前言 成功來自遠方嗎

在2018年出版《AI極簡經濟學》一書時，我們曾認為已經論述了人工智能經濟學的方方面面，但現在發現：我們錯了。

盡管我們意識到技術將不斷進步——即使人工智能仍處于起步階段——但我們知道底層的經濟學原理不會變。這就是經濟學的魅力所在。技術會變，但經濟學原理不會。我們在那本書中制定了人工智能經濟學框架，它在今天仍然有用。不過，《AI極簡經濟學》的框架只講述了故事的一部分——點解決方案。在此后的幾年里，我們發現人工智能故事的另一個關鍵部分還有待講述，那就是系統解決方案。本書則會講述這一部分。我們為何一開始錯過了這一部分呢？要想解釋這個問題，我們得追溯到2017年，那時我們正在撰寫《AI極簡經濟學》。

那一年，人們表現出了對人工智能新技術的極大興趣，就在5年前，加拿大人工智能領域的先驅展示了深度學習在圖像分類方面的卓越表現。每個人都在談論人工智能，有人猜測它可能會將加拿大推上世界的科技舞臺，而這不過是時間問題。

我們創立了一個科技導向型的初創項目，叫作創新顛覆實驗室（Creative Destruction Lab，CDL），其中一部分人專注于人工智能研究。大家都在問：“你們認為加拿大的第一家人工智能獨角獸公司，即第一家市值達10億美元的人工智能初創公司會出現在哪里呢？”我們預計是蒙特利爾，也可能是多倫多，或者是埃德蒙頓。

不僅我們這么認為，加拿大政府也在下同樣的賭注。2017年10月26日，時任加拿大總理賈斯廷·特魯多參加了我們在創新顛覆實驗室舉辦的年度人工智能會議，主題為“機器學習和智能市場”。1他在講話中強調了投資集群的重要性。集群是指擁有不同行業參與者，包括大型企業、初創企業、大學、投資者和人才的地理區域，其整體大于部分的總和，能促進創新并創造就業機會。核心理念是位置聚集（colocation）。幾個月后，加拿大政府宣布為5個新的“超級集群”提供大量資助，其中一個位于蒙特利爾，專攻人工智能研究。2

我們對人工智能商業化有十足的信心。可以說，我們是這個課題的世界級專家。我們撰寫了一本暢銷書，探討了人工智能經濟學；我們發表了大量關于該課題的學術文章和管理學論文；我們正在合作編寫《人工智能經濟學：議程》，該書將成為該領域博士生的參考書；我們創立了一個人工智能商業化項目，據我們所知，這是全球人工智能公司最集中的項目；我們在世界各地向企業和政府領導人發表演講；我們還在多個與人工智能相關的政策委員會、工作組和圓桌會議上擔任職務。

我們認為人工智能應該被視為預測，這一點引發了從業者的共鳴。我們受邀在谷歌、網飛、亞馬遜、臉書和微軟發表演講。Spotify是世界上最大的音樂流媒體服務提供商之一，其產品、工程、數據和設計主管古斯塔夫·索德斯特倫在采訪中提到了我們的書：

（作者）在他們的《AI極簡經濟學》一書中講得非常好。想象一下，機器學習系統的預測準確度就像收音機上的音量旋鈕一樣……當你調到旋鈕上的某個點，也就是你的預測足夠準確時，就會發生不可思議的事情。當你根據機器學習重新思考整個商業模式和產品時，你就跨過了一個閾值……通過“每周推薦”（Discover Weekly）功能，我們實現了從“先購物再發貨”到“先發貨再購物”的范式轉變，就像《AI極簡經濟學》中所描述的那樣。我們的預測準確度已經達到了一定水平，不再只是提供工具來幫助用戶制作歌單，而是為用戶提供每周歌單，讓他們保存自己真正喜歡的曲目。我們從“用更好的工具來自己制作歌單”變成了“你再也不用制作歌單”。3

我們的方法是設計一個質量調整預測成本非常低的世界，而這既具有實際意義，也可以為人工智能戰略提供寶貴見解。

那么，我們為什么如此肯定第一家人工智能獨角獸公司會來自蒙特利爾、多倫多或埃德蒙頓呢？我們與兩位最近的圖靈獎（等同于計算機科學領域的諾貝爾獎）得主保持著聯系，他們因在深度學習方面的創舉而被人們認可，分別在蒙特利爾和多倫多工作，還有一位強化學習領域的主要先驅，他在埃德蒙頓工作；加拿大政府將慷慨資助三家致力于推進機器學習研究的新機構——分別在蒙特利爾、多倫多和埃德蒙頓；許多全球企業爭相在蒙特利爾（如愛立信、臉書、微軟、華為、三星等）、多倫多（如英偉達、LG電子、強生、羅氏、湯森路透、優步等）和埃德蒙頓（如谷歌/深度思考、亞馬遜、三菱、美國國際商用機器公司等）設立人工智能實驗室。

我們曾認為我們已經非常了解人工智能的商業化，然而，我們卻猜錯了，并且是大錯特錯。第一家加拿大人工智能獨角獸公司并非來自蒙特利爾、多倫多或埃德蒙頓，它甚至不在我們猜測的第二組城市——溫哥華、卡爾加里、滑鐵盧或哈利法克斯。它如果不是來自加拿大的這些技術中心，那么會來自哪里呢？

2020年11月19日，《華爾街日報》刊登了一則頭條新聞，標題為“納斯達克將以27.5億美元收購反金融犯罪公司Verafin”。Verafin公司的總部位于紐芬蘭省的圣約翰斯市。很少有人（當然不是我們）會預測到加拿大的第一家人工智能獨角獸公司會出現在北美東北角的這個小鎮上。

