未来的 AI 公司将是可复制的

快速阅读: 《福布斯》消息，德瓦克什·帕特尔在一篇文章中探讨了全人工智能公司的潜力，指出AI可在培训和协作方面大幅降低成本。AI可通过推测性解码等技术实现协同工作，而首席执行官等高级职能依然重要。帕特尔认为，首个能自动化所有工作的公司可能形成垄断，而公司需自我复制以保持竞争力。未来商业的变化值得我们深思。

在大型现代办公大楼盖蒂，如果你能跑到供应室，复印出整个公司会怎样？那会是什么样子？嗯，这可能会很昂贵。但可能不会比雇佣和培训人类人才更昂贵。德瓦克什·帕特尔在一月三十一日的一篇合作文章中给出了一种想法，探讨了全人工智能公司的潜力。他认为，“人们低估了人工智能带来的集体优势”，“严重低估了世界将会变得多么不同”。帕特尔提出了关于如何实现这一目标的一些理论。

复制能力改变一切

帕特尔写道：“目前，企业在招聘和培训人才方面面临巨大的瓶颈。”“但可以在数千个副本中分摊培训成本，可以合理地让这些人工智能在各个相关领域拥有博士学位，积累数十年的商业案例研究，并深入了解公司依赖的所有系统和代码库。”

基于这一前提，作者继续推演出了高功能性预测，例如，人类团队可以为项目进行复制，人工智能将以变革管理和劳动力的方式进行复制——并且非人类参与者之间将会有大量的密切合作，这将令人震惊。帕特尔预测“再也不会有沟通失误”，他一直强调无缝过渡将解锁比我们想象中更多的利益。

后人类时代的知识传递

以下是帕特尔文章中的一个重要组成部分，讨论了人工智能公司：

作者对比了人类公司和理论上的人工智能公司的知识复制或传播过程：“人类的巨大优势在于社会学习——我们能够跨代传递知识并在此基础上建设。”他写道。

“但人类的社会学习有一个严重的缺陷：生物大脑不允许信息被复制粘贴。因此你需要花费数年（在许多情况下是数十年）来教导人们他们需要知道的内容以完成工作。看看各个领域的顶级成就者是如何变得越来越老，也许是因为积累知识需要更长的时间。或者考虑一下人才在城市和顶级公司中聚集产生的巨大好处，仅仅因为这使得聪明人之间的知识流动稍微更好。”

假设创新随人口规模增加，帕特尔邀请我们思考人工智能代理如何几乎同步工作。内部运作：如何实现

那么，人工智能是如何实现这种内部心灵融合，从而允许协作，而不仅仅是数据，以光速在全球范围内飞速传播？帕特尔提到了推测性解码的做法，所以我查了一下。ChatGPT 能够胜任地定义它：“推测性解码是一种通过使用较小的‘辅助’模型一次性提出多个标记的技术，然后由较大的模型快速检查或‘验证’。简单来说，这是一种减少对昂贵（大）模型调用次数的方法，而不显著影响生成文本的质量或分布。”

你也可以提到集成学习或蒸馏，但最终归结为同样的事情：机器人协同工作，无论是认知上、物理上还是两者兼有。

什么有价值？以及公司的单一视角

此外，这篇文章转向了兰德式、赢家通吃的领域。帕特尔认为，鉴于这些变化，只有一种角色仍然对公司的价值至关重要。没错：那就是首席执行官。

“那么在这个世界上，什么会变得昂贵？那些需要大量测试时间计算的角色，”他写道。“首席执行官职能可能是最明显的例子。为超级桑达尔每年花费一千亿美元用于推理计算值得吗？当然！想想这能给你带来什么：数百万个战略规划的主观小时数，不同的五年期蒙特卡洛模拟，每行代码和技术系统的深入分析，以及详尽的情景规划。想象一下超级桑达尔在思考：‘如果我们收购易趣来挑战亚马逊，联邦贸易委员会会如何回应？让我模拟接下来三年的市场动态……啊，我看到了可能的结果。我还有五分钟的数据中心时间——让我评估一千种替代策略。’

后来，帕特尔引用了格温·布兰文的话，讨论了公司如何自我复制：“为什么我们没有看到卓越的公司自我复制并占领所有市场细分？为什么公司不进化到所有公司或企业现在都是五十年前唯一一家超高效母公司的后代，其他公司要么破产要么被收购？为什么公司很难保持其‘文化’完整并保留其年轻时的精简效率，或者，如果避免‘老化’是不可能的，为什么不复制自己或其他方式繁殖以创建像自己的新公司？公司确实会根据某些适应性进行选择，并且确实有很大的差异。问题似乎在于公司无法自我复制……公司是由人组成的，而不是可互换、容易复制的小部件或DNA序列。”

同样，帕特尔引用了冯·诺依曼的话：“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。”然后提出了这些问题：那么问题就变成了：如果你可以为任何你需要的任务创建（人工智能代理），为什么还要为另一家公司支付额外费用，当你可以内部复制它们呢？为什么还会有其他公司？第一个能够自动化所有工作的公司将只是形成一个垄断集团，接管整个经济？”他写道，公司存在的目的是为了降低交易成本。然而，对于人类的相关性而言，这些护城河显得非常脆弱。现实是，我们都需要更仔细地审视商业将发生的变化。

(以上内容均由Ai生成)