AI对社会的冲击
许多忧心AI的热门讨论，关心的是社会议题而非商业议题。很多人不确定使用AI是否是好事。在敲响警钟的人中，特斯拉执行长伊隆．马斯克是最鲜明一致、而且经验丰富的人，他说：「我接触过非常顶尖的AI，而且我认为大家应该真正关心AI的发展……我持续发出警讯，但在看到机器人上街杀人之前，大家不会知道该如何反应，因为这似乎太虚无缥缈了。」1
另一位有意见的博学专家是知名心理学家与诺贝尔奖得主丹尼尔．康纳曼。对非学术界人士来说，他最为人知的大概是2011年的著作《快思慢想》（Thinking, Fast and Slow）。2017年，我们在多伦多举办的一场人工智能经济学研讨会中，他解释为什么他认为AI会比人类更有智慧：
有位知名小说家前阵子写信给我，说他正计划写一本小说。内容是关于两个人类和一个机器人的三角恋情，而他想知道机器人和人类有什么不同。
我提出三个主要差异。一个很明显：机器人比人类更擅长统计推理，但没那么沉迷于故事中。另一个就是机器人的情绪智慧要高出许多。
第三点是机器人更有智慧。智慧就是思考广泛。智慧不能有太狭隘的观点，这是智慧的根本；智慧有广泛框架（broad framing），机器人生来就有广泛框架。我要说的是，在它学习得够多时，会比我们人类有智慧，因为我们没有广泛框架。我们的思考狭隘，我们的思想会被干扰，而要做得比我们好非常容易。我认为没有太多事情是我们可以做、而计算机最终无法（学会）做的事。
伊隆．马斯克与丹尼尔．康纳曼都对AI的潜力有信心，同时也担心彻底释放AI的潜力可能会引发的后果。
因为对政府因应科技进步的速度感到不耐，产业领袖已经提出政策建言，而且有些已经付诸实行。比尔．盖兹倡议对取代人类劳力的机器人课税。避开一般属于政府权限的部分，高知名度的新创公司加速器Y Combinator正在实验，给社会所有人提供基本所得。2伊隆．马斯克成立一个企业家与产业领袖团体，为Open AI募集10亿美元，确保没有单一民间企业能够独占这个领域。
这类提议与行动凸显这些社会议题的复杂性。随着我们的讨论达到金字塔的顶端，选择性的复杂程度就更加惊人。当我们考虑整体社会时，AI经济学就再也不是那么简单了。
这是工作的终结吗？
如果说爱因斯坦在现代有个分身，那就是史蒂芬．霍金。尽管霍金深受肌萎缩性脊髓侧索硬化症（ALS）之苦，但由于他对科学的杰出贡献、以及出版颇受欢迎的著作如《时间简史》（A Brief History of Time），被视为典型的世界天才。因此，大家自然会注意到他在2016年12月写到：「工厂自动化已经大量消灭传统制造业的工作，而人工智能的兴起可能将这股工作毁灭延伸到中产阶级，只有最需要付出关爱、有创意或监督管理的工作还会存在。」3
有几份研究已经总结出可能因为自动化而毁灭的工作，这一次不仅是体力劳动类的工作，还包括以前认为不受这种力量影响的认知功能工作。4毕竟，马匹落后的是马力，而非脑力。
身为经济学家，我们以前也听过这些主张。但是尽管从几世纪前反对技术革新的卢尔德主义者（Luddite）破坏纺织厂以来，科技性失业的幽灵就挥之不去，但失业率一直非常低。企业经理人或许担心采用像AI的科技会使工作流失；不过，让我们略感安慰的是，农耕工作在超过100年前开始消失，却没有出现相应的长期大规模失业。
但这次不一样吗？霍金和许多人都有的疑虑是，这次或许非比寻常，因为AI可能榨干人类胜过机器的最后优势。5
经济学家会怎样处理这个问题？想象突然冒出一个全部住着机器人的新岛屿：机器人岛（Robotlandia）。我们会想跟那个预测机器岛贸易吗？从自由贸易的观点听起来像是大好机会。机器人进行各种任务，让我们自由去做自己最擅长的事。换句话说，我们拒绝和机器人岛打交道的意愿，并不会比要求咖啡豆一定得是本地种植的意愿来得高。
