轉(zhuǎn)載聲明：除調(diào)整格式外，不得對(duì)原文做改寫(xiě)、改編。原創(chuàng)不易，謝謝！E-mail:yellow@aliyun.com

?聲明：本文為原創(chuàng)文本，非生成式，轉(zhuǎn)載請(qǐng)注明出處！

商務(wù)咨詢(xún)/顧問(wèn)/請(qǐng)@yellowscholar?作者：黃先生斜杠青年

＃經(jīng)濟(jì)學(xué) ＃計(jì)算和人工智能 ＃思想史

接下來(lái)，你將看到/聽(tīng)到一幅有別于絕多大數(shù)專(zhuān)家學(xué)者觀點(diǎn)，我將粗俗易懂的方式娓娓道來(lái)……

市場(chǎng)系統(tǒng)比經(jīng)濟(jì)規(guī)劃者更好地利用了更多的信息，聽(tīng)著是不是很熟悉？這就是傳說(shuō)中的謀劃某濟(jì)（對(duì)，對(duì)于一個(gè)母語(yǔ)者，人們已經(jīng)不能好好講母語(yǔ)了）。如果 AI 和機(jī)器學(xué)習(xí)改變了這種情況，會(huì)怎樣？

圖片通過(guò)：蓋蒂圖片社

機(jī)器學(xué)習(xí)是人工智能 （AI） 的一個(gè)子領(lǐng)域，是一種訓(xùn)練算法的方法，用于在大量數(shù)據(jù)中辨別經(jīng)驗(yàn)關(guān)系。通過(guò)一堆可能癌變也可能不癌變的痣圖像來(lái)運(yùn)行專(zhuān)門(mén)構(gòu)建的算法。然后向它展示診斷出的黑色素瘤的圖像。使用以人腦神經(jīng)元為模型的分析方案，在反復(fù)試驗(yàn)的迭代過(guò)程中，該算法弄清楚了如何區(qū)分癌癥和雀斑。它可以以指定且穩(wěn)步增加的確定性程度來(lái)近似其答案，達(dá)到超過(guò)人類(lèi)專(zhuān)家的準(zhǔn)確性水平?，F(xiàn)在，全球經(jīng)濟(jì)中正在運(yùn)行類(lèi)似的流程，這些流程可以改進(jìn)算法以識(shí)別或發(fā)現(xiàn)大量數(shù)據(jù)中的模式：醫(yī)學(xué)、法律、稅收、營(yíng)銷(xiāo)和研究科學(xué)都在受影響的領(lǐng)域。經(jīng)濟(jì)學(xué)家 Erik Brynjolfsson 和計(jì)算機(jī)科學(xué)家 Tom Mitchell 說(shuō)，歡迎來(lái)到未來(lái)：機(jī)器學(xué)習(xí)即將改變我們的生活，就像 19 世紀(jì)和 20 世紀(jì)的蒸汽機(jī)和電力一樣。

這種即將發(fā)生的變化的跡象仍然很難看到。例如，令人擔(dān)憂的是，生產(chǎn)率統(tǒng)計(jì)數(shù)據(jù)仍然沒(méi)有受到影響。這種滯后與新的“通用技術(shù)”出現(xiàn)的早期事件一致。在過(guò)去，技術(shù)創(chuàng)新需要幾十年的時(shí)間才能證明具有變革性。但思想往往走在社會(huì)和政治變革之前。機(jī)器學(xué)習(xí)可能顛覆現(xiàn)狀的一些方式已經(jīng)在政治經(jīng)濟(jì)學(xué)辯論中變得明顯。

我是斜杠青年，一個(gè)PE背景的雜食性學(xué)者！?致力于剖析如何解決我們這個(gè)時(shí)代的重大問(wèn)題！?使用數(shù)據(jù)和研究來(lái)了解真正有所作為的因素！

