01　數字技術普及，將人類的“可能性空間”推至前所未有之境

可以將零邊際成本想象為一種

經濟領域的奇點——在靠近這個點時，

發生了一些異常現象，

有點像數學中的除以零。

智能手機已成為連接著全球網絡（互聯網）的強大計算機，全世界有數十億人隨身攜帶。在這些設備上，不管是游戲娛樂還是工作辦公，我們每天往往要花費很多時間。盡管數字技術正變得無處不在，但人們通常難以理解其威力背后的究竟是什么。有些人對數字技術持輕視態度，例如，他們提到Twitter，并嘲弄其與如疫苗這樣的重大發明相比不值一提。

然而，數字技術的顛覆性正變得不可忽視。以往穩固的行業，如報業和零售業，如今已經陷入掙扎，而Facebook、蘋果、亞馬遜、奈飛和谷歌等數字技術公司卻躋身世界最有價值企業（參考2020年“上市公司榜單”）。

數字技術擁有的兩大特質，揭示了它為何能帶來巨大的變革，將人類的可能性空間推至前所未有的廣度。這兩個特質就是零邊際成本和計算能力的普適性。

經濟奇點，零邊際成本時刻的到來

一旦一條信息存在于互聯網上，它就可以在網絡上的任何地方被訪問，而無須額外的成本。隨著越來越多的人接入互聯網，“網絡上的任何地方”也日益等同于“世界上的任何地方”。服務器已在運行，網絡連接和終端用戶設備也都處于在線狀態，額外復制一份信息并通過網絡進行傳遞的成本幾乎為零。用經濟學的語言來說，數字拷貝的邊際成本為零。這并不意味著人們不會向你收取這些信息的費用——事實上很多時候是存在費用的，但這是價格問題，并非成本問題。

零邊際成本在本質上不同于以往模擬世界的任何事物，它讓許多令人稱奇的事情成為可能。以比薩店為例，假設你擁有一家比薩店，你可能要支付店鋪租金、設備費用以及員工和自己的薪資，這些是“固定成本”，與你制作的比薩數量無關。相對地，“變動成本”則取決于制作的比薩數量。對于比薩店來說，變動成本包括水、面粉、其他食材、雇用額外工人以及加熱爐子所需的能源，當生產更多比薩時，變動成本隨之增加，反之則減少。

那么何謂邊際成本呢？如果你每天制作100個比薩，邊際成本則是制作第101個比薩所增加的成本。假設你的爐子已經熱起來并有足夠空間，而員工也未達到滿負荷狀態，那么這個額外的比薩所需的成本主要是食材成本，相對較少；如果爐子冷卻了，那么制作額外的比薩的邊際成本會包括重新加熱爐子所需的能源成本，這可能相對較高。

從商業角度講，只要額外的比薩售價高于邊際成本，制作它就是有盈利的。如果已售出的比薩帶來的銷售收入覆蓋了固定成本，那么額外的比薩銷售收入超出邊際成本的每一分錢都是純利潤。從社會角度講，邊際成本同樣重要。只要顧客愿意支付超過邊際成本的價格，就意味著每一個人都可能獲得好處——商家得到固定成本的額外補貼或增加了利潤，顧客則享用了他們想要的比薩。（特別注意：之所以說“可能獲得好處”，是因為人們有時候可能會追求對他們并不真正有益的東西，比如體重超標的人想吃比薩。）

接著，設想一下隨著邊際成本從較高水平下降會發生什么。假如你的關鍵原料是超級昂貴的松露，導致你每個比薩的邊際成本達到1 000美元，顯然你賣出的比薩不會很多，那么你可能會選擇使用更便宜的原料，降低邊際成本到合適程度，吸引更多顧客愿意以超出你的邊際成本的價格買單，從而提升銷量。當你進一步通過流程和產品改進降低邊際成本時，你會賣出更多的比薩。

現在想象一下，若借助某種神奇的新發明，你能以接近零的邊際成本（比如，每個比薩增加1分錢）做出美味的比薩，并能瞬時送至世界任意角落。在這種情況下，你將可能賣出無數的比薩。如果每個比薩收費2分錢，那么你將在每個額外出售的比薩上賺取1分錢的利潤。由于邊際成本如此之低，你可能會很快壟斷全球比薩市場（后文將更深入討論這一點）。全球任何饑餓之人，只要出得起至少1分錢，都可能會購買你的比薩。從社會角度而言，最合理的售價應是你的邊際成本，即1分錢：饑餓者得到滿足，你的成本也得到了彌補。但作為壟斷者，你不太可能會選擇這么做。反之，你可能會千方百計提高利潤，例如收取高于邊際成本的費用、試圖阻止競爭對手進入市場，甚至讓人們對比薩成癮，以此令他們消費更多。