当然，真正的机器人岛并不存在，但是当我们遇到科技变化来让软件更便宜地进行新任务时，经济学家就会把它看作像是和这样一个虚构岛屿开启贸易。换句话说，如果你支持国家之间进行自由贸易，那你也会支持与机器人岛自由贸易。你会支持开发AI，即使AI会取代一些工作。几十年的贸易影响研究显示出其他工作会出现，而整体就业不会急速暴跌。
我们对决策的分析暗示这些新工作可能来自哪里。人类与AI可能携手合作，由人类提供预测的互补品，也就是数据、判断或行动。举例来说，随着预测变便宜，判断的价值会增加。因此我们预料牵涉到报酬函数工程的工作数量会成长。这些工作有的非常需要技巧，而且报酬丰厚，会由那些在预测机器出现之前就在进行判断工作的人担任。
其他与判断相关的工作会更加普遍，只不过可能没有AI取代的工作那么需要技能。今天许多高薪的职业都是以预测为核心技能，包括医师、金融分析师与律师。就像机器对方向的预测，导致原本相对高薪的伦敦出租车司机收入减少，薪资较低的Uber驾驶数量却增加，我们预期在医药业和金融业也会看到同样的现象。随着预测部分的任务自动化，有更多人会担任这些工作，更聚焦在判断相关的技能。当预测不再是限制，可能更加需要较为普遍的互补技能，这会导致更多就业机会，只是薪资较低。
AI与人类有个重要差异：软件能规模化，而人类不行。这代表一旦AI比人类更胜任某项任务，工作就会出现快速流失。我们可能有把握新的工作会在几年内出现，而人类有些事情可以做，但这安慰不了那些找工作与等待新工作出现的人。不可能出现AI引发的景气衰退，就算和机器人岛自由贸易，也不会影响长期的工作数量。
不平等会更趋恶化？
工作是一回事，工作产生的收入又是另一回事。开启贸易通常会创造竞争，而竞争会导致价格下跌。如果竞争的是劳力，那么薪资会下跌。以开放与机器人岛贸易的情况来说，机器人和人类在一些任务上竞争，因此那些任务的薪资会下跌。如果那些任务是你的工作内容，那你的收入或许会下降。你正面临更多竞争。
就像国与国之间的贸易，与机器贸易的赢家与输家会出现。工作还是会存在，只是有些人的工作不如现在那么吸引人。换句话说，如果你知道自由贸易的好处，应该就能理解预测机器带来的利益。关键的政策问题不在于AI是否会带来好处，而是那些好处将如何分配。
因为AI工具可用来取代「高」技能，也就是脑力，许多人担心就算工作还在，也不会有高薪资。举例来说，曾任欧巴马总统经济顾问委员会主席的杰森．佛曼（Jason Furman）如此表达他的忧心：
谈到AI，我担心的并非这次可能会跟过去几十年来遭遇的情况不同，而是这次可能和过去一样。传统论点认为我们不需要担心机器人夺走工作，这一点还是会让我们忧心，我们仍保有工作的唯一理由，是因为我们愿意以更低的薪资做那些工作。6
如果机器的工作占比继续增加，劳工的所得会下降，而拥有AI的人累积的所得就会增加。
托马斯．皮凯提（Thomas Piketty）在畅销书《二十一世纪资本论》（Capital in the Twenty-First Century）强调，过去几十年劳工占全美国（美国及其他地方）收入的比例一直在下降，取而代之的是资本所得的占比增加。这个趋势令人忧心，因为这导致不平等增加。这里的关键问题是，AI究竟会使这股趋势增强还是缓和。如果AI是有效率的新型态资本，那么资本在经济中的占比可能会以劳工减少为代价而持续上升。
这个问题没有简单的解决方法。举例来说，比尔．盖兹的机器人课税建议会降低不平等，但可能造成购买机器人没那么有利可图。因此企业在机器人的投资会变少，生产力会减缓，而我们整体会更为贫穷。政策的取舍很清楚：我们有政策可以降低不平等，但代价可能就是整体收入降低。