政治經(jīng)濟(jì)學(xué)學(xué)科的創(chuàng)建是為了理解一個(gè)由蒸汽動(dòng)力和電力工業(yè)化驅(qū)動(dòng)的世界。它的核心問(wèn)題變成了如何最好地監(jiān)管經(jīng)濟(jì)活動(dòng)。政府或行業(yè)的集中控制，或市場(chǎng)自由 - 哪些優(yōu)化了結(jié)果？到 20 世紀(jì)末，答案似乎顯然是基于市場(chǎng)的秩序。但機(jī)器學(xué)習(xí)的出現(xiàn)正在重新開(kāi)啟國(guó)家與市場(chǎng)的爭(zhēng)論。國(guó)家、公司或市場(chǎng)之間哪一種是協(xié)調(diào)供需的更好方式？對(duì)這個(gè)問(wèn)題的舊答案正在受到新的審視。在 2017 年的一篇引人注目的論文中，東大川大的經(jīng)濟(jì)學(xué)家 Binbin Wang 和 Xiaoyan Li 認(rèn)為，大數(shù)據(jù)和機(jī)器學(xué)習(xí)為集中式規(guī)劃賦予了新的生命。供需的市場(chǎng)協(xié)調(diào)包含的信息比任何單一智能所能處理的信息都多，這種觀念很快就會(huì)被 21 世紀(jì)的人工智能證明是錯(cuò)誤的。

我們應(yīng)該多認(rèn)真地對(duì)待這樣的猜測(cè)呢？機(jī)器學(xué)習(xí)是否會(huì)讓我們?cè)诮?jīng)濟(jì)思想史上兜兜轉(zhuǎn)轉(zhuǎn)，經(jīng)濟(jì)集中和控制的措施——很久以前就被譴責(zé)為危險(xiǎn)的烏托邦計(jì)劃——以新的效率水平回歸，構(gòu)成一種新的正統(tǒng)觀念？

這在很大程度上取決于隱性知識(shí)的地位。在這一點(diǎn)上，機(jī)器學(xué)習(xí)驅(qū)動(dòng)的命令經(jīng)濟(jì)學(xué)復(fù)興的擁護(hù)者和他們的批評(píng)者都同意這一點(diǎn)。隱性知識(shí)是我們所說(shuō)的那種認(rèn)知，當(dāng)我們說(shuō)我們知道的比我們能說(shuō)的要多時(shí)。你怎么騎自行車(chē)？沒(méi)有人能準(zhǔn)確地說(shuō)。監(jiān)督有幫助，但初學(xué)者必須自己弄清楚。你怎么知道一個(gè)斑點(diǎn)是雀斑而不是癌癥？專(zhuān)家不能僅僅通過(guò)用文字拼出她的想法來(lái)教醫(yī)學(xué)生。學(xué)生必須在監(jiān)督下練習(xí)，直到她自己掌握了這項(xiàng)技能。這種專(zhuān)業(yè)知識(shí)無(wú)法傳授或下載。

機(jī)器人能吸收隱性知識(shí)嗎？20 世紀(jì)中葉反對(duì)集中規(guī)劃的論點(diǎn)認(rèn)為他們不能。機(jī)器學(xué)習(xí)的一些成就（例如在發(fā)現(xiàn)癌癥方面超越了專(zhuān)科醫(yī)生）表明并非如此。如果機(jī)器人能夠保留隱性知識(shí)，那么人工智能驅(qū)動(dòng)的中央計(jì)劃在協(xié)調(diào)經(jīng)濟(jì)活動(dòng)方面可能會(huì)勝過(guò)分散的市場(chǎng)互動(dòng)。但有充分的理由相信，本世紀(jì)中葉的反規(guī)劃者是對(duì)的。隱性知識(shí)可能仍將是人類(lèi)的專(zhuān)利——這不僅影響到命令經(jīng)濟(jì)回歸的前景，還影響到對(duì)機(jī)器學(xué)習(xí)驅(qū)動(dòng)的未來(lái)的更廣泛的恐懼和希望。

經(jīng)濟(jì)學(xué)家長(zhǎng)期以來(lái)一直認(rèn)為，市場(chǎng)是協(xié)調(diào)經(jīng)濟(jì)活動(dòng)的最有效手段。市場(chǎng)的優(yōu)勢(shì)在于它能夠聚合可用信息，從而平衡供需。沒(méi)有一種情報(bào)可以像市場(chǎng)機(jī)制那樣有效地包含所有這些信息。個(gè)人知識(shí)是分散和零碎的，但總的來(lái)說(shuō)，影響市場(chǎng)內(nèi)和通過(guò)市場(chǎng)的經(jīng)濟(jì)活動(dòng)協(xié)調(diào)的信息量是巨大的。政府可以知道足夠的信息來(lái)縱需求以平抑貿(mào)易周期中的波動(dòng)——這是 1940 年后被廣泛接受的凱恩斯主義賭注——但供給是另一回事，最好留給個(gè)人和公司不受約束的互動(dòng)。

