人工智能如何为人类社会“赋能”？

当人工智能技术逐渐为人类社会接受并普及后，它将对人类的社会经济活动进行怎样的优化和提速。

几年前，阿杰伊·阿格拉沃尔等三位深耕人工智能领域和决策领域的加拿大经济学家，写过一本《AI极简经济学》。在这本书里，他们提出，人工智能的优化作用，可以同时在决策、流程、战略乃至于整个社会层面体现出来。

首先来看看决策，实际上决策包括三个重要组成部分：预测、判断以及行动。首先来看预测，预测的基础是尽可能地收集数据，从而推演出各种环境和条件的变化趋势，以及各种行动方案相应的后果。鉴于人工智能对于信息的快速收集和演算处理的能力，能够做出更加全面、优质且性价比高的预测，所以人类必将会把预测工作逐渐交给人工智能，然后自己集中精力做更有价值和创意性的判断，以及开展行动这两部分：理想的模式就是，双方各司其职，AI不能僭越替人类做判断，人也不应该干涉AI的预测。

例如，《AI极简经济学》这本书的作者之一，乔舒亚，在度假时已经不止一次遇到过一种尴尬的局面：他想买一双跑鞋，在度假之余跑跑步，锻炼一下，但是交易被拒绝，信用卡也被锁死了，因为乔舒亚很少购买运动鞋，再加上交易发生在远离他日常居住地的旅游景点，所以银行系统的管理员就判定，这是一笔信用卡盗刷交易，不是它主人想买鞋。很明显，这个错误的判断同时伤害了所有人，商家失去了一笔买卖，乔舒亚度假的好心情被搞糟了，同时银行也遭到了差评，并无法从交易中获取服务费。所以，在近年来，人工智能安全管理逐渐被越来越多的金融机构所采用，对用户的长期日常消费行为进行快捷多元的分析，从而降低了各类误判的发生率。

好了，说完了决策，我们再来看看人工智能对于人类工作流程的优化。《AI极简经济学》这本书的作者说，工作的实质不过就是把一个目标拆分为一系列具体阶段性任务，而每个任务又被看做是一堆决策与行动的组合。

首先，人工智能可以更快、更高效地完成一些固定的工作流程，把人类从沉重、单调的体力劳动中解放出来。比如国际电商巨头亚马逊。在2019年底，亚马逊在全球拥有超过75万名员工，其中绝大部分在履单中心工作，履是履行职责的履，单是订单的单。所谓履单中心，就是亚马逊遍布世界的多功能仓储中心，同时具备分拣、包装和发货等功能。

在履单中心里工作的工人，每天的工作非常繁重辛苦，每天可能要在仓库里跋涉20千米左右，他们搬运的货箱有时重达几十公斤；但同时，人工劳动的效率是存在极限的，再优秀的熟练工人，每小时也只能完成120次货物分拣工作；所以，要想让履单中心的效率更上一层楼，引入人工智能支持的工业机器人就非常有必要：所以，近年来，亚马逊在履单中心里逐渐配备了多种应用人工智能的设备，比如2022年6月投入使用的全自动搬运机器人普罗透斯，它的外形像个巨大的扫地机器人，能够把沉重的货箱精准地运到卸货区，同时可以准确避开行进路线上的工人；还有代号“斯帕罗”（Sparrow）和”红衣主教”（Cardinal）的轻型智能机械臂，代替人工完成商品分拣、装箱、上货等程序。根据亚马逊提供的数据，在采用这些人工智能设备之后，亚马逊履单中心内部，货物流转的速度提升了75%。

其次，人工智能可以让资源的调配更有效。

举个日常可见的案例，保险公司，是最早引入，应用人工智能的行业，由于工作流程中重大节点数量有限，比如营销、承保和理赔；同时又能收集到大量用户数据，所以特别有利于建构特定的人工智能分析模型，并对其进行训练。

现在有些保险企业，已经把理赔这个环节自动化了，比如你买了房屋保险，而房顶又被冰雹砸坏了，直接拍几张照片发给保险公司，人工智能模型直接就能通过你发来的图像资料，帮你定损、估价，对双方来说都省时省力。

不仅如此，人工智能还可以辅助进行风险评估，同时让保险公司和客户都受益。比如，美国将近一半的住房火灾都是因为厨房烹饪时操作不当引起的，比如油炸食物。那么很显然，对于那些经常在家烹饪的客户，和不怎么做饭的客户，收取同样的火灾保险费，是不公平的，但现在保险公司可以这样做，在客户的厨房里安一个智能检测装置，每次油炸烹饪的时候做记录，如果次数太多，就会被认为火灾风险高，保费就会上调，反之则会下降。虽然很多客户会感觉这样被侵犯了隐私，但保险公司会对客户说，如果你允许这个智能装置进家，那么保费就可以再打个折扣，客户多半也就接受了。