第二个导致不平等增加的趋势是科技通常是技术倾向（skill-biased）。科技不成比例地提高教育程度较高者的薪资，甚至可能降低教育程度较低者的薪资。之前技术倾向的科技，包括计算机及网络，是用来说明过去40年来美国与欧洲薪资不平等加剧的主要理由。就像经济学家克劳迪亚．哥尔丁（Claudia Goldin）及劳伦斯．卡兹（Lawrence Katz）所说的：「受过较多教育且天生能力较高的人，更能够理解复杂的新工具。」7我们没有理由期待AI会有所不同。高教育水平的人通常更善于学习新技能，如果成功使用AI所需的技能常常改变，那么受过教育的人将获得不成比例的优势。
我们看到许多有效使用AI需要额外技能的理由。举例来说，报酬函数工程师必须了解组织的目标与机器的性能。因为机器可以有效率地规模化，如果这种技能很少，那最好的工程师将可在数百万、甚至数十亿个机器工作中获益。
正因为目前拥有AI相关技能的人很少，所以人类与企业的学习过程代价高昂。2017年，史丹佛大学的7000名大学生中，有超过1,000人注册机器学习的入门课程。同样的趋势也在其他地方发生。但那只代表劳动人口的一小部分。绝大多数的劳动人口是在数十年前接受训练，这就转变成重新训练与教导新技能的需求。我们的工业教育体系并非为此设计，企业不应该期待这个体系的变化速度够快，能提供企业在AI世代竞争所需的劳工。政策的挑战并不简单：提升教育水平的成本很高。要付出这种代价，不是藉由提高税收，就是直接由企业与个人付费。就算费用可以轻松负担，许多中年人可能也不想重回校园。受到技术倾向科技伤害最大的人，大概是最没有做好终身教育准备的人。
会由几家大公司控制一切吗？
不是只有个人担心AI。许多公司也深恐自己在取得及使用AI上落后竞争对手，这有部分可能是因为AI相关的规模经济。更多顾客意味着更多数据，更多数据意味着更好的AI预测，更好的预测意味着更多顾客，这样的良性循环会持续下去。在适当的情况下，一旦有一家公司的AI表现领先，竞争对手或许永远都跟不上。以第二章亚马逊预测出货的思想实验来说，亚马逊的规模和先行者优势，可想而知能在预测准确度上创造领先地位，让竞争对手发现很难赶上。
新科技提高孕育大公司的可能性并非第一次。美国电话电报公司（AT&T）控制美国电信业超过50年。微软与英特尔在1990年代与2000年代独占信息科技。更近期的是Google独霸搜寻产业，脸书控制社群媒体。这些公司扩张到如此大是因为，核心技术让它们在规模化时，能以较低的成本得到较高的质量。另一方面，即使有这样的规模经济，竞争对手也出现了：只要问微软（苹果与Google）、英特尔（超威半导体﹝AMD﹞与安谋﹝ARM﹞），以及美国电话电报公司（几乎所有企业）就知道了。以科技为主的独占地位是暂时的，这是由于有经济学家约瑟夫．熊彼得（Joseph Schumpeter）所谓的「创造性破坏风暴」（the gale of creative destruction）的过程。
以AI来说，因为规模经济，所以企业变大会有好处。不过这并不表示只有一家公司有压倒性的优势，或者就算有一家独霸，情况也不会持续很久。从全球的规模来看更是如此。
如果AI有规模经济，不等于会影响所有产业。如果你的公司地位稳固而成功，或许预测准确度并不是造就成功的唯一因素。今天有价值的能力或资产，在与AI配合时可能还是有价值。AI应该可以加强航空公司提供个人化服务的能力，同时让飞航时间与价格优化。不过，航空公司与最好的AI是否有这种优势可以胜过所有竞争对手，目前仍不得而知。
