任何对人工智能及经济分析兼感兴趣的读者，都应该会阅读过《AI极简经济学》。

人工智能的核心是什么？按英文原著的书名《Prediction Machines:The Simple Economics of AI》，我们可以看出端倪，3位加拿大经济学家，把人工智能的技术演变归纳为不断改善的机器预测能力。

预测能力一旦突破某临界点，人工智能就会如风行一般，极大地改变我们的工作及生活，重塑行业的运作形态。

同样的3位作者，即阿杰伊·阿格拉沃尔（Ajay Agrawal）、乔舒亚·甘斯（Joshua Gans）及阿维·戈德法布（Avi Goldfarb），在最新出版的《Power and Prediction:The Disruptive Economics of AI》（如无意外，中译本就会命名为《AI颠覆经济学》吧）一书中，引述了某家提供音乐串流服务的平台有关于“人工智能为机器预测能力”的观察，刻画生动，一语中的：

“机器学习的预测准确度，犹如收音机上的频率旋钮。一旦微调到位--正如人工智能的预测足够准确--事情就会发生。到时你就不得不按照机器学习的逻辑，来重思整体的商业营运及生产模式。

“随着预测准确性的改进，我们从用户必须耗时自行挑选播放列表到平台可根据用户喜好，主动提供每周播放列表，让用户收藏。至于未来（一旦突破临界点），用户根本不需要播放列表（因为机器学习知道你想听什么，不想听什么）。”

能够估中市场变化

产品到消费即出现

换言之，整个生产-运输-销售的模式，就会从“先买后送、生产跟上”，演变到“先产后送、消费贴上”，因为人工智能已能完全估中市场需求所在及变化，在需求还没产生以前，生产及运输就能先完成，产品一到，消费随即出现，所以也就没有库存过少或过多的问题。

依照这一套科技演进及商业化的思维逻辑，无论是商业或国家政策的层面来看，策略焦点及资源分配，自然而然就会落在发展人工智能技术的努力上，把人工智能行业，当成新的增长领域来看待，致力引进外资、培养本土公司及人才，并以创造独角兽为终极目标。

投入的力度越大，人工智能（通指机器学习、深度学习、大数据、神经网络、云端计算等）生态系统越能壮大，突破临界点的可能性就越高。

这三位作者多年来也如此以为，并言行一致，深耕人工智能的学术发展、商业化及政策领域。然而，有趣的是，在最新著作中，他们却承认犯错了。

错误的起源在于，当他们以为首个AI独角兽应该会出现在投入力度最大的蒙特利尔、多伦多或埃德蒙顿，结果却是一家来自于人口不足50万人、远离人工智能生态圈的偏远小镇的黑马。

就此他们做了个很重要的推论，那就是我们正处于两个时间点之间，即目睹人工智能技术的可能性以后，及广泛性采用的可行性以前。

通用技术各行受惠

人工智能科技与过往重工业科技最大的差别，就在于后者系特定行业的技术，其他行业难以复制或使用，但前者属于通用技术，各行各业皆可受惠。

举个简单的例子，汽车燃料技术或集成电路技术与银行业务无关，生态系统各自发展，鲜有叠加。但人工智能生态体系的成功与否，靠的不仅是人工智能科技生产面的参与方，更涵盖了各行各业的使用方。

3作者认为，我们过度聚焦人工智能科技的可能性，却忽略了实际商业部署及运用的可行性，低估了创造一个可以容许人工智能发挥功效的新商业营运的重要性。

回头看大马经济转型所需，我认为此番省思也恰当地成为了马来西亚工业升级的借鉴。

到底我们应该一如既往地把国家资源，大量地投放在发展新增长领域，还是更着力于推动各行各业朝向以人工智能为基础的商业部署，那将是个无法回避的选择。