在社交網絡上看到同行這樣說：5年讀完的經濟學博士，現在有了人工智能（AI），根本不用花那麼多時間，也許一年就可以完成了。回想自己的博士論文，花的時間主要在編寫程式、把結果寫成文字（包括輸入麻煩的數學公式）。編寫程式的最大障礙，是消除大大小小的各種錯誤，以及反覆嘗試不同的方法。
如今有了人工智能，這篇博士論文的所有內容，相信不用一周就可以完成，而且會做得更好：程式一定寫得更乾淨利落，遣詞造句亦會更準確。當年付出的努力，今天看來真的冤枉。
AI普及 徹底改變遊戲規則
人工智能令研究變得輕鬆，這會否令讀博士的過程縮短？當然不會。回顧歷史，當經濟學的技術成本下降，結果只會令要求相應提升。
上世紀初，經濟學者面對數據往往要親力親為計算分析。沒有電腦，最簡單的迴歸分析，也要靠手動計算或機械計算機，等閒耗費數日甚至數星期的時間。以舒爾茨（Henry Schultz）二十年代的經典著作《供求的統計定律》為例，他分析美國糖價與交易量，以今天的眼光看來，用作學生練習也嫌簡單，但在那個年代已是頂尖的技術應用了。
翻看當時的實證研究，可以感受到技術局限下的掙扎：每一個分析成本都相當驚人，因此要思前想後，精挑細選才作決定。到了六十年代，電腦運算速度增加，統計軟件漸漸普及，遊戲規則就改變了。
簡單的迴歸分析，幾秒鐘就可以完成，再複雜的計量分析也可以處理。舒爾茨曾經是劃時代的計量方法，已成了基本要求，實證研究的博士論文，不能只有幾個迴歸分析，往往要有大量的結果，盡用計算資源去證明論點。這個發展一直維持到今天。單是比較現在的和廿年前的博士論文，也可以看出巨大的技術差別。當電腦愈強，博士課程沒有因而變得輕鬆，而是做的東西愈來愈刁鑽，規模更大。
分析技術零成本 創意更重要
相比統計軟件，人工智能是一個更誇張的技術進步。直至幾年之前，讀經濟學博士總要「多技旁身」，要熟習一些統計軟件，要懂得寫一些程式語言，因為只有這樣才能在技術上去到最盡。
現在這些學習成本，已降至近乎零：對某個統計軟件、程式語言一竅不通，只需要跟人工智能講清楚想做什麼，答案就出現了。相比與「人類語言」有關的題目，人工智能處理這些問題更為可靠，一個以往要花半日才寫好的程式，現在「溝通」幾分鐘就可以完成了。（順帶一提，當跟電腦「溝通」變得如此容易，統計軟件其實沒有太大的存在價值，遲早會被時代淘汰。）
除了數據分析，數學推導和寫作同樣變得容易。從假設推出結論，在人工智能從旁協助下，難度大減，人人都可以寫出似模似樣的數學模型。把研究結果寫成文字，更是易如反掌，人人都可以生產出句子通順、沒有錯處的英文。
當博士生可以用一周完成一篇完整的博士論文時，要求自然會相應提升。既然技術如此便宜，論文導師就會轉而對創意有更高的預期，要求做更複雜沒有人試過的東西，要求找出更意想不到的角度，要求解答學術上或實際上更重要的問題。
參與過無數的論文答辯，其中不少都是「技術表演」，經濟內容沒有什麼新意，但博士生花了九牛二虎之力去使用一些複雜無比的方法，以展示其專業訓練。寫出這種博士論文足夠畢業，甚至可以藉此找到不錯的工作，但這種以grunt work為主的寫法，今天已變得沒有意義了。
因此，當人人都可以用牛刀殺雞，要完成經濟學博士就要往其他方向努力，尤其是要花更多的心力在「度橋」之上了。
No comments:
Post a Comment