Categories
程式開發

AI與經濟生產力的這場革命,怕是革不動


如今,越來越多的科技公司開始將AI應用到各行各業,但這項技術真的為社會的經濟生產力帶來了“革命性”的變化嗎?近期,Jeffrey Funk深入研究了有關此技術的新聞報導和研究數據,最終沒有發現這項技術帶來的“革命性”進展,只能說在促進經濟發展。

AI與經濟生產力的這場革命,怕是革不動 1

2016年,總部位於倫敦的DeepMind Technologies(Alphabet的子公司,Alphabet也是谷歌的母公司)震驚了許多行業觀察家,因為當時該公司報告說谷歌數據中心已經通過人工智能將散熱成本降低了40%。此外我們得知,就在這一年,DeepMind開始與英國國家電網合作,通過深度學習優化電力流動來在全國范圍內節約能源。

AI真的可以大幅節約能源消耗嗎?在過去的三年中,我一直在尋找將AI應用於其他數據中心的相關文章,但並沒有發現有人取得了重大進展的證據。此外,DeepMind與國家電網的能源合作談判破裂了。而且DeepMind的財務業績顯然表明,其客戶並沒有在排隊購買他們的服務:2018年,該公司報告的虧損為5.71億美元,收入為1.25億美元,高於2017年的3.66億美元虧損額。去年四月,《經濟學人》稱DeepMind在2016年的公告是一次公關炒作,他們引述一名內部消息人士的說法稱:“DeepMind只是想做一些PR,以幫助他們在Alphabet內部提升自己的身價。”

見識過這齣戲後,我開始深入研究AI的經濟前景,以及這一技術的支持者在金融領域所做的樂觀預測。這項調查只是我長期以來所做的工作的一項最新進展。在80年代初期,我就寫了一篇有關機器人技術和AI經濟學的博士論文;在我擔任教授和技術顧問的整個職業生涯中,我一直在關注AI領域的經濟預測信息,還會研究埃森哲、普華永道和麥肯錫等諮詢公司的詳細評估報告。

這些分析師最近斷言,由AI支持的眾多技術將大大提升經濟產出。埃森哲聲稱,到2035年,人工智能將使12個發達國家的增長率翻倍,並將勞動生產率提高三分之一。普華永道聲稱,到2030年,人工智能將為全球經濟增加15.7萬億美元產值,而麥肯錫預計到那時將增加13萬億美元

其他預測則集中在零售、能源、教育和製造業等特定領域。其中,麥肯錫全球研究院在2017年題為《人工智能:新數字前沿》的報告中評估了AI對這四個領域的影響,並在2018年的報告中加入了更多行業的評估。該研究所得出的結論是,人工智能技術“有潛力在19個行業的9個業務部門中每年創造3.5萬億至5.8萬億美元的價值。而每年由所有分析技術實現的潛在收益總值為9.5萬億至15.4萬億美元,前者占到了總值的40%。”

如果這能成真,就會給企業應用AI的進程帶來巨大推動力——無論有沒有麥肯錫顧問的幫助。但是這些預測真的準確嗎?

麥肯錫的許多估算是根據眾多初創公司的說法推斷得出的。例如,根據DeepMind以及Nest Labs的成功案例,它預測英國和其他地區的能源效率將提高10%。 NestLabs於2018年成為了谷歌硬件部門的一部分。 Nest作為一款家用智能恆溫器等智能產品的生產商,在2017年的收入為7.26億美元,虧損了6.21億美元。這一事實與”Nest等類似公司正在或準備為世界經濟做出巨大貢獻”的論點是相悖的。

因此我決定更系統地研究這類AI初創企業的表現。我發現,許多事實證明他們對社會的價值並不如各種炒作所暗示的那麼高。這種說法肯定會讓很多人誤解並憤怒,麥肯錫的分析師就會是其中一員。因此,我想在這裡描述我是怎樣得出更為悲觀的結論的。

我對Nest Labs的調查更進了一步,我開始尋找證據,證明智能電錶整體而言會在能源效率方面帶來巨大收益。 2016年,英國政府發起了一項協作運動,目標是到2020年在全國范圍內普及安裝智能電錶。自2010年以來,美國能源部已投資約45億美元,在全美安裝了超過1500萬個智能電錶。奇怪的是,所有這些努力對能源使用量幾乎沒有什麼可觀察到的影響。英國政府最近下調了智能電錶每年可以為每個家庭節省金額的數字估計,從26英鎊降至11英鎊。而且英國國家審計署警告說,智能電錶的採購及安裝成本上升了。對於那些堅信智能恆溫器、智能家電和智能電錶將節省大量能源的初創公司而言,所有這些都不是什麼好消息。

其他類型的AI創業公司是否會對經濟產生更大的積極影響呢?科技行業分析者CB Insights報告稱,2018年美國風險投資資金總額為1,150億美元,其中93億美元流向了AI初創公司。雖然這只佔總數的8%,但仍然是一筆數額不菲的資金,這表明有很多美國初創公司在投身AI領域(儘管有些人誇大AI在他們用來吸引投資的商業計劃中的作用) 。

