引语经过轻度编辑，以精简篇幅并提高清晰度。
人工智能造福人类的承诺能否兑现？什么可能阻碍其兑现？
历史学家兼经济学家卡尔-贝内迪克特·弗雷与论坛讨论了变革的速度、人工智能的“规模化时代”为何正在终结，以及未来的历史学家可能如何评价这一时期。
论坛的Radio Davos播客，探讨世界上一些最重大的问题及其可能的解决方案。
人工智能有望开启进步的新纪元，但这将如何以及何时实现？
历史学家兼经济学家、牛津大学迪特尔·施瓦茨人工智能与工作讲席副教授卡尔-贝内迪克特·弗雷认为，答案不在于技术本身。创新与制度对于人工智能充分发挥其潜力至关重要。
以下是他在接受论坛采访时就变革速度、我们为何正接近“规模化时代”的终点，以及未来的历史学家可能如何回顾我们所处时代的观点。
回答经过编辑，以提高清晰度。
当技术变革的速度超过制度的适应能力时会发生什么？我们在人工智能领域是否已经看到了这种情况的早期迹象？
技术并非唯一重要的因素，制度与激励机制同样重要。例如，在学术界，激励机制是“不发表就出局”。因此，学者们往往会在任何时候同时推进多个项目。借助强大的新型生产力工具，人们既可以做更多的事情，也可以利用该工具更深入地钻研。而证据表明，我们选择了做更多的事情。这意味着我们的注意力被分散到更多项目中，因而在任何特定领域中突破边界、取得突破性进展的可能性降低。我们需要解决制度层面的挑战，才能实现人工智能的生产力潜力。
当未来的历史学家回顾我们当下所处的这一时期时，他们可能会怎么说？
过去十年间，我们在人工智能领域看到的是一个规模化时代，即通过更多数据和算力来扩展现有方法。这一范式正逐渐走向终结，我们需要新的思路来推动人工智能发展。以围棋（[棋类游戏]）为例。大多数人知道，[谷歌DeepMind的人工智能程序]AlphaGo早在2016年就击败了世界冠军。鲜为人知的是，普通计算机上的人类业余棋手后来通过让围棋程序遭遇训练中未曾出现的棋局，击败了最强的围棋程序。这表明，即便机器达到了超人水平的表现，当环境发生变化时，我们也无法确定这些算法能否有效运行。而世界时刻都在变化。因此，未来我们需要的是更具韧性的人工智能，使其更善于泛化至新的环境和未见过的情境。而这将需要更多的创新与研究。
那么，我们是否需要从规模化时代转向创造性时代？
我们需要一种新的研究范式，因为我们需要新的思路。人工智能的未来是否就是大语言模型，远未明确。它也可能是小语言模型，可能是符号人工智能，也可能是大语言模型与符号人工智能的融合，或者是其他某种形式。要探索这些发展路径，我们需要一种新的研究范式，并且需要更加去中心化。
这对世界各国和各地区可能意味着什么？
我们生活在一个日益分化的世界中，这是一个重大转变。回顾战后时期，全球增长在很大程度上依赖于美国的技术。美国基本上向全世界输出了大规模生产体系，并且在很大程度上是通过马歇尔计划，例如援助欧洲。如今我们所处的情况已大不相同，因为美国对自由流通的技术兴趣明显降低。如果欧洲无法依赖美国作为合作伙伴，它将需要发展自己的技术。我认为，在世界许多过去依赖追赶式增长、采用他国发明技术的地区，都会看到这种情况。这些地区现在将不得不转向更加以创新为主导的发展模式。
论坛如何帮助领导者理解人工智能并共同推进负责任的创新
人工智能卓越中心汇聚各行业领导者，共同理解人工智能快速演进及其对经济和社会的影响。该中心支持围绕人工智能应用相关的机遇、风险和权衡取舍开展有依据的对话。
该中心通过值得信赖的交流空间和合作倡议，帮助合作伙伴建立共同理解，并携手推进负责任的人工智能创新与应用。
一项新技术的发展轨迹一旦变得清晰，社会需要多长时间才能纠正方向？
回顾第一次工业革命，工厂制度的益处花了数十年才逐步惠及更广泛的人群。当然，那时的英国无论如何都算不上民主国家。如今，在已建立民主制度的社会中，自我纠正的机制更多。我们在美国镀金时代（19世纪70年代末至20世纪初）就看到了这一点：当时公众联合起来反对日益增长的科技垄断，系统性政治腐败暴露无遗，进而催生了《彭德尔顿法》和基于功绩制的公务员制度。随后，这一基于功绩制的公务员制度又通过《谢尔曼反托拉斯法》等手段对美国的垄断企业进行监管。这一过程持续了几十年，这也正是此类纠正往往需要的时间。我只希望在人工智能领域，这一过程能快得多。
那么，对于那些可能正在竞相部署该技术以追赶发展的新兴经济体而言，什么才是正确的策略？
实际上，我对发展中和新兴经济体更为乐观，因为我认为，就当前形式而言，人工智能降低了知识型工作的准入门槛。这有点像出租车服务中引入GPS技术：知道纽约或北京每一条街道的名称，不再是一项十分有价值的技能。新企业可以借助数字平台进入市场，使供需相互匹配。我们还看到，人工智能正在减少语言障碍所带来的问题。历史上，大多数贸易和服务都局限于英语国家。但借助机器翻译，更多国家可以参与服务贸易。因此，我认为新兴经济体追求服务驱动型增长存在真正的机遇。这并不意味着它们会自动实现追赶，但我认为这为低收入国家提供了一个新的机遇。
这需要怎样的制度灵活性？是否需要去中心化的模式？
要实现这一点，不一定需要处于技术前沿。这与我们在制造业中看到的情况类似：汽车产业最初在底特律兴起，随后扩散到西方的多个地区，最终转移到劳动力成本较低的地区，例如中国。这一转移使8亿人摆脱了贫困，而我们现在或许会看到人工智能在服务业中引发类似的转变。
最后，您如何看待人工智能的能源使用？
回顾第一次工业革命与蒸汽机的发展，我们之所以将蒸汽机与詹姆斯·瓦特联系在一起，是因为他首次使其具备了能源效率。人工智能仍在等待这样的时刻。由于人工智能基础设施吸引了大量资本流入，我们才得以支撑规模化发展。未来的模型需要更像人类一样，在能源和数据上更加高效，能够从少量示例中学习。因此，如果流入人工智能行业的资本放缓，企业很可能会更加专注于数据、算力效率和节能型人工智能，最终使能源相较于当今以规模化为驱动的范式而言，不再那么成为瓶颈。
