《推薦閲讀：如果丘吉爾領導當下的美國，美國能避免衰落嗎？》
Niall Furgeson /英國歷史學家，哈佛大學歷史系教授. 原文刊載於英國《經濟學人雜誌》8/21

當美國於一片混亂中撤離阿富汗時，它的衰落令人回想起一個世紀前大英帝國的殞落。

一位歷史學家警告：阿富汗只是開始，未來可能會因此導致更大的衝突。

「許多人仍沈浸在無知之中……而他們的領導人為了獲取選票，不敢點醒他們。」

在《集結風暴》（即丘吉爾的《第二次世界大戰回憶錄》的第一卷）一書中，丘吉爾如此描述第一次世界大戰的勝利者：英國。

他痛苦地回憶：「拒絕面對令人不愉快的問題，渴求人民的擁護和選舉勝利，不顧國家的重大利益。」

美國讀者看著他們的政府「丟臉的」離開阿富汗，聽著拜登總統緊張而努力地為他造成的不光彩撤離辯護，可能會發現：丘吉爾戰前針對英國的批評，有一些會令他們心裡不舒服、但卻似曾相識。

借用耶魯大學的歷史學家Paul Kennedy 的一句話，當時英國的精神狀態是整個國家的疲憊和「帝國過度擴張」的產物。

自1914年以來，英國經歷了一次世界大戰和1929年大蕭條，並且在1918至1919年經歷可怕的大流行病——西班牙流感。

財政被堆積如山的債務，壓得喘不過氣來。

儘管英國仍然是全球主要貨幣發行國，但在貨幣方面，它已經不再是當年無可匹敵的角色。高度不平等的英國社會，促使左派政治家要求即使不實行徹底的社會主義，也要進行社會財富和權力的重新分配。

一部分知識分子在這方面走得更遠，他們選擇擁護共產主義甚或法西斯主義。

與此同時，凝固而無法變通的統治階層，傾向於忽略不斷惡化的國際形勢。英國的全球主導地位在歐洲、亞洲和中東都受到威脅。集體安全體系——當時建立在國際聯盟的基礎上，它是1920年戰後和平解決方案成立的國際組織，也正在崩潰，只留下了一個鬆散的聯盟，勉強補足業已離散的帝國影響力。

但結果卻是另一場更大的災難式的失敗：英國人既沒有認識到極權主義威脅規模之大，也沒有積累出阻嚇獨裁者的手段。

英國的教訓，是否有助於我們理解當下美國權力的未來？

美國人更喜歡從美國自己的歷史中吸取教訓，他們很少從他國歷史，看待世界。但將美國與上一任大英帝國的全球霸主對比，或許會為我們帶來更多啓發。因為今天的美國與戰時的英國，在許多方面都很相似。

與任何歷史類比一樣，這樣的類比當然也有缺陷。英國在20世紀30年代統治了廣闊的殖民地和其他附屬國，今天的美國卻沒有相同的統治區域。

這一點使得美國人在自我認知上認為美國並非一個帝國，即使他們的士兵和公民在阿富汗駐紮了20年才撤退：他們依舊如此認為。

儘管美國的新冠病毒死亡率很高，但也並沒有嚴重到英國在第一次世界大戰中所經歷的那種受創傷的程度。當時英國有大量的年輕人被流感屠殺（近90萬人死亡，15至49歲的男性中，佔了大約6%，至少170萬感染者）。美國如今面臨的威脅也不像納粹德國對英國造成的威脅那樣明顯而迫切。

不過，某些相似之處還是很驚人，而且這兩個國家在阿富汗強行建立自己相信的價值秩序，都相繼失敗了。

早在1930年2月，在「過早的」現代化改革引發了一場叛亂之後，《經濟學人》雜誌已指出：「很明顯，阿富汗不會採用西方的東西。」

近幾十年來，預測美國衰落的書和文章已經太多了，以至於「衰落主義」已經成為一種陳腔濫調。

但英國在20世紀30年代和50年代之間的經歷提醒我們，還有比溫和的、漸進式的衰退更糟糕的命運。

《以金錢為導向的價值觀》

我們從堆積如山的債務開始談起。

第一次世界大戰後，英國的公共債務從1918年佔GDP的109%，上升到1934年略低於200%。而美國的聯邦債務與英國雖有所不同，但在規模上是可以比較的。如今她的債務達到國內生產總值GDP近110%，甚至高於第二次世界大戰後不久前一個高峰。

美國國會預算辦公室估計，到2051年，它可能超過200%。

當今的美國與大約一個世紀前的英國有一個重要區別，美國聯邦債務的平均期限相當短（65個月），而英國超過40%的公共債務採取的是永久債券或年金的形式。這意味著，今天的美國債務對利率的變化，要比當初的英國危險且敏感得多。

另一個關鍵差異是財政和貨幣理論的巨大轉變，這很大程度上正是凱恩斯對英國戰時政策的建議。

1925年，英國決定以戰前過高的價格將英鎊回歸金本位，這使英國陷入了長達八年的通貨緊縮。工會權力的增加意味著大蕭條期間，工資的削減落後於物價的削減，這導致了就業機會減少。