為了進一步探討,我收集了獲得資金最多的美國AI初創公司的數據,並研究了他們希望顛覆的那些行業。這裡的研究專注於美國的原因是,這個國家擁有最悠久的創業成功歷史,因此,這裡的AI初創公司似乎比其他國家的同行更容易發展壯大。我的目的是評估這些美國初創公司是否成功地重振了各個行業並提高了生產率,或者他們是否承諾不久就會實現這些目標。

AI與經濟生產力的這場革命,怕是革不動 2

我總共研究了40家投身AI的美國初創公司。這些公司要么估值超過10億美元,要么擁有超過7000萬美元的股權融資。除了兩家被上市公司收購的企業之外,我研究的初創公司都是私人所有。我在Crunchbase、Fortune和Datamation匯總並發布的一流初創公司列表中找到了這些企業的名稱和產品。然後,我使用關於這些公司的最新消息(包括一些內部報告)更新了我的數據集。

我根據這40家初創公司提供的產品或服務的類型做了分類。十七家公司正在研究所謂的基礎計算機硬件和軟件(例如Wave Computing和OpenAI),其中還包括網絡安全領域(例如CrowdStrike)。也就是說,屬於此類的公司構建的工具旨在支持計算環境本身。

另一大類(40家公司中的8家)開發的是可自動完成各種任務的軟件。例如,由Automation Anywhere、UiPath和WorkFusion開發的流程自動化軟件可提高專業人員和其他白領工人的生產率。 Brain Corp.的軟件可以將手動裝備轉換為智能機器人。 Algolia、Conversica和Xant提供的是改善銷售和市場營銷活動的軟件。 ZipRecruiter則以人力資源為改進目標。

名單上剩下的創業公司分佈在各個行業。在醫療保健領域有三家(Flatiron Health、Freenome和Tempus Labs);另外三家(Avant、Upstart和ZestFinance)則專注於金融技術;兩家(Indigo、Zymergen)以農業或合成生物領域為目標市場; 其他三家(Nauto、Nuro和Zoox)涉及交通運輸行業。名單上研究地理空間分析(Orbital Insight)、人機交互模式(Afiniti),照片/視頻識別(Vicarious)和音樂識別(SoundHound)的初創公司各只有一家。

是否有跡象表明這些初創公司將在不久的將來帶來巨大的生產率提升?在我看來,可以將通常由白領職員執行的任務自動化的軟件,可能是應用AI的產品和服務中最有前途的。類似於過去針對白領專業人士的工具改進(包括會計師使用的Excel以及工程師和建築師使用的計算機輔助設計軟件等),這些基於AI的自動化工具對生產力有著最大的影響潛力。例如,人們對生成式設計寄予厚望,在這種設計模式中,團隊成員輸入約束條件,系統就能給出特定的設計。

但是,當我研究名單中的八家正在開發針對白領工作的自動化工具的初創公司時,我意識到他們並沒有將重心放在那些會帶來更高生產率的事情上。其中三家的重點放在銷售和市場營銷上,但這往往是一個零和遊戲:擁有最出色軟件的公司從競爭對手那裡吸引客戶,在某些情況下生產力僅能得到很小的提升。另一家公司正在開發人力資源軟件,其生產力收益可能比銷售和市場營銷的收益要大,但可能比不上流程自動化的改進所能帶來的收益。

這樣就只剩下四家提供此類軟件的初創公司了,他們的產品可能會提高生產率和降低成本。但即使在這些初創公司中,目前也沒有任何一家提供了可幫助工程師和建築師通過生成式設計提高生產力的軟件。大型初創公司並沒有在開發這類軟件,可能是市場上有著強大的老字號對手Autodesk,或者是因為AI技術的進展仍不足以在這一領域提供真正有用的工具。

我歸納的相對較大的一個類別,是研究用於計算的基礎硬件和軟件的初創公司(17家),這也也表明要走到提高生產率那一步還需要很多年時間。儘管基礎的硬件和軟件是開發基於AI的高級工具(尤其是利用機器學習的工具)的要素,但從前者發展出後者是需要花費時間的。我認為這種情況反映出AI技術仍處於起步階段。你肯定會從像OpenAI這樣的公司那裡得到這種印象:儘管它已經獲得了10億美元的資金(並得到了廣泛的關注),但其目標是如此含糊其辭——“造福全人類”— —說明要從這家公司的研究中發展出針對特定問題的有用產品和服務,還需要很多年的時間才行。

名單上專注於網絡安全的初創公司數量眾多(七家),凸顯出安全問題的威脅日益嚴重,這也增加了通過互聯網開展業務的成本。人工智能解決網絡安全問題的能力可能會使互​​聯網更加安全,可用性更好。但不管怎樣,這種趨勢反映出互聯網業務在未來的成本會更高,而且在我看來,這不會帶來整個經濟整體生產率的大幅提升。