20 世紀(jì)中葉反對(duì)規(guī)劃的論點(diǎn)集中在任何協(xié)調(diào)機(jī)構(gòu)需要收集的信息量上，以便像自由市場(chǎng)一樣有效地做出決策。規(guī)劃者知道，沒(méi)有一種智慧所能知道的知識(shí)是每個(gè)人加起來(lái)的一半，無(wú)論我們的幾個(gè)觀點(diǎn)多么不完美。但是，個(gè)人所能知道的與整個(gè)社會(huì)所能看到的之間的差距正在縮小。波蘭經(jīng)濟(jì)學(xué)家和外交家?jiàn)W斯卡·朗格 （Oskar Lange） 看到供求關(guān)系可以用代數(shù)來(lái)表述。例如，在鋼鐵市場(chǎng)中，買(mǎi)賣(mài)雙方之間的所有關(guān)系都可以繪制為一系列聯(lián)立方程。一個(gè)有能力的數(shù)學(xué)家，只要有足夠的時(shí)間，就可以解開(kāi)所有的方程式，以精確地量化供求匹配的價(jià)格。然后，政府可以確定該價(jià)格，立即向買(mǎi)賣(mài)雙方發(fā)出最佳采購(gòu)和生產(chǎn)數(shù)量的信號(hào)，從而消除導(dǎo)致過(guò)剩和短缺的低效率。

當(dāng)朗格于 1965 年去世時(shí)，不可能及時(shí)解決所有這些方程式，以便進(jìn)行集中定價(jià)工作。鵝螺絲經(jīng)濟(jì)學(xué)家、諾貝爾獎(jiǎng)獲得者列昂尼德·坎托羅維奇 （Leonid Kantorovich） 花了六年時(shí)間試圖找出 1960 年代蘇聯(lián)鋼鐵生產(chǎn)的最佳價(jià)格——但速度太慢了，在實(shí)踐中毫無(wú)用處。但在 1965 年，美國(guó) IT 先驅(qū)戈登·摩爾 （Gordon Moore） 觀察到，計(jì)算機(jī)的處理能力每年翻倍;從那時(shí)起，“摩爾定律”就一直有效?？赡苄缘囊曇昂芸炀烷_(kāi)始發(fā)生變化。對(duì)于人類(lèi)職員來(lái)說(shuō)，協(xié)調(diào)經(jīng)濟(jì)所涉及的計(jì)算可能不切實(shí)際地費(fèi)力，但計(jì)算機(jī)改變了游戲規(guī)則。如果朗格是對(duì)的，并且特定市場(chǎng)的供求關(guān)系可以用代數(shù)來(lái)表述，那么計(jì)算機(jī)能力的指數(shù)級(jí)增長(zhǎng)使得通過(guò)朗格方法集中確定價(jià)格只是時(shí)間問(wèn)題。蘭格在去世前不久寫(xiě)道，這個(gè)市場(chǎng)很快就會(huì)被視為“前電子時(shí)代的計(jì)算設(shè)備”，就像算盤(pán)一樣過(guò)時(shí)。

集中計(jì)劃的批評(píng)者還有一張牌要打。英奧經(jīng)濟(jì)學(xué)家哈耶克（F A Hayek）在1945年指出，將具體細(xì)節(jié)轉(zhuǎn)化為通用統(tǒng)計(jì)數(shù)據(jù)的必要性是使中央計(jì)劃低劣的部分原因。為了方便中央規(guī)劃者，以代數(shù)方式繪制市場(chǎng)關(guān)系，涉及將分散在給定市場(chǎng)中個(gè)體之間的豐富而復(fù)雜的數(shù)據(jù)壓縮成一組統(tǒng)計(jì)數(shù)據(jù)。提取了有關(guān)所分析商品的位置或質(zhì)量的詳細(xì)信息。人們?cè)谧杂墒袌?chǎng)中過(guò)濾價(jià)格信號(hào)的特定本地知識(shí)增強(qiáng)了個(gè)人決策。這反過(guò)來(lái)有助于確保浮動(dòng)價(jià)格仍然是供需波動(dòng)的可靠指標(biāo)。這種特定的、局部的知識(shí)是不可簡(jiǎn)化為統(tǒng)計(jì)形式的。因此，任何集中式規(guī)劃系統(tǒng)都必須沒(méi)有它。無(wú)論規(guī)劃者可以收集多少信息，他們的信息質(zhì)量永遠(yuǎn)不會(huì)那么好。

