解读混沌：为何复杂性经济学能为当今的人工智能投资带来启示

你可以在她的 Substack 这里关注 Cecilia Dones 博士，或在 LinkedIn 与她联系。

随着人工智能稳步从承诺走向无处不在的现实，它对经济以及投资者理解风险的方式产生的影响愈发复杂。虽然我本人并非投资者，但我深耕于人工智能领域，出于对其成熟过程如何重塑人们在社会中的认知、互动和决策方式的强烈好奇。我提出这一观点，并非为了预测市场，而是为了强调复杂性经济学如何帮助我们察觉并应对那些更为微妙的动态变化。这一点在人工智能重塑我们假设的当下尤为重要。

 

背景与历史：复杂性经济学的成熟

传统经济学往往聚焦于代表性个体和均衡状态。但在过去几十年里，一群试图借鉴计算机科学、物理学和行为科学洞见的研究者，将复杂性研究推到了前台。

像 J. Doyne Farmer 这样的思想领袖，在其新书《理解混沌：为更美好世界打造更优经济学》中，综合了多年的研究成果，并有力地论证了经济更像是一个充满多样化参与者、网络效应和不可预测反馈循环的生命系统，而非一台机器。

复杂性经济学的一个关键洞见是初始条件的巨大影响。在复杂系统中，起点上的细微差异——例如谁能最早接触一项技术，或数据集是如何构建的——都可能滚雪球般演变成重大且有时不可逆转的后果。随着人工智能平台的成熟并渗透到不同领域，这些早期的选择和分配至关重要，往往会在未来多年塑造竞争格局、监管应对以及社会采纳模式。

为何是现在？人工智能的成熟与风险的转变

人工智能的日益成熟正成为各个层面决策过程中的基础组成部分。这一转变为投资者带来了新的问题。挑战不在于风险本身的存在——投资者一向对风险保持敏感——而在于难以追踪风险在高度互联的系统中如何流动、相互作用，并有时被放大。

对共享人工智能基础设施的广泛依赖、少数主导性平台的存在，以及快速反馈与传播的可能性，意味着微小的冲击也可能在投资组合和行业间引发连锁反应。这些特征反映了复杂性经济学试图理解的复杂、非线性行为，对于评估系统性风险的人来说尤为重要。

更广泛的社会影响

随着人工智能的成熟，受影响的不仅仅是金融系统。人们感知信息的方式、与平台互动的方式，甚至彼此之间的关系都在发生变化。人工智能驱动模型的透明度、问责性和偏见，在经济、社会和伦理等多个维度都带来影响。这些涟漪效应远远超出投资回报，影响着公众对机构的信任，并塑造着权力关系。

应对复杂性的反思性问题

为了让系统性相互依存关系和伦理维度更加清晰，我建议参考一些源自复杂性经济学以及人工智能研究人员和政策思想家持续讨论的问题：

系统性相互依存

• 技术部署中的早期细微选择如何塑造长期的采用与竞争格局？
• 在各项投资中，共享平台、数据源或供应链之间隐藏的重叠点或依赖关系在哪里？
• 小规模冲击是否可能以不可预测的方式传播，通过网络放大风险，而不是局限于孤立事件？

伦理与社会考量

• 在人工智能系统的开发和使用过程中，是否具备透明度和问责机制？
• 在我关注的领域中，谁从人工智能的采用中获益最多，谁获益最少？
• 是否已建立机制来应对并从意外的偏见、错误或社会危害中汲取经验？

韧性与灵活性

• 面对新数据和不断变化的趋势，我多久会重新审视自己对技术或市场的假设？
• 我所支持的投资或平台中，是否有持续学习、适应和伦理审查的机制？

深入探究的邀请

正如复杂性经济学所揭示的——以及 Farmer 在 《理解混沌》 一书中的研究所展示的——塑造经济和社会的模式是动态的、依赖条件的，并且常常出人意料。初始条件很重要。系统性关联很重要。随着人工智能的成熟，我们必须提出关于风险、价值和影响的问题也在不断演变。

我希望无论你是投资者，还是仅仅是人工智能驱动世界中的一名参与者，这一视角都能促使你更深入地探究，不仅是可能会发生什么，更是为什么会发生。我们今天对技术所做的选择，将影响我们未来的可能性。