这本《权力与预测》为我们剖析了人工智能在预测领域的广泛应用，及其所带来的社会和经济影响。该书不仅揭示了人工智能如何悄然改变我们的决策与预测方式，更提醒我们在面对技术变革时，需做好自身准备与适应。随着科技的飞速发展，人工智能在多个领域展现出颠覆性的潜力。无论是金融、制药还是汽车、医疗等行业，人工智能的崛起正引发一系列深刻的行业变革。这些变革不仅重塑产业格局，更对人类社会产生深远影响，从个人生活到企业运营，从微观决策到宏观规划，人工智能均发挥着日益重要的作用。尽管人工智能带来了前所未有的可能性，但经济学原理依然是我们分析和预测其影响的重要基础。现代人工智能的进步在很大程度上源于预测技术的提升，而预测服务于决策时方能体现其最大价值。这提醒我们，在应用人工智能技术时，需注重其实际应用效果，而非单纯追求技术先进性。然而，目前我们所拥有的 AI 主要依赖于统计技术的进步，而非具备独立思考能力。这意味着，尽管 AI 在某些方面可能超越人类，但它仍无法完全替代人类的决策和预测能力。因此，在利用人工智能的同时，我们仍需保持对人类智慧的信任和依赖。值得注意的是，人工智能在新冠疫情中的表现并未达到预期中的 “神奇” 效果。这并非技术本身的问题，而是我们尚未充分准备好利用这一技术。这提示我们，在应用人工智能产品时，需从整个系统层面进行考虑，确保人工智能能够更好地服务于我们的决策和预测需求。对于企业而言，应用人工智能技术同样需要进行深入思考和充分准备。新的商业模式和业务流程需要重新规划和设计，以适应人工智能带来的变革。在此过程中，决策是关键，而人工智能能够显著提升我们的决策能力。然而，我们也需清醒认识到人工智能的局限性和潜在风险，避免盲目追求技术而忽视实际应用效果。书中强调建立系统性人工智能应用的重要性，这要求我们深入检查整个系统，了解人工智能如何促进系统向更好的方向发展。通过系统性的思考方式，我们可以发现更多机会和可能性，让人工智能在更多领域发挥更大作用。此外，随着 AI 预测能力的增强，传统决策者的地位受到挑战，权力开始从人类手中转移到掌握 AI 技术的人手中。这引发了对数据隐私、算法偏见以及 AI 伦理等问题的关注。如何在享受 AI 便利的同时确保决策的公正性和合理性，消除歧视和减少偏见，成为我们面临的重要课题。在人工智能的推动下，决策过程逐渐从依赖人类经验转向依赖数据和算法。这种转变使决策更加客观、高效，但同时也带来了对决策透明度和可解释性的挑战。因此，我们需要在利用 AI 的同时，不断提升决策过程的透明度和可解释性，确保决策的公正性和合理性。综上所述，本书为我们提供了深入理解人工智能在预测和决策领域应用的宝贵视角。面对技术变革的挑战与机遇，我们需要保持清醒的头脑和开放的心态，不断提升自身适应能力和创新能力，以更好地应对未来的挑战。

我们对人工智能商业化有十足的信心。可以说，我们是这个课题的世界级专家。我们撰写了一本畅销书，探讨了人工智能经济学；我们发表了大量关于该课题的学术文章和管理学论文；我们正在合作编写《人工智能经济学：议程》，该书将成为该领域博士生的参考书；我们创立了一个人工智能商业化项目，据我们所知，这是全球人工智能公司最集中的项目；我们在世界各地向企业和政府领导人发表演讲；我们还在多个与人工智能相关的政策委员会、工作组和圆桌会议上担任职务。

我们会选择最有可能以最低成本为组织做出最有利决策的人或团队，这就是决策效率。其中，有四个主要因素需要考虑。一是信息：谁可以获得做出决策所需的信息，或者谁应该被赋予这样的信息。二是技能：谁拥有做出决策所需的技能和专业知识。三是激励机制：谁的激励机制与组织在这个特定决策上的利益最为一致。四是协调：如果决策影响到组织的多个部分，那么谁拥有所需跨组织的权威、信息和激励机制，能够做出最符合组织整体利益的决策。

我们对预测机器的潜在性过于关注，而忽略了实际商业部署的可能性。虽然我们一直关注人工智能本身的经济属性 —— 降低预测成本，但低估了构建人工智能新系统的经济学。如果当时我们能更好地明白这一点，就不会去评估最先进机器学习模型的生产情况，而会去调查专注于预测问题的应用程序领域，因为这些应用程序将被嵌入机器预测的系统中，而无须取代人类的预测。我们会寻找已经雇用了大量数据科学家的企业，它们已经将预测分析整合到组织的工作流程中。我们很快就会发现，机器预测在金融机构中的应用最为普遍，因为它们雇用了大量数据科学家来预测金融交易中的欺诈、洗钱、不遵守制裁和其他犯罪行为。然后，我们将寻找那些正在采用人工智能最新技术来解决这些问题的小公司。我们会发现，当时加拿大只有少数几家这样的公司，其中一家名为 Verafin，总部位于纽芬兰省的圣约翰斯市。我们意识到，是时候再思考一下人工智能经济学了。Verafin 的方法遵循了《AI 极简经济学》中的指南，这并不奇怪。但不太合理的是，为什么许多其他应用程序需要花费更长时间来大规模部署呢？我们不仅要思考技术本身的经济学，还要思考技术运行的系统。我们必须了解，是什么经济力量导致人工智能在银行业的自动欺诈检测和电子商务的产品推荐方面被迅速采用，而在保险业的自动核保和制药业的药物发现方面，被采用的速度却如此缓慢。

和生成式 AI 结合后将会有更大的想象空间。