在1932年的低谷期，英國失業率為15%。然而，英國的大蕭條主要還是因為英國在1931年放棄了金本位制，這使得貨幣政策得以放寬。實際利率的下降意味著償債負擔的減輕，為英國財政創造了新的迴旋餘地。

在未來幾年，美國似乎不太可能出現這種償債成本的下降。以美國前任財政部長勞倫斯·薩默斯Lawrence Summmers為首的經濟學家預測，當前美國的財政和貨政策，將導致通貨膨脹的危險。

英國的實際利率在20世紀30年代普遍下降，而美國的實際利率預計將從2027年開始轉為正數，並穩步上升，到本世紀中期達到2.5%。當然對利率上升的預測，往往是錯誤的，而且美國聯準不急於收緊貨幣政策。但是，如果利率真的上升，美國的債務將需要更多的成本來償還，擠壓聯邦預算的其他支出，特別是國防等可容易調整的支出。

這將問題的關鍵，擺在我們面前了。

丘吉爾在20世紀30年代最關心的問題是：政府在拖延時間——這是英國綏靖政策的基本原理——而不是積極地重新武裝英國軍隊，以應對希特勒、墨索里尼和日本帝國主義政府越來越多的侵略行為。丘吉爾反對英國綏靖主義者另一個關鍵論點是，財政和經濟方面的限制——特別是管理一個覆蓋斐濟、岡比亞、圭亞那、溫哥華的帝國，其高額成本使得快速重新武裝英國，變得不再可能。

稱美國今天面臨著類似的威脅——不僅是來自中國，還有來自俄羅斯、伊朗和朝鮮的威脅——這可能顯得異想天開。

然而，僅僅是這一事實，就說明問題所在。

大多數美國人，就像二戰之前的大多數英國人一樣，根本不想考慮在國家已有大量債務下，如何面對希特勒正在發動一場重大戰爭。

如今的美國也正在走向相同的道路。預計美國國防開支佔國內生產總值的比例將從2020年的3.4%下降到2031年的2.5%。

這會引起丘吉爾主義者的驚愕。他們也將會經歷相同的敵意和指責——如同當年譴責丘吉爾在煽動戰爭一樣。

《力量是相對的》

美國與其他國家相比的相對衰退，和當初的英國另一個相似點：經濟史學家安格斯·麥迪遜估計，到20世紀30年代，英國經濟產值不僅被美國（早在1872年）超越，而且還被德國（第一次在1898年，在經歷了災難性的戰爭、惡性通貨膨脹和不景氣的年代後，於1935年再次被超越）和蘇聯（1930年）超越。

大英帝國作為一個整體，其經濟規模比英國大，特別是如果把各殖民地包括在內的話，也許是其兩倍大。但美國的經濟規模更大，儘管大蕭條對美國的影響更嚴重，美國的經濟體量，仍然是英國的兩倍多。

今天的美國也面臨著類似的經濟產值相對下降的問題。按照購買力平價法，考慮許多中國國內商品的價格更低，中國GDP在2014年已趕上了美國。按當前美元計算，美國經濟體量仍然更大，但預計兩國的差距將會縮小。今年，中國的美元GDP會是美國的75%左右，到了2026年，則將達到89%。

中國給美國帶來的經濟挑戰比蘇聯曾經帶來的更大。這不是什麼秘密，因為蘇聯的經濟規模在冷戰期間從未超過美國的44%。

在許多運用於國家安全應用的技術領域，從人工智能到量子計算，中國正在努力追趕美國，這也不是什麼機密消息了。中國領導人的雄心壯志也是眾所周知的。

這五年來，美國對中國政府的好感明顯轉變為負面。即便如此，公眾對於應對來自中國的軍事威脅也沒有多大的熱情。如果中國攻打台灣，大多數美國人可能會與英國首相張伯倫的觀點一致，他曾臭名昭地將德國在1938年分割捷克斯洛伐克的行動描述為「遙遠國家的爭吵，而我們對爭吵的雙方都一無所知」。

在兩次大戰之間，英國態度軟弱的一個關鍵原因是知識分子對帝國的反抗，以及更普遍的對英國傳統價值觀的反抗。

丘吉爾厭惡地回憶起1933年牛津大學辯論社在辯論中提出的動議：「我們拒絕為國王和國家而戰」。他指出：「在英國，人們一般會對這樣一個插曲一笑置之，但在德國、俄羅斯、義大利和日本，他們會有英國已經變得腐朽墮落了的根深蒂固的想法，這種想法也動搖了許多人的盤算。」

當然，這也正是如今中國新一代「戰狼」外交官和民族主義知識分子對美國的看法。

納粹、法西斯和共產主義者都認為英國人對自己充滿了憎惡。「我甚至不知道大英帝國正在消亡，」喬治·奧威爾在他的文章《獵象記》中記錄了他作為殖民地警察的時光。沒有多少知識分子能有奧威爾這樣的洞見，認為英國仍然是「瘦死的駱駝比馬大」。許多人——不像奧威爾——他們選擇了信仰蘇聯共產主義，他們為西方國家的情報部門帶來了災難性的後果。與此同時，令人震驚的是，大量上流社會的貴族精英還被希特勒吸引。甚至《每日快報》的讀者，也樂於取笑而非讚頌大英帝國。

