实验室与现实：剖析《AI 作为普通技术》

Abstract

作为作者此前剖析《AI 2027》一文的姊妹篇，本文考察了普林斯顿大学 Arvind Narayanan 与 Sayash Kapoor 所著的《AI 作为普通技术》，并梳理出支撑其结论的关键假设——即变革性影响将在数十年的时间尺度上展开。按照该论文的说法，技术进步依次经历发明、创新、采用与扩散四个阶段，而每一阶段都依赖只能通过真实世界应用才能获得的反馈：这正是 Waymo 长达二十年的路测与 AlphaZero 三小时自我对弈之间的差别。纽曼梳理了其中起支撑作用的论断：基准测试成绩会系统性地高估真实能力，因为一项任务越容易被量化，就越不像专业实践中那种复杂而依赖情境的工作；商业机密、隐性的组织知识与隐私限制拖慢了部署；安全顾虑与监管摩擦阻碍了采用，以致生成式 AI 约 40% 的采用率实际上只覆盖了 0.5% 至 3.5% 的工作时长；不可消除的随机性为 AI 在地缘政治预测、说服等领域的表现设置了上限；人类将在任务界定与安全方面继续承担监督角色；更高的智能也不会自动转化为更大的权力。文章最后列举了短时间线支持者可能提出的反驳。——AI生成的摘要。