人工智能与提高生产力的紧迫性

迈克尔·斯宾塞

世界各地的供应都在努力赶上需求。尽管各国当局积极加息，但通胀率依然居高不下。全球劳动力迅速老龄化；劳动力短缺状况四处可见，且将持续存在。但这只是全球经济所面临的生产力挑战背后的部分驱动力，而人们也越来越明确地意识到，必须利用人工智能来应对这一挑战。

过去40年，新兴经济体的快速增长带来了产能的激增，造就了一股强大的供给侧去通胀力量，尤其是中国成为经济增长的强劲引擎。但近年来，新兴经济体的增长引擎大幅削弱。中国的疫情后经济增长远低于其潜力。此外，各类地缘政治紧张局势、新冠疫情时期冲击和气候变化正扰乱全球供应链，而各类市场激励和新政策优先事项（如“去风险”和提高抗冲击力）的结合正迫使各国政府推行供应链多样化进程。与此同时，居高不下且不断攀升的主权债务水平削弱了各国实施增长导向型公共投资的财政能力，并破坏了一些经济体的稳定。

这些都是长期趋势。供应限制和成本上升将抑制经济增长；通胀仍将是一个长期威胁，而提高利率的抗击措施会增加资本成本；日益迫切的大规模能源转型投资在经济、政治和社会上都将极其难以推行……

但其中也有一些令人鼓舞的消息。随着人工智能技术的飞速发展，一场生产力的广泛提升可能会大大改变这一局面。人工智能从手写识别发展到语音识别，再到图像和物体识别，在这一过程中，传统观点一直认为这项技术在一些可以明确定义的领域中最为高效。它并不具备人类那样的能力去检测自己究竟在哪个领域工作，也无法根据需要切换领域。

这种情况随着大型语言模型和生成式人工智能的更大范围兴起而发生了改变。大型语言模型能够理解语言且似乎能够独立检测和切换领域，这或许让它们离人工通用智能更近了一步，也带来了相当可观的生产力广泛提升潜力。此外，大型语言模型接受过大量数字资料的训练，因此它们可以处理的主题范围非常广泛。

开发此类应用的竞赛已然开始，同时这些应用也与广泛的行业和工作类别相关联。ChatGPT背后的公司OpenAI已经创建了一个应用编程接口，允许各方在大型语言模型基础上构建自己的人工智能解决方案，并为他们所针对的特定用途添加数据和专业训练。

这种模式有很多版本，而且都能借助人工智能和环境感知智能系统跟踪、记录结果的能力。对于看病或查房的医生来说，人工智能工具可以生成所需报告的初稿，然后医生只需对其进行编辑即可。虽然对所节省时间的估算各不相同，但效果都非常显著。

人工智能也可能实现许多任务的自动化并取代工人。但人工智能工具在本質上是个预测机器，它们会犯错、编造，并延续它们所接受训练的偏见。因此谨慎的应用不可能很快将人类排除在外。

要充分发挥人工智能的生产力，政策制定者必须在多个领域采取行动。首先，对各类应用的创新、实验和开发都取决于能否广泛获得大型语言模型。或许会存在足够竞争来确保合理的获取成本。但鉴于只有极少数企业具备培训大型语言模型的计算能力，监管机构必须在这方面保持警惕。

其次，政府还要与行业和研究人员合作，为负责任地管理和使用数据制定一套各界认可的原则，同时实施相关法规来维护这些原则。在安全性和开放性之间取得适当的平衡至关重要，规则不能过于严格以免阻碍实验和创新。

最后，人工智能研究人员要获得相当大的计算能力来测试和训练新的人工智能模型。政府对云计算系统的投资将使人工智能和机器人技术取得长期性进步，并带来深远的经济效益。事实上，对人工智能的发展进行有效且具前瞻性的管理，再结合致力于全球合作的重新承诺，很可能就是创造一个更加繁荣、包容和可持续未来的关键。

（Copyright： Project Syndicate，2023，编辑：许瑶）