《帝國的終結》

美利堅帝國不像曾經的大英帝國一樣有英聯邦自治領地、殖民地和受保護國，但它現在所處的國際主導地位，以及過度擴張帶來的代價，完全與大英帝國相似。

現在美國的左翼和右翼都習慣性地嘲笑或謾罵美國帝國主義的計劃。《國家》雜誌的記者湯姆·恩格爾哈特（Tom Engelhardt）幸災樂禍地說：「美利堅帝國正在崩潰。」

對於右翼來說，經濟學家泰勒·考恩（Tyler Cowen）譏諷地想像著「美利堅帝國的衰落會是什麼樣子」。：

與此同時，進步的非裔美國哲學家康奈爾·韋斯特（Cornel West）認為「‘黑人的命也是命’與反對美利堅帝國的抗爭殊途同歸」，還有兩位支持川普的共和黨人瑞安·詹姆斯·吉爾·杜斯基（Ryan James Gir dusky）和哈倫·希爾（Harlan Hill）認為最近的新冠疫情揭露了「美國其實穿著皇帝的新裝」。

右翼仍然捍衛著美利堅共和國建國的傳統：與此相反，「覺醒」的左翼則試圖將美國歷史改寫為充斥著奴隸制和種族隔離的血淚史。但政治光譜中的任何一方都沒有多少人渴望回到上世紀40年代開始，美國扮演全球霸權時代。

簡而言之，就像20世紀30年代的英國人一樣，21世紀20年代的美國人已不熱衷於帝國主義——中國的觀察人士注意到了這一現象，並對此津津樂道。

然而，帝國仍然存在。

美國幾乎沒有多少真正意義上的的殖民地：只有加勒比海的波多黎各和美屬維爾京群島、北太平洋的關島和北馬里亞納群島，以及南太平洋的美屬薩摩亞。按照英國人的標準，這些殖民地根本不值一提。然而，美國與曾經的大英帝國一樣，軍隊遍布全球，無處不在。美國的武裝部隊人員在150多個國家都有部署，駐外軍隊總人數約為20萬人。

承擔如此廣泛的全球責任並非易事。但是，要想擺脫他們同樣不容易。

英國人為此吃過苦頭，美國人則要吸取英國人的教訓。

拜登決定從阿富汗進行「最後的撤軍」被認為是不明智的，這說明了美國想要減少其在海外所承擔的責任，並不容易。

歐巴馬曾經也做出了類似的從伊拉克撤退的決定，並於2013年宣佈「美國不是世界警察」。

川普的「美國優先」（American First）原則只是同一種衝動的民粹主義的版本：他太渴望離開阿富汗，並以關稅取代「反恐支出」。

在阿富汗發生的撤軍災難完美的說明，想要放棄對全球的主導權，這個過程是不太可能和平度過的。不管用何種措辭，宣佈放棄這場歷時最長的戰爭，就是承認失敗。

這不僅僅對塔利班，是他們的勝利。

中國也在密切關注，畢竟中國與阿富汗也有一段狹小的接壤土地。俄羅斯也在幸災樂禍的作壁上觀。

就在歐巴馬宣佈放棄做世界警察的幾個月後，俄羅斯立刻就對烏克蘭和敘利亞進行了軍事干預。

這並非巧合。

拜登相信美國可以像之前從越南撤軍、擺脫越南這個泥淖一樣從阿富汗撤軍。

越戰是段不光彩的歷史，美國在越南受到的屈辱確實產生了後果。它為蘇聯及其盟國以可趁之機，在其他地方製造了麻煩——包括非洲南部和東部、中美洲以及蘇聯於1979年入侵了阿富汗。

於是我們可以推論在喀布爾重演西貢當年的淪陷，未來也將產生類似的不良影響。

即便新保守主義在2003年入侵伊拉克後抬頭，狂妄自大到了頂峰的時候，美利堅帝國的終結也不難預見。

我在《巨人：美利堅帝國的興衰》一書中首次提出，當時美國的全球地位至少存在四個根本性的弱點：一是人力赤字（很少有美國人願意在像阿富汗和伊拉克這樣的地方長時間工作）；二是財政赤字（見上文）；三是關注度不夠（選民在大約四年後就對任何大規模干預失去了興趣）；四是歷史視角的缺失（決策者不願從前任那裡汲取經驗教訓，更不願意從其他國家吸取經驗教訓）。

但是曾經的大英帝國從來沒有這些事件。

另一個不同之處在於——這比財政赤字要深刻得多——是美國的負國際投資（NIIP），它佔GDP的比例是-70 %。

負的國際投資本質上意味著外國人對美國資產的所有權，超過了美國人對外國資產的所有權。相比之下，在兩次世界大戰期間，英國儘管有大量的海外資產被清算以資助一次世界大戰，但它仍然有著龐大的正國際投資。從1922年到1936年，它一直保持在GDP的100%以上：到1947年才下降到3%。

