EP 1412020-11-251:39:49
AI 如何重塑經濟與社會
Erik Brynjolfsson
經濟學家 Erik Brynjolfsson 談指數成長、AI 生產力落差，以及假消息為何傳得比真相快。
Erik Brynjolfsson: Economics of AI, Social Networks, and Technology | Lex Fridman Podcast #141在 YouTube 看 ↗
重點6 條
- 指數成長難以直覺理解：Erik 從 COVID 病例倍增談起，說明人的大腦習慣線性思考，但晶片、資料與演算法都同時以指數方式進步，稍不注意就會低估變化速度。
- 摩爾定律換了個重心繼續走：晶片效能提升正從運算速度轉向能源效率（他提到自己大學室友發現的「每隔一段時間耗能減半」定律），加上 GPU、TPU 這類平行運算晶片，帶來另一波超越傳統摩爾定律的進步。
- 新科技要配上新的組織方式才有用：他以電力取代蒸汽機為例，工廠一開始只是把馬達換掉，直到經理人重新設計生產線才真正提升生產力；他把這種「先下滑再上升」的過程稱為生產力 J 曲線，AI 與自駕車現在也正卡在這個階段。
- GDP 量不到維基百科和 Zoom 的價值：這些服務大多免費，對 GDP 的貢獻趨近於零，他因此和同事提出 GDP-B，改用大規模線上實驗去估算人們願意花多少錢換取這些服務。
- 社群媒體的演算法不是唯一元兇：MIT 同事的研究發現，就算拿掉機器人帳號，假消息在 Twitter 上還是傳得比真相快，因為人天生對聳動的事更有興趣，平台的設計只是放大了這個傾向。
- 主張用稅制而非萬用基本收入補人：他認為單純發錢解決不了失業帶來的無意義感，比較支持勞動所得稅抵免與針對污染、塞車課稅的「庇古稅」，一邊讓工作有價值，一邊把稅基從勞動轉向壞事上。
時間軸17 段
從 COVID 病例倍增談起，說明人的大腦習慣線性思考，面對指數成長容易反應太慢。
談 Elon Musk 常回到最基本的假設重新推導，雖然常常延遲交付但最終做得出來，是善用指數思考的例子。
摩爾定律的接班人是能源效率（每隔一段時間耗能減半）與 GPU、TPU 這類平行運算晶片，帶來額外一層超越傳統摩爾定律的進步。
自駕不是有沒有，而是程度問題；Waymo 求穩、先把範圍圈死做到完美，他點名 Elon Musk 那派做法相對更敢邊做邊放。長尾的極端狀況才是真正的難題。
用 Bezos 重新設計書店、工廠從蒸汽機換成電力為例，說明只是把舊流程套上新技術沒有用，要整個重新設計才會有生產力躍進，而且過程中常先倒退才回升（生產力 J 曲線）。
維基百科、Zoom 這類免費服務對 GDP 貢獻趨近零，因為 GDP 只算價格乘數量；他提出 GDP-B，用大型線上實驗估算人們真正願意付多少錢換取這些服務。
邊際成本趨近零加上競爭，價格自然被壓到零；廣告與訂閱各適合不同形狀的需求曲線，YouTube 讓使用者自己選則是少見的混合模式。
MIT 同事的研究發現，就算拿掉機器人帳號，假消息還是傳得更快更遠，因為人對聳動內容有興趣，不是演算法單方面造成的。
找一個極端的人代表整個對立陣營、誇大到人人都看得見，是常見的分化手法；他提到俄羅斯的資訊戰甚至會同時扮演對立兩邊帶風向，目的不是讓哪邊贏，是讓大家互相仇恨。
現有技術還沒完全普及，光是把已經存在的能力用開就能撐好幾十年的進步；他不認為短期內會出現大規模失業。
他原本支持全民基本收入，後來認為單純發錢解決不了工作帶來的意義感，轉而更支持勞動所得稅抵免這類鼓勵就業的做法。
主張把碳排、塞車這類外部成本課稅（庇古稅），把稅收拿去補貼勞動所得，而不是繼續對勞力與資本課重稅。
疫情期間在家工作的比例從疫情前約一成六衝上五成，他認為就算疫情過去，相當一部分也不會完全打回原狀。
拿自由貿易做類比：技術能把餅做大，但沒有真的補償受害的人，累積的不滿最後會被野心政客拿去操作。
搬來矽谷是想離發明 AI 的人更近；也談到學術界雖然有政治，但整體上是比較願意包容彼此、追求知識的地方。
推薦《流浪者之歌》讓自己保持平靜、《俗世哲學家》帶他走上經濟學這條路，還有 Max Tegmark 的《Life 3.0》。
他認為直接追求快樂反而得不到快樂，要像看暗星一樣把注意力放在旁邊——放在幫助別人這件事上，快樂才會跟著來。