數字技術的現狀正是如此。大量的YouTube視頻播放、大量的維基百科訪問或Waze的大量交通報告都是零邊際成本的，我們可以用信息“喂飽世界”。正如我們所設想的零邊際成本比薩的情況，我們正在目睹數字壟斷的崛起，以及由此帶來的種種問題（有關解決方案的討論，參見第四部分）。

大多數現有經濟學都建立在邊際成本高于零的假設上，因此我們并不熟悉零邊際成本的概念。可以將零邊際成本想象為一種經濟領域的奇點——在靠近這個點時，發生了一些異常現象，有點像數學中的除以零。除了數字技術近乎壟斷，我們還在收入和財富的冪律分布上看到了這樣的跡象（參見第三部分）——微小的變化可能帶來結果的巨大不同。此外，許多其他主要以信息為基礎的行業，如金融和教育行業，也正在迅速朝著零邊際成本的奇點靠攏。總的來說，零邊際成本作為數字技術的第一個特質，極大地拓寬了人類的可能性空間，導致了數字壟斷的出現，但同樣也有潛力給予每個人獲得世界知識的通道。

無中生有：計算也可以產生創造力

零邊際成本是數字技術的特性之一，在很大程度上擴展了可能性的空間；而另一特性——計算能力的普適性，某種意義上更讓人稱奇。

計算機是通用機器。這里的“通用”，有其特定的含義：宇宙中能夠計算的一切，在原則上都能夠被當前存在的機器計算出來，只要有充足的存儲空間和時間。這一點自20世紀中期艾倫·圖靈在計算領域做出開創性研究以來，我們便已經清楚。圖靈發明了一種被我們稱為圖靈機的抽象計算模型，并證明這種簡單機器能夠計算任何事物（Mullins, 2012；“Church-Turing thesis”，2020）。

當我提到“計算”時，指的是一個接受信息輸入，執行一系列處理步驟，并產生成果輸出的過程。換句話說，這就是人類大腦所做的大部分工作：它通過神經接收輸入，進行一些內部處理后產生輸出。原則上，數字機器能完成人類大腦能實現的所有計算。這些計算工作包括從識別人臉（輸入：圖像，輸出：人名）這樣的日常簡單任務，到診斷疾病（輸入：癥狀和檢測結果，輸出：鑒別診斷）這樣的復雜任務。

唯有在量子效應（比如糾纏和疊加態這類量子現象造成的影響）對大腦運作至關重要時，這種“原則上可能”的限制才會凸顯。這是一個備受爭議的話題（Jedlicka, 2017）。量子效應不會改變原則上可以計算的東西，因為即使圖靈機理論上也可以模擬量子效應，但要做到這一點需要很長時間，可能長達數百萬年（Timpson, 2004）。如果大腦運作確實受量子效應影響，我們可能需要在量子計算方面取得進一步進展，才能復制大腦的一些計算能力。不過，依我看來，量子效應在人腦執行的大多數計算中可能并不關鍵——假設它們確實能起到一些作用。當然，未來我們可能會對物理現實有新的發現，并改變我們對計算范圍的認識，但這樣的情況至今尚未發生。

長期以來，計算能力的這種普適性并沒有太大的實際意義，因為相較于人類，計算機顯得相當“愚蠢”。這讓自圖靈以來堅信能夠構造智能機器的計算機科學家非常挫敗，因為幾十年來他們一直無法將這一夢想變為現實。即便是人類認為非常容易的任務，如面部識別，也曾是計算機的一大難題。現如今，我們卻擁有能夠識別面孔的計算機，且其識別能力正快速進步。

這里的一個例子是人類發現了重于空氣的飛行現象：我們早就知道這一定是可能的，畢竟鳥兒比空氣重卻能夠飛翔，但直到1903年萊特兄弟首次成功制造出飛機，我們才真正理解了如何飛行（“Wright Brothers”，2020）。在他們連同其他幾個人成功摸索出了方法后，進展便突飛猛進——我們不僅學會了飛行，而且在短短55年間就實現了跨大西洋飛行：英國海外航空公司在1958年實現了首趟跨大西洋噴氣式客機的飛行（“British Overseas Airways Corporation”，2020）。若將這段歷史繪制成圖表，它將是一個典型的非線性發展的示例。我們并非逐漸提高了飛行技術，而是從完全不會，然后突然之間就做得相當出色了（見圖1-1）。