拋售剩餘的帝國白銀（準確的說，是迫使英國投資者拋售海外資產，交出美元）是英國為二戰買單的一種方式。

但是美國作為一個債務大國，並沒有與之對等的儲備金。只有通過更多的公債出售給外國人，美國才能負擔得起維持其世界霸主地位的成本。

這對於維持其超級大國的地位而言，實在太不穩定了。

《丘吉爾：「我當首相不是為了主持大英帝國的葬禮」》

丘吉爾在《集結風暴》中的論點並不是在借德國、義大利和日本的崛起這一不可阻擋的進程來譴責英國的衰落。相反，他堅持認為，如果西方民主國家在1930年代早些時候採取更果斷的行動，戰爭本來可以避免。

當小羅斯福總統問丘吉爾這場戰爭應該叫什麼時，丘吉爾立刻回答說：「不必要的戰爭。」

同樣的道理，中國的崛起也並非不可阻擋，更不用說俄羅斯了。從朝鮮到委內瑞拉，所有與他們結盟的小國都是經濟上的弱國。中國人口老齡化的速度比預期的還要快，勞動力正在萎縮。

居高不下的公營及私營部門債務正在拖累經濟增長。它也可能在氣候危機中，首當其衝，因為它無法輕易改掉依賴煤炭，作為工業能源的現象。

然而，一系列事件的發展又很容易導致另一場不必要的戰爭。

最有可能是在台灣問題上爆發。

中國要統一台灣，而美國模糊地承諾要防禦中國——隨著東亞地區軍事力量平衡的轉變，這種承諾越來越缺乏可信度。

美國航母越來越難招架中國的東風-21D等反艦彈道導彈，而這還只是美國國防部無法解決的問題之一。

如果美國的威懾失敗，習近平發動突然襲擊，美國將面臨更嚴峻的選擇，要不然打一場漫長而艱苦的戰爭——就像英國在1914年和1939年所做的那樣——要不然就像1956年蘇伊士運河事件那樣，直接認輸。

丘吉爾說他寫《集結風暴》是為了表明：

邪惡者的惡意如何因善良者的軟弱而愈發猖狂；民主國家的結構和習慣為何——除非與更大的有機體結合在一起——會缺乏為卑微大眾提供安全感的毅力和信念；甚至在自我保護的問題上……謹慎和克制的忠告反而會帶來致命的危險……以及因為渴望安全和平靜的生活，而採取的中庸之道，可能會直接導向災難的中心。

他用一句精辟的格言作為這卷書的結束語：「事實勝於幻想。」

近年來，美國領導人過度熱衷於幻想了，譬如小布希領導下新保守主義者「全面統治」的幻想，還有川普想像出的美國「大屠殺」的黑暗噩夢。

隨著另一場集結風暴的到來，也許是時候面對現實了。

丘吉爾看透了這一點：帝國的終結很難不伴隨著陣痛。

——圖片：美國運輸機撤離阿富汗難民、美國最後離開的軍事領袖、拜登在白宮發表演說

我最近真的聽到蠻多人說難做
大盤盤整創高，但是看到個股則波動加大
加上最近高成長財報密集開出不是驚艷就是驚嚇
像昨天Etsy,Roku,Fastly盤後跌幅都不小

這種時候我認為風控的重要性就出來
如果後面有大行情，等待催化劑出來
現階段維持淨值穩定很重要

剛好看到Howard Marks七月底的備忘錄
討論了總經預測對投資決策的重要性
跟大家分享重點與我自己的心得

=====

Howard Marks在最新的投資備忘錄討論到「思考總體經濟這件事情，對於投資人的投資決策到底扮演的什麼樣的角色？」

對於橡樹資本來說，事實上在公司的投資哲學中明確指出：我們的投資決策並不基於宏觀預測。Oaktree不聘任經濟學家，也很少邀請他們來分享他們的觀點。

原因很簡單：巴菲特也曾經表達對於總體經濟的未來是不可知的，我們無法預測未來將會發生什麼事情，在這樣的情況下投資人無法掌握優勢，也沒有辦法比其他人做出更準確的預測，獲取超額報酬。

他引用了阿莫斯·特沃斯基(Amos Tversky)的話：我們認為不知道某些事情是可怕的，但更可怕的是這個世界是由某些確信自己知道正在發生什麼的人管理的。

我覺得對於總體經濟的預測，不是說你不能預測，而是這是可以透過數據的變化來觀察到的趨勢，行情的發展是循序漸進的，不太可能突然發生什麼事扭轉當前的趨勢，除非是真的有恐怖攻擊或是重大疾病的爆發，也因此很多人會對於當前的市場拋出「即將下跌多少％」，「即將陷入巨大衰退」的這類言論通常是沒有根據，過於情緒化且沒有意義的。

我之前其實也有分享過傅盛的認知三部曲，對於認知偏誤中最可怕的一件事，是你不知道你不知道，而有過度自信的傾向，以為事情會持續的朝你所認定的方向發展。在投資市場上，這樣的情況一直在發生，也導致很多人因此受到嚴重的虧損。