科技公司的整体事业如果是以AI为基础，规模经济或许会促成几家主要的公司。但是我们说的规模经济，规模要多大？
这个问题没有简单的答案，而且很肯定我们对AI的相关议题没有准确的预测。但经济学家已经研究一个对AI来说重要互补品的规模经济：数据。虽然有许多理由可以解释Google控制美国搜寻市场70％的市占率与90％的欧盟市场，但最主要的解释是Google有比对手更多的数据可以训练AI搜寻工具。Google已经搜集这类数据很多年。此外，Google掌控的市场占有率在数据规模上产生良性循环，那是其他业者永远比不上的。如果数据规模有优势，那Google肯定有。
两位经济学家邱佳菁（Lesley Chiou）与凯瑟琳．塔克研究利用不同数据保存方法的搜索引擎。8为了因应欧盟2008年的建议，雅虎与Bing减少保留的数据量，而Google并未改变政策。这些变化足够让邱佳菁与塔克衡量数据规模对搜寻准确性的影响。有意思的是，他们发现规模没有太大的关系。相对于所有主要竞争对手使用的数据总量，数据少一些对搜寻结果并没有负面影响。任何存在的影响都小到可以忽略不计，肯定也不是竞争优势的基础。这代表历史数据或许不如许多人想的有用，也许是因为世界变动太快。
不过，我们要提出一个重要警告。Google每天的搜寻有20％据说是独特的。9因此，Google或许在罕见搜寻名词的「长尾」有优势。数据的规模优势在一般案例中并不引人注目，但在像搜寻这样的高度竞争市场，即使在不常见的搜寻有小小优势，也可能转换成更大的市场占有率。
我们还是不知道AI的规模优势是否大到足以使Google胜过其他大型业者，如微软的Bing，或者Google更出色是因为与数据及规模无关的原因。基于这种不确定性，苹果、Google、微软、脸书、百度、腾讯、阿里巴巴与亚马逊都大举投资，并争相取得关键的AI资产。它们不但彼此竞争，也跟尚未存在的企业竞争。它们担心会出现一家新创公司「让AI更好」，而直接与它们的核心产品竞争。许多新创公司正在努力发展，背后有数十亿的创投资本在支持。
尽管有这些潜在竞争者，领先的AI公司也可能变得太大。它们或许会在新创公司变成威胁之前买下，长期而言会扼杀新创意，并降低生产力。它们或许将AI的价格订得太高，伤害消费者与其他企业。可惜我们无从轻松判断最大的AI公司是否变得太大，而且就算变得太大了，也没有简单的解决办法。如果AI有规模优势，降低独占的负面影响也牵涉到取舍。打破独占会缩减规模，但规模会让AI更好。再说，制定相关政策也不容易。10
有些国家会取得优势？
2017年9月1日，俄罗斯总统普丁（Vladimir Putin）断言AI领导地位的重要性，他说：「人工智能是未来，不但是俄罗斯的未来，还是所有人类的未来……它带来巨大的机会，但也带来难以预料的威胁。无论谁在这个领域成为领导者，都将成为世界的统治者。」11国家能像公司一样从AI的规模经济中获益吗？国家可以规划法规管制环境，同时主导政府支出用于加速AI发展。这些针对性的政策或许能让国家与境内企业在AI上获得优势。
在大学及企业方面，在AI的研究与商业应用上，美国都领先世界。而在政府方面，欧巴马执政期间的最后两季，白宫发表四份报告。12相对于其他领域的科技进展，这样程度的努力与协调配合，代表政府对AI的重视。在欧巴马执政期间，从商务部到国家安全局，几乎所有重要政府部门都在加紧迎接商用AI的到来。
不过，趋势正在改变。尤其是全球最大的国家：中国。相较于过去一个世纪在科技的领导地位，中国在AI的成就独占鳌头。不但腾讯及阿里巴巴这两家AI导向的科技公司市值在全球排名前十二名，而且有证据显示，中国在AI科学的推动可能很快将引领全世界。举例来说，中国在最大AI研讨会上发表的论文比例从2012年的10％，增加到2017年的23％。同一时期，美国则从41％降至34％。13
