馬特舒默 (Matt Shumer) 在一篇關於 X 的熱門文章《大事正在發生》中寫道，世界正在經歷人工智慧的早期新冠時期。 OthersideAI 的創辦人兼執行長認為，人工智慧已經從有用的助理轉變為一般的認知替代品。此外，人工智慧現在正在幫助創建更好的自身版本。可以與大多數人類專業知識相媲美的系統很快就會到來。
儘管專家們知道改變即將到來，但規範即將變得盲目。用大流行時代的比喻來說，湯姆·漢克斯將會生病。
在 Shumer 的文章和 Mrinank Sharma 辭職之間——他領導了 Anthropic 的安全團隊並發表了含糊其辭的文章 足夠的 告別信警告說，“世界正面臨”相互關聯的危機”的風險，同時暗示該公司“不斷面臨著放棄最重要事物的壓力”，儘管該公司追求 3500 億美元的估值——好吧……有些人開始抓狂了。或者，更具體地說，那些本來就非常擔心人工智能的人現在更加擔心了。
看看，人工智慧模型是否有可能很快就會至少滿足各種所謂的弱 AGI 定義？許多技術專家（更不用說預測市場）認為確實如此。 （然而，作為現實檢驗，我注意到 Google DeepMind 執行長 Demis Hassabis 的聲明，即我們仍然需要一兩個 AlphaGo 級別的技術突破才能實現 AGI。）
但是，我們不討論技術進步——我對基因人工智慧是一種強大的通用技術充滿信心——讓我們來談談經濟學界而不是電腦科學界的一些關鍵瓶頸和限制。
從示範到發展的路還很長。 從“人工智慧模型令人印象深刻，甚至比你意識到的更令人印象深刻”到“一切都在瞬間改變”，需要忽略經濟實際上如何吸收新技術。電氣化花了幾十年的時間來重新設計周圍的工廠。網路並沒有在一夜之間改變零售業。目前，美國不到五分之一的企業採用人工智慧。它在大型、受監管、規避風險的機構中的部署需要在資料基礎設施、流程重新設計、合規框架和員工再培訓方面進行大量額外投資。 （經濟學家稱之為生產率的 J 曲線。）事實上，早期支出實際上可以在可見收益到來之前減少可測產出。
更富有並不總是意味著更忙碌。讓我們向樂觀主義者（我當然認為自己相當樂觀）闡述快速發展的人工智慧能力的理由。輸出仍然沒有立即爆炸。從歷史上看，富裕的社會選擇了更多的休閒時間——提前退休、縮短工作週——而不是更多的時間在辦公室或工廠。經濟學家迪特里希·沃爾拉斯（Dietrich Vollrath）指出，如果家庭透過提供更少的工作來應對，那麼更高的生產力並不會自動轉化為更快的成長。繁榮可能會顯著增加，而 GDP 成長仍然相對溫和。
最慢的扇區設定速度限制。 即使人工智慧使某些服務變得更加便宜，需求也不會無限制地擴大。支出正在轉向抵制自動化的領域——醫療保健、教育、個人體驗——這些領域的生產與人類時間的連結更加緊密。 （這就是著名的「鮑莫爾效應」或「成本病」。）隨著整個經濟體工資的上漲，生產力成長疲軟的勞動密集型產業佔據了更大的收入份額。結果是：即使人工智慧取得了驚人的進步，也可能只能略微提高整體生產力。
經濟最窄的管道。 經濟學家查爾斯瓊斯解釋說，在由許多互補部件組成的系統中，最窄的管道決定了流量。人工智慧可以加快編碼、寫作和研究的速度。但如果能源基礎設施、自然資本、監管審批或人類決策以正常速度發展，這些就會成為限制整個經濟成長速度的約束因素。
經濟是適應性強、複雜而奇妙的系統。他們創造了體現和累積複雜資訊的物理對象——經濟學家塞薩爾·伊達爾戈優雅地稱之為「想像的晶體」。當它們發生變化時，它們會透過逐步重組和重新分配來適應，而不是透過突然崩潰或瞬間起飛。我的意思是，這應該是你的首選腳本。
現在，可能需要一定程度的緊迫性。 （舒默的建議是立即採用更強大的人工智慧工具並將其整合到日常工作中，這似乎是明智的。）2020 年代初期引發恐慌的情況可能並非如此。
這篇文章最初出現在 Pethokoukis 時事通訊“請快點！”