真正一個好的總體經濟評估，應該是對於當前的所有資訊進行蒐集、整理與分析，得出結論與奠定自己的看法，面對未來的變化而有所準備。Howard Marks表示，有意見是一回事，每個人都可以對任何事物抱持信念，擁有觀點，但是假設你的意見或觀點是正確的，並且押注在上面，真槍實彈的投入資金是另外一回事。

我相當同意這個說法，想法是一回事，怎麼去執行又是另外一回事，面對理論的推導與實際應對往往中間需要很多的過程，情緒的控管也是相當重要的因素，而在眾多選擇下評量機會成本，挑選出最適合自己的策略也是另外一門學問。

完整全文：https://pse.is/3lvctz

近日，我與阿萊克斯·彭特蘭教授（Alex Pentland）展開了一場”AI如何重塑人類社會”的精彩對話。

《連線》雜誌的資深撰稿人威爾·奈特（Will Knight）主持了這場對話。

阿萊克斯·彭特蘭教授任教于麻省理工學院，為全球大資料權威專家之一，現任MIT連接科學研究所主任、MIT媒體藝術與科學教授，擁有“可穿戴設備之父”、《福布斯》“全球七大權威大資料專家”、《麻省理工科技評論》“年度十大突破性科技”兩度桂冠獲得者等頭銜，曾參與創建MIT媒體實驗室，是全球被引述次數最多的計算科學家之一。

對話金句：

李開復：

 AI最大的機會蘊藏在與傳統企業的結合中，這種價值的產生極其迅速，只需要幾個月，甚至短短幾周。
 未來突破很難預測，對奇點、超級智慧的爭辯，在我看來都過於樂觀了。
 小型AI公司與巨頭競爭，我的建議是找准巨頭沒有平臺優勢的細分領域，為某個針對性產業創造價值，不要與巨頭核心業務正面硬碰。

阿萊克斯·彭特蘭：

 AI絕非試圖取代人類，而是促進多元文化之間的相互連接、團隊合作，讓人們更好的進行社交和連接彼此。
 最困難的其實是說服人們改變商業流程去使用AI，因為大多數人是墨守成規的。
 人工智慧有朝一日可以取代人類所有的能力，但是這個過程會非常漫長，可能需要上百年或更久。

我在對話中表示，當我們試圖解決AI問題時，應該用技術來解決技術的問題，可以尋求與監管部門協作，而不只是丟給他們，“新技術會衍生新的問題，我們應該多方嘗試用更進階的技術性解決方案，就像電腦病毒剛出現時，殺毒軟體隨之誕生。”

彭特蘭教授認為，人工智慧的核心，是促進多元文化之間的相互連接。不只是工程師或科學家，連經濟學家、政治家都必須參與進來。“國家之間應該促進合作、制定互通標準，就像TCP/IP互聯網協定那樣，避免AI冷戰。” 我們都贊同，AI發展從來不是單打獨鬥，跨學科思維、跨領域合作尤為重要。 這場對話是麻省理工學院中國創新與創業論壇（MIT-CHIEF) 組織的高峰對話系列活動，主題是《計算與未來: AI與資料科學如何重塑人類社會》。

麻省理工學院中國創新與創業論壇（MIT-CHIEF）由麻省理工學院的中國留學生創立，至今已有十年，是北美歷史最悠久的、由高校學生組織的中國創新創業論壇。系列高峰對話邀請了頂級科學家、投資人及創業者，共同探討科技創新及商業化過程中面臨的挑戰。

以下是我們對話的核心內容，由我的同事整理、分享給大家：

Part I 主題演講

▌李開復：各方應協作，讓AI 更務實

非常榮幸再次受到MIT-CHIEF的邀請，對於人工智慧的看法，這次我主要想講四點。

第一點是我書裡的主題，人工智慧的超能力。我們已經從人工智慧的發明期步入應用期階段，從應用落地層面來說，正迎來了AI發展最大的機遇。

很多科技公司目前已對人工智慧進行了多樣化佈局，從視覺、語言、觸覺和其他感知技術，到自動化機器人、無人駕駛等，對很多領域開啟了深遠的影響。雖然眼下所見的AI應用仍有局限性，但我預測未來的格局會非常龐大，依據統計，各行各業採用AI的程度目前不到5%，AI應用的中長期增長曲線相當可期。

第二點是我很欣喜看到的一點，AI正在和傳統行業深度融合。隨著人們對人工智慧的瞭解越來越多，更多的AI公司湧現出來。

AI最大的機會蘊藏在與傳統企業的結合中，創新工場也正在説明金融、製造、物流、零售、醫療等行業的公司進行AI變革。

作為AI投資人，我認為在這些行業如果找到正確的AI應用方向，就能帶來上千萬的回報。這種商業價值的產生是極其迅速的，通常只需要幾個月，甚至短短幾周就能看到成果。

現在人工智慧在傳統產業的滲透率仍在個位數，仍然有很大的提升空間。然而對於很多公司來說，它們需要的是高度定制化的方案，而非通用型AI方案，所以融合的過程中，不可避免會遇到不少挑戰和痛點。

第三，我早年做過很多科研工作，很高興能看到關於系統一和系統二（System One, System Two）的討論，我們期待人工智慧技術從系統一升級為系統二，即從識別、決策、優化等能力，升級到感知、認知等進階智慧的能力。

