美专家：人工智能型企业可实现自我复制
参考消息网3月12日报道 美国《福布斯》杂志网站2月23日刊登题为《未来的人工智能公司将是可复制的》的文章，作者是美国麻省理工学院高级研究员约翰·沃纳，内容编译如下：
如果你只需跑到物资室，就能“复制”一整家公司，那会是什么样的情形？
嗯，价格可能很昂贵。但可能不会像复制人类那么贵。
科技播客主播德瓦尔凯什·帕特尔在1月31日发表的一篇文章中提出了一个想法，讨论了全人工智能(AI)公司的潜力。
帕特尔认为，“每个人都把AI将带来的集体优势留待以后考虑”，并且“严重低估了世界将变得多么不同”。他提出了一些关于AI将如何发挥作用的理论。
帕特尔写道：“目前，各公司在招聘和培训人才方面面临极大的瓶颈。但如果你的人才是AI，你可以将它复制无数次。假如谷歌有100万个AI软件工程师呢？……将资本转化为计算，再将计算转化为与顶尖人才相当的东西，具备这种能力是一种根本性转变。由于可以在成千上万份副本中分摊培训成本，你能够合理地让这些AI掌握更深厚的专业知识。”
基于这一前提，帕特尔继续给出了有关高功能性的预测。例如，可以为了完成项目复制人类团队，而AI将以改变管理层和劳动力的方式进行复制——这些非人类参与者之间将密切开展大量合作，这将令我们大吃一惊。帕特尔预测“再也不会出现沟通不畅的情况”。他自始至终都在强调以下观点：流畅的交接带来的好处将超乎我们的想象。
这是帕特尔关于AI公司的文章的一个核心内容——作者对比了人类公司和理论上的AI公司的知识复制或传播过程。
他写道：“人类最大的优势是社会学习——我们能够将知识代代相传并发扬光大。但人类的社会学习有一个可怕的缺陷：生物大脑不允许信息被复制粘贴。因此，需要花费数年(在许多情况下甚至是数十年)时间向人们传授他们在工作中需要掌握的知识。看看各个领域取得顶尖成就的人就会发现，他们的年龄越来越大。这也许是因为达到知识积累的前沿需要较长时间。或者想想城市和顶级公司中聚集的人才，他们产生了巨大的效益，仅仅因为人才聚集略微改善了聪明人之间的知识流动。”
假设创新会随着人口规模扩大而增加，帕特尔欢迎我们思考AI代理大军将如何步调一致地工作。
那么，AI如何实现这种内部思维融合(其将让协作、而不仅仅是数据以光速在全球传播)？
帕特尔提到了推测解码的概念，于是我查了一下。
聊天生成预训练转换器(ChatGPT)对其的定义是：“推测解码是一种加快大语言模型文本生成速度的技术，它使用较小的‘辅助’模型来一次提出多个词元(token)，然后由较大的模型快速检查或‘验证’。简而言之，这是一种减少调用昂贵的大模型次数的方法，而且不会显著改变生成文本的质量或分布。”
归根结底都是同一件事：机器人通过认知、物理或双管齐下的方式协同工作。
在文章的其他部分，帕特尔还谈到了“赢家通吃”的观点。
帕特尔提出，考虑到上述变化，只有一个角色对公司仍有价值。没错，那就是首席执行官(CEO)。他写道：“那么，在这个世界什么会变得昂贵呢？那些需要大量的测试时间计算的角色。CEO的职能也许是最明显的例子。对谷歌来说，每年花费1000亿美元为‘超级孙达尔’(孙达尔·皮柴为谷歌公司首席执行官——本报注)进行推理计算值得吗？当然值得！只需考虑一下这会给你带来什么：数百万小时的战略规划、对不同五年轨迹进行的蒙特卡罗模拟、对每一行代码和技术系统的深入分析，以及详尽的情景规划。”
想象一下“超级孙达尔”正在思考：“如果我们收购亿贝公司来挑战亚马逊，美国联邦贸易委员会会如何应对？让我模拟一下未来三年的市场动态……啊，我看到了可能的结果。我只能再使用数据中心五分钟——让我评估1000种备选策略。”
帕特尔还引用了作家格温·布兰雯的话。后者谈到了企业如何才能实现自我扩张：“为什么我们没有看到卓越的公司自我克隆并占领所有细分市场？为什么企业进化结果不是现在所有公司都是50年前某一家公司的超高效后代，而所有其他公司都已破产或被收购？为什么公司很难让其‘文化’保持完整并一直像创建初期那样高效？或者如果无法避免‘衰老’的话，为什么不进行自我复制，或以其他方式繁殖，以创建像自己一样的新公司？公司当然会经历做适当选择的过程，且彼此之间确实存在很大差异。问题似乎在于公司无法自我复制……组成公司的是人，而非可互换、易复制的小部件或脱氧核糖核酸链。”
同样地，帕特尔引用了数学家约翰·冯诺伊曼的话：“我们将预测所有稳定的过程。我们将控制所有不稳定的过程。”帕特尔随后说：“那么问题就来了：如果你可以按需为任何任务创建(AI代理)，为什么还要为另一家公司支付一定的加价？你本可以直接在内部复制它们。为什么还会存在其他公司？第一家能想出如何将一切自动化的公司会不会直接组成一个集团、接管整个经济？”
他写道，公司存在是为了降低交易成本。现实情况是，我们都需要更仔细地审视企业未来的遭遇。（编译/张琳）
