IT思维

公众号/新智元

来源：FT.com

作者：Erik Brynjolfsson

编译：大明

美国2018年二季度GDP增速达4.1%，为4年来最高水平，但这更多的是临时政策刺激下的结果，可持续性不高。本文认为，AI和机器学习技术的大发展才是推动世界范围内生产力和经济增长的强劲、可持续的引擎。企业、工人和决策者都应及时调整策略，凭借这一引擎达到“共享式”的繁荣。

周五上午，第二季度美国GDP增长数据公布（4.1%），这一增速为四年内的最高水平（四年前最高为5.2%）。这是否意味着我们可以不再担心经济和生产率增长缓慢了？

是的。但并不是因为今天公布的数字。本季GDP增速大幅反弹：第1季度仅为2.6％。更重要的是，目前增速的大约一半可能是由于赤字融资税收法案的临时刺激所致。这属于不可持续的增长。

我说我们可以保持乐观的原因出于更基础的层面。我与麻省理工学院的同事Andrew McAfee的研究表明，机器学习这一人工智能（AI）的最新进展将推动生产力和经济增长的速度的激增，其范围不仅在美国，而是遍及全世界。

关于AI话题的炒作，我们已经听过很多了。但现实情况是，AI领域终于开始实现在60多年前首次提出的愿景。机器学习系统最近在各种领域表现出超人的水平，如识别图像中的目标，检测欺诈行为、诊断疾病，向客户提出建议以及玩扑克游戏等。

以每年一次的全球图像机器标记大赛为例。在短短八年时间里，标记错误率就从28％下降到2.5％，现在该赛事中胜出的AI的标记错误率已经低于人类所达到的5％。

去年，机器学习系统通过图像识别出皮肤癌，识别结果与认证的皮肤科医生的鉴定结果相匹配，现在，机器学习可以从医学图像中诊断出许多其他疾病。我们在家里和智能手机上使用的语音识别系统就是由机器学习提供支持的。这些系统远非完美，但它们正处于一个历史性的过渡期，以前机器在我们讲话时还无法理解我们，现在，它们可以回答我们的问题并执行简单的命令。

在与Daniel Rock和Chad Syverson合作的一篇论文中，我们讨论了机器学习如何成为“通用技术”的一个例子。这些深刻的创新引发了一系列互补性的其他创新，加速了技术进步和发展的进程。例如蒸汽机和电力。当“通用技术”出现时，过去的技术的表现就不再是未来技术的良好指引。

如果机器学习已经成为“超人”，为什么我们之前没有在GDP统计中看到？答案是，该技术取得的突破尚没有足够的时间来为客服中心、医院、银行、公用事业部门、超市、货运车队、物流管理和其他业务的工作方式带来足够深刻的改变。是的，关于点击率的预测推动了广告业在社交媒体中的位置，但仍有50％的食物是在从农场到餐桌的路上浪费掉的，因为我们在预测供应链问题上做得非常糟糕。

利用机器学习将需要改变长期以来的做法和假设。是否应该通过算法，而不是通过人来做出关于招聘和晋升的决策？医生和财务顾问是否应该更专注于检查确认由机器学习算法作出的诊断，还是努力增强人际关系和解决问题的能力？

技术是一种催化剂，但仅靠技术并不能带来生产力的繁荣。企业家需要打造出新的商业模式，工人需要提高和掌握新技能，决策者需要更新规则和监管措施。更重要的是，他们能够以共享繁荣的方式来实现这一目标。

麻省理工学院已经成立了包容性创新挑战活动，旨在推进向高增长率、高机遇经济的过渡。随着机器学习系统的发展进步，我们不仅能够提高生产率，还可以实现更广泛的共同繁荣。生产力的爆炸式增长已经蓄势待发。

参考链接：

https://www.ft.com/content/133dc9c8-90ac-11e8-9609-3d3b945e78cf