有不同的學派都在努力讓人工智慧更接近人類智慧，其中一個流派主張回歸經典的AI理念，甚至重新構建嶄新的模型結構，在深度學習技術的基礎上利用人類的知識。但我更支持另一個理論——深度學習的潛力還沒有完全釋放。

回看人工智慧過去60多年的歷程，最大的突破來自於計算能力和資料量大增而產生的可擴展演算法。我們看到了卷積神經網路（CNN）帶來的喜人成績，還有預訓練自然語言處理模型（Pre-Trained Models for Natural Language Processing）的廣泛運用。

預訓練模型與人類語言學習的模式類似，不管是英語還是中文，在習得這些語言之後，再去學習程式設計、藝術、化學。在無人監督的學習環境中，這種模式比我們想像得還要強大，就像阿爾法圍棋（AlphaGo）一樣。

最後一點我想說的是，如何讓AI變得更務實。

AI有很多問題，例如隱私、資料安全、治理和監管，在此就不一一討論了。當我們試圖解決這些AI難題時，有人認為讓監管部門加強管理是唯一辦法，其實不然，我們是否也可以朝著研發更厲害的技術性解決方案去努力？

就像電腦病毒剛出現時，殺毒軟體隨之誕生；面對千年蟲難題時，也迅速找到了技術應對方案。我們可以通過研發新技術，應對DeepFake深度換臉程式的挑戰；或者通過聯邦學習技術，在保證資料私密性的同時，滿足深度學習訓練需求。

作為握有技術能力的群體，我們需要與監管部門一起協作，而不只是把工作丟給他們。相信有了各方的助力，我們可以讓AI的應用變得更有深度，更加務實，更高效地克服現在面臨的種種問題。

▌阿萊克斯·彭特蘭：國家間應建立互通標準，避免“AI冷戰”

我對當前的深度學習技術不太樂觀。

最為主要原因是，深度學習不僅需要龐大的資料來源，而且要求這些資料長時間恒定不變，以保證模型訓練結果的可靠性，例如人類的面容、語言，就是相對穩定不變的資料來源。

但深度學習卻沒法應對快速變化的真實情況。亞馬遜在新冠疫情蔓延速度暴增時，出現了倉庫貨物緊缺，不得不停止送貨服務。這種經過深度學習高度優化後的系統發生崩潰，就是因為快速變化的疫情，和深度學習對恒定資料來源的需求是矛盾的。

另外，我想談談如何通過聯邦學習，促進資料的流通。

大多數公司沒有足夠豐富的資料，需要聯合不同的資料來源。基於這種需求，出現了很多新商業模式，比如“資料經紀人”——他們不出售資料，而是把資料借出去，作特定需求的使用。

“資料經紀人”業務湧現了很多，他們促進了資料的流通，也加強了資料的隱私性。因此，像聯邦學習這樣的技術和商業策略結合，有效解決了資料在合規性和所有權方面的難題。

聯邦學習也依賴於新的基礎設施建設，為資料應用和深度學習提供基礎環境，比如區塊鏈技術。現在世界上很多國家在做相關系統的建設實驗，新加坡等國家設置了一種相互競爭的區塊鏈系統，來解決支付和物流問題。我們最近也幫助瑞士做了類似的實驗，涉及不同資料的互通性和連貫性問題。

我們仍在研究如何用儘量少的資料，實現人工智慧的目標。少量資料是指不斷更新的短期資料，這些資料能使AI應對迅速變化的情況，並及時做出調整。

我們打算將AI與其他基礎科學結合，例如阿爾法圍棋(AlphaGo)就是這類結合的初步嘗試。這些方法不依賴于大量恒定資料，可能會比深度學習更加強大。

除此之外，我們在探討用AI保障聯邦學習過程中不同資料方的權益，這是實現不同國家之間的互通性、支付信任度、物流運輸等方面合作的關鍵前提。

另一方面，我們探索如何將AI技術應用於加密資料上。我們和大公司以及政府密切合作，找出解決系統入侵和保障網路安全的方法。

我同時花了很多時間研究與政府的合作。政府很多時候不知道如何通過大資料做決策，也不知道如何進行資料優化。而AI能夠幫助政府實現更高的效率，比如聯合國現在已經有了很多可持續發展目標的相關評估指標,世界經濟論壇也可以為會員國提供不同的標準測算。

基於我們已有的多中繼資料庫，現在可以利用AI實現全新的資料優化方式，將貧困、不平等這種之前無法量化的指標，通過可量化的指標進行評估。

同時，要真正實現這個目標，我們還需要制定統一的互通性標準。如果沒有這個標準，國家之間就不會相互信任去合作，就可能出現AI冷戰。

因此我們需要找到促進合作的方式，就像TCP/IP互聯網協議那樣。而之前我提到的，新加坡、瑞士等現在正在嘗試的區塊鏈系統，將有希望解決國家間缺乏互通標準的問題。

Part II 對話

▌ 美國線上教育發展難度更大，只在ZOOM上講課是不夠的

Q1：疫情加速了行業的改變，遠端醫療、線上教育開始蓬勃發展，這只是AI對人類社會產生影響的冰山一角。想請兩位談一談，目前看好AI在哪些領域應用的未來前景？

李開復：疫情的確對整個社會產生了實質性的影響，人們行為習慣發生了很多改變，更願意接受線上學習和工作了。

這種新的行為習慣產生了大量資料流程，為AI應用帶來了更多可能性。比如大健康領域以及遠端醫療中所產生的資料，可以訓練更智慧的模型。同時更多人開始在基因組學、新藥研發方面結合新的AI技術進行研究，因此我相信AI在醫療健康領域的潛能是非常巨大的。

