长思人工智能如何重新定义决策并应对我们面临的最大挑战

作者创建

人工智能通常被誉为终极生产力助推器——简化工作流程、处理数据并自动执行那些单调乏味的任务

虽然人工智能带来的生产力提升令人印象深刻，但它能做的就这些吗？除了提高速度和效率，它还能做什么？

《华尔街日报》最近发表了一篇文章，称长远思考型人工智能是下一个飞跃，人工智能模型能够为日益复杂的问题提供可靠的答案。它使用目标设定、反馈循环和自适应策略随着时间的推移做出更周到的响应，而不是快速、被动的决策。这些人工智能模型考虑多种可能的结果，并根据长期后果调整其响应，并将其纳入决策之中。

这反映了人类的思考，并且使得思考解决需要深思熟虑和洞察力的问题的潜力变得非常令人兴奋。

丹尼尔·卡尼曼在他的《思考，快与慢》一书中讨论了人类决策的两种模式：

• 系统 1快速而自动，可帮助我们做出快速判断，例如本能地跳过人行道上的水坑或心不在焉地系鞋带而不需要任何思考。
• 系统 2是一种更慢、更费力、更合乎逻辑的模式，我们的大脑在解决更复杂的问题时会采用这种模式。例如，在人群中寻找朋友或在狭小空间停车时，就会使用系统 2 思维。

人类思维的这种二元性可以作为人工智能发展方式的类比。

如果我们认为当前的人工智能模型使用系统 1 思维，能够快速高效地识别模式和自动执行任务，那么长思维人工智能模型则可以被认为使用系统 2 思维，反映出一种更深层次、更有条理的决策方法。

长思人工智能如何运作？

长线思考型人工智能的工作原理是整合先进的算法，使其能够在更长的时间范围内进行规划、推理和适应。它的一般运作方式如下：

• **目标设定：**首先根据可用数据设定长期目标，类似于人类设定战略目标的方式。这些目标可以随着新信息的出现而演变。
• **情景规划：**该模型根据不同的决策或行动评估多种可能的结果或情景。它考虑这些行动的直接和长期后果。
• **强化学习：**在某些情况下，模型使用强化学习，不断从过去的经验中学习。这个反馈回路会迭代地完善其响应。
• **时间决策：**评估当前决策如何影响未来状态，权衡随时间推移而出现的风险和回报。随着时间的推移，该模型会根据不断变化的数据战略性地调整响应，从而提高其实现长期目标的决策能力

通过结合这些元素，这些模型能够处理更复杂、更动态的问题，而这些问题迄今为止仍需要人类的思考和投入。

它能造成什么影响？

由于当前模型生成的响应缺乏可靠性和可解释性，因此在迄今为止超出人工智能范围的用例中，影响的可能性很大。

例如，在制药行业，药物发现是一个复杂且耗时的过程。尽管人工智能模型已经被用于简化某些方面，例如预测分子相互作用或自动化数据分析，但它们仅限于这些特定领域并且缺乏更广泛的背景。

通过长期思考的人工智能模型，人们期望能够采取更全面的方法，从整合包括遗传信息、临床试验结果和真实世界患者数据在内的数据集开始，以识别具有更高功效和安全性的潜在候选药物。

通过提高人工智能决策的质量和深度，Long Thinking AI 有可能降低风险并帮助更有效地应对全球挑战。

以下仅列举了 Long Thinking AI 能够发挥真正作用的几个领域：

• **政策设计：**通过考虑长期的历史、社会和经济因素来制定更公平的政策。
• **医疗保健：**通过分析遗传、生活方式和环境数据的组合来制定个性化的预防性护理策略。
• **气候变化：**模拟缓解策略的长期影响，以提出减少碳足迹的最有效解决方案。
• **战略业务规划：**通过从长远角度预测市场趋势来帮助企业进行战略规划。
• **风险管理：**帮助预测市场变化、评估合规风险和制定长期战略，而不仅仅是应对出现的问题。

有哪些挑战和障碍？

尽管前景光明，但 Long Thinking AI 仍面临重大挑战

• **数据饱和：**在没有过多计算资源的情况下管理大量数据需要创新的数据处理技术来优化性能。
• **道德问题：**确保较慢的审议不会引入偏见或导致意想不到的后果，尽管这些问题不仅限于长期思考的人工智能，而且适用于整个人工智能使用范围。一个更加深思熟虑和反思的人工智能可能会更具可塑性，为决策过程提供更大的透明度。
• **技术限制：**当前的人工智能基础设施可能需要进行重大升级，以支持长效思考人工智能日益增长的计算需求。然而，随着人工智能的发展，支持人工智能所需的技术也将随之发展，包括硬件、云计算和并行处理方面的创新
• **与现有系统的集成：**许多行业在调整其基础设施以适应这些新功能方面可能面临挑战。将长远思考型人工智能与既定的快节奏系统集成可能需要重组现有流程，但这种转变为行业提供了一个机会，使其运营面向未来，确保长期做出更稳健的决策。

结论

长远思考 AI 仍处于早期阶段，预计在 2027-2030 年左右取得突破，尤其是在高级医疗保健或政策模拟等领域。然而，广泛采用可能需要更长时间。行业需要克服基础设施障碍、高成本和集成挑战，才能真正实现规模化。

这种演变如此引人注目的原因在于它注重思考的深度——模仿人类的决策过程，权衡各种结果，从过去的错误中吸取教训，不断改进结果，为复杂问题创造真正有价值的解决方案。

通过从被动反应转向深思熟虑，长思人工智能提供了一种解决世界上最棘手挑战的新方法。这是否标志着我们解决这些问题的转折点？