精英日课解读了2022年11月15日出版的新书，《权力与预测：人工智能的颠覆性经济学》（Power and Prediction: The Disruptive Economics of Artificial Intelligence），作者是三个加拿大经济学家，阿贾伊·阿格拉瓦尔（Ajay Agrawal）、约书亚·甘斯（Joshua Gans）和阿维·戈德法布（Avi Goldfarb）。
这本书说的是 AI 在商业上的具体应用和对经济的改变。其实现在已经有很多AI应用了，但你要说AI已经改变了社会经济活动，好像还谈不上。这是怎么回事呢？
过渡时期
此书认为，我们此刻正处在人工智能的「过渡时期（The Between Times）」，大约可以说是未来已经到来，只是还没带来很大的效益的这么一个时期。
其实，这是一个正常的发展阶段。AI 是一种通用技术，很多人认为它对社会的影响将会超过电力。像蒸汽机、电力、半导体、互联网、这些都是通用技术。通用技术，都不是一上来就能带来巨大财富的。
《权力与预测》这本书认为，通用技术要真正的发挥生产力效能，需要经过三个阶段。
👉 第一个阶段叫做，点解决方案，是简单的输入端替换。比如灯泡替换蜡烛，用电力做动力比蒸汽机便宜一点，你可能有替换意愿。
👉 第二个阶段叫做，应用解决方案，是把生产装置也给换了。以前的蒸汽机是一根蒸汽轴连接所有机器，蒸汽机一开所有机器都开。改用电力之后，工厂可以给每台机器设立独立电源，这意味着需要对机器进行改造，都需要根据独立电源重新设计，这需要时间。
👉 第三个阶段叫做，系统解决方案，是整个生产方式的改变。蒸汽机房的厂房，因为要用到蒸汽轴，所有机器必须布置在中央轴附近，用上电力，你可以随处安装插头。这就使得生产流水线成为可能，这不是局部的改造，这要求生产方式和组织方式都得到系统性的变革。
AI 也是如此，目前为止，我们对 AI 的应用还处在点解决方案和一定的应用解决方案阶段，还没有达到系统解决方案。这就是为什么 AI 还没有发挥最大的作用。
AI 是一个预测机制
从商业角度来看，AI 到底是什么东西？《权力与预测》这本书认为 AI 是一个预测机制。
三位作者提出，AI 的点解决方案是用 AI 改善你现有的决定，应用解决方案是 AI 改变你做决定的方式，系统解决方案是 AI 促成了新的决定，你的生产模式整个变了。
举个例子，比如你在淘宝购物，现在淘宝的AI会根据你的购物喜好来向你推荐商品，这就是一个点的解决方案。但是淘宝完全可以这么做：AI 判断你喜欢那些商品，不告诉你也不问你，直接把这些商品寄到你家，也许每个月甚至每周给你发来一箱商品，你打开一看，每次都又惊喜，喜欢的留下，不喜欢的就退货。
AI 能用预测改变决定方式，就能改变生活方式。我们甚至把决定权交给AI，这就是预测取代规则。而要想让AI充分发挥生产力作用就必须用预测取代规则。
AI 的商业逻辑
AI确实是前所未有的变革，但是商业的逻辑并没有变。
为什么 Google 没有率先推出 ChatGPT，这是一次典型的颠覆式创新，其实就是克莱顿·克里斯坦森（Clayton M. Christensen）在《创新者的窘境》里说的非常典型的一个情况。Google 一开始就没有好好做对话式搜索，因为对话式搜索不符合 Google 的商业利益，传统搜索很容易插入广告，但是对话式搜索不行。
克里斯坦森所，一个技术哪怕再激进，只要改善的是传统的商业模式，那就不会发生颠覆式创新——只有当这项技术改善的不是传统指标的时候，才会出现代颠覆。
不过 Google 这样的大公司搞 AI 还是有先发优势的。用商业语言来说，你要做 AI 业务，你需要达到一个最低启动门槛，你需要护城河，你需要形成飞轮效应。AI 的启动门槛是数据，预测需要数据。Google 有先发优势，又有护城河，如果再赶上是一门市场不断壮大的业务，自己能从用户反馈中持续改进，那就等于拥有了增长飞轮。
中国公司在 AI 上虽然有很多积累，也有应用经验，但技术上毕竟不是最强的，那中国的机会在哪？这就引出了另一个商业逻辑——差异化。最简单的差异化是本地化。
总之，AI 商业有先发优势，但同又是对市场现有霸主的颠覆；AI 因为本质上还是软件，边际成本几乎为零，有胜者通吃效应，但同时又有差异化的需求。
AI 负责预测，人负责判断
人到底有什么能力是不可被 AI 替代的？《权利与预测》这本书有一个洞见，就是双方共同做出决策，其中 AI 负责预测，人负责判断。
❤️ 决策 = 预测 + 判断
❤️ AI 时代的决策 = AI 的预测 + 人的判断
我们承认AI 比人聪明，但是我们也知道真正承受风险，体验后果的是人而不是 AI。预测是客观的，判断是主观的。AI 不能僭越人的判断，人也不能专断 AI 的预测。AI 和人各安其位，分工明确。
在自动驾驶中，AI 负责预测前方物体是人的概率有多少，人负责判断是继续前行还是刹车，比如设定，当 AI 预测前方物体是人的概率高于 0.01% 的时候必须刹车。
《权利与预测》这本书建议，这样的判断最好由一个像食品药品监督管理局这样的机构来执行，就好像评估一种新药是否可以上市一样。
另一个方法是把判断量化为钱。比如开车，走一条景色好但是风险高的路线，保险费用也会升高2块钱，AI把这个钱算出来，人来判断这个这个景色值不值花这些钱。
预测跟判断脱钩，对人是一种赋能。
在组织里，AI 接管了预测，那由谁来判断呢？可以考虑，让那些个人利益跟公司利益最相关的人决策，让受这个决策影响最大的人决策，让最能理解决策后果的人决策——这些都意味着组织的变革。变革意味着，以前的预测者，现在要转型为判断者，或者解释者。
AI 让社会更聪明
AI 的预测能让社会更聪明。
普及 AI 有点解决方案、应用解决方案和系统解决方案三个层次，那么如何在一个组织或者一个城市中实施系统解决方案呢？
在保险行业内，AI替代导致裁员会很严重，因为保险业务最重要的事情就是做预测。在保险行业，系统性的解决方案是，保险公司会干预你对房屋的保养。比如美国 49% 的房屋火灾都是在家做饭导致的，而且不是一般的做饭，而是油炸。保险公司可以在厨房安装一个装置，每次你油炸就自动记录下来，保险公司可以说，如果你让我安装这个装置，保费可以降低25%。再比如，AI预测，你家房子的水电管线有点老化了，容易出问题，保险公司可以主动提供补贴，让你修缮。
在医疗行业里， 比如可以让AI检测胸口痛到底是不是心脏病，然后医生再进行相应的处理。但是这意味着医院和医生的整个工作流程的改变。
应用 AI 可能会在一时之间放大社会波动。比如一个餐馆使用 AI 预测自己需要的各种食材，然后去订货，这样它的供货商就会很头疼，因为每周的订货数量很不同，所以迫使供货商也得使用 AI 预测。这种因为一家企业的波动引起供应链的大幅波动，在供应链领域中叫做牛鞭效应。所以，要用 AI 最好整个社会一起协调，大家都用 AI.
怎么减少 AI 对社会的震动呢？一个好办法是使用计算机模拟。