AI與教育的結合也很值得期待。一方面可以説明老師處理重複性的日常事務，例如批改作業，讓老師得以將時間精力投入到更有創造性的事情上，能更悉心地為孩子提供優質教學。另一方面可以提高學生的課堂參與度和積極性，比如設置卡通版AI虛擬老師，讓課程充滿趣味性。

在中國，有很多線上教育公司在疫情之前就已經發展迅速，像創新工場投資的VIPKID，讓國外的純正英語老師線上上教授中國學生。目前，中國的線上教育已經擴展到了更多科目，包括體育、舞蹈、書法等素質教育課程。

相比之下，美國線上教育發展的難度會更大。畢竟只在ZOOM上講課是不夠的，好的線上教育必須要有好的內容。

▌AI核心是增強人際互聯，應注重文化多樣性

阿萊克斯·彭特蘭：李開復博士提到的教育案例，我不是很認同。

MIT大約20年前就在教育中使用AI，重點根本不是內容，我們甚至提倡將內容免費開放給大眾。

AI絕非試圖取代人類的作用，我們更強調用AI增強人與人之間的互動，讓人們更好的社交和連接彼此。比如手機上人工智慧技術，不是要取代你，而是讓你高效地找到最適合的工作、最正確的人，讓你更容易的獲取資訊，並進行創新。

我們可以利用資料激發更強的創新力，培養領導力。只有基於這樣的宗旨，才能促進更有創造力的教育和學習，這比關注教育內容本身重要得多。

在加拿大，有家創業公司正在訓練普通民眾學習AI，比如水管工，教學效果非常不錯。他們的教育方式不是簡單的教授基本知識，而是以一種能夠激發人們互動思考的方式。

我們之前在中國調研了3000多個孵化器，發現創業公司成功的要素裡，第一個是文化多樣性，也就是說創始團隊背景的複雜性和多樣性。第二個是團隊成員專業的多樣性，他們能否發揮自己所長，並很好地進行團隊合作。

1956年，馬文·明斯基 (Marvin Minsky)提出了人工智慧這個詞。但我們對於人工智慧的理解，不應該只停留在“人工”層面，而應擴展到多元文化之間的相互連接、團隊合作，我把它叫做延伸智能（Extended Intelligence)。這也是我想強調的，人工智慧這個名詞有一定的偶然性，但它的核心點是增強人與人之間的互聯性。

▌AI未來突破難預測，奇點、超級智慧過於樂觀

Q2：未來十年AI有沒有可能取得重要突破？比如GPT-3近期展現驚人的能力。兩位認為未來的突破方向是什麼？

李開復：過去60多年來，深度學習是唯一的重大突破。在這之後，卷積神經網路（CNN）和GPT-3等都算是重要的改善，我對於人工智慧的漸進式改善保持樂觀。

對科學家來說，他們更期待著技術上的突破式進展。但我覺得未來十年基礎科研或許不會有大的突破。但模型相對容易，只要有大量的資料，就可以從實驗室進入到行業應用，CNN和GPT-3都是模型加海量資料的成果。

我是務實派的，雖然持有樂觀態度，但並不是一位“未來學家”。未來的突破很難預測，對奇點（Singularity）的爭辯，甚至預測超級智慧的出現，在我看來都過於樂觀了。

阿萊克斯·彭特蘭：我同意李博士的觀點。很多生物機制很難解釋，包括用感知認識事物、理解聲音、尋找食物等，是深度學習演算法做不到的。但深度學習可以研究科學、制定規則、研究理論，並進行實踐。

從務實的角度來說，我最感興趣的就是聯邦學習。就醫療而言，我們有這麼多醫院，在新冠疫情期間做了很多的實驗，為什麼這些實驗資料不能進行聯合呢？

儘管資料有不相容的地方，但這也是一個很好的機會去探究不同的資料之間的關聯性。在未來，我們對資料的需求也許會越來越少，外科醫生或者物理學家或許不需要太多資料，因為他們對規則已經瞭若指掌了。

▌不要墨守成規，要跨領域、跨學科應對挑戰

Q3：人工智慧會有什關鍵挑戰？對於想從事這個行業的人，有什麼是需要瞭解的關鍵點？

李開復：首先，大背景在改變，新科技層出不窮，我們每年都需要學習新的東西。

其次，人工智慧可能引起各種問題，包括偏見、歧視、倫理道德等，是否危害人類的身體健康，無人駕駛技術該何去何從等等。

第三，人工智慧的研發需要深刻地理解技術對社會、生活與人類健康會產生的影響。我非常欣賞斯坦福和MIT這樣的高校，能夠把AI教育擴展到各個學科，讓研發人員及早意識到自己的責任和價值。