機(jī)器人現(xiàn)在不是在做反規(guī)劃者說(shuō)他們不能做的事情嗎——同化隱性知識(shí)？

在 1950 年代和 60 年代，英匈帝國(guó)哲學(xué)家兼科學(xué)家邁克爾·波蘭尼 （Michael Polanyi） 將反對(duì)集中計(jì)劃的定性論點(diǎn)更進(jìn)一步，重新加工了哈耶克對(duì)計(jì)算機(jī)時(shí)代的觀察。如果說(shuō)地方知識(shí)對(duì)統(tǒng)計(jì)來(lái)說(shuō)是不可簡(jiǎn)化的，因此對(duì)中央計(jì)劃局來(lái)說(shuō)是不可理解的，那么隱性知識(shí)甚至在文字中也是無(wú)法指定的，因此人類(lèi)不可能在計(jì)算機(jī)中編程。市場(chǎng)協(xié)調(diào)與生俱來(lái)就涉及了人類(lèi)認(rèn)知的隱性維度：每個(gè)考慮招聘的經(jīng)理和每個(gè)評(píng)估牛肉的家庭主婦在做出決策時(shí)都利用了不清楚的知識(shí)。但是，通過(guò)超級(jí)計(jì)算機(jī)進(jìn)行集中規(guī)劃將使所有這些專(zhuān)業(yè)知識(shí)得不到開(kāi)發(fā)。機(jī)器無(wú)法計(jì)算它，無(wú)論它們變得多么強(qiáng)大。

哈耶克和波蘭尼提出的反對(duì)計(jì)算機(jī)驅(qū)動(dòng)的集中規(guī)劃的論點(diǎn)是否仍然適用？乍一看，機(jī)器學(xué)習(xí)表明并非如此。癌癥發(fā)現(xiàn)似乎涉及模擬隱性知識(shí)的算法。醫(yī)學(xué)生需要多年的書(shū)本學(xué)習(xí)和高級(jí)醫(yī)生的實(shí)踐指導(dǎo)，然后才能做出同樣的區(qū)分。使專(zhuān)家能夠應(yīng)用相關(guān)知識(shí)的不明確知識(shí)只能親自傳授 - 這就是為什么世界各地的學(xué)生都跟隨醫(yī)生查房的原因。專(zhuān)科醫(yī)生識(shí)別出惡性色素沉著，但無(wú)法準(zhǔn)確闡明是什么導(dǎo)致她得出這個(gè)結(jié)論?，F(xiàn)在，算法可以執(zhí)行相同的認(rèn)知壯舉。機(jī)器人現(xiàn)在不是在做早期反規(guī)劃者所說(shuō)的他們做不到的事情嗎——同化隱性知識(shí)？

事實(shí)上，機(jī)器學(xué)習(xí)實(shí)際上并沒(méi)有將認(rèn)知能力編碼進(jìn)算法中，這些能力使人類(lèi)能夠知道比他們能說(shuō)的更多。機(jī)器學(xué)習(xí)使 AI 工程師能夠構(gòu)建能夠得出人類(lèi)使用隱性知識(shí)得出的一些結(jié)論的應(yīng)用程序。機(jī)器人通過(guò)找出人類(lèi)無(wú)法處理的數(shù)據(jù)量中的經(jīng)驗(yàn)關(guān)系來(lái)實(shí)現(xiàn)這一目標(biāo)。人類(lèi)學(xué)習(xí)區(qū)分雀斑和癌癥的學(xué)徒制不僅僅是處理成堆的經(jīng)驗(yàn)信息以辨別 X 輸入（潛在癌癥患者出現(xiàn)的癥狀）Y（癌癥）的功能。人類(lèi)學(xué)生學(xué)習(xí)等效技能——對(duì)哪些斑點(diǎn)是無(wú)辜的，哪些會(huì)帶來(lái)麻煩的感覺(jué)或感覺(jué)——與診斷黑色素瘤只是其中一部分的整個(gè)職業(yè)相結(jié)合。在哪些痣是危險(xiǎn)的具體問(wèn)題上，算法現(xiàn)在勝過(guò)醫(yī)生。但撇開(kāi)一些診斷技術(shù)不談，醫(yī)生仍然完全無(wú)法被算法取代。就像人類(lèi)與生俱來(lái)的許多認(rèn)知能力一樣，專(zhuān)家和學(xué)生之間傳遞的大部分職業(yè)由無(wú)法確定的隱性知識(shí)組成。