你能到達的離科技活動最遠的地方，就是紐芬蘭省的圣約翰斯市。紐芬蘭省是加拿大最東邊的省份，僅有約50萬人口。科技界從未關注過它。事實上，盡管美國是加拿大的鄰國，但許多美國人第一次聽說紐芬蘭，還是在熱門百老匯音樂劇《來自遠方》獲得2017年托尼獎最佳音樂劇等4個獎項的提名時。這部音樂劇改編自真實故事，講述了“9·11”事件后一周內發生的事情，當時有38架飛機被命令在紐芬蘭降落，幽默友好的當地居民收留了“來自遠方”的7 000名滯留旅客。但正是在紐芬蘭，布蘭登兄弟、杰米·金和雷蒙德·普里蒂創立了Verafin，最終為北美3 000家金融機構提供了欺詐檢測軟件。我們怎么就漏掉了這個呢？這純屬偶然嗎？還是隨機事件呢？看來就算是專家也會偶爾出錯。作為“事后諸葛亮”，我們明白小概率事件也會發生。

納斯達克購買的是人工智能技術。Verafin已經投入巨資，開發了能夠預測欺詐和驗證銀行客戶身份的工具。無論是在運營方面還是在監管合規方面，這些都是金融機構的關鍵功能。要做到這一點需要大數據，而其中最龐大的就是銀行和信用社的數據。

經過反思，我們發現像Verafin這樣的企業領先于同行并非偶然，而是必然的。我們對預測機器的潛在性過于關注，而忽略了實際商業部署的可能性。雖然我們一直關注人工智能本身的經濟屬性——降低預測成本，但低估了構建人工智能新系統的經濟學。

如果當時我們能更好地明白這一點，就不會去評估最先進機器學習模型的生產情況，而會去調查專注于預測問題的應用程序領域，因為這些應用程序將被嵌入機器預測的系統中，而無須取代人類的預測。我們會尋找已經雇用了大量數據科學家的企業，它們已經將預測分析整合到組織的工作流程中。我們很快就會發現，機器預測在金融機構中的應用最為普遍，因為它們雇用了大量數據科學家來預測金融交易中的欺詐、洗錢、不遵守制裁和其他犯罪行為。4然后，我們將尋找那些正在采用人工智能最新技術來解決這些問題的小公司。我們會發現，當時加拿大只有少數幾家這樣的公司，其中一家名為Verafin，總部位于紐芬蘭省的圣約翰斯市。

我們意識到，是時候再思考一下人工智能經濟學了。Verafin的方法遵循了《AI極簡經濟學》中的指南，這并不奇怪。但不太合理的是，為什么許多其他應用程序需要花費更長時間來大規模部署呢？我們不僅要思考技術本身的經濟學，還要思考技術運行的系統。我們必須了解，是什么經濟力量導致人工智能在銀行業的自動欺詐檢測和電子商務的產品推薦方面被迅速采用，而在保險業的自動核保和制藥業的藥物發現方面，被采用的速度卻如此緩慢。

在現有組織設計中采用人工智能要面臨很大的挑戰，我們并不是唯一低估這些挑戰的人。我們在多倫多大學的同事，杰弗里·辛頓因在深度學習方面的開創性工作而被譽為“人工智能教父”，他也低估了采用人工智能的難度。5他曾開玩笑說：“如果你從事放射科醫生的工作，你就會像跑到了懸崖邊的一匹郊狼，你沒有往下看，所以沒有發現腳下懸空。人們現在應該停止培養放射科醫生。在5年內，深度學習會做得比放射科醫生更好。”6盡管他對技術進步速度的預測是正確的——如今人工智能在各種診斷任務中的確做得比放射科醫生更好——但在他發表這番言論5年后，美國放射學會報告稱，接受放射學培訓的新生數量并沒有下降。

我們逐漸意識到，人類已經進入了歷史上獨特的一刻——“中間時代”（The Between Times）——我們正處于目睹了人工智能這項技術的威力之后，但又在它被廣泛采用之前的時代。其中一些實施方案是所謂的點解決方案，它們很直接。對于點解決方案來說，采用人工智能只是簡單地用新的人工智能工具（像Verafin那樣）替代舊的機器生成的預測分析（這些事情正在迅速發生），而其他實施方案則需重新設計產品、服務以及提供它的組織，以充分實現人工智能的好處并證明背后的成本是合理的。對于后一種情況，企業和政府正在競相尋找一個盈利途徑來實現這一目標。

我們將重點從探索神經網絡轉移到了人類認知（我們如何做決策）、社會行為（為何某些行業的人能迅速接受人工智能，而有些行業的人會抵觸）、生產系統（某些決策如何依賴于其他決策），以及行業結構（我們如何隱藏某些決策以保護自己免受不確定性的影響）。

為了探索這些現象，我們找到了企業決策者、產品經理、企業家、投資者、數據科學家和采用人工智能的計算機科學家。我們與專家及決策者一起開會研討，同時親自考察了數百個由風險投資公司資助的人工智能初創企業，從中我們了解了什么是可行的、什么是不可行的。

當然，我們也重拾了經濟學的基本原理，對人工智能經濟學進行了實證研究。幾年前，在我們寫《AI極簡經濟學》時，這個領域幾乎不存在，但現在它正在蓬勃發展。我們將各種信息聯系起來，構建了一個經濟框架，區分了點解決方案和系統解決方案，這不僅能解決Verafin難題，還能為下一場人工智能的使用提供預測。通過關注系統解決方案而非點解決方案，我們可以解釋這項技術最終將如何席卷各個行業，鞏固一些現有行業的地位并顛覆其他行業。所以，現在是時候寫一本新書了——就是你手中的這本。