一個(gè)價(jià)值萬億美元的問題在于：低風(fēng)險(xiǎn)使用所帶來的好處能否抵消成本？關(guān)于作者：阿瑪爾畢海德（Amar Bhidé），哥倫比亞大學(xué)梅爾曼公共衛(wèi)生學(xué)院衛(wèi)生政策教授，即將由牛津大學(xué)出版社出版的《不確定性與企業(yè): 超越已知的冒險(xiǎn)》（Uncertainty and Enterprise: Venturing Beyond the Known）一書作者。
盡管狂熱已經(jīng)部分平息，但人工智能革命的必然性仍然深深扎根于企業(yè)董事會(huì)和華爾街。Alphabet首席執(zhí)行官桑代爾皮查伊（Sundar Pichai）最近對(duì)投資者表示：“AI投資不足的風(fēng)險(xiǎn)遠(yuǎn)遠(yuǎn)大于過度投資的風(fēng)險(xiǎn)”。
然而，據(jù)英國(guó)《金融時(shí)報(bào)》報(bào)道，對(duì)沖基金埃利奧特管理公司(Elliott Management)表示，人工智能的許多應(yīng)用“永遠(yuǎn)不會(huì)具有成本效益，永遠(yuǎn)不會(huì)實(shí)際正常工作，它只會(huì)消耗太多能源，或者將被證明是不可信賴的”。
人工智能的熱情一直支撐著股市近期的大幅上漲，盡管現(xiàn)在上漲已經(jīng)放緩。截至9月3日，除了特斯拉以外的所有七巨頭股票都在下跌，英偉達(dá)（NVDA）領(lǐng)跌。
歷史以及人工智能統(tǒng)計(jì)引擎不可避免的不可靠性也支持埃利奧特的觀點(diǎn)。人工智能是一個(gè)已經(jīng)成熟的事業(yè)，但它還沒有準(zhǔn)備好迎接能夠證明市場(chǎng)過高預(yù)期正確的超級(jí)增長(zhǎng)。
在過去七十年里，人工智能的創(chuàng)新者們不辭辛勞地將數(shù)字計(jì)算機(jī)完美地操縱1和0的能力與人類思維和話語的不精確性結(jié)合起來。
早期的人工智能應(yīng)用收錄了各種專業(yè)知識(shí)。然而，這種方法僅限于諸如醫(yī)學(xué)診斷這樣的問題，因?yàn)獒t(yī)學(xué)專家們擁有可以匯編的知識(shí)。
事實(shí)證明，統(tǒng)計(jì)近似性比可以匯編的人類專業(yè)知識(shí)更具有廣泛的成本效益。谷歌的機(jī)器搜索算法就是一個(gè)突出的例子，它的表現(xiàn)輕松超過了雅虎的人工編輯目錄系統(tǒng)。
然而，對(duì)統(tǒng)計(jì)近似值的依賴也限制了準(zhǔn)確性。模糊的輸入會(huì)使應(yīng)用程序變得不可靠。使用標(biāo)準(zhǔn)字體的印刷文字不像手寫文字那樣模棱兩可，不出所料，用光學(xué)字符識(shí)別軟件掃描印刷書籍和文件比手寫識(shí)別程序要準(zhǔn)確得多。不過，由于統(tǒng)計(jì)相關(guān)性無法理解意愿，而破譯口語單詞（“there”還是“their”?）需要了解說話人的意圖，聽寫程序的準(zhǔn)確性仍然令人沮喪。
人工智能應(yīng)用程序的準(zhǔn)確性還取決于基礎(chǔ)數(shù)據(jù)的生成過程。物理過程的穩(wěn)定性，比如汽車的自動(dòng)剎車，煉鋼和煉油等，使它們適合可靠的統(tǒng)計(jì)建模。相比之下，人類的行為受到一時(shí)興起和社會(huì)態(tài)度變化無常的影響。因此，對(duì)物理過程的統(tǒng)計(jì)預(yù)測(cè)往往是可以信賴的，而對(duì)消費(fèi)者行為的預(yù)測(cè)可能是非常不準(zhǔn)確的。所以，基于統(tǒng)計(jì)的人工智能并不能保證絕對(duì)正確。
谷歌和Meta平臺(tái)已經(jīng)依靠統(tǒng)計(jì)人工智能來生成目前主導(dǎo)互聯(lián)網(wǎng)的廣告。他們投給我的幾乎每一個(gè)廣告都與我的興趣完全脫節(jié)。但是向別人展示錯(cuò)誤廣告的風(fēng)險(xiǎn)很低，而且就連依靠極其不準(zhǔn)確算法的廣告效果也超過了盲投。
但是在創(chuàng)造性的應(yīng)用中，人工智能的準(zhǔn)確性可能是無關(guān)緊要的。在電子游戲和卡通中，沒有正確的特效或動(dòng)畫，修復(fù)舊電影畫面也沒有客觀標(biāo)準(zhǔn)誰知道原版是什么樣子？自動(dòng)化人工智能在修復(fù)工作中勝出，因?yàn)樗热祟愋迯?fù)更加便宜和快速。
