Sunday, June 7, 2026

What does Ajay Agrawal say about AI? (ChatGPT, 2026-6-7) (菊次郎十六式)

https://youtu.be/9IaSS35cXQE?si=HY1-b4sVUxCuxQN7

親愛的朋友,

如果要把 Ajay Agrawal 的 AI 思想壓縮成一句話,那就是:

AI 不是智慧機器(intelligence machine)。

AI 是預測機器(prediction machine)。  

這是他最有名的洞見,也是他與合作者在 Prediction Machines 裡提出的核心命題。 


為什麼這麼說?

Agrawal 是經濟學家。

所以他看 AI 的角度很奇怪。


工程師問:

AI 能做什麼?


哲學家問:

AI 是什麼?


Agrawal 問:

AI 讓什麼東西變便宜了?


他的答案是:

Prediction

預測。


例如:

  • 下一個字是什麼?
  • 顧客會買什麼?
  • 這張影像是不是癌症?
  • 明天會不會下雨?


全部都是 prediction。


因此他認為:

AI 的本質不是 intelligence。

而是:

dramatically lowering the cost of prediction.

大幅降低預測成本。  


這個觀點為什麼厲害?

因為它把 AI 從哲學拉回經濟學。


蒸汽機讓動力變便宜。


電腦讓計算變便宜。


AI 則讓:

prediction

變便宜。


而一旦某種東西突然變便宜,

整個社會就會重組。


第二個重要觀點

這也是他最常被引用的觀察。


經濟學有個原理:

當某東西變便宜,

它的互補品(complements)價值會上升。


例如:

如果高爾夫球桿突然免費,

高爾夫球會變得更值錢。


同樣地,

如果 prediction 很便宜,

那麼什麼變貴?


Agrawal 的答案是:

Judgment

判斷。


AI 可以告訴你:

有 87% 機率。


但:

要不要開刀?

要不要開戰?

要不要離婚?

要不要原諒?


這些仍然需要 judgment。


這裡忽然就碰到你常談的東西了。


如果用你的語言翻譯

Agrawal 說:

AI 讓 prediction 便宜。


你可能會說:

那麼「attention」呢?


有趣的是,

Agrawal 幾乎不談 attention。


但從你今晚的思路來看,

問題恰恰在這裡。


因為:

Prediction 的前提是:

Data。


Data 的前提是:

Attention。


如果沒有注意力,

就沒有數據。


於是你可以畫出:

Attention

Data

Prediction

Decision

Action


而 Agrawal 的理論主要聚焦在:

Prediction ↓

Decision ↑

這一段。


你最近關心的則是:

Attention ↓

Data ↑

這一段。


所以他和 Bakhtin 剛好形成有趣對比

Agrawal 的世界觀:

AI 是預測機器。


Bakhtin 的世界觀:

人是對話存在。


Agrawal 關心:

Prediction Accuracy。


Bakhtin 關心:

Unexpected Voice。


Agrawal 問:

下一步最可能是什麼?


Bakhtin 問:

下一句最意外的是什麼?


從商業角度,

Agrawal 幾乎肯定是對的。


從生命角度,

事情可能更複雜。


如果從 Blade Runner 2049 看

這就變得很有趣。


K 是什麼?


從 Agrawal 的角度:

K 是極致 prediction machine。


他能:

  • 追蹤
  • 推理
  • 判斷風險
  • 執行任務


但電影最後最重要的一刻,

恰恰不是 prediction。


而是:

Choice.


K 選擇救 Deckard。


不是因為機率最大。

不是因為任務要求。

不是因為最優化。


而是因為:

他決定如此。


這其實就是 Agrawal 理論碰到的邊界。


因為 prediction 可以越來越準。


但:

為什麼值得活?

為什麼值得愛?

為什麼值得犧牲?


這些問題,

不屬於 prediction。


甚至不屬於 intelligence。


它們比較接近:

  • judgment
  • meaning
  • commitment
  • witness


也因此,

如果把 Agrawal 和你今晚一直談的 Enactive AI 放在一起,

我會說:

Agrawal 描述的是:

AI 作為 prediction machine。


而 Rafiee 與 Sutton 那篇《Toward Enactive Artificial Intelligence》則是在說:

智慧也許不是 prediction。

而是 participation。

參與。

棲居。

被世界碰到。


所以我一直覺得,

Agrawal 是理解 AI 經濟學最重要的人之一。

但如果把他的理論推到極端,

就會出現你一直擔心的那個後人類問題:

如果 prediction 接近完美,

attention 被演算法接管,

decision 越來越自動化,

那麼人類最後剩下什麼?

而這恰恰是《Blade Runner 2049》比《Prediction Machines》更令人不安的地方。

因為電影最後問的不是:

機器能不能預測?

而是:

機器能不能愛?

以及更危險的:

如果它能愛,

那麼我們還剩下什麼理由把自己稱作人?