阿萊克斯·彭特蘭：是的，我朋友做過一個有關電的趣味類比，電動馬達最初在工廠裡用於生產的時候，並沒有發揮出多大的作用，因為大家並不知道如何改造生產流程。

AI在一些領域發揮的作用是顯著的，但應用到其他領域時，就需要改造流程。很多情況下，最困難的就是說服人們改變商業流程去使用AI，因為大多數人是墨守成規的。

而有意思的是，就像李博士提到的，像MIT和斯坦福這樣的高校確實在認真嚴肅地對待這個問題。

比如，我今天早上正好就這個話題跟G20領導人對話，大家一致認為我們必須從跨領域、跨學科的角度去面對這個問題，不能只是工程師或者社會科學從業者們在做，經濟學家，政治家等等都必須參與進來緊密合作。

隨著AI的應用領域越來越廣，除了必須具備強有力的技巧來建立社會規則，還需要對研究經費、企業投入等進行各種調整。

▌雖然大公司實力不容小覷，但依舊對小公司抱有期待

Q4：AI研究會消耗大量的資源，我們是否應該將資源往學術界平衡？現在已經發生資源的重新分配和平衡了嗎？

李開復：就人才而言，現在已經有重新平衡的跡象了。

過去，頂尖大學的學者基於待遇和種種考量，不少選擇去企業界工作。而近期，曾任職於百度、海爾、位元組跳動等公司的數位優秀AI科學家已經回歸高校。

但像GPT-3這樣的技術，仍然不是大學和小公司能支付得起的。支撐GPT-3運行的電腦是世界算力第五的超級電腦。每進行一次演算法訓練，就要花費460萬美金，只有像騰訊、穀歌、微軟這個級別的公司才能負擔得起如此強大的算力。

我觀察到，近年的AI創業公司已經和5年前截然不同了。它們一般由AI科學家和商業人才共同創建，為了解決特定問題而生，並非紙上談兵做突破性科研，切入的領域也往往是巨頭公司忽略的地方。

例如，為製造業進行AI賦能，不是一件輕鬆的事，需要去工廠實地勘查，瞭解運作方式。大公司因為賺錢很容易，不願意做這些性價比低的苦活累活。這些小公司的努力一旦有了成果，就會給產業界帶來革命性的影響。所以，雖然大公司的實力不容小覷，但我依舊對小公司抱有期待。

阿萊克斯·彭特蘭：大學和公司是一種融合的關係，不僅體現在人才流動上，也會進行資訊資源分享，彼此是整體性的合作態勢。

當然這也不是絕對，產業界的保密需求還是存在的，只是從學校的出發點來說，我們願意毫無保留地為大家提供更好的研究成果，並與企業合作，形成標準化平臺。

▌人工智慧取代人類需要上百年或更久

Q5：兩位認為什麼是AI不能取代的？

李開復：一類是創造力、分析能力、邏輯辯論能力，瞭解自己知道什麼不知道什麼，這些是人工智慧無法取代的。另外一類是同理心，人類之間的信任、友誼，自我認知、意識等。

阿萊克斯·彭特蘭：人工智慧有朝一日可以取代人類所有的能力，但是這個過程會非常漫長，可能需要上百年或更久。

▌AI創業建議I：找到小切入點，不要與巨頭正面硬碰

Q6：李博士提到了AI在小企業中的運用，可否再舉例說明是如何運用的？

李開復：這個問題分兩部分：一個是小型AI公司與巨頭競爭，我的建議是找准巨頭沒有平臺優勢的細分領域，為某個針對性產業創造價值，並且不要與巨頭核心業務正面硬碰。

對於那些中小型非AI、但想應用AI的公司，需要確保有足夠的資料，以訓練與核心商業價值掛鉤的AI模型，並且有願意變革的開放性公司文化。

所以，早期應用AI的公司可能規模較大，因為他們有足夠大的資料，和可相容變革的商業模型。每個例子都不同，不是任何一家公司都要應用AI。

阿萊克斯·彭特蘭：如果我們放寬AI的定義，或許水管工、合同工都有資料，通過一些簡單的分析、整合，AI也可以在很大程度上改進他們的工作。

這些都是很小的切入點，基於簡單的AI分析、機器學習，依舊可以產生巨大的潛力。

▌ AI創業建議II：知曉技術，同時理解商業

Q7：兩位再分享一下最後的建議？

李開復：我們在步入一個AI開始滲透到方方面面的令人振奮的時代，我希望所有的學生們都能參與到這個改革浪潮中。要深刻地理解人工智慧的商業落地，而不僅僅鑽研技術本身。

阿萊克斯·彭特蘭：不要太較真於深度學習或者冗長的演算法，一切始於要解決的現實問題。不要止步於技術本身，要明白資料類型、形態和規律，關注商業流程。

感謝葉樂斐、劉諾、藍萱、張昊、陳冬傑、劉子昂、張梓煜、錢淩寒、水一方、沈雍在校譯和審閱上對本文的貢獻。