当人工智能站上资本风口,如何从经济学层面去理解?
2017-08-01 19:25
0

摘要:从经济学层面讲,人工智能本质上是预测技术,可以降低依赖于预测的商品和服务的成本。比如随着算法技术升级,库存管理和需求预测的成本会降低。预测现在成了解决问题的重要组成部分。

本文来自华尔街见闻(微信ID:wallstreetcn),作者祁月。更多精彩资讯请登陆wallstreetcn.com,或下载华尔街见闻APP。

无论是下围棋还是自动驾驶,背后都闪现着人工智能的影子。这种高科技已经成了资本市场的热炒题材。

《哈佛商业评论》(Harvard Business Review)文章称,从经济学层面讲,技术革命往往使一些重要的活动成本变得廉价,比如沟通或查找信息。机器智能本质上是一种预测技术,所以经济的转变将以预测成本的下降为中心。

预测是人类活动层次的构成之一。所有的人类活动都由五大层次构成:数据、预测、判断、行动、结果。截至目前,人工智能技术所覆盖的是前两层。轻松战胜人类世界围棋冠军的人工智能AlphaGo就利用深度学习技术在数据分析和机器预测方面具有显著优势。

机器智能的首要效果是降低依赖于预测的商品和服务的成本。这之所以重要,是因为预测是一系列活动的输入过程,包括交通运输、农业、医疗、能源制造和零售业。

《哈佛商业评论》文章称,当任何一个输入成本,也就是预测成本大幅下降的时候,就会产生其他两个普遍认同的经济意义。

第一,人们将开始利用预测去做以前没做过的事。

比如,半导体领域的技术进步使得不同的输入成本显著降低。借助更加先进的计算机半导体零部件,在那些以算法作为关键输入的领域,比如数据分析和财务会计,它们的计算活动成本会随之降低。

而且,人们还可以用成本更为低廉的算法来解决历史上从未出现过的问题。摄影就是一个例子,这个行业已经从以电影为导向、以化学为基础的方法转向了以数字为导向、以算法为基础的方法。其他对更廉价算法的运用还包括通信、音乐和医药研发。具体的应用比如库存管理和需求预测。

再比如近些年逐渐火爆的自动驾驶技术。这种技术要求一个高度受控的环境,程序员可以在那种环境里预测一系列汽车可能遇到的场景,并依据不同假设情形作出不同决策的算法,以便交给自动驾驶技术使用,比如如果有物体接近车辆,那么程序就会自动作出车辆减速的决策。而在一个不受控的环境中,比如实际的城市街道,那种复杂的路况就需要数量更加庞大的算法,使用深度学习方法的人工智能可以帮助降低预测路况的成本。

在自动驾驶这件事上,人工智能需要去做预测,它们会学习人类在遇到复杂的外部环境问题时将做出怎样的反应。从这种角度来说,预测现在成了解决某些问题的重要组成部分,而在以往,这些问题从未被视为是一个关于预测的问题。

人工智能甚至还能用于预测甄别犯罪。英国《金融时报》称,中国的犯罪预测技术依赖于多种人工智能技术来通过监控录像识别个人,包括人脸识别和步态分析。人脸识别公司云从科技(Cloud Walk)在测试一种系统,利用个人活动和行为的数据来评估他们犯罪的可能性。该公司发言人说:“如果有人买了把菜刀是没问题的,但如果这人随后又买了一个麻袋和一把榔头,这个人就变得可疑了。”

还有一些关于人工智能的应用更加贴合实际。在上海,人脸识别摄像头被用于识别和曝光乱穿马路的行人,公交站牌显示屏幕上定期曝光摄像头拍摄下来的违规者面孔。迪士尼也利用人工智能开发观众表情监测系统,这能让影院知道哪部电影比较受欢迎,从而调整排片策略。

第二,用于补充预测的其他事情的价值将随之增加,判断力会变得更有价值。

当一个基础性输入的成本大幅降低,往往会影响其他输入的价值。这种价值上作补充,下作替代。

比如摄影,随着人们对数码相机的需求增加,用作补充品的相关硬软件组件的价值会随着算法成本下降而降低。相比之下,逐渐被替代的电影相关的化工品则因需求减少而价值下跌。

随着人工智能技术水平的提升,人类预测技能的价值将下降, 因为机器的预测更好、成本更低。

但因此得出结论说“人类将面临失去工作的厄运”就不准确了,因为机器预测主要运用于基础工作,随着这部分预测技能随着技术增加而提升,人类的判断技能的价值将会攀升。

用经济学语言来说,作出判断是对预测的补充。因此,当预测的成本下降时,对于判断的需求就会上升。

收藏
相关新闻
请发表您的评论