3月27日，諾貝爾經濟學獎得主、認知心理學家丹尼爾·卡尼曼（Daniel Kahneman）去世，享年90歲。
您沒有看錯——丹尼爾·卡尼曼是一位獲得了經濟學獎的心理學家。他將心理學視角引入經濟學研究，行爲經濟學由此奠基。
卡尼曼並不贊同傳統經濟學中對于“理性人”的假設，認爲人的行爲很多時候都是非理性的。他的核心思想和觀點，大多都凝練在了《思考，快與慢》這本書中。
書名《思考，快與慢》直白地道出了本書的主旨，即大腦的運行可以想象成兩個組成部分或者兩套系統的結合。卡尼曼參照心理學文獻術語，把這兩套系統分別命名爲“系統1”和“系統2”，前者憑借直覺行事，速度較快；後者依靠反思行事，速度較慢。
“系統1”的運作根本不需要依靠我們平時常說的那種“思考”。比如，有一顆球朝你飛過來，你的身體會自然而然地躲開它，甚至在你的大腦反應過來之前。
腦科學家認爲，這個過程涉及了複雜的神經科學問題，它與人腦中最古老的一部分關系密切，並且貫穿于人類進化的全過程。畢竟，在原始社會，人類生活在充滿危險的複雜環境中。若是遇到一只老虎，停下來思考就是等死，管他三七二十一“先跑爲敬”無疑更有助于生存。
“系統2”是反思式的。相比于“系統1”，它很懶惰，非必要不啓動；而且很低效，總得花點時間才能發揮作用。但毫無疑問的是，它精妙得多，能解決的問題也複雜得多。
比如，如果有人問“411乘以317等于多少”，我們就會用到“系統2”；又比如，同樣是坐飛機時遇到強勁氣流，“系統1”會“說”，“飛機抖得厲害，嚇死寶寶了”，“系統2”會“反駁”，“墜機是極其罕見的，淡定！”這就是爲什麽在同樣的情境下，我們會看到有些人慌亂得厲害，有些人則冷靜得多。其中的關鍵在于，不同的人對于“系統1”與“系統2”的依賴程度不同。
“系統1”經常是無意識的，它依靠情感、記憶和經驗作出判斷，見聞廣博，但也很沖動，容易上當。有意識的“系統2”需要通過調動注意力來分析和解決問題，它雖然正確率更高，但需要“系統1”主動求教才能被“激活”。否則，它的反應通常都是靜靜躲在一邊，假裝自己不存在。
這也是卡尼曼並不認可經濟學中“理性人”假設的原因。在教科書裏，“理性人”在做決策時總是會依賴“系統2”。但在現實生活中，人們經常會依據“系統1”的指示行事，即便有充裕的時間也是如此。
要想讓“系統2”更好發揮作用，需要集中注意力。比如，在繁忙的火車站等朋友，若是刻意尋找，即使隔著一段距離你也很可能一眼看到他，即便你們已經很久沒見；但若一邊看小說一邊等待，大概率只能等著朋友找到你。
進一步說，人的注意力是有限的。如果你將注意力分一點出來給別的事情，還可以勉強接受；但若將其過度分散到其他事情上，則很容易導致失敗。理解了這一點就能明白，爲什麽同時做好幾件費腦子的工作很難，甚至是不可能的。就如同，絕大部分人都不能一邊在上下班高峰左轉駛入一條有很多行人的複雜線路，一邊心算“411乘以317等于多少”這道乘法題。
反過來說，如果人們足夠專注，就能屏蔽掉其他事情。在一本名爲《看不見的大猩猩》的書中，克裏斯托弗·查布裏斯和丹尼爾·西蒙斯兩位作者提供了一個極具戲劇性的證明。他們設計了一部兩隊傳籃球的短片，其中一隊穿的是白色球衣，另一隊穿的是黑色球衣。
觀看短片的人需要數出白衣球隊的傳球次數，忽略掉另一隊傳的球。顯然，這個任務需要注意力高度集中。短片播到一半時，一名套著大猩猩服裝的女性出現了，她穿過球場，捶著胸，然後繼續走動。這只“猩猩”出現了9秒鐘。
最終的統計結果是，上萬人看了這部短片，但其中約有一半人並未注意到異常。可以想見，若是把專注這項“技能”運用到工作中，無論是嘈雜的辦公室還是吵鬧的鄰居，都不會對你産生任何影響。
卡尼曼另一個有趣的觀點是，“系統2”可以通過反複訓練，進化成“系統1”。大多數頂級運動員都是這一“進化論”的成功實踐者。
頂級運動員經常會有令人驚歎的表現，有時候是一腳匪夷所思的進球，有時候是一組超乎想象的躲閃。即便事後你問這些運動員“當時是怎麽想的”，他們大概也只會回答“覺得就該這樣做”，如果他們夠坦誠的話。這就是“系統2”進化爲“系統1”後的“條件反射”。
