經濟透視/AI現階段發展的三個疑問\張明
如果未來人工智能能夠替代掉很多一般性的工作，在新的工作機會被大量創造出來、且普通人掌握了開展新工作的技能之前，對普通人提供轉移支付是必須的。在AI時代，由於生產力極大豐富，實施一定程度的普惠式最低收入安排（UBI）是既有必要也有基礎的。
儘管人工智能浪潮發展如火如荼，但迄今為止，筆者還沒有寫過一篇與人工智能相關文章。近日幾位研究團隊的老友相聚，各位就對當前人工智能技術的發展發言，我知道自己的第一篇文章要如何下筆了。本文僅為個人不成熟的觀點，請方家斧正。
大模型是AGI唯一道路？
生成式大模型（Generative LLM）是通向通用人工智能（Artificial General Intelligence，AGI）的正確且唯一道路嗎？很可能不是。
迄今為止，生成式大模型的核心原理，是通過特定算法檢索海量語料，之後按照概率學原理，對用戶提出的具體問題給出系統認為滿意的答覆，並根據客戶的反饋對答覆進行調整。生成式大模型不具備人類的獨立思考與推理功能，大家看到的所謂「深度思考」，其實還是算法事先設定的。由此造成三個後果：
其一，生成式大模型並不具備真正意義上的因果推斷能力，它針對特定問題給出的答案僅僅是在若干語料基礎上根據概率學原理給出的所謂「答案」。
其二，生成式大模型給出的答案、生成的文案或者寫成的文章基本上也就是行業平均水平，距離行業頂尖人士的專業水平始終會有較大差距。哪怕你讓系統錨定行業頭部人士的語料，但由於缺乏真正的因果推斷能力，系統也只能在常規的情景中給出「高水平」的答案，而不能在突發情景中給出滿意答案。
其三，若干家生成式大模型公司開展競爭，為獲得競爭優勢，大家只能在相似賽道中把算力或算法推向極致，也即在盡可能短的時間內抓取盡可能多的語料，以給出令用戶更加滿意的答覆。在算法短期內難以取得突破的前提下，大家只能進一步爭奪算力的優勢，從而不得不堆砌更多昂貴的GPU，或者租用更大規模的算力。前者讓英偉達賺得盤滿缽滿，後者讓甲骨文賺得盤滿缽滿。
通用人工智能要求系統具備獨立的因果推斷能力，這樣才能在不同情景下更好地模擬人類的思考。由此看來，生成式大模型未必是通向通用人工智能的唯一正確道路，甚至未必是正確道路。另外一些人工智能的發展方向，例如機器的深度思考，和搭載了深度思考系統的具身智能，或許是未來更具可持續應用前景的方向。
經濟為何沒有顯著增長？
迄今為止的人工智能浪潮為什麼沒有能夠顯著推動經濟增長？目前人工智能浪潮對經濟增長的推動主要體現在資本開支，也即人工智能公司為了獲得海量數據的快速處理能力，不得不自建或租用大規模算力，當前全球流行的數據中心建設就是明證。但除此之外，人工智能對大部分相關行業公司的盈利水平（除上述英偉達、甲骨文等少數「賣鏟子」的公司外）、消費、顛覆式創新等領域的推動作用並不顯著。這是為什麼呢？
潛在解釋之一，是當前的GDP統計體系有不足，沒有能夠充分捕捉人工智能技術對經濟社會發展的全面促進作用。這方面的討論之前也出現過。例如，信息技術對經濟社會方方面面的影響是清晰可見的，但如果採用索洛剩餘式的核算方法，並不能發現信息技術對經濟增長的顯著促進作用。這說明在二戰後建立的GDP統計體系可能已經落後於信息時代、更不要說人工智能時代。
