一位经济学家对预测性 AI 的强大力量及其如何改变整个行业的看法

我们的生活其实就是在做各种决定。 您在散步时是否要带雨伞？ 如果有 25% 的降雨概率呢？ 如果您实在不想让衣服被弄湿呢？ 

Ajay Agrawal 是一位经济学家、教授，也是《预测机器：人工智能的简单经济学》的合著者，根据他的说法，我们会综合运用预测和判断来做出每一个决定，无论决定是大是小。 AI 的强大之处在于它能够处理方程中的预测部分 — 告诉您下雨的概率。 最终，您会将自己不喜欢被淋湿的程度与不想在不下雨时带伞的程度进行对比，使用人类的判断力来决定您是否应该带伞。

人工智能模型可以处理大量数据，以识别模式并生成准确预测。 毫无疑问，AI 正在改进个人的工作方式，帮助其提高工作效率、改善协作方式、提高技能水平。 当公司使用 AI 进行预测性分析时，它可以改变领导者进行决策的方式，帮助他们更好地服务客户、分配资源以及创建得到改进的新流程。

Ajay 最近参加了我们的工作演变系列网络研讨会，畅谈了 AI 和预测性分析的强大力量。 我们与 Ajay 坐在一起继续讨论预测性 AI — 对于改变整个行业的潜力以及哪些员工可从使用预测性 AI 工具中获得最大收益，以下是他的观点。 

有些人认为 AI 是智能机器，是能够像人类一样说话或思考的机器人。 作为一名经济学家，您如何看待 AI？

人工智能帮助我们进行预测。 预测就是利用已经掌握的信息来生成还不知道的信息。 

这就像 ChatGPT 之类的生成式 AI 模型所实现的功能 — 利用预测来生成听起来像人类所说的语言。 生成式 AI 模型可预测序列中的下一个令牌或词汇，以创建听起来像人类所说的信息。 另一个示例是银行利用 AI 进行欺诈检测，处理根据过去交易和用户习惯所得到的数据，以准确预测某次购买是否属于欺诈行为。

经济学的一个基本原理是，当某样东西变得更便宜时，我们就会更多地使用它。 AI 的兴起代表着预测成本的下降。 随着预测成本的降低，我们会更多地使用预测。 

让我们再来谈谈预测。 什么是预测性 AI，现实世界中有哪些例子？

预测性 AI 使用输入数据生成输出。 一个传统的例子是，我们可以利用 20 年的历史销售数据来预测下一年第三季度的销售额。 历史数据是输入，销售预测是输出。 

一个较新的例子是，我们可以利用医学图像中的像素来预测肿瘤的性质是恶性还是良性。 像素数据是输入，肿瘤性质是输出。 这也是一种预测。 

与以往的统计技术不同，AI 一个引人注意的特征是，它可以利用多模态数据（如图片、视频、语言），而不仅仅是数字作为输入数据，并能够以图片、视频和语言的形式进行预测。

预测性分析是许多类型的创新的核心。 在驾驶、翻译、欺诈检测、粒度分布、电子邮件回复和检测等方面，我们可以看到使用 AI 进行预测的现实应用。

在预测性 AI 逐渐成为主导力量的行业中，AI 会对工作职位产生什么影响？ 人们担心这场 AI 革命可能会淘汰他们的工作职位。 这种担心是否有道理？

在发明洗衣机之前，需要两个人整天洗衣服。 现在，一个人每天只需花一点儿时间来洗衣服。 但没有人抱怨这些机器抢走了他们的工作。 

同样，我们也可以将某些方面的工作负担转移给机器。 我们仔细思考一下自己的工作，很多内容都是与做决定有关。 每个决定都有两个要素：预测和判断。 如果我们能把预测性分析工作转交给机器去做，剩下的工作就是人类的判断力，而这种判断技能正是人类需要重点培养的。 

AI 可以利用预测来起草一封电子邮件或绘制从 A 点到 B 点的路线图，但这需要人类来决定这封电子邮件是否实现了目标，或者这条路线是否合理。 AI 是副驾驶，是助手，但它不能做出决定。

AI 对员工的工作效率和整个劳动力有什么影响？ 

计算机问世后，它使高技能人才的生产力大大提高，这导致收入出现极大的不平等。 而 AI 产生的效果似乎正好相反。 使用 AI 助手或副驾驶对低技能员工的益处最大。

以呼叫中心为例。 他们开始引入 AI 工具，为员工提供建议，帮助他们与客户交谈。 麻省理工学院和斯坦福大学的研究人员发现，AI 对高绩效者的影响有限，因为他们已经知道该说什么。 但是，在 AI 工具的帮助下，以前绩效不佳的员工现在几乎达到了高技能员工的水平。 

另一个我们都很熟悉的例子是，AI 导航技术让任何人在任何城市都能像专业人士一样开车。 这使得像 Uber 这样的创新型公司成为可能。 在 Uber 之前，有 20 万人是专业司机。 现在，有 300-400 万人为 Uber 开车。 我们正处在一个历史时刻的边缘，这种系统级的转变正开始席卷不同行业。 

您最期待 AI 的哪些进步？ 如果您能拿出占卜用的水晶球，您认为下一个重大创新是什么，它将如何影响我们的世界？

我预测，在两到三年内，我们将看到 AI 走出屏幕，进入现实世界。 现在，我们已经具有可以预测屏幕上一系列文字的模型，下一阶段就是让机器人预测完成任务的一系列动作，比如煮咖啡或停车。

但真正意义深远的转变将发生在科学发现方面。 我们将拥有可以生成假设并进行测试的 AI 模型，触发机器人运行实验，并将实验结果反馈给 AI，AI 会更新假设并运行另一个实验。 我们已经看到实验室在开发这样的功能。

继续讨论预测性 AI

如需了解 Ajay 对 AI 创新下一波浪潮的更多见解，请查看他的工作演变网络研讨会点播。 您将对预测性 AI 有深入了解，以及它如何帮助公司节省时间，创造新的、更有效的工作方式。

是否想要了解 Zoom 如何利用 AI 进行创新？ 了解我们的 AI 助手 Zoom AI Companion 如何改进您的工作方式。