本文来自微信公众号： 张明宏观金融研究 ，作者：张明
注：尽管人工智能浪潮发展如火如荼，但迄今为止，我还没有写过一篇与人工智能相关的文章。本周的一天晚上，几位研究团队的老友相聚。在何帆同志的引导下，各位就对当前人工智能技术的发展发言。我告诉大家说，我知道自己的第一篇文章要如何下笔了。本文仅为个人不成熟的观点，请方家斧正。转载请注明出处。
一、生成式大模型（Generative LLM）是通向通用人工智能（Artificial General Intelligence，AGI）的正确且唯一道路吗？
很可能不是。
迄今为止，生成式大模型的核心原理，是通过特定算法检索海量语料，之后按照概率学原理，对用户提出的具体问题给出系统认为满意的答复，并根据客户的反馈对答复进行调整。生成式大模型不具备人类的独立思考与推理功能，大家看到的所谓“深度思考”的推理过程，其实还是算法事先设定的。由此造成三个后果：
其一，生成式大模型并不具备真正意义上的因果推断能力，它针对特定问题给出的答案仅仅是在若干语料基础上根据概率学原理给出的所谓“答案”；
其二，生成式大模型给出的答案、生成的文案或者写成的文章基本上也就是行业平均水平，距离行业顶尖人士的专业水平始终会有较大差距。哪怕你让系统锚定行业头部人士的语料，但由于缺乏真正的因果推断能力，系统也只能在常规的情景中给出“高水平”的答案，而不能在突发情景中给出满意答案；
其三，若干家生成式大模型公司开展竞争，为获得竞争优势，大家只能在相似赛道中把算力或算法推向极致，也即在尽可能短的时间内抓取尽可能多的语料，以给出令用户更加满意的答复。在算法短期内难以取得突破的前提下，大家只能进一步争夺算力的优势，从而不得不堆砌更多昂贵的GPU，或者租用更大规模的算力。前者让英伟达赚得盆满钵满，后者让甲骨文赚得盆满钵满。
通用人工智能要求系统具备独立的因果推断能力，这样才能在不同情景下更好地模拟人类的思考。由此看来，生成式大模型未必是通向通用人工智能的唯一正确道路，甚至未必是正确道路。另外一些人工智能的发展方向，例如机器的深度思考，以及搭载了深度思考系统的具身智能，或许是未来更具可持续应用前景的发展方向。
二、迄今为止的人工智能浪潮为什么没有能够显著推动经济增长？
迄今为止，人工智能浪潮对经济增长的推动主要体现在资本开支，也即人工智能公司为了获得海量数据的快速处理能力，不得不自建或租用大规模算力，当前全球流行的数据中心建设就是明证。但除此之外，人工智能对大部分相关行业公司的盈利水平（除上述英伟达、甲骨文等少数“卖铲子”的公司外）、消费、颠覆式创新等领域的推动作用并不显著。这是为什么呢？
潜在解释之一，是当前的GDP统计体系有问题，没有能够充分捕捉人工智能技术对经济社会发展的全面促进作用。这方面的讨论之前也出现过。例如，信息技术对经济社会方方面面的影响是清晰可见的，但如果采用索洛剩余式的核算方法，并不能发现信息技术对经济增长的显著促进作用。这说明在二战后建立的GDP统计体系可能已经落后于信息时代、更不要说人工智能时代。
然而，针对这一问题，还有其他潜在解释。
潜在解释之二，是无论信息技术革命还是人工智能革命，从革命本身对人类生产生活方式的革命性改造而言，其重要性很可能比不上历史上的蒸汽机革命和电力革命。这正是美国西北大学经济学家戈登在名著《美国经济的起与落》中的核心观点。例如，目前非常流行的Openclaw及其代表的工作流，无非是把普通人力能够完成的工作用机器程序更快地做了出来，虽然有助于显著提高工作效率，但工作流程本身并没有发生革命性的变化。