換言之，任何人、任何工作，要達到卓越的程度，“練”就是了。寫稿寫不好，就沒完沒了地寫；打球打不好，就沒完沒了地打。總有一天，你的“系統2”會進化爲“系統1”，技能變本能。 ---（文源：經濟日報/ 作者：肖 瀚）
*AI與能源*
鑒于地球上已知的化石能源根本不可能滿足未來AI的能源需求，“新能源能力”將成爲除科技外另一把“掌握未來算力的關鍵鑰匙”，核能和光伏或將成爲破局的兩大關鍵。
2022年出現的ChatGPT驚豔全球，今年，主角咖位被Sora取代。業界預測，快則2年，慢則8年，真正意義上的人工通用智能（AGI）就會實現。
隨著AI浪頭揚起，其所帶來的能源壓力也受到關注。OpenAI首席執行官薩姆·奧爾特曼日前公開表示，人工智能行業正在走向能源危機。他警告說：“下一波生成式人工智能系統消耗的電力將遠遠超出預期，現有能源系統將難以應對。”
AI的“盡頭”是能源嗎？
衆所周知，AI拼的是算力。而要提高算力水平有兩個途徑，其一是提高芯片等硬科技水平，其二便是以大量數據“喂養”算法，助其快快長大。而要實現後者，穩定持續的電力供應必不可少。
事實上，現階段就開始擔憂AI能源供給並不是杞人憂天。
今年以來，僅ChatGPT每月消耗的電力就相當于約30萬中國家庭一個月的用電量，而且這一數據隨著ChatGPT的叠代還在迅速上升。
賓夕法尼亞大學的研究也顯示，2018年，計算機只用掉了全球不到2%的電力；但今天，這個比重已增長至10%；預計到2030年，計算機將會消耗全球五分之一的電力。
那麽，未來的算力會需要多少能源呢？多位業內專家預測，至少需要消耗“地球已知化石能源儲量的兩倍”。據美媒報道，有專家甚至表示，它會“燒掉14個地球”。
就此，專家紛紛建言獻策。大家共同的觀點是，鑒于化石能源根本不可能滿足AI的需求，“新能源能力”將成爲除科技以外另一把“掌握未來算力的關鍵鑰匙”。
目前最具可行性的能源“鑰匙”有望出現在兩個領域。
第一個是核能。福島核事故後，全球核能何去何從成爲各方關注的焦點。盡管多國政府事實上仍在發展核能，但面對公衆的時候普遍表現得比較低調。原因無他，怕引發公衆的恐慌情緒。
事實上，最近半個多世紀以來，核能一直作爲一種便宜清潔的能源在全球範圍內發展。目前，核能提供了全球13.8%的電力供應，大多數核電站都分布在發達國家。同時，因爲核電站不産生二氧化碳，發展核能也被視爲應對氣候變化的一種有效方法。
最近核能領域還傳來了一個好消息，即有“人造太陽”之稱的可控核聚變技術取得了新進展。此前，核電的技術原理基本都基于核裂變。該技術很早就取得了突破，但安全性不高，歷史上幾次核災難本質上都是核裂變惹的禍。
核聚變則不然，可控二字就是其本質特征，只不過目前其研究尚處于實驗室階段，成本和效率問題都亟待破解，距離商用尚有不小的距離。不過，從去年以來，海內外核聚變研究紛紛取得突破，“人造太陽”離照亮人類未來越來越近。
第二個是光伏。從産業規模角度看，2022年全球新增光伏裝機量預計爲230吉瓦，同比增長35.3%，拉動光伏産業鏈制造端産能進一步擴大。從生産布局角度看，中國大陸依然是産能最大聚集地，矽片産能占全球矽片總産能的比重高達98%，電池片産能占比超過85%，組件産能占比約爲77%。從國別（地區）角度看，歐洲的發展前景比較樂觀。
2022年，歐盟新增光伏裝機量41.4吉瓦，同比漲幅接近50%，預計2026年光伏年新增裝機量將接近120吉瓦。此外巴西光伏裝機量達到22吉瓦，新增9.0吉瓦，新增裝機量同比大幅增長73.3%；印度新增裝機量達到13.96吉瓦，同比增長近40%。比較“掉鏈子”的是美國。美國光伏市場是爲數不多出現衰退的市場，由于對華貿易限制阻礙了光伏設備中關鍵的低成本零配件和材料進口，2022年美國光伏新增裝機量同比降低23%。
當然，談論光伏産業就不能不談儲能。對于天然具有發電間歇性特點的新能源來說，找到一個中間體或關鍵樞紐完成能量存儲至關重要。如果沒有儲能系統的參與，新能源就會陷入供應與使用不“合拍”、時間與空間不連續的尴尬境地，自然也無法發揮最大效能。從這個意義上講，發展儲能的重要性不亞于發展新能源産業本身。 ---（文源：經濟日報/ 作者：江子揚）