AI的未来会像《纽约时报》说的「中国制造」吗？14除了科学领导地位，至少另有三个理由指向中国会成为AI的世界领袖。15
首先，中国在AI上斥资数十亿，包括大型计划、新创公司与基础研究。光是中国第八大城市天津分配给AI的资源，就比加拿大全国加总起来还要多。「6月，天津市政府表示计划成立一个50亿美元的基金支持AI产业。同时设置一个面积超过20平方公里的『智慧产业园区』。」16另一方面，美国政府目前在川普执政下，似乎正在减少科学支出。17
研究并非零和游戏。全世界有更多创新，对所有人都有好处，无论创新是出现在中国、美国、加拿大、欧洲、非洲，还是日本。数十年来，美国国会担心美国在创新的领导地位遭受威胁。1999年，密执安州众议员琳恩．瑞佛斯（Lynn Rivers，民主党员）询问经济学家史考特．史腾，美国政府应该怎样因应日本、德国等国家增加研发支出。史腾的回答是：「我们该做的第一件事就是寄给他们一封感谢函。创新投资看的并不是输赢对决。美国消费者可以从其他国家所增加的投资中受益……那是所有人都能赢的比赛。」18如果中国政府投入数十亿在AI上，并发表相关论文，或许寄封感谢函是应该的，这会让每个人都过得更好。
除了在研究上进行投资，中国还有第二个优势：规模。预测机器需要数据，而中国比世界上任何地方有更多人可以提供数据。中国有更多工厂可以训练机器人，更多智能型手机用户可以训练消费产品，还有更多病人可以训练医疗应用产品。19中国AI专家李开复，也是微软的北京研究院创办人、Google大中华区创始总裁说：「美国与加拿大有全世界最优秀的AI研究人员，但中国有几百名优秀人才，而且数据多很多……AI这个领域需要算法和数据一同发展，大量的数据会产生大量的差异。」20唯有中国公司比其他公司更有办法存取数据时，数据的优势才有意义，而证据显示将是如此。
数据存取是中国第三个优势来源。中国公民缺乏隐私权保护的概念，或许在AI效能方面给政府及民间企业一个主要优势，特别是在个人化领域。举例来说，微软一位著名工程师陆奇离开美国前往中国，认为中国是发展AI最理想的地方。他评论说：「不完全是科技的原因，还有环境结构的因素，包括文化、政策制度。这是为何对我来说，AI加上中国是很有趣的机会。这只是因为有不同的文化、不同的政策制度，以及不同的环境。」21
在发展如脸部辨识这种功能时确实如此。中国与美国相反，仍维持庞大的集中式身分证明照片数据库，这使得旷视科技等中国新创公司得以开发并授权脸部辨识AI，帮助使用中国最大叫车公司「滴滴」的乘客认证司机，还能以支付宝转账，支付宝行动支付在中国有超过1.2亿人使用，这个系统完全仰赖脸部分析来授权支付要求。此外，现在百度正使用脸部辨识AI，在顾客领取火车票与观光客进入景点时进行认证。22而在欧洲正好相反，隐私权法规造成数据存取远比其他地方严格，可能彻底阻碍欧洲企业跨入AI领导地位。
随着各国竞相放松隐私权限制，改进AI的发展地位，这些因素或许会造成一场竞相比烂的竞争。不过，公民与消费者重视隐私权，这不是只有公司才会关心的法规。这里有个被侵扰与得到个人化服务之间的基本取舍，以及取得用户数据引发顾客不满的潜在可能。同时，还有一个能够产生更好的个人化预测所带来的潜在效益。因为有搭便车效应，使得权衡取舍更为复杂。用户想要以个人数据训练过的好产品，但他们更希望数据是从别人那里搜集来的，而不是自己的。
