參考消息網3月12日報道 美國《福布斯》雜志網站2月23日刊登題為《未來的人工智能公司將是可復制的》的文章，作者是美國麻省理工學院高級研究員約翰·沃納，內容編譯如下：

如果你只需跑到物資室，就能“復制”一整家公司，那會是什么樣的情形？

嗯，價格可能很昂貴。但可能不會像復制人類那么貴。

科技播客主播德瓦爾凱什·帕特爾在1月31日發表的一篇文章中提出了一個想法，討論了全人工智能(AI)公司的潛力。

帕特爾認為，“每個人都把AI將帶來的集體優勢留待以后考慮”，并且“嚴重低估了世界將變得多么不同”。他提出了一些關于AI將如何發揮作用的理論。

帕特爾寫道：“目前，各公司在招聘和培訓人才方面面臨極大的瓶頸。但如果你的人才是AI，你可以將它復制無數次。假如谷歌有100萬個AI軟件工程師呢？……將資本轉化為計算，再將計算轉化為與頂尖人才相當的東西，具備這種能力是一種根本性轉變。由于可以在成千上萬份副本中分攤培訓成本，你能夠合理地讓這些AI掌握更深厚的專業知識。”

基于這一前提，帕特爾繼續給出了有關高功能性的預測。例如，可以為了完成項目復制人類團隊，而AI將以改變管理層和勞動力的方式進行復制——這些非人類參與者之間將密切開展大量合作，這將令我們大吃一驚。帕特爾預測“再也不會出現溝通不暢的情況”。他自始至終都在強調以下觀點：流暢的交接帶來的好處將超乎我們的想象。

這是帕特爾關于AI公司的文章的一個核心內容——作者對比了人類公司和理論上的AI公司的知識復制或傳播過程。

他寫道：“人類最大的優勢是社會學習——我們能夠將知識代代相傳并發揚光大。但人類的社會學習有一個可怕的缺陷：生物大腦不允許信息被復制粘貼。因此，需要花費數年(在許多情況下甚至是數十年)時間向人們傳授他們在工作中需要掌握的知識。看看各個領域取得頂尖成就的人就會發現，他們的年齡越來越大。這也許是因為達到知識積累的前沿需要較長時間。或者想想城市和頂級公司中聚集的人才，他們產生了巨大的效益，僅僅因為人才聚集略微改善了聰明人之間的知識流動。”

假設創新會隨著人口規模擴大而增加，帕特爾歡迎我們思考AI代理大軍將如何步調一致地工作。

那么，AI如何實現這種內部思維融合(其將讓協作、而不僅僅是數據以光速在全球傳播)？

帕特爾提到了推測解碼的概念，于是我查了一下。

聊天生成預訓練轉換器(ChatGPT)對其的定義是：“推測解碼是一種加快大語言模型文本生成速度的技術，它使用較小的‘輔助’模型來一次提出多個詞元(token)，然后由較大的模型快速檢查或‘驗證’。簡而言之，這是一種減少調用昂貴的大模型次數的方法，而且不會顯著改變生成文本的質量或分布。”

歸根結底都是同一件事：機器人通過認知、物理或雙管齊下的方式協同工作。

在文章的其他部分，帕特爾還談到了“贏家通吃”的觀點。

帕特爾提出，考慮到上述變化，只有一個角色對公司仍有價值。沒錯，那就是首席執行官(CEO)。他寫道：“那么，在這個世界什么會變得昂貴呢？那些需要大量的測試時間計算的角色。CEO的職能也許是最明顯的例子。對谷歌來說，每年花費1000億美元為‘超級孫達爾’(孫達爾·皮柴為谷歌公司首席執行官——本報注)進行推理計算值得嗎？當然值得！只需考慮一下這會給你帶來什么：數百萬小時的戰略規劃、對不同五年軌跡進行的蒙特卡羅模擬、對每一行代碼和技術系統的深入分析，以及詳盡的情景規劃。”

想象一下“超級孫達爾”正在思考：“如果我們收購億貝公司來挑戰亞馬遜，美國聯邦貿易委員會會如何應對？讓我模擬一下未來三年的市場動態……啊，我看到了可能的結果。我只能再使用數據中心五分鐘——讓我評估1000種備選策略。”

帕特爾還引用了作家格溫·布蘭雯的話。后者談到了企業如何才能實現自我擴張：“為什么我們沒有看到卓越的公司自我克隆并占領所有細分市場？為什么企業進化結果不是現在所有公司都是50年前某一家公司的超高效后代，而所有其他公司都已破產或被收購？為什么公司很難讓其‘文化’保持完整并一直像創建初期那樣高效？或者如果無法避免‘衰老’的話，為什么不進行自我復制，或以其他方式繁殖，以創建像自己一樣的新公司？公司當然會經歷做適當選擇的過程，且彼此之間確實存在很大差異。問題似乎在于公司無法自我復制……組成公司的是人，而非可互換、易復制的小部件或脫氧核糖核酸鏈。”

同樣地，帕特爾引用了數學家約翰·馮諾伊曼的話：“我們將預測所有穩定的過程。我們將控制所有不穩定的過程。”帕特爾隨后說：“那么問題就來了：如果你可以按需為任何任務創建(AI代理)，為什么還要為另一家公司支付一定的加價？你本可以直接在內部復制它們。為什么還會存在其他公司？第一家能想出如何將一切自動化的公司會不會直接組成一個集團、接管整個經濟？”

他寫道，公司存在是為了降低交易成本。現實情況是，我們都需要更仔細地審視企業未來的遭遇。（編譯/張琳）