近日，美國藝術與科學院院士、斯坦福大學商學院Frank E. Buck金融學榮譽教授、諾貝爾經濟學獎得主邁倫·斯科爾斯（Myron S. Scholes）發表了題為“人工智慧與不確定性（Artificial Intelligence and Uncertainty）”的論述，闡釋了人工智慧的局限性，強調了人工智慧在推動商業創新方面的優勢、解釋了如何利用人工智慧解決現實問題、並展望了未來人工智慧發展的前沿場景。
本文探討了人工智慧在管理不確定性中的能力與局限，強調了研究與實施之間的動態關係，尤其在脫碳、網路安全、區塊鏈、機器人等快速發展的領域，基礎設施滯後和治理結構缺乏有效監督是創新的主要障礙，容易被惡意利用。數字孿生技術通過模擬物理系統，提高了生產靈活性和成本效率，推動了製造業向軟體驅動轉型。人口變化、技術進步、資源稀缺和治理是AI未來的重要應用領域，AI在應對老齡化、優化資源管理、推動能源轉型和促進靈活治理方面具有巨大潛力。然而，AI模型的複雜性和對歷史數據的過度依賴可能導致預測誤差和系統漏洞，需結合人類推理和前瞻性數據進行優化。文章還指出，全球性問題如脫碳需要中美等國的合作，通過技術共用和市場機制，如碳信用，促進可持續發展。總體而言，AI通過提升速度、個性化和靈活性，能夠深刻影響金融、醫療、農業等多個領域，推動社會向更加高效和可持續的未來邁進，但需在信任和治理上不斷進化以保障技術進步的順利實施。
1、數據分佈、中值和異常
人工智慧技術在處理數據分佈、中值與異常值之間的關係上優勢與局限並存。文章指出，創新的過程需要先進行歸納（數據收集），再通過演繹（模型構建）實現，而人工智慧在數據收集和中間值預測上表現出色。然而，真正的創新往往源自對異常情況的關注，類似指揮家關注交響樂中的不和諧音而非和諧部分。大多數人和AI系統傾向於關注分佈的中間部分，但在金融、經濟等領域，關注分佈的尾部異常（不和諧）更為重要，因為這些異常能夠提供不同維度的洞見。現實世界中的分佈並非恒定，相關性不斷變化，這給創新者帶來了挑戰。未來的人工智慧需要結合基本方法與異常情況的處理，並依賴人類專家的指導，通過數字孿生或大型語言模型等方式，與人類互補合作，以更有效地應對複雜和不確定的環境。
2、創新、治理結構和信任
創新的原則、治理結構以及信任之間關係密切。創新的核心在於實體能夠以相似或更低的成本更快速、更加個性化和靈活地完成任務，創新者通過提供解決方案而非產品，從客戶需求出發，適應風險和資訊的變化，從而增強系統的靈活性。然而，由於治理結構往往表現為緩慢、規範化和僵化，限制了快速、個性化和靈活創新的潛力，尤其在不確定性增加時，缺乏信任會加劇系統中的約束。儘管創新者和監管者在快速創新與潛在風險之間存在衝突，創新帶來的約束也為他人創造了利潤機會，在動態系統中，建立信任以減少現有約束變得尤為重要。未來，人工智慧將需要在創新與信任之間找到平衡，通過靈活的解決方案和與人類專家的合作，推動更高效的創新發展。
3、降低物理約束的成本
如何降低物理約束的成本是在人工智慧領域必須探討的問題，減少約束成本是重要的經濟驅動力，尤其在製造業中，硬體的不可逆性常構成物理限制。為了實現靈活性並適應變化，採用更高效的解決方案能夠通過加快任務執行、提供定制化或降低約束成本來提升價值。在金融領域，人工智慧通過在硬體、軟體和“軟硬結合”方案之間做出選擇，增強了流程的靈活性和可逆性。在不確定性較高的情況下，更好地結合軟體與硬體的適應性，有助於快速回應變化。例如，通過數字孿生技術，製造系統可以在電腦中進行模擬和調整，避免了重新組裝整個生產線的高成本和錯誤。機器人變得更加簡單，通過軟體和智能手機進行邏輯控制，利用群體協作和環境感知提升效率。數字孿生與人工智慧介面的結合，顯著改變了生產流程和服務方式，使得在金融領域中也能通過模擬實現組織結構、風險管理和業務操作的可視化和優化。整體而言，創新方向在於通過技術進步減少不確定性帶來的變更成本，使靈活性變得更加經濟，從而推動生產和服務的高效發展。