再说，我们还不清楚哪些规则最好。资讯工程学家奥伦．伊兹奥尼（Oren Etzioni）主张，AI系统不应该「没有信息来源的明确同意，就保留或透露机密信息。」23亚马逊的Echo可以听到家中的每段对话，你会想要做点控制，这似乎再明显不过。不过，事情没有这么简单。你的银行信息是机密，但你听的音乐或看的电视节目呢？说得极端一点，每当你问Echo问题，它可以用另外一个问题来回答你：「你同意让亚马逊取得你的问题来找答案吗？」把打算搜集你的数据的所有公司隐私政策全都看完，可能要花上几个星期。24每次AI请求同意使用你的数据时，产品就会变糟，因为这打断了使用者体验。但是如果不提供数据，AI就无法从回馈中学习，限制AI提升生产力与增加收入的能力。
或许有机会可以在允许AI学习的同时，以创新的方法保证数据的完整性与控制权。区块链这项创新的科技提供一种分布式数据库，并降低验证数据的成本。这种科技可以搭配AI克服隐私（甚至是安全）疑虑，特别是这种科技已经用在金融交易，这些问题在这个领域最为重要。25
就算有足够的用户提供数据，让AI可以学习，倘若那些使用者与所有人不同呢？假设只有加州及纽约的有钱人提供数据给预测机器。那么AI将学会服务那些团体。如果限制搜集个人数据的目的是要保护弱势的人，却又开启另一种弱点：用户无法从AI带来的更好产品与更大的财富中获益。
这是我们所知的世界末日吗？
AI对人类是一种存在主义式的威胁吗？除了会不会得到不配合的AI，如哈儿9000（出自《2001太空漫游》），让伊隆．马斯克、比尔．盖兹、史蒂芬．霍金等非常严肃而聪明的人辗转难眠的，显然是最后会不会变成《魔鬼终结者》电影中的天网。他们担心将出现「超智慧」（套用牛津哲学家尼克．伯斯特隆姆﹝Nick Bostrom﹞创造的名词）很快就会把人类视为威胁、麻烦的东西，或是要征服的东西。26换句话说，AI可能是我们最后一个科技创新。27
我们在这里没有立场判断这个议题谁说的对，我们甚至也没有一致的看法，但是却让我们想到这场辩论与经济学多么密切：竞争会巩固一切基础。
超智能是在多数认知任务中表现超越人类的AI，而且可以推理问题。具体地说，它能发明并自我改进。科幻小说作家弗诺．文奇（Vernor Vinge）称出现超智慧这一点为「奇点」，而未来主义者雷．库兹威尔（Ray Kurzweil）暗指人类并不具备预见届时会发生什么状况的能力，因为按照定义，我们并不是那么有智慧，最后证明经济学家其实相当具备思考这项问题的能力。
多年来，经济学家面对的批评是，我们建立理论基础的工具是超理性与不实际的人类行为模型。的确如此，但是说到超智慧，却意味着我们走在正确的道路上。我们已经在分析中呈现大量智慧。我们是透过数学证据确立我们的理解，那是个与智慧无关的事实标准。
这个观点颇有帮助。经济学告诉我们，如果超智慧想控制全世界，那就需要资源。宇宙有很多资源，但即使超智慧也必须遵守物理学定律：取得资源要付出代价。
伯斯特隆姆提到一个着迷于回形针的超智能，只关心要制造更多回形针。这种回形针AI可以只靠专心一志就能消灭其他一切。这是威力强大的概念，但忽视了对资源的竞争。经济学家重视的是，不同的人（现在还有AI）有不同的喜好。有些可能对探险、发明与和平不抱偏见，但有些可能只是回形针制造者。只要有利益竞争，竞争就会产生，这意味着回形针AI可能发现交易换得资源会比争夺更有利，彷佛有一只看不见的手在引导，最后将促成有别于原始初衷的利益。
因此，经济学家提供一个强大的方法来理解超智慧AI的社会将如何发展。即便如此，我们的模型并不能判断人类在这过程中会发生什么事。