大多數(shù)更廣泛的專(zhuān)業(yè)知識(shí)遠(yuǎn)未被 AI 系統(tǒng)復(fù)制。很多事情永遠(yuǎn)不會(huì)發(fā)生。當(dāng)前的經(jīng)濟(jì)激勵(lì)措施有利于改進(jìn)特定任務(wù)的 AI 系統(tǒng)——例如鼴鼠觀察器等算法，一旦在其中訓(xùn)練，就可以解決特定問(wèn)題。但是，即使激勵(lì)措施轉(zhuǎn)向?qū)⑼顿Y引導(dǎo)到所謂的“通用人工智能”系統(tǒng)的設(shè)計(jì)上——比如斯坦利·庫(kù)布里克（Stanley Kubrick）的電影《2001：太空漫游》（1968）中的哈爾（Hal）——到目前為止，機(jī)器學(xué)習(xí)的發(fā)展中沒(méi)有任何東西表明這種投資會(huì)取得任何成果。機(jī)器學(xué)習(xí)的工作原理與其說(shuō)是模仿隱性知識(shí)，不如說(shuō)是找到可靠的捷徑來(lái)得出與人類(lèi)通過(guò)隱性知識(shí)相同的結(jié)論。盡管外表如此，但可以像人類(lèi)一樣在各種任務(wù)中活動(dòng)的機(jī)器人，運(yùn)用足夠的上下文知識(shí)來(lái)知道該部部署哪種能力，仍然是科幻小說(shuō)中的內(nèi)容。

通過(guò)機(jī)器學(xué)習(xí)可以想象的 AI 應(yīng)用程序通常能夠比人類(lèi)更好地回答具體、框架緊湊的問(wèn)題（“這顆痣癌嗎？但對(duì)于更普遍的問(wèn)題——比如，“是什么讓這個(gè)人不舒服”——這些新型人工智能仍然毫無(wú)用處。通過(guò)類(lèi)比，很容易看出機(jī)器學(xué)習(xí)將如何產(chǎn)生具有大量非常有益的微觀經(jīng)濟(jì)和宏觀經(jīng)濟(jì)應(yīng)用的算法?！斑@家位于倫敦南部的樂(lè)購(gòu)在 3 月的第二周能賣(mài)多少袋火箭油？”如果數(shù)據(jù)正確，機(jī)器學(xué)習(xí)比任何人都更能回答這個(gè)問(wèn)題。優(yōu)化新鮮食品供應(yīng)鏈將減少?gòu)霓r(nóng)場(chǎng)到餐桌過(guò)程中的浪費(fèi)。機(jī)器學(xué)習(xí)很可能使特定的宏觀經(jīng)濟(jì)問(wèn)題更易于處理。在政治經(jīng)濟(jì)學(xué)中，國(guó)內(nèi)生產(chǎn)總值 （GDP） 這個(gè)粗陋且日益過(guò)時(shí)的概念仍然是衡量成功的標(biāo)準(zhǔn)。以 Diane Coyle 和 Mariana Mazzucato 為首的經(jīng)濟(jì)學(xué)家一直在嘗試用更有意義和更細(xì)致入微的經(jīng)濟(jì)表現(xiàn)指標(biāo)取代 GDP，并取得了一些成功。機(jī)器學(xué)習(xí)可能會(huì)給他們的手臂帶來(lái)更多的力量。如果數(shù)據(jù)正確，就可以提供實(shí)時(shí)回歸分析產(chǎn)出統(tǒng)計(jì)數(shù)據(jù)和其他幸福感指標(biāo)之間的關(guān)系，從而為將重點(diǎn)從 GDP 轉(zhuǎn)移開(kāi)的嘗試提供新的動(dòng)力。