4、創新關鍵：更快、個性化和靈活
創新的關鍵在於三個方面：更快速、個性化和靈活。在快速發展的領域如脫碳、人工智慧、網路安全、區塊鏈、機器人、3D列印和納米精密技術中，研究與實施之間的動態關係至關重要。然而，基礎設施滯後和缺乏有效的治理結構成為促進創新的重大挑戰，導致模型錯誤可能被惡意利用。文章指出，所有模型本質上存在誤差，過度依賴數據挖掘和歷史數據缺乏理論框架可能導致預測失准，並為造假者留出空間。隨著不確定性增加，AI系統在處理異常和極端情況時面臨困難，強調領導力需要關注這些例外而非僅是普通情況。研究與開發應以持續測試為前提，通過更好地理解流程來減少模型誤差，而AI有助於資訊共用和平衡競爭。此外，減少靈活性的成本能夠促進個性化解決方案的實現，尤其在金融領域，投資者需要在各種約束條件下增加投資組合。因此，創新應著重於通過技術進步減少不確定性帶來的變更成本，推動高效且靈活的發展。
5、如何解決AI的低效問題
當前AI系統存在效率低下的現象。文章認為目前推進人工智慧的最快方法是讓它識別知識上的差距。人工智慧需要教練或副駕駛來幫助它識別它不知道的東西，因為它可能無法掌握分佈的尾部或例外情況。因此確保與人工智慧系統的有效合作是我們的責任。在給人工智慧編程規則和允許它通過訓練發現解決方案（從而充當副駕駛員）之間存在權衡。而數字孿生技術通過模擬構建AI“大腦”，需要大量數據和計算能力以有效識別配對進而提升自然語言處理的方法，增強對底層過程的理解，隨著數字孿生累積更多資訊，其效率將不斷提高，無論是在製造、市場行銷還是金融領域，模擬和優化生產過程將促進生產力提升。同時，簡化機器人的設計，使其通過智能手機和軟體進行邏輯控制，並利用集群協作和環境感知來提高效率。除此之外，數字孿生與AI介面的結合將顯著改變生產流程和服務方式，使金融領域能夠通過模擬實現組織結構、風險管理和業務操作的可視化與優化。
6、去碳化：尾部風險的重要性
脫碳過程中尾部風險至關重要，脫碳是全球社會面臨的重大挑戰，需實現高度互聯，因為二氧化碳和甲烷的影響具有全球性，而大數定律在此情境下不適用。脫碳的重要性在於我們只有一次機會來應對這一挑戰，時間不可重來，商業和金融領域的工作以及未來人工智慧的角色都涉及單一的時間線，無重複的機會。科學家常討論2030年和2050年的時間節點，但必須考慮諸如災難性結果的風險、達到臨界點後的高昂恢復成本以及尾部事件發生的速度等例外情況。人工智慧在引入新技術和新機器人以加速脫碳過程方面，可以幫助我們更好的應對這些緊迫的問題，從而推動實現可持續的未來。
7、不確定性——AI的巨大未來角色
人工智慧在未來應對不確定性中，聚焦於人口統計、技術、資源稀缺和治理四個關鍵領域，將發揮更加巨大的作用。隨著人口結構的變化，特別是老齡化問題，AI能夠通過降低成本和提升效率，為養老金、醫療等關鍵領域提供個性化解決方案，同時在教育系統中為年輕一代帶來先進的軟體支持，增強靈活性和定制化能力。在技術方面，感測器技術為AI系統提供了關鍵數據，使機器人和自動駕駛汽車能夠實現即時、高效且低排放的操作，也為在各行業，如醫療、教育等的廣泛應用提供技術基礎。然而，隨著輸入數據複雜性的增加，管理風險變得更加重要，以防止在應對異常情況時導致低效的監管。資源稀缺方面，AI通過優化資源管理和推動能源生產新技術的發展，有助於應對氣候變化帶來的挑戰。治理方面，AI能夠通過監控和自我管理建立信任，促進脫碳等重大社會問題的解決，同時應對財富再分配等全球性關注。中美關係中的技術競爭也表明，AI可以加速國內製造業的轉型，保持行業競爭力，而靈活的治理結構則是確保技術進步不受阻礙的關鍵。總體而言，AI通過提升速度、定制化和靈活性，將深刻影響各行各業，實現前所未有的創新和效率提升，推動社會向可持續發展的未來邁進。