人工智能三大疑问
一、生成式大模型（Generative LLM）是走向通用人工智能（Artificial General Intelligence，AGI）的正确且唯一的路径吗？
很可能并非如此。
截至目前，生成式大模型的基本原理，是通过特定算法搜索大量语料，然后依据概率学规则，对用户提出的具体问题给出系统认为合适的答复，并根据用户反馈进行调整。生成式大模型缺乏人类的独立思考和推理能力，大家看到的所谓“深度思考”的推理过程，其实仍是算法预设的。这带来了三个结果：
其一，生成式大模型不具备真正的因果推断能力，它对特定问题的回答只是基于若干语料和概率学原理给出的所谓“答案”；
其二，生成式大模型给出的答案、生成的文字或文章通常只是行业平均水平，与顶尖专业人士的水平存在较大差距。即使让系统参考行业头部人士的语料，由于缺乏真正的因果推断能力，系统也只能在常规情境中给出“高水平”答案，而在突发情境中无法提供满意答复；
其三，多家生成式大模型公司竞争，为获取优势，它们只能在相似赛道上将算力或算法推向极致，即在尽可能短的时间内抓取更多语料，以给出更令用户满意的答复。在算法短期内难以突破的情况下，大家只能争夺算力优势，从而不得不堆砌更多昂贵的GPU，或租用更大规模的算力。前者让英伟达赚得盆满钵满，后者让甲骨文赚得盆满钵满。
通用人工智能要求系统具备独立的因果推断能力，以便在不同情境下更好地模拟人类思考。由此看来，生成式大模型未必是通向通用人工智能的唯一正确道路，甚至未必是正确的道路。其他人工智能发展方向，如机器的深度思考，以及搭载深度思考系统的具身智能，或许在未来更具可持续应用前景。
二、迄今为止的人工智能浪潮为何没有显著推动经济增长？
到目前为止，人工智能浪潮对经济增长的推动主要体现在资本开支上，即人工智能公司为获得海量数据的快速处理能力，不得不自建或租用大规模算力，当前全球流行的数据中心建设就是例证。但除此之外，人工智能对大部分相关行业公司的盈利水平（除英伟达、甲骨文等少数“卖铲子”的公司外）、消费、颠覆式创新等领域的推动作用并不明显。这是为什么呢？
潜在解释之一，是当前的GDP统计体系存在问题，未能充分捕捉人工智能技术对经济社会发展的全面促进作用。类似的讨论之前也曾出现。例如，信息技术对经济社会的影响显而易见，但若采用索洛剩余式的核算方法，却难以发现信息技术对经济增长的显著促进作用。这表明二战后建立的GDP统计体系可能已落后于信息时代，更不用说人工智能时代了。
然而，针对这一问题，还有其他潜在解释。
潜在解释之二，是无论信息技术革命还是人工智能革命，从革命对人类生产生活方式的根本改造来看，其重要性可能不及历史上的蒸汽机革命和电力革命。这正是美国西北大学经济学家戈登在其名著《美国经济的起与落》中的核心观点。例如，目前流行的Openclaw及其代表的工作流，只是将普通人能完成的工作用机器程序更快地执行，虽然有助于提高工作效率，但工作流程本身并未发生革命性变化。
潜在解释之三，是人工智能革命表现出更明显的“极化”特征，并非能改善全社会大多数人福利的普惠式技术革命。相比之下，电灯、电话、电视机、汽车、电脑的出现更具普惠式技术革命的特征。人工智能时代呈现出典型的“赢家通吃”特征，无论个人、公司、行业还是国家都是如此。极少数主体赚得盆满钵满，大多数主体福利未增，反而可能显著恶化。当前美国股市七姐妹抱团上涨的现象就是例证。这在一定程度上解释了为何人工智能技术进步的成果至今未能充分体现在GDP统计中。
三、人类未来会被人工智能替代甚至奴役吗？
我对人类与人性充满信心，人类绝不会被人工智能彻底替代。
机器当然在某些方面优于人类，例如计算速度和能力。在简单学习、信息检索、重复劳动、按部就班的工作与实验方面，人工智能都优于人类。但在复杂的因果推断、瞬间的直觉、根深蒂固的质疑能力、与生俱来的好奇心方面，人工智能很难替代人类。如前所述，生成式大模型在这些方面表现不佳，即使是具备深度学习能力的AI系统，也只是在模仿人类学习与思考。即便AI系统通过组合不同类型元素和模块，产生人类意想不到的药品或问题解决方案，它也只是在快速“试错”与迭代，并未生成全新的思维方式或分析框架。
人类社会的许多维度依赖于复杂的人际互动，在这方面，即使是具备较好深度学习系统的具身智能机器人，也很难像正常人那样进行复杂互动。很难设想：机器能充分体验羡慕、嫉妒、爱慕、仇恨等复杂情绪，以及体会许多经典诗歌和小说中描绘的复杂情感。举个例子，什么时候AI才能真正读懂陀思妥耶夫斯基的《罪与罚》呢？人性的幽暗深渊，恐怕远超复杂计算的体验能力，甚至不能用计算来解释。
我喜欢看科幻片。在许多科幻片中，有人类暂时被机器或系统奴役的例子，如《黑客帝国》。但最终，总有离经叛道的天才或天赋异禀的“The One”帮助人类战胜系统获得解放。我认为这不仅是作者或创作者的美好愿望，而是人类的创造力、审美、情感是机器系统很难完全替代的，更不用说超越了。
有人说，你们做宏观经济研究的，最容易受机器替代。我的回答是，非也非也。AI在写报告方面，生成式大模型最多只能撰写中等水平的报告，系统能做到的，只是参考文献多、数据更充分（准确性存疑）、速度快，但缺乏特色。许多高手撰写的报告所具有的细微揶揄、微妙反讽、偶尔的神来之笔，是现有AI绝对写不出来的。至于面对面交流，AI更难超越人类。例如，它们很难知道哪些数据比另一些更可靠、很难获取互联网和文本之外的内部故事、很难在演讲时讲出灵机一动的比喻和段子，很难根据听众情绪和反应调整演讲内容。具有个人鲜明风格、知行合一、口头表达与书面表达并重的宏观研究者，很难被机器替代。
总而言之，人类很难被AI奴役。但有一种黑暗情景值得警惕，即大部分普通人可能被极少数掌握高性能AI工具的人类奴役。考虑到前述人工智能的极化特征，我们要对此充满警惕。因此，对人工智能技术的极少数受益者征税，对剩下大多数人进行转移支付是必然的。如果未来人工智能能替代许多普通人的工作，在新的工作机会被大量创造出来、且普通人掌握新工作技能之前，对普通人提供转移支付是必要的。在人工智能时代，由于生产力极大丰富，实施一定程度的普惠式最低收入安排（UPI）既有必要也有基础。