然而，針對這一問題，還有其他潛在解釋。潛在解釋之二，是無論信息技術革命還是人工智能革命，從革命本身對人類生產生活方式的革命性改造而言，其重要性很可能比不上蒸汽機革命和電力革命。這正是美國西北大學經濟學家戈登在名著《美國經濟的起與落》中的核心觀點。例如，目前很流行的Openclaw及其代表的工作流，無非是把普通人力能夠完成的工作用機器程序更快地做了出來，雖有助於顯著提高工作效率，但工作流程本身並沒有發生革命性的變化。
潛在解釋之三，是人工智能革命體現出更加明細的「極化」特徵，並不是能夠改善全社會大多數人福利的普惠式技術革命。相比之下，電燈、電話、電視機、汽車、電腦的出現更具普惠式技術革命的特徵。人工智能時代體現出典型的「贏家通吃」特徵，無論個人、公司、行業還是國家均是如此。極少數主體賺得盤滿缽滿，大多數主體福利並未增進，反而可能顯著惡化。當前美國股市七姐妹抱團上漲的現象就是明證。這就能夠在一定程度上說明，為什麼迄今為止人工智能技術進步的成果並未充分體現到GDP統計中去。
人類最終會被奴役嗎？
人類未來會被人工智能替代甚至奴役嗎？筆者對人類與人性充滿了信心，人類絕不會被人工智能徹底替代。
機器當然在有些方面優於人類，例如進行計算的速度與能力。在簡單學習、信息檢索、重複勞動、按部就班的工作與實驗方面，人工智能都優於人類。但在複雜的因果推斷、火花一閃的直覺、根深蒂固的質疑能力、與生俱來的好奇心方面，人工智能很難替代人類。如前所述，生成式大模型在這方面表現欠佳，即使是具備深度學習能力的AI系統，也僅僅是在模仿人類進行學習與思考。哪怕是AI系統通過把不同類型的元素與模塊組合到一起，產生了人類意想不到的藥品或者問題解決方案時，它也僅僅是在快速「試錯」與迭代，並未生成一套全新的思維方式或分析框架。
人類社會的很多維度是靠複雜的人際互動來完成的，這方面，哪怕是具備了較好的深度學習系統的具身智能機器人，也很難像正常人類那樣進行複雜的互動。很難設想：機器能夠充分體驗羨慕、嫉妒、愛慕、仇恨等複雜情緒，和體會到很多經典詩歌與小說中描繪的複雜情感。舉個例子，什麼時候，AI才能真正讀懂陀思妥耶夫斯基的《罪與罰》啊？人性的幽暗深淵，恐怕遠遠超過了複雜計算的體驗能力，甚至不能用計算來解釋。
筆者喜歡看科幻片。在很多科幻片中，都有人類暫時被機器或系統奴役的例子，例如《黑客帝國》。但最後，總有離經叛道的天才或天賦異稟的「The One」幫助人類戰勝系統獲得解放。我覺得這樣的結果不僅僅是作者或創作者的美好意願，而是人類的創造力、審美、情感是機器系統很難完全替代的，更不要說超越了。
有人說，你們做宏觀經濟研究的，最容易被機器替代了。我的回答是，非也非也。生成式大模型最多只能撰寫水平中等報告，系統能做到的，只能是用的參考文獻多、數據更充分（準確性存疑）、速度快，但缺乏特色。很多高手撰寫的報告細微處的揶揄、微妙的反諷、偶爾的神來之筆，是現有AI絕對寫不出來的。至於面對面交流，AI就更難超越人類了。例如，它們很難知道哪些數據比另一些數據更可靠、很難獲得互聯網與文本之外的內部故事、很難在演講時講出靈機一動的比喻與段子，很難根據聽眾的情緒與反應調整演講的內容。具有個人鮮明風格的、知行合一的、口頭表達與書面表達並舉的宏觀研究者，是很難被機器替代的。
總而言之，人類很難被AI奴役。但是有一種黑暗的情景值得我們警惕，即大部分普通人可能被極少數掌握了高性能AI工具的人類奴役。考慮到前述人工智能的極化特徵，我們要對這一點充滿警惕。因此，對人工智能技術的極少數受益者徵稅，對剩下大多數人進行轉移支付是必然的。
（作者為中國社會科學院金融研究所副所長）
