AI 群體不會帶來爆炸性成長|Alex Imas
AI 群體不會帶來爆炸性成長|Alex Imas
經濟學家 Alex Imas 主張,真正具有經濟意義的單位是組織,而非個別 AI 代理,因此自動化可能帶來繁榮,卻未必帶來爆炸性的 GDP 成長——因為價格會崩跌,而產出能否維持,取決於需求。
AI 伴隨問答
針對這篇報導有疑問?可直接點選快捷問題或向 AI 追問背景脈絡與技術細節:
Podcast 專家音訊節目
收錄於 888news Podcast 智庫專區,包含精華摘要與上市公司即時行情
Google DeepMind AGI 經濟學總監、芝加哥大學布斯商學院留職教授 Alex Imas 主張,即使有數百萬個能力強大的 AI 代理,也不會帶來爆發性的 GDP 成長,因為任何被自動化的事物都會變便宜,而競爭市場會把價格壓低。這集 23 分鐘的節目大部分時間都在談這個成長論點——企業的「馬賽克式智慧」、農業的類比、奇點所需的需求條件與政治經濟條件——只在開頭簡短觸及標題所說的代理蜂群;最後三分之一轉向工資效應,以及 Imas 自己如何在研究中運用 AI。
Imas 是一場「AI 是否帶來爆發性成長」公開賭局的具名參與者之一,站在懷疑的一方,對立面是 Will MacAskill、Forethought 的 Karkesh、Samuel Altman 與 Yann LeCun;他與 Andrew Coe、Shane Lee 合寫了這場賭局背後的論文。讀者讀完應該能掌握他懷疑立場的機制(結構性轉變加上需求)、他在哪些具體條件下會認輸,以及他對「AI 是研究工具、而非生產力乘數」異常具體的現身說法。
自動化會讓產業產出暴增,卻同時壓縮它在 GDP 中的佔比
Imas 的核心機制是結構性轉變,並以農業為例。農業被自動化之後,產出大幅提升,但農業佔經濟的比重卻從大約 40% 掉到約 2%。這是因為自動化生產很便宜,產出價格隨之崩跌,一個產量暴增的部門反而可能對帳面上的成長貢獻更少。他把同樣的邏輯套用到 AI:靠代理運作的企業可能讓經濟充斥廉價產出,GDP 卻只落在尋常區間。
他的結論是,成長數字與實際生活福祉可能嚴重脫鉤。人們可能體驗到某種像是爆發性變革的東西——便宜的商品、看得見的轉變——但主要統計數字仍停留在正常範圍。他謹慎地不過度以歷史為依據,強調這波轉變的規模與速度可能都超過農業革命或工業革命,但他用這些歷史經驗說明:變革性的時期未必都會反映在驚人的成長率上。
他確實承認工業革命改變了成長體制本身,從數十年間近乎零成長,變成全球每年約 3%;主持人也追問,類似的體制轉變到 10% 以上是否可能。Imas 同意有此可能,並把自己的預測放在穩定 4–5% 成長,還指出即使只是多出一、兩個百分點的指數型成長,也足以實質解決已開發國家的財政問題。
「基本上,任何被自動化的東西都會變便宜,所以如果那些企業用不高的成本生產大量產出,這些產出的價格就會下跌,因此未必會帶來巨大的成長數字。」
分歧在於需求與價格,不在模型能力
Imas 說他對模型能力極度樂觀,不認為存在技術瓶頸,並舉後訓練(post-training)的進展為證。當有人說他想像不出數百萬個代理產出龐大產能時,他的回答是:他想像的正是那個畫面。關鍵在於「轉譯」:要達到兩位數成長,價格不能崩跌,而且必須有需求在高價位吸收這些產出。
他認為快速成長派很少問「到底是誰在買」。如果人人因為廉價生產而變得更富有,他們可以要求更多,但這是一個必須被證明的條件,而不是可以假設的前提。他也點出政治瓶頸與逆風是轉譯問題的一部分。他唯一指出的逃生出口是徹底離開競爭性資本主義——他說,在非競爭性經濟裡,他根本不知道該怎麼給成長率一個數字。
| 問題 | Imas 的立場 |