至于更大的問(wèn)題——比如哪個(gè)是國(guó)家和市場(chǎng)之間更好的經(jīng)濟(jì)協(xié)調(diào)機(jī)構(gòu)——機(jī)器學(xué)習(xí)不太可能再次強(qiáng)行推翻所有舊的爭(zhēng)論。正如機(jī)器學(xué)習(xí)并沒(méi)有讓我們更接近“通用”人工智能系統(tǒng)的出現(xiàn)一樣，它也不會(huì)將我們分流到某種新的認(rèn)識(shí)論范式中，在那里，反對(duì)集中規(guī)劃的基于知識(shí)的隱性論點(diǎn)突然失去了有效性。原則上可以想象，有一天可能會(huì)出現(xiàn)算法，可以為現(xiàn)代經(jīng)濟(jì)中生產(chǎn)的 120 億種左右商品中的每一種設(shè)定價(jià)格，就像蘭格時(shí)代一樣。大多數(shù)工程師仍然認(rèn)為同時(shí)運(yùn)行所有這些程序所需的處理能力是不可想象的。摩爾定律仍然站在規(guī)劃者一邊。但是，即使算法在集中控制下以電子方式重新創(chuàng)建了市場(chǎng)，他們的系統(tǒng)發(fā)出的價(jià)格信號(hào)也不會(huì)像現(xiàn)在生成的信號(hào)那樣有效。用于市場(chǎng)經(jīng)濟(jì)決策的隱性且無(wú)法確定的知識(shí)部分將在將當(dāng)前分散的信息轉(zhuǎn)化為新規(guī)劃沙皇的數(shù)字代碼的過(guò)程中丟失。

其中一些無(wú)法確定的知識(shí)會(huì)幸存下來(lái)，因?yàn)闄C(jī)器學(xué)習(xí)的最先進(jìn)應(yīng)用——在執(zhí)行任務(wù)特定功能時(shí)類(lèi)似于人類(lèi)認(rèn)知的系統(tǒng)——依賴(lài)于人類(lèi)的持續(xù)監(jiān)督和互動(dòng)才能取得成功。最有前途的機(jī)器學(xué)習(xí)驅(qū)動(dòng)的 AI 系統(tǒng)讓人類(lèi)控制器“處于循環(huán)中”。也就是說(shuō)，他們與人類(lèi)工程師互動(dòng)，處理大量數(shù)據(jù)來(lái)構(gòu)建和重新構(gòu)建問(wèn)題，然后看著人類(lèi)在所需的認(rèn)知類(lèi)型超過(guò) AI 能力時(shí)解決問(wèn)題，在每次迭代中變得更加熟練。假設(shè)機(jī)器人永遠(yuǎn)不會(huì)吸收隱性知識(shí)，人類(lèi)必須保持這些系統(tǒng)的核心，完善和擴(kuò)展 AI 系統(tǒng)的能力。只要人類(lèi)保持“循環(huán)”，通過(guò)動(dòng)員機(jī)器學(xué)習(xí)及其支持的 AI 系統(tǒng)來(lái)集中控制經(jīng)濟(jì)活動(dòng)，也會(huì)將權(quán)力集中在制造系統(tǒng)的人手中。

通過(guò)控制對(duì)數(shù)據(jù)的訪問(wèn)，Google 和 Facebook 等公司正在壟斷一項(xiàng)寶貴的資源

機(jī)器學(xué)習(xí)最有前途的應(yīng)用使人類(lèi)“參與其中”這一事實(shí)意味著，如果人工智能驅(qū)動(dòng)的命令經(jīng)濟(jì)復(fù)興的前景從學(xué)術(shù)期刊的頁(yè)面中走出來(lái)，進(jìn)入主流討論，那么就有理由擔(dān)心這些算法真正賦予了誰(shuí)權(quán)力。也就是說(shuō)，有理由密切關(guān)注任何人工智能驅(qū)動(dòng)的集中式經(jīng)濟(jì)規(guī)劃計(jì)劃中“在循環(huán)中”的人類(lèi)?？赡艽_實(shí)有理由更密切地關(guān)注誰(shuí)仍然“在循環(huán)中”，誰(shuí)現(xiàn)在被排除在外，即使指揮經(jīng)濟(jì)學(xué)復(fù)興的前景仍然很渺茫。