如果我們不是從人工智能技術帶來的更好的軟件工具中獲得收益,那麼這種技術還將在哪裡帶來可觀的經濟效益?你可能會認為,醫療保健行業會從AI中受益匪淺。但如果現實確實如此,我名單上將AI應用於醫療保健的初創公司(三家)的數量似乎有點稀少了。也許這與IBM在Watson AI上的教訓有關,當初IBM將其應用於醫學領域時,結果是令人失望的。

儘管如此,仍然有許多人希望主打AI技術的醫療保健初創公司能夠填補Watson失敗所留下的空白。 Robert Wachter對這種觀點表示反對,他指出,將計算機用於醫療保健領域比應用在其他部門而言更加困難。他在2015年出版的著作《數字醫生:醫學計算時代的黎明中的希望、炒作和危害》詳細介紹了醫療保健行業在計算機和軟件應用方面落後於其他行業的諸多原因。尚不清楚將AI加入可用的數字技術組合中是否會改變這一現狀。

這個資金雄厚的AI初創公司列表中也缺少一些大型應用類別。住房是美國消費者支出中最大的類別,但是這些初創企業中沒有任何一家完全致力於解決這一經濟領域的問題。交通運輸是第二大支出類別,卻只是其中三家初創公司的工作重心。一家公司正在研究一種可以識別駕駛員注意力的產品,另一家打算提供自動化的同城快送。名單上只有一家初創公司正在開發無人駕駛乘用車;類似地,福特、通用汽車和梅賽德斯-奔馳的高管們最近對無人駕駛汽車不久將大量普及的前景表示了悲觀看法,雖然他們在相關研發工作上已經投入了350億美元。

誠然,我對這40家公司的經營狀況,以及他們的產品是否會在未來十年內影響世界的評估是主觀的。要衡量這些公司是否正在為世界經濟提供價值,一種更客觀的方法也許更有意義:也就是他們的盈利能力。

可惜我們很難找到私有初創公司的詳細財務數據,我名單上的公司中只有兩家現在是上市公司的一部分,而初創公司通常要花費數年才能獲利(亞馬遜花了7年)。因此這裡沒有太多事情要做。儘管如此,技術領域仍存在一些宏觀層面的趨勢,已經足夠說明問題了。

儘管從創立到首次公開募股(IPO)的平均時間一直在增加(從1998年的2.8年增加到2016年的7.7年),但首次公開募股前已開始獲利的科技公司的比例從1980年的76%下降到了2018年的17%。此外,一些花費很長時間才能上市的知名初創公司的虧損是非常嚴重的。例如,沒有任何一家大型共享乘車公司獲利,不管是美國(Uber和Lyft)、中國、印度還是新加坡的公司都一樣,他們在2018年的總虧損約為50億美元。大多數單車和踏板車共享、辦公室共享、食品配送、P2P借貸、醫療保險和分析,以及其他消費者服務領域的初創公司也正在經歷巨額虧損,不僅在美國,而且在中國和印度都是一樣的。

我考察的40家AI初創企業中,大多數至少在短期內可能會保持私有狀態。但即使有些公司確實能在未來幾年內公開上市,考慮到其他眾多科技公司的經驗,他們在上市時應該不太可能會盈利。這些公司可能要花更多的時間才能跨越賺錢多於支出的界限。

考慮到我給出的這些原因,我很難相信我所考察的任何一家人工智能初創公司可以在未來十年內為美國經濟帶來巨大的推動力。類似的悲觀情緒也開始出現在諸如《技術評論》和《科學美國人》等通常樂觀積極的出版物中。甚至AI社區也開始在諸如《AI妄想》和《重新引導AI:構建我們可以信賴的人工智能》之類的書中表達自己的擔憂;隨著許多新技術的炒作愈加熱烈,這種擔憂的聲音也越來越多了。

快速提高生產率的最有希望的領域可能是針對白領工人的流程自動化改進,延續了數十年來一直存在的趨勢。但這些改進將是漸進的,就像計算機輔助設計和計算機輔助工程軟件、電子表格以及文字處理軟件的改進一樣。

在過去的幾十年中,此類軟件產生的價值令人印象深刻,為工程師、會計師、律師、建築師、記者和其他人員帶來了巨大的生產力提升,並使其中的一些專業人員(尤其是工程師)能夠以數不清的方式為全球經濟做出了貢獻。

毫無疑問,在機器學習和其他形式的AI技術推動下,這種前進趨勢還將繼續下去。但不像許多觀察家所聲稱的那樣,它們對公司、工人或整個經濟並不會有什麼顛覆效應。

作者介紹

Jeffrey Funk於2017年從新加坡國立大學退休,之前他在該校以技術管理教授的身份教授新技術經濟學等課程。他仍然留在新加坡,為許多技術和商業領域提供諮詢服務。

原文鏈接https://spectrum.ieee.org/computing/software/ai-and-economic-productivity-expect-evolution-not-revolution