，该研究小组最初打算每五年发表一次大型研究报告，但鉴于 AI 技术进步与投资的速度，每五年一次的发表速度“似乎有些太慢了”。

但是，AI 专家也提醒表示，要用普通的人工智能技术去处理一些具体的任务仍然还有很远的路要走。孩子都知道放在桌子边缘的一杯水很有可能会滑落到地板上，因为他们知道这些日常生活中的物理学现象，但是人工智能程序却不知道。Raymond Perrault 是“人工智能指数”小组的成员之一，也是 SRI International 的一位科学家，他表示，目前的“人工智能指数”是“第一步”，研究小组正在向全世界各地的学者和企业研究人员寻求数据和意见，最终是要尽可能多的去衡量多个领域和方向，包括社会影响。

第二份报告是麦肯锡全球研究院在上周三发布的一份关于自动化技术及其对就业方面影响的报告，这份报告描述了自动化技术在几个不同国家的不同工作类别方面的应用，及其对这些工作岗位工人就业可能产生的影响。其中一项结果显示，到 2030 年，也就是 12 年之后，现在美国劳动力三分之一的人口将转换到新的职业类别。

麦肯锡关于自动化及其对就业影响方面的报告探索了 AI 的不确定性及其对劳动力就业市场的影响。该报告预测，到 2030 年，美国将有 1600 万人至 5400 万人将不得不去寻找新的就业岗位，而具体数量取决于 AI 技术在工作场所的采用速度。AI 技术的进步越快，随之所带来的挑战也就越大。相比之前从农场转移到工厂，以及后来从制造业转移到服务业的劳动力迁移来说，麦肯锡预测的 5400 万人的高区间值显然预示着一种更为迅猛的转变速度。

来自麦肯锡全球研究院的经济学家 Susan Lund 表示：“这就是我们未来关注点发展的方向所在，我们需要关注如何去应对这种转变。对于如何提供在职培训以及如何帮助失业工人找到新的工作这两个方面，我们需要做出重大的改变。”

第三份报告是美国国家经济研究局（NBER）在今年 11 月份发表的一篇文章，其中对于为什么在 AI 技术方面进行的所有的研究和投资对于生产力的影响微乎其微这一问题，来自麻省理工学院和芝加哥大学的经济学家分别给出了他们的回答。

尽管 AI 呈现出势不可挡的发展之势，但从整体上来说，目前并不是整个经济环境都受这一趋势影响，至少从数量上来说是这样。麻省理工学院斯隆商学院的 Erik Brynjolfsson 和 Daniel Rock 以及芝加哥大学商学院的 Chad Syverson 在最近发表的论文中将这一现象称之为“期望与统计数据的冲突”。他们为这一现象提供了一些可能的解释，其中包括对新技术的虚假期望以及衡量不准确等问题。他们想要探讨的是 AI 技术在现实中被采用及推广存在滞后性的问题。

这在之前历史上也存在先例。电动机是在 19 世纪 80 年代出现，但直到 20 世纪 20 年代，电机不断传播，工厂改建大规模生产线之后，它在生产力方面的作用才凸显出来。来自“人工智能指数”小组的ErikBrynjolfsson 表示，AI 也将会遵循类似的发展路径，但速度会更快。这一指数将会帮助人们更快地获得所需要的信息，从而做出更好的决策，加快 AI 在现实中的采用速度。

诚然，对 AI 持质疑态度的大有人在，但 Brynjolfsson 显然不属于这类。他说道：“即便是十分强大的技术，历史上也有这样的先例，可能会需要数年的时间才发挥出它的作用。对我来说，AI 技术确定无疑会绽放它的光彩。”

以上三份报告计划侧重点各有不同，但根据这些报告内容以及对作者的采访，我们发现了他们共有的两大主题：

• 1、技术本身只是确定 AI 发展轨迹及其可能产生的影响的一个因素。经济学、政府政策和社会公众的态度也将在其中起到主要作用。

• 2、历史上一些主要技术的采用模式，从最早的电力到之后的计算机，这些模式可能也适用于 AI。但是即便模式相似，速度可能并不相似。如果 AI 的采用速度，真如众多研究者所预测的那样更快的话，那相比过去的转型来说，AI 技术带给我们的转型后果可能会更加痛苦。