數字技術的蛻變過程與此類似。一系列技術突破使我們從基本沒有機器智能，迅速過渡到機器在多個領域（包括讀寫和人臉識別）上超越人類的局面（Neuroscience News, 2018; Phillips, et al., 2018）。機器學習駕駛汽車的速度又是一個很好的非線性發展的例子。美國國防部高級研究計劃局（DARPA）在2004年舉行了自動駕駛汽車“大挑戰”，在莫哈韋沙漠選擇了一段約240千米的封閉賽道，跑得最遠的一輛車只走了不到5%的路程就卡住了。但不到10年后，谷歌的自動駕駛汽車已在交通繁忙的公共道路上行駛了超過48萬千米（Urmson, 2012）。

一些人可能會反對說，讀寫、人臉識別或駕駛汽車并非‘智能’的表現，但這只是反映出我們缺乏對智能的準確定義。畢竟，如果你的寵物狗能夠完成任一項甚至所有這些任務，你無疑會稱它為“智能”的狗。

還有人認為，人類擁有創造力，而即使我們承認這些機器具備某種智能，它們也不會擁有創造力。不過，這相當于在說創造力不是計算能力的一種形式。這個詞意味著“無中生有”——沒有投入就有產出，但這與人類創造力的本質不符。事實上，音樂家是在聽過大量音樂之后才創作出了新音樂，工程師則是在見過現有機器之后才設計出了新機器，等等。

而現在，我們有證據顯示，至少在某些方面，創造力可以通過計算來實現。譬如2016年，谷歌的AlphaGo程序以4∶1的成績擊敗了韓國圍棋大師李世石，這是機器智能方面的一個突破（Borowiec, 2017）。在這之前，游戲軟件的進展相對緩慢，甚至最優秀的軟件都無法擊敗資深俱樂部棋手，更別說大師了。圍棋的可能走法數量極其龐大，遠超過國際象棋，這意味著無法僅依靠檢索可能的走法和反走法這種棋類電腦程序歷來的方法，而是需要技藝上的創新和預見。換句話說，玩圍棋需要創造力。

AlphaGo程序起初是依靠在人類的棋局上訓練神經網絡。當神經網絡水平足夠高時，它又通過自我博弈得到了進一步提升。這些及其相關技術的運用已經在音樂創作和設計創新等領域取得了進展，這些技術被稱為“生成對抗網絡”（GAN）。更令人驚訝的是，機器學習的創造性并非僅限于分析人類既往的游戲或設計，它們還能基于規則自己創造新內容。AlphaGo的后續版本，AlphaGo Zero和AlphaZero，均是從僅掌握規則出發，通過自我博弈學習（“AlphaZero”，2020）。這種方式讓機器在人類尚未或很少涉足的領域中展現出創造力。

盡管大腦所做的許多工作都是計算，包括我們通常認為具有創造性的許多任務，但大腦有一個可能永遠無法通過數字機器實現的功能：“主觀體驗”（qualia）。主觀體驗是哲學中的術語，指感覺到冷或熱、觸碰物體、緊張或驚訝時的內在體驗。例如，當數字恒溫器顯示室溫時，我們不會認為它的內在狀態與我們的主觀感受有何相似。機器缺乏主觀體驗在這個例子中非常明顯，但我們認為這種缺失還可以延伸到更加復雜的情境中，例如一輛自動駕駛汽車在蜿蜒的公路上穿行，我們認為人類司機會產生興奮或愉悅的體驗，而車不會。機器缺乏主觀體驗這一點可能目前還只是邊緣問題，但將來這可能成為人類在知識時代關注的重要議題。

零邊際成本下的計算普適性

單獨看來，零邊際成本和計算能力的普適性本身已足夠驚艷，但它們的結合更顯示出令人稱奇的魔力。舉例來說，我們正在開發一種計算機程序，它將能夠從患者的癥狀出發通過一系列步驟診斷疾病，包括安排檢查并解讀結果（Parkin, 2020）。盡管我們可能期望在普適性原則上這種情況會發生，但我們已經開始取得切實的進展，預計在未來幾十年內，或許更早，就能實現這一目標。到那時，得益于零邊際成本，我們將能夠向全世界的每一個人提供低成本的診斷服務。我們需要意識到：面向全人類的免費醫學診斷不久將成為可能。

零邊際成本下的計算能力的普適性，與以往所有技術都不同。以往我們無法做到讓全人類都有可能接觸所有的信息和知識，也無法制造智能機器。但如今，這兩者我們都具備了。這至少代表著人類可能性空間的戲劇性和非線性增長，就像以前的農業時代和工業時代那樣，每一項進步都開創了一個全新的時代。如果我們首先打下堅實的基礎，將能更明智地思考這些變革對當前過渡期和下一個時代意味著什么。