人工智能背后的简单经济学

1995年被誉为“新经济(New Economy)”的开端。数字通讯技术的崛起被认为将颠覆商业、改变一切。然而经济学家们总体上并没有被当时的互联网泡沫所忽悠。这并非是因为经济学家们未察觉出变化趋势,而是因为我们认为:最本质的经济规律和原理仍然奏效。简言之,所谓“新经济”的经济学本质是:数字技术将大幅降低信息搜索与通讯的成本,从而导致更多的搜索、通讯以及与之相关的人类活动。后来的事实也正是如此。

如今,有关人工智能的报道铺天盖地,似有昔日“新经济“泡沫之势。这一次,我们作为经济学家仍然认为:基本的经济学原理和框架就足以帮助我们理解和预测这一技术形态对商业产生的影响。技术革命往往会使某些重要活动的成本降低,比如说通讯或搜索信息的成本。究其实质,人工智能或者机器智能(machine intelligence)是一项预测技术,因此它的经济影响将围绕预测成本的降低这个中心。

机器智能的一大影响是降低了基于预测的产品与服务的成本。运输、农业、医疗、能源制造及零售等多种行业都需要依赖预测输入,因此预测成本的降低会对这些行业产生深远影响。

任何一项输入成本呈现断崖式下跌,都会产生两大经济影响:其一,人们会开始将预测技术广泛运用到原本没有采用预测的领域中;其二,预测技术的互补品的价值将大幅提升。

大量的商业活动任务将被重塑为“预测问题”

机器智能降低了预测成本,那么这项技术就可能被运用到原本从未使用该技术的领域。拿半导体来说,半导体的发明是一项技术进步,极大地降低了计算成本。半导体使计算更为低价,数据分析、会计等需要进行大量运算的相关活动成本也大幅下降。然而原本不属运算范畴的问题也开始使用这一成本低廉的技术,比如摄影:摄影照片原本采用胶片拍摄、化学试剂冲洗,也迅速转变为数码拍摄。通讯、音乐、药物研发等商业领域亦类似。

机器智能与预测技术也将对商业产生相似的影响。预测成本下降,不仅传统的依赖预测的领域(比如库存管理与需求预测)成本将迅速降低,而且原本未使用预测的商业挑战也会越来越广泛地依赖预测技术。

比如驾驶领域。无人驾驶技术很长一段时期内都只能在仓库和工厂等高度受控的环境下应用,因为只有在这些环境中,工程师才能对自动驾驶车辆所遭遇的各类情况进行穷举,并制定相应的“如果……那么……”决策算法。难以想象将自动驾驶车辆投放至城市街道,在不可控环境可能出现无数种突发状况。

然而“难以想象”很快要成为历史了。人工智能技术带来的预测成本降低,促使创新者将自动驾驶重新界定为一个预测问题。无需指定无数个“如果……那么……”的规则,取而代之的,是简单要求人工智能推测:“人类驾驶者在这种情况下会如何应对?”他们在车辆外安装摄像头、激光雷达、探测雷达等各类感应装置,用以搜集数百万里程人类行驶数据。将外部感应器传入的环境数据与车内驾驶员实时作出的判定(转向,刹车,加速等)相关联,人工智能就可习得人类驾驶者处理外部环境的反应。如此,在解决(自动驾驶)这一从未被当做预测难题考虑的难题时,预测技术的重要性不言而喻。

判断决策将变得更有价值

一项经济活动基础投入品的成本陡跌,往往会影响其他投入品的价值。其互补品的价值上升,替代品的价值下降。仍以摄影为例,计算成本降低,导致数码相机相关软硬件需求增加,价值上涨。这些配件就是计算的互补品。相反,对胶片相关的化学洗剂(替代品)需求减少,其价值下降。


所有人类活动都可以概述为五个因素:数据、预测、判断、行动与结果。例如,因病寻医的一般流程为:1)X光检查,血样化验,留院观察(数据); 2)诊断病情,如“如采用A治疗方案,则预测结果为X;如引入B治疗方案,则预测结果为Y”(预测); 3)权衡选择:“考虑到您的年龄、生活方式及家庭状况,我认为最佳治疗方案应为A;下面让我们来谈一谈其中的风险和副作用”(判断);4)实施A治疗方案(行动);5)康复,伴有轻微副作用(结果)。

随着机器智能的进步,人类预测技能的价值将会降低。原因在于机器预测比人为预测更为低价和优质,正如机器算术肯定比人力算数更为迅速准确。然而,这却并不像许多专家预言的意味着人类工作的末日,因为人类判断技能的价值将得以凸显。用经济学语言表述为,判断是预测的互补品,因此当预测的成本降低,对判断的需求就会增大。

举个例子,预测成本低廉,诊断将变得频繁且便捷,从而能够发现更多处于早期的可治愈症状。这就意味着需要作出更多诊疗决策,而作出诊疗决策需要人为权衡综合伦理、情感等方面的考量。判断与预测之间的分界线并不分明,某些判断问题甚至可能会被重新界定为预测问题。不过,总体来说与预测相关的人类技能价值将会降低,而判断相关的技能价值则会提升 。

预测成本下降导致的人工智能广泛采用,探究其背后的经济学框架并不能完全帮助我们预见技术的具体演进路径,但却可以帮我们厘清两大趋势:1) 预测技术将成为更多商业领域的重要一环;2)与预测相关的投入品的价值将发生变化,取决于它们是预测的互补品还是替代品。这些改变已经在发生。随着人工智能对各个经济领域影响的深入,我们也将看到企业对有关市场和商业判断技能的投入逐渐增加。

作者简介: Ajay Agrawal教授是多伦多大学罗特曼管理学院创业学课程创始人,同时也是麻省剑桥国家经济研究院助理研究员,36氪(The Next 36)联合创始人,创造性颠覆实验室(Creative Destruction Lab)奠基人,及创新创业中心学术总监。

Joshua Gans是罗特曼管理学院的战略管理教授。他的新书《革新的困境》(The Disruption Dilemma)已由麻省理工学院出版社发行。

Avi Goldfarb是多伦多大学罗特曼管理学院的市场营销学教授,同时也是国家经济研究院助理研究员,创造性颠覆实验室首席技术分析师,《营销科学》(Marketing Science)资深编辑。

参考资料:

The Simple Economics of Machine Intelligence. By Ajay Agrawal, Joshua Gans and Avi Goldfarb.
https://hbr.org/2016/11/the-simple-economics-of-machine-intelligence


菱歌品牌云™ 产品将人工智能与品牌科学相结合,为品牌主驱动实时洞察、敏捷决策。产品试用及商业合作,请联系:contactus@lavector.com。

本文为菱歌科技原创,转载或授权请在微信公众号后台留言。

Letitia.Chang

继续阅读此作者的更多文章