潜在解释之三，是人工智能革命体现出更加明细的“极化”特征，并不是能够改善全社会大多数人福利的普惠式技术革命。相比之下，电灯、电话、电视机、汽车、电脑的出现更具普惠式技术革命的特征。人工智能时代体现出典型的“赢家通吃”特征，无论个人、公司、行业还是国家均是如此。极少数主体赚得盆满钵满，大多数主体福利并未增进，反而可能显著恶化。当前美国股市七姐妹抱团上涨的现象就是明证。这就能够在一定程度上说明，为什么迄今为止人工智能技术进步的成果并未充分体现到GDP统计中去。
三、人类未来会被人工智能替代甚至奴役吗？
我对人类与人性充满了信心，人类绝不会被人工智能彻底替代。
机器当然在有些方面优于人类，例如进行计算的速度与能力。在简单学习、信息检索、重复劳动、按部就班的工作与实验方面，人工智能都优于人类。但在复杂的因果推断、火花一闪的直觉、根深蒂固的质疑能力、与生俱来的好奇心方面，人工智能很难替代人类。如前所述，生成式大模型在这方面表现欠佳，即使是具备深度学习能力的AI系统，也仅仅是在模仿人类进行学习与思考。哪怕是AI系统通过把不同类型的元素与模块组合到一起，产生了人类意想不到的药品或者问题解决方案时，它也仅仅是在快速“试错”与迭代，并未生成一套全新的思维方式或分析框架。
人类社会的很多维度是靠复杂的人际互动来完成的，这一方面，哪怕是具备了较好的深度学习系统的具身智能机器人，也很难像正常人类那样进行复杂的互动。很难设想：机器能够充分体验羡慕、嫉妒、爱慕、仇恨等复杂情绪，以及体会到很多经典的诗歌与小说中描绘的复杂情感。举个例子，什么时候，AI才能真正读懂陀思妥耶夫斯基的《罪与罚》啊？人性的幽暗深渊，恐怕远远超过了复杂计算的体验能力，甚至不能用计算来解释。
我喜欢看科幻片。在很多科幻片中，都有人类暂时被机器或系统奴役的例子，例如《黑客帝国》。但最后，总有离经叛道的天才或天赋异禀的“The One”帮助人类战胜系统获得解放。我觉得这样的结果不仅仅是作者或创作者的美好意愿，而是人类的创造力、审美、情感是机器系统很难完全替代的，更不要说超越了。
有人说，你们做宏观经济研究的，最容易被机器替代了。我的回答是，非也非也。AI在写报告方面，生成式大模型最多只能撰写水平中等的报告，系统能做到的，只能是用的参考文献多、数据更充分（准确性存疑）、速度快，但缺乏特色。很多高手撰写的报告所具有的细微处的揶揄、微妙的反讽、偶尔的神来之笔，是现有的AI绝对写不出来的。至于面对面交流，AI就更难超越人类了。例如，它们很难知道哪些数据比另一些数据更可靠、很难获得互联网与文本之外的内部故事、很难在演讲时讲出灵机一动的比喻与段子，很难根据听众的情绪与反应调整演讲的内容。具有个人鲜明风格的、知行合一的、口头表达与书面表达并举的宏观研究者，是很难被机器替代的。
总而言之，人类很难被AI奴役。但是有一种黑暗的情景值得我们警惕，即大部分普通人可能被极少数掌握了高性能AI工具的人类奴役。考虑到前述人工智能的极化特征，我们要对这一点充满警惕。因此，对人工智能技术的极少数受益者征税，对剩下大多数人进行转移支付是必然的。如果未来人工智能能够替代掉很多普通人的工作，在新的工作机会被大量创造出来、且普通人掌握了开展新工作的技能之前，对普通人提供转移支付是必须的。在人工智能时代，由于生产力极大丰富，实施一定程度的普惠式最低收入安排（UPI）是既有必要也有基础的。