圖片說明：阿瑪爾畢海德寫道，在人工智能的創(chuàng)造性應(yīng)用中，精確性的概念是無關(guān)緊要的。隨著堅(jiān)定的創(chuàng)新者逐漸認(rèn)識(shí)到利大于弊，人工智能變得無處不在。2006年，未來學(xué)家尼克 博斯特羅姆（Nick Bostrom）指出，人工智能已經(jīng)“滲透到一般應(yīng)用中，而且往往不被稱為人工智能，因?yàn)橐坏┠撤N東西變得足夠有用和普遍，它就不再被稱為人工智能了。”
蘋果2007年推出的iPhone手機(jī)為人工智能推波助瀾。幾乎所有的智能手機(jī)應(yīng)用程序從短信到色情信息，從地圖到相親，從視頻編輯到流媒體人工智能。類似于Uber和Airbnb這樣的人工智能手機(jī)應(yīng)用徹底改變了交通和旅游業(yè)，移動(dòng)搜索和社交媒體則粉碎了主流媒體和廣告。
盡管人工智能已經(jīng)得到廣泛應(yīng)用，但愛好者認(rèn)為它仍處于初級(jí)階段。一位經(jīng)驗(yàn)豐富的軟件企業(yè)家認(rèn)為，“早期的應(yīng)用，比如蛋白質(zhì)折疊是深?yuàn)W晦澀的。”但是現(xiàn)在，大型語言模型（LLM）增加了聊天界面，提供了更加廣泛的公眾訪問。這位企業(yè)家說：“真正的創(chuàng)造力來自于人們使用它并提出新的用途，而不是來自于創(chuàng)造它的工程師。”
將人工智能與1979年發(fā)明的電子表格進(jìn)行類比是誘人的。電子表格具有簡(jiǎn)單的用戶界面，允許技術(shù)專長(zhǎng)有限的人構(gòu)建有用的程序。它們?yōu)椴恍枰嘿F大型機(jī)的應(yīng)用程序提供了引人注目的價(jià)值，并成為了個(gè)人電腦的“殺手級(jí)應(yīng)用”。
大模型的用戶界面甚至比電子表格更簡(jiǎn)單、更自然。然而，大模型運(yùn)行的統(tǒng)計(jì)引擎所涉及的統(tǒng)計(jì)問題與早期人工智能應(yīng)用的實(shí)際應(yīng)用是一樣的。與早期人工智能一樣，大模型可以在創(chuàng)造性應(yīng)用中大放異彩，比如圖像生成，在這些應(yīng)用中，準(zhǔn)確性并不是決定性因素。相反，與其他統(tǒng)計(jì)人工智能模型一樣，模糊的輸入和結(jié)果破壞了它們的可靠性，它們不能從不穩(wěn)定過程產(chǎn)生的數(shù)據(jù)中進(jìn)行學(xué)習(xí)，也不能高度依賴上下文。
將各種可能的數(shù)據(jù)投入到大模型的訓(xùn)練中，并不能提高它們的準(zhǔn)確性和可靠性。這就像醫(yī)學(xué)數(shù)據(jù)并不能更好地回答法律或工程方面的問題，學(xué)會(huì)斯瓦希里語文學(xué)也并不能加強(qiáng)對(duì)莎士比亞戲劇的統(tǒng)計(jì)概括。
在低風(fēng)險(xiǎn)的使用中，人們還能夠容忍大模型犯下的錯(cuò)誤，就像他們?cè)谧珜懚绦艜r(shí)自動(dòng)拼寫時(shí)碰到的誤導(dǎo)一樣。價(jià)值數(shù)萬億美元的問題在于，低風(fēng)險(xiǎn)使用所帶來的好處能否抵消成本。
電子表格在經(jīng)濟(jì)實(shí)惠的個(gè)人電腦上提供了大型機(jī)級(jí)別的可靠性。相比之下，大模型要求用戶購(gòu)買更昂貴的硬件。此外，用戶硬件還只占建造、培訓(xùn)和運(yùn)營(yíng)大模型成本的一小部分。盡管大肆宣傳，大模型還沒有像尼古拉特斯拉(Nikola Tesla)發(fā)明的交流電那樣，徹底改變了電氣的經(jīng)濟(jì)性。
目前，狂熱的投資者和壟斷者正在大量補(bǔ)貼人工智能的非經(jīng)濟(jì)用途。當(dāng)音樂停止時(shí)，投資者意識(shí)到本已高大的樹木不能像小樹苗一樣發(fā)芽，更不用說長(zhǎng)到天上時(shí)，會(huì)發(fā)生什么？
文 | 阿瑪爾畢海德編輯 | 喻舟《巴倫周刊》(barronschina)原創(chuàng)文章，未經(jīng)許可，不得轉(zhuǎn)載。英文版見2024年9月5日?qǐng)?bào)道“AI Can’t Live Up to the Market’s Expectations. Why the Party Is Over.”。（本文內(nèi)容僅供參考，不構(gòu)成任何形式的投資和金融建議；市場(chǎng)有風(fēng)險(xiǎn)，投資須謹(jǐn)慎。）