最后，我们再来看看人工智能对于企业和社会管理部门战略的影响。最经典的例子，还是刚才提过的亚马逊，在充分掌握用户的消费与浏览记录，并做了精确分析后，有胆气实行的一种颠覆性的“先寄后买”的战略，也就是提前把客户可能需要的商品发出，然后用户可以选择真正需要的东西，再进行付款，把不想要的东西寄回给亚马逊。这个战略能够实施并维持的前提条件，就是人工智能分析模式能够非常精确地预测客户的潜在需求，这样就能让销售额增长带来的收益，消抵退货时带来的成本损耗。

从这个意义上说，数据和算力，是在未来直接关乎到企业或者社会管理部门能否成功的战略资产，就如同石油等自然资源储量一样宝贵。另外，随着人工智能技术的引进，无论是企业，还是社会管理部门，整个组织的架构也势必要出现调整，对每个组织成员技能和价值的衡量标准也需要修改。

比如，预测交给人工智能了，这可不表示着AI时代的普通劳动者单纯就轻松了，你必须要努力培养自己的决策能力。美国有一个统计显示，在1960年代，只有5%的工作，需要劳动者具备决策技能，而到了2015年，这个数字就变成了30%，而且还都是大家希望得到的高薪岗位；可以想见随着人工智能的普及，职场对于决策能力的需求，只会水涨船高。

另外，人工智能接管了预测之后，那么决策权力在社会层面和公司组织层面的行使，又成了一个新问题。

举个例子，铅这种元素对人体有害，所以从1986年开始，美国政府就禁止新建的建筑物安装含铅的饮用水管道，但是很多旧建筑里的水管还是含铅的，那就必须做改造。但是，每栋楼里的水管到底含不含铅，得把水管挖出来才知道，改造成本非常高昂。于是，在2017年，密歇根大学的两个教授就搞了一个人工智能模型，能够通过一系列数据，算出一栋楼里的水管是否含铅，准确率能到80%，所以密歇根州的弗林特市政府就勇于吃螃蟹，使用了这个人工智能模型，来指导施工队给老旧建筑物换水管。

但过了一段时间，老百姓不干了，因为老百姓不懂人工智能模型的原理，就开始质疑，说为什么我们家隔壁的水管子换了，我家的没换呢？这里面是不是有猫腻在里面啊！一来二去，反对的民意就像滚雪球一样积攒下来了，逼得市政府暂停了这个计划，回到原来的模式，挨家挨户砸墙，验水管，再换。这下老百姓又受不了了，逼得当地法院出台一个法案，以立法的形式规定，换水管的事情必须听人工智能的预测；所以说，之前没有人工智能的时代，决策权往往是由一线做事情的人来掌控，因为只有他们接触的信息最丰富，还是一手的，导致预测和判断不能分家；但人工智能技术一出，接管了预测，所以判断决策权利的归属，也要有所变换，很可能会落到那些“最懂技术”的人手里。而原先的预测者，一部分可能就要转型为决策者，或者作为一个“中间人”，要负责向公众或者整个公司组织来解释这种预测结果。

事实上，由于真正的技术“拐点”还没有来临，所以人工智能的真正威力，在当下还是没有发挥出来。刚才我们提到的那本《AI极简经济学》的三位作者，后来又写了一本书，叫《权力与预测》，权力是力量的力，power。这里面有个观点非常有意思，说我们现在正处于人工智能发展的“中间年代”，技术带来的颠覆性变革已初见端倪，但还没有全力发挥效能，带来巨大的效益。他们认为，通用技术要真正成熟，全力发挥效能，需要经过三个阶段。

第一个阶段叫点解决方案，点就是观点的点，也就是简单的输入置换，比如电灯泡代替了蜡烛。你看，这就是在照明这个点上解决了问题。大家的生活方便了一点，成本降低了一些，但仅此而已。

第二个阶段叫做应用解决方案，意思是新技术已经把整个生产装置给替换了，比如工厂里的机器，从蒸汽动力变成了电驱动，生产效率极大提高，但同时，所有的机器也必须重新设计，和电能这种全新的能源相互配合。

《AI极简经济学》的作者说了，到目前为止，我们对于人工智能，AI的运用，还停留在点解决方案，和一定程度上的应用解决方案，还没有完全发挥它的潜力，比如刚才提到的亚马逊履单中心，用机器臂和机器人完成分拣、搬运，就是一种人工智能的点解决方案；而亚马逊用大数据分析，搞出来的“先寄后买”，就相当于一种应用解决方案。

但是我们必然会发展到第三个阶段，也叫“系统解决方案”这个阶段；什么意思呢？还是拿工厂来打比方：蒸汽时代的工厂，因为机器由一根蒸汽轴驱动，所以机器都必须布置在这根轴的附近，而改用电能后，只要有电源，机器就可以放在工厂车间里的任何一个位置，从而充分地利用空间，没必要把机器集中在一起，从而让生产流水线得以诞生，引发了生产方式和组织方式的大规模变革，这就是“系统解决方案”。所以说，亚马逊在这个“先寄后买”基础上，再用人工智能，把退换货接管了，顺便搞个数据分享生态，和每个用户家里的电器，比如冰箱什么的打通了，家里缺点啥，物流中心就能感知到，提前精准发货；那我们看，这就是一个人工智能的”系统解决方案”了。这一天，早晚会到来。