認(rèn)為一群官僚有權(quán)憑借機(jī)器學(xué)習(xí)的力量獲得不受制約的政治權(quán)力，以及它與人類(lèi)保持一定距離的假設(shè)，目前仍然遙不可及。然而，最大的科技公司通過(guò)在不安分的創(chuàng)新言論背后囤積市場(chǎng)力量而積累的經(jīng)濟(jì)和政治影響力是另一回事。這些公司控制著數(shù)據(jù)，沒(méi)有這些數(shù)據(jù)，機(jī)器學(xué)習(xí)將無(wú)處可去。他們?nèi)绾卫眠@種權(quán)力是好的還是壞的，理所當(dāng)然地是一個(gè)非常令人擔(dān)憂的話題。這些問(wèn)題往往集中在身份和隱私方面。這可能不是科技公司對(duì)客戶(hù)數(shù)據(jù)做得太多，而是做得太少。通過(guò)控制對(duì)數(shù)據(jù)的訪問(wèn)，Google 和 Facebook 等公司壟斷了這一寶貴資源。將西方主要經(jīng)濟(jì)體的生產(chǎn)率從目前的困境中提煉出來(lái)，可能需要讓這些數(shù)據(jù)更有效地發(fā)揮作用。為了實(shí)現(xiàn)這一目標(biāo)，需要遏制 Facebook、Google 和其他公司對(duì)數(shù)據(jù)的控制。他們從這種權(quán)力中賺到的錢(qián)中有太多是地租——通過(guò)控制資源而榨取的私人利益，而對(duì)公共經(jīng)濟(jì)利益沒(méi)有任何相應(yīng)的貢獻(xiàn)。讓更多不同的人“參與循環(huán)”，以試驗(yàn)可用的數(shù)據(jù)集，并查看可以構(gòu)建哪些類(lèi)型的系統(tǒng)，這對(duì)于實(shí)現(xiàn)機(jī)器學(xué)習(xí)的承諾是必要的。但是，要做到這一點(diǎn)，我們需要一些方法來(lái)打破技術(shù)壟斷者對(duì)數(shù)據(jù)的控制。

找到嵌入在這些遠(yuǎn)程、非個(gè)人系統(tǒng)中的人物，這些系統(tǒng)正在用 0 和 1 構(gòu)建未來(lái)，校準(zhǔn)并在一定程度上平息了對(duì) AI 進(jìn)口的某些恐懼。它也帶來(lái)了希望。自動(dòng)化可以被描繪成一個(gè)可怕的反烏托邦，工作崗位消失，生計(jì)枯萎。但機(jī)器學(xué)習(xí)創(chuàng)造的工作崗位可能會(huì)多于它所取代的工作崗位，其中許多工作崗位既高薪又有意義。有些人需要重新培訓(xùn)，其中包括 inendent 規(guī)劃師和數(shù)據(jù)壟斷者。但更多——例如護(hù)士和教師;或者那些整天撫養(yǎng)孩子和建造家庭的男人和女人——可能會(huì)感覺(jué)到他們周?chē)诎l(fā)生某種再培訓(xùn)。隨著 AI 能力的局限性越來(lái)越明顯，無(wú)法自動(dòng)化的人類(lèi)認(rèn)知和行動(dòng)的獨(dú)特尊嚴(yán)也越來(lái)越明顯。

了解更多時(shí)間深度剖析，盡在于此@黃先生斜杠青年
商業(yè)咨詢(xún)和顧問(wèn)業(yè)務(wù)，請(qǐng)@yellowscholar

關(guān)注我，帶你先看到未來(lái)！?

轉(zhuǎn)載聲明：除調(diào)整格式外，不得對(duì)原文做改寫(xiě)、改編。原創(chuàng)不易，謝謝！E-mail:yellow@aliyun.com

?聲明：本文為原創(chuàng)文本，非生成式，轉(zhuǎn)載請(qǐng)注明出處！

商務(wù)咨詢(xún)/顧問(wèn)/請(qǐng)@yellowscholar?作者：黃先生斜杠青年