787
機器人
人工智能會消滅市場，把我們帶往計劃經濟嗎？
對話框回複「熱文」，查看《中國經濟新布局》
近來，國內出現了一場關於大數據和人工智能（AI）能否重振計劃經濟的爭論，這場爭論涉及兩個重要的問題。第一個問題是人工智能的產生是從計劃來還是從別的地方來；第二個問題是，人工智能發展了之後會把我們帶往計劃經濟嗎？
1
人工智能的基礎——大數據
為了回答這些問題，需要從最基本的技術層麵開始討論。首先，我們需要理解人工智能是什麼意思，人工智能能做什麼不能做什麼，大數據和人工智能是什麼關係。
大數據的重要性在於它是人工智能的基礎。如今，世界上所有發達國家都高度關注人工智能的發展，因為這是一次正在興起的產業革命。
這個產業革命會引起的後果立即能看到的就是大量的無人工廠會產生、許多無人服務行業會產生、人類曆史上從來沒有見過的高效率會產生，會有大量的失業。
由於人工智能的技術基礎是大數據，因此大數據變成了基礎資源，和我們人類曆史上經曆過的原材料、能源等一樣。但是，這個資源與原材料、能源等資源的不同之處在於它不是原來就在世界上存在的，而是我們人工收集得來的。
2
產業革命的教訓
當生產模式發生基本變化的時候，這種全新、全麵的自動化會不會從根本上改變製度？對於這個問題，我們要吸取從過去產業革命的教訓，不然會重蹈覆轍。
過去的產業革命的一個重要教訓就是，當這些產業革命湧現的時候，人們會過高地估計產業革命的前景，進而濫用這些新興的科學和技術。在曆史上，並不乏這樣的例子，第一個是在第二次產業革命時期，產生了以國有製為基礎的中央計劃將經濟，這是一個過高估計了人的計劃能力和統治能力而設計出來的製度。
另一個例子是對環境的破壞，比如化石原料，化石原料的大規模使用伴隨著第一次和第二次產業革命的到來，造成了全球碳排放過高帶來全球變暖和其他一係列汙染。我們現在已經意識到，必須改變這種現狀。
今天，當大數據和人工智能結合在一起的時候，它可能的危險我們還不知道，比如帶有壟斷性質的大公司利用手中的數據試圖控製社會，用於大規模的戰爭、犯罪，等等。
3
基於大數據的算法與計算能力
今天人工智能的大發展實際上是以過去半個多世紀的發展位基礎的。首先，人工智能第一個重要基礎是算法，而對算法的探索早在20世紀50年代就開始，其中奠基人之一是經濟學家赫伯特·西蒙教授，他是卡內基梅隆大學的經濟學教授、計算機教授、心理學教授，1978年獲諾貝爾經濟學獎。人工智能這個提法來源經濟學、計算機和心理學這三個專業統的結合。
如今，發展得最好的算法是所謂的“神經元模型”，神經元模型使機器可以在人的指導下學習，也就是現在我們講人工智能時經常會提到的“深度學習”。人工智能的另外一個普遍使用且可探索的方法是“統計算法”。無論是使用人工訓練的神經元模型還是統計算法，都必須要大量的數據，這就是為什麼大數據是人工智能的基礎。
人工智能的第二個基礎是計算能力。在過去的半個世紀裏，計算速度、計算能力和存儲能力基本上是每兩年提高一倍（摩爾定律），積累了半個世紀以後，現在超強的能力使得無論使用任何一種計算方法的人工智能，在某些領域都可以大大超過人類。
4
大數據的基礎：可度量數據
既然人工智能的基礎是大數據，那麼要理解人工智能，我們就需要理解大數據本身的技術基礎是什麼。首先，大數據產生的基礎是傳感器、移動設備，傳感器和移動設備先檢測到一些具體的數據，通過互聯網和物聯網傳送，然後集中起來。大數據的核心就在於收集、傳輸、儲存和處理所有這些傳感器和移動設備可以度量的數據。人工智能可以做什麼不可以做什麼，取決於所收集的數據是否可度量。
另一層麵的大數據，是利用曆史上積累的大量文獻，其中包括各個學科積累的文獻，比如說圖書館裏有文字的、有圖的、有音樂的、有舞蹈的記錄，這些全都可以轉換為大數據供機器去學習、分析。 所謂“深度學習”的人工智能（也是我們今天講的人工智能），它的技術基礎基本是用大數據訓練機器，使之產生識別的能力、推理的能力、規劃的能力，等等。
5
冷識別與熱識別、硬數據與軟數據
如前所述，所謂的深度學習其實是一種算法。算法與經濟學中的決策理論是緊密相關的，換句話說可以認為它是決策理論的一個部分。
作為人工智能的設計者，你要為你的機器人分配一個目的，這和我們經濟學家討論的是一回事，即尋求效益（利益）的最大化。沒有任何一個經濟學家知道世界上每一個人真實的目的是什麼，是什麼東西在影響你。這就解釋了為什麼市場重要。
人工智能的一個核心概念是“識別”。早在20世紀50年代，西蒙教授討論人工智能的時候，就已經提出“識別”的概念，在那個時代就有了冷識別和熱識別的區別和辯論。冷識別是機器能夠識別的，熱識別是人帶著感情的識別，人帶著感情的識別機器是學不來的。