我们在这本书说的AI并非通用人工智能，而是明显较狭义的预测机器，诸如由Google的DeepMind开发的AlphaGo Zero，其发展已经引起超智慧可能并不遥远的恐惧。它的表现超越世界冠军，在围棋比赛中打败AlphaGo，却没有受过人类训练（藉由和自己下棋而学习），但还称不上是超智能。如果棋盘从纵横各19条线变成各29条线，甚至是纵横各18条线，AI就会很吃力，但人类却能适应调整。更别想叫AlphaGo Zero给你烤个干酪三明治了，它没那么聪明。
至今所有AI也一样。没错，有研究正努力让预测机器在更广泛的场景中运作，但能够造成通用人工智能的突破仍未发现。有些人相信通用人工智能仍然遥遥无期，我们不应该花太长的时间担心。在一份由美国总统行政办公室准备的政策文件中，国家科学科技会议（National Science and Technology Council, NSTC）的科技委员会表示：「民间部门的专家团体目前的共识，国家科学科技会议也同意的看法是，万用AI至少在数十年内还无法达成。国家科学科技会议科技委员会的评估是，有关超智慧万用AI的长期疑虑对目前的政策应该没有什么影响。」28另一方面，明确表达要创造万用AI或类似人类智慧机器的几家公司，包括Vicarious、Google DeepMind、Kindred、Numenta等，已经向消息敏锐的聪明投资人筹募数百万美元。就跟许多AI的相关问题一样，未来非常不确定。
这是我们知道的世界末日吗？还不是，但这本书已经到了结尾。许多企业此刻正在推行AI。用低成本预测与高价值互补品这样的简单经济学为基础，你的企业可以在AI问题上做出投资报酬率最大化的选择与策略决定。
当我们超越预测机器，来到通用人工智能甚至是超智能，不管是出现在什么时候，我们都将置身在不同的AI时刻，那时，有些事情所有人都会同意。当发生这样的事时，我们能够有把握地预测，经济学将不再那么简单。
本章重点
* AI的兴起给社会带来许多选择。每个选择都代表一种取舍。在这个阶段，虽然科技还在萌芽，但在社会层面上有三个尤其重要的取舍。
* 第一个取舍是生产力与分配。许多人认为，AI将使我们更贫穷，或处境更恶劣。但情况并非如此。经济学家同意，科技进步会让我们过得更好，而且提高生产力。AI确实会提高生产力，但问题不在创造财富，而是财富的分配。
基于两个理由，AI可能会使所得不平等问题恶化。第一，藉由接手某些任务，AI可能会增加人类在剩余任务的竞争，压低薪资，并进一步使薪资所得相对于资本利得的比例降低。第二，预测机器和其他计算机相关科技一样，或许有技术倾向，因此AI工具会不平衡地提高高技能劳工的生产力。
* 第二个取舍是创新与竞争。和多数软件相关科技一样，AI有规模经济。此外，AI工具通常有报酬递增的特性：预测准确度愈高，会带来更多使用者，更多用户会产生更多数据，更多数据又会导致预测准确度更高。企业如果有更多控制权，就有更大的诱因建造预测机器，但是随着规模经济发展，有可能导致独占。从短期的角度来看，更快的创新或许会对社会有利，但从社会或长期的角度来看，却不是最理想的结果。
* 第三个取舍是效能与隐私。AI如果有更多数据，表现就会更好。尤其AI如果能存取更多个人数据，就更能提供个人化的预测。提供个人数据通常是以减少隐私权为代价。有些司法管辖地，如欧洲，选择创造一个提供公民更多隐私的环境。这或许造福了公民，甚至为更活跃的私人信息市场创造条件，让一个人可以更轻松决定是否希望交易、兜售或捐出自己的私人信息。另一方面，决定加入这个可能产生摩擦冲突的环境代价高昂，而且在AI更有效存取数据就会更有竞争力的市场，欧洲公司与公民会处于不利的地位。
* 就这三项取舍，司法单位必须衡量交易的两面，并制定最能配合整体策略与公民喜好的政策。
各章注释