|---|---|
| 模型能力夠不夠? | 夠;後訓練等技術沒有瓶頸 |
| 自動化企業會不會產出龐大產能? | 會,數百萬個代理是合理想像 |
| 這會不會反映在兩位數的 GDP 成長? | 唯有價格維持高檔、需求足以吸收產出才行 |
| 什麼情況會推翻他的論點? | 退出競爭市場,或需求成長快到足以支撐高價 |
| 他的成長預測 | 穩定 4–5%,對比賭局的兩位數 |
奇點需要政治上的許可,不只是更好的模型
被問到「5% 溫和成長、具人類水準但表現參差的代理,之後迎來真正的奇點」這種情境時,Imas 拒絕預測,改為從條件反推。他指出的關鍵約束是政治經濟。如果失業率急遽上升,奇點級別的轉變就需要各國政府幾乎什麼都不做——他引用 Andrew Hall 的研究,該研究發現失業率上升兩個百分點,就會引發大規模的政治反彈,矛頭指向任何被歸咎的物件。
他說,這正是他的論點在大多數「AI 與成長」討論中被一筆帶過的部分。代理可能帶來可辨識的生產力提升並改造經濟,而世界未必變得面目全非,因為政治體系會在轉變失控之前先做出反應。他把這一點與技術可行性完全切開:在他看來,模型並不是瓶頸。
flowchart TD
A["AI 模型能力提升"] --> B["自動化生產更便宜"]
B --> C["產出價格下跌"]
C --> D["自動化部門的 GDP 佔比縮小"]
B --> E["需求必須在高價位吸收產出"]
E --> F["兩位數成長"]
D --> G["高福祉下的溫和成長"]
A --> H["工作被取代與失業"]
H --> I["政治反彈"]
I --> J["奇點受阻或放慢"]
工資只在已自動化的市場下跌;新市場給得更高
談到工資,Imas 把經濟拆成兩類市場。在「深水區」市場——已經被自動化的既有商品與服務——人類工資可能下跌而就業不減,這正是主持人提出的難受情境:人人有工作,但賺得更少。抵銷這股壓力的希望,在於 AGI 會創造新的經濟活動與新市場,就業會往那裡移動,而那裡的工資可能遠高於已自動化的市場。
所以「這個世界糟不糟」的答案,取決於勞工身處哪個市場。他沒有提出政策處方,也沒有明確表態支援重分配;重分配的問題是主持人丟給他的,他用市場遷移的說法回應,而非政策觀點。
AI 是拓展領域的工具,不是加速器
Imas 形容自己在研究中使用 AI,是質變而非量變。身為長期的行為經濟學家,他說他大可以靠 AI 把同樣的工作做得更多、換來大幅生產力提升——但那不是令他興奮的地方。AI 讓他得以涉足宏觀經濟學、社會學的部分領域,以及電腦科學的部分領域;在這些領域,他對學科的掌握足以驗證自己的產出,但若沒有 AI,他恐怕得重回研究所才行。
他的工作流程很具體。他提供問題的輪廓,以及他想探索的數學模型;代理會跨領域蒐集資料、補上缺口;論證由他自己組裝,文章也由他自己寫。他說自己並沒有發表得更多,而是發表非常不一樣的東西——幾年前根本不可能發表的研究,而且品質比以前更好。他把這種分工歸結為個人偏好:想法的架構與寫作留給自己,跨領域搜尋與大部分建模則交給自動化。
「重點不只是生產力提升……它徹底開啟了我的能力邊界。那是一種超能力。」
這集留下的未解之處
有兩股張力沒有解開。第一,Imas 承認成長體制轉到 4–5% 在歷史上已是極其巨大——大到足以讓已開發國家擺脫財政問題——卻又堅持這不是賭局所指的爆發性成長;聽眾得自行判斷這個區分是否撐得起他賦予它的份量。第二,他的政治經濟約束是雙面刃:擋下奇點的那套政治反彈機制,同樣可能擋下他賴以維持高工資的新市場創造。值得盯住的、可被否證的主張是他自己的說法:如果自動化產出真的到來、價格維持不墜、需求也跟得上,他的預測就不成立——而他在賭局裡已經公開這樣講了。