人工智能還有一對核心概念是硬數據和軟數據。硬數據就是所有可度量可傳遞的數據；軟數據是沒有辦法用傳感器或移動設備度量的，不能度量就無法傳遞、無法處理。當我們討論人工智能是基於大數據訓練出來的時候，熱識別和軟數據的問題不包含其中，連基礎都沒有，又何談學習，這就是為什麼機器終究不是人。
6
人的智能與人工智能的差別
人的智能和人工智能之間有一道鴻溝。人工智能的基礎是可度量、可描述、可傳遞的數據，滿足這幾個條件才能訓練。
但是人的智能很多是無法度量的。首先，在生物科學上，有一係列基本的人的生命感知，是無法度量的。比如嗅覺、味覺、性欲，這些東西是無法度量的。無法度量的東西，無論你造出來的機器計算能力有多強，算法有多麼優秀，因為它沒有感知，你造不出來一個機器人來代替品酒師品酒。
其次，人的心理感知也是無法度量的。喜悅、厭煩、痛苦、抑鬱、思念、懷舊、貪婪、野心等等，這些心理的內容是怎麼演變的、為什麼每個人是不一樣的等等，都是機器達不到的，因為並不存在這樣的數據。
再次，人的智能裏有一個非常重要的基本部分就是直覺。直覺是基於人對於硬數據和軟數據、冷識別和熱識別綜合在一起，產生出來的人的一種高度的抽象的跳躍性的反映。這種直覺，不但它依賴的數據不可度量、不可傳遞、無法機器處理，而且直覺本身也是人無法描述的，這就是為什麼師傅帶徒弟不一定帶得出來，在教學的時候，好的教授之所以好，因為好的教授有更多好的直覺，但是這個直覺傳遞不過去。
反觀機器人、人工智能的社會訓練，當不存在這些原始數據的時候，人工智能實際上用的是刻畫某些軟數據的其他參數，比如說文字、觀察某種行為的錄像，然後用機器識別出來各種各樣的行為，以此來學習。今天我們看到機器人了不起，指的是這個方法。但是這裏麵也有問題：第一個問題就是片麵，第二個問題是靜態，也就說你看到的是過去，但不知道將來怎麼樣。福特不做市場調查，因為當沒有汽車的時候，你無法知道消費者的反應；當沒有手機的時候，你也無法知道人們對手機的反應。
因此，深度學習的人工智能缺少大量人的基本感知，機器無法通過學習來產生和人相似的效應反射。經濟學家並不真知道人真正的效應函數是什麼，人分配給機器的效應函數也不可能是人的普遍函數，隻能是在一個狹窄範圍內定義的、靜態的、可預見的效應函數。因此從廣義上講，任何人工智能設備或者機器人的目標函數，不是也不可能代替人類自身的目標。這一想法其實早在西蒙獲得諾貝爾經濟學獎的時候就提出了，即“有限理性”的概念，這個概念一直影響到今天，而且是經濟學發展最前沿的領域。
7
人工智能能幹什麼？
人工智能究竟能幹什麼？能幹的事非常非常多，比如它可以規劃，也可以執行。但是它能夠規劃和能夠執行的前提必須是，你的目標是清楚設定的。
人工智能會有非常大的革命，它產生在所有你能想象的、能明確規定目標任務的領域，比如說下棋，下棋計算過程很複雜，但目標很簡單，就是贏了對方。還有開車、開飛機、開船等等，甚至根據設計製造產品，甚至成體係地設計產品，隻有規定的目標就行。在全麵自動化的情況下，無人的工廠內，激勵機製自然也就消失了。
另一方麵。當從事與人有關的工作時，它可以是非常好的助理。它可以是非常好的助教、助理研究院員、金融分析師、醫生助理、律師助理、軍事參謀。為什麼都是助理？因為它沒有辦法代替人。最近在美國做了個實驗，讓機器人去經濟學係做助教，在不見麵的前提下，一個學期過去之後，學生分不出來哪個是真人哪個是機器。但是它必須是助教不能是教授，因為有大量的重要信息，機器沒有辦法知道。
在最樂觀的情況下，如果你有明確規定的狹窄的的目標來執行，機器人都會做，包括戰爭，當然這是一個嚴重爭議的問題。
8
用人工智能消滅市場，建立計劃經濟行不通
人工智能產生以後，計劃經濟究竟能否代替市場經濟呢？答案非常簡單，大數據從市場上來，如果把市場消滅了，數據就沒有了，人工智能的基礎也就沒有了。
還有最重要的一點，當你把市場消滅後，試圖用人工智能、大數據去解決資源配置也一定會錯配，尤其是在跟創新相關的資源配置問題上。在市場中，這些資源配置的大量工作實由風險投資專家做的，因為他們掌握大量的軟數據，可以憑他們的直覺做出判斷。人工智能隻能處理硬數據，沒有直覺所以不能產生這個判斷。
今天人工智能的人才在哪裏？截至今年的第一季度，全球人工智能人才一共190萬人，其中中國5萬人，而這5萬人裏麵做這行達到十年的不到40%。有85萬人在美國，而美國的85萬人裏，有十年以上經驗的占71.5%。原因很簡單，在市場的環境下，才能出來這麼多的創新能力。你如果把市場的環境搞掉，創新是很難發展的。
廣告
最後更新：2017-11-01 16:20:01