邁克爾·斯賓塞

世界各地的供應都在努力趕上需求。盡管各國當局積極加息，但通脹率依然居高不下。全球勞動力迅速老齡化；勞動力短缺狀況四處可見，且將持續(xù)存在。但這只是全球經(jīng)濟所面臨的生產(chǎn)力挑戰(zhàn)背后的部分驅(qū)動力，而人們也越來越明確地意識到，必須利用人工智能來應對這一挑戰(zhàn)。

過去40年，新興經(jīng)濟體的快速增長帶來了產(chǎn)能的激增，造就了一股強大的供給側(cè)去通脹力量，尤其是中國成為經(jīng)濟增長的強勁引擎。但近年來，新興經(jīng)濟體的增長引擎大幅削弱。中國的疫情后經(jīng)濟增長遠低于其潛力。此外，各類地緣政治緊張局勢、新冠疫情時期沖擊和氣候變化正擾亂全球供應鏈，而各類市場激勵和新政策優(yōu)先事項（如“去風險”和提高抗沖擊力）的結(jié)合正迫使各國政府推行供應鏈多樣化進程。與此同時，居高不下且不斷攀升的主權(quán)債務水平削弱了各國實施增長導向型公共投資的財政能力，并破壞了一些經(jīng)濟體的穩(wěn)定。

這些都是長期趨勢。供應限制和成本上升將抑制經(jīng)濟增長；通脹仍將是一個長期威脅，而提高利率的抗擊措施會增加資本成本；日益迫切的大規(guī)模能源轉(zhuǎn)型投資在經(jīng)濟、政治和社會上都將極其難以推行……

但其中也有一些令人鼓舞的消息。隨著人工智能技術的飛速發(fā)展，一場生產(chǎn)力的廣泛提升可能會大大改變這一局面。人工智能從手寫識別發(fā)展到語音識別，再到圖像和物體識別，在這一過程中，傳統(tǒng)觀點一直認為這項技術在一些可以明確定義的領域中最為高效。它并不具備人類那樣的能力去檢測自己究竟在哪個領域工作，也無法根據(jù)需要切換領域。

這種情況隨著大型語言模型和生成式人工智能的更大范圍興起而發(fā)生了改變。大型語言模型能夠理解語言且似乎能夠獨立檢測和切換領域，這或許讓它們離人工通用智能更近了一步，也帶來了相當可觀的生產(chǎn)力廣泛提升潛力。此外，大型語言模型接受過大量數(shù)字資料的訓練，因此它們可以處理的主題范圍非常廣泛。

開發(fā)此類應用的競賽已然開始，同時這些應用也與廣泛的行業(yè)和工作類別相關聯(lián)。ChatGPT背后的公司OpenAI已經(jīng)創(chuàng)建了一個應用編程接口，允許各方在大型語言模型基礎上構(gòu)建自己的人工智能解決方案，并為他們所針對的特定用途添加數(shù)據(jù)和專業(yè)訓練。

這種模式有很多版本，而且都能借助人工智能和環(huán)境感知智能系統(tǒng)跟蹤、記錄結(jié)果的能力。對于看病或查房的醫(yī)生來說，人工智能工具可以生成所需報告的初稿，然后醫(yī)生只需對其進行編輯即可。雖然對所節(jié)省時間的估算各不相同，但效果都非常顯著。

人工智能也可能實現(xiàn)許多任務的自動化并取代工人。但人工智能工具在本質(zhì)上是個預測機器，它們會犯錯、編造，并延續(xù)它們所接受訓練的偏見。因此謹慎的應用不可能很快將人類排除在外。

要充分發(fā)揮人工智能的生產(chǎn)力，政策制定者必須在多個領域采取行動。首先，對各類應用的創(chuàng)新、實驗和開發(fā)都取決于能否廣泛獲得大型語言模型?；蛟S會存在足夠競爭來確保合理的獲取成本。但鑒于只有極少數(shù)企業(yè)具備培訓大型語言模型的計算能力，監(jiān)管機構(gòu)必須在這方面保持警惕。

其次，政府還要與行業(yè)和研究人員合作，為負責任地管理和使用數(shù)據(jù)制定一套各界認可的原則，同時實施相關法規(guī)來維護這些原則。在安全性和開放性之間取得適當?shù)钠胶庵陵P重要，規(guī)則不能過于嚴格以免阻礙實驗和創(chuàng)新。

最后，人工智能研究人員要獲得相當大的計算能力來測試和訓練新的人工智能模型。政府對云計算系統(tǒng)的投資將使人工智能和機器人技術取得長期性進步，并帶來深遠的經(jīng)濟效益。事實上，對人工智能的發(fā)展進行有效且具前瞻性的管理，再結(jié)合致力于全球合作的重新承諾，很可能就是創(chuàng)造一個更加繁榮、包容和可持續(xù)未來的關鍵。

（Copyright： Project Syndicate，2023，編輯：許瑤）