## 重新平衡人工智能发展之路

## Source details

**Canonical URL:** [重新平衡人工智能发展之路](https://www.imf.org/zh/publications/fandd/issues/2023/12/rebalancing-ai-acemoglu-johnson)

## Other formats

- [Markdown version](/zh/publications/fandd/issues/2023/12/rebalancing-ai-acemoglu-johnson/index.md)
- [Structured JSON version](/zh/publications/fandd/issues/2023/12/rebalancing-ai-acemoglu-johnson/index.json)
- [Bundle manifest](/zh/publications/fandd/issues/2023/12/rebalancing-ai-acemoglu-johnson/bundle-manifest.json)

## Bibliographic details
- Authors: DARON ACEMOGLU, SIMON JOHNSON
- Published: December 20, 2023

---

### 要点概述
- 文章观点：推动自动化的发展存在重大风险；为实现共同繁荣，必须确保人工智能与人工形成互补，而非取而代之。
- 出处与改编：本文改编自作者的著作《权力与进步：我们为技术和繁荣奋斗的千年》（Power and Progress: Our 1000 Year Struggle over Technology and Prosperity），并借鉴了作者与戴维·奥托（David Autor）的合著作品。
- 时间与作者：达龙·阿西莫格鲁（DARON ACEMOGLU）、西蒙·约翰逊（SIMON JOHNSON），2023年12月。

### 有关人工智能与生产率的论断
- 乐观预测与行业估算：
  - 高盛集团：人工智能的使用可以在10年内将生产率每年提高1.5个百分点，并使全球GDP提高7%（额外产出7万亿美元）。
  - 行业内更激进估算：全球产出每年增长超过30%，有10%的可能出现“爆炸性增长”。
- 对“生产率浪潮”观念的质疑：技术变革（包括自动化）并不必然导致净工资提高或共同繁荣，取决于技术如何影响劳动者的边际生产率而非平均产出。

### “机器问题”——平均生产率与边际生产率
- 定义与区分：
  - 生产率的标准定义为“每个劳动者的平均产出”，即总产出除以总就业人数。
  - 企业关心的是边际生产率：每增加一个劳动者带来的额外产出或服务能力。
- 自动化的影响：
  - 自动化可以提高平均生产率，但不一定提高边际生产率；边际生产率可能保持不变甚至降低。
  - 过去的40年里，自动化提高了生产率并大幅增加企业利润，但未在工业国实现广泛共同繁荣。
- 替代与补充的历史对比：
  - 一些创新是通过提升个人贡献来补充劳动者（例如辅助工具或软件），而非旨在替代人工的工业机器人。

### 新任务与就业增长的作用
- 新任务的重要性：
  - 创造新任务能够提高劳动者边际生产率，扩大劳动者对生产的贡献。
  - 历史上许多高增长职业（如核磁共振放射科医生、网络工程师、软件程序员等）在80年前尚不存在，显示新任务对就业和工资增长的核心作用。
- 产业重组与链式效应举例：
  - 20世纪10年代起，福特式的大批量生产与装配线虽带来自动化，但同时产生了大量新的设计、技术、操作和文书任务，刺激了对劳动者的需求并推动相关行业扩张。
- 自动化能否引发“生产率浪潮”取决于其是否大幅提高生产率并催生新任务；若仅做到“很一般的水平”，则难以创造新增就业或显著降低商品成本（举例：杂货店自助结账机）。

### 自动化的局限与地区影响
- 当自动化未能伴随新任务时，可能导致长期负面后果：
  - 美国中西部的机器人普及曾造成大规模裁员并延长该地区经济衰退时间。
- 监督型技术的双刃剑：采用新技术来监工可能带来有限生产率提升，但主要效果是让劳动者付出更多努力，而非提高边际生产率。
- 技术选择的政治经济学：技术发展存在多条可选路径；当生产率浪潮减弱且缺乏自我纠正机制时，少数科技决策者的经济与政治影响力会变得更加凸显。

### 与人类互补的潜力
- 历史经验：
  - 1870年至1979年间，农业机械化虽使大量农业劳动力失业，但随之出现的工厂与服务业创造了新的蓝领与文书类工作，这些工作通常报酬更高且危险性更小。
  - 在20世纪大部分时间里，工作自动化与新任务创造之间处于相对平衡。
  - 大约在1970年之后，这种平衡被打破；在随后的50年里，新任务的抵消效应弱化，尤其影响没有四年大学学历的劳动者，使其更多从事薪酬较低的服务性工作（保洁、餐饮服务、娱乐服务等）。
- 人工智能的双向路径：
  - 风险：当前的智能范式侧重于实现人工智能在大量认知任务中的自动化能力，鼓励发展的更趋向自动化而非与人类互补。
  - 机会：若引导得当，人工智能可补充人类的知识或专业技能，例如在培训、再培训、监督培训流程、与客户沟通以及提供更精细服务方面增强教育工作者、医务人员、电工和水管工等专业劳动者的能力。
- 不确定性：
  - 由于人工智能尚不成熟，目前尚不清楚其在自动化方面对总生产率增长的贡献有多大；但随着成本下降和可靠性提高，人工智能可能促进生产率的大幅提升。

### 五项原则（政策建议）
- 政府应采取以下五个步骤，引导人工智能走上与人类互补的道路：
  1. 改革商业模式：
     - 问题：占主导地位的人工智能开发者可以无偿征用消费者数据，且对数字广告的依赖鼓励吸引消费者注意的行为。
     - 建议：为所有消费者的数据确立明确的所有权，并应对数字广告征税；推动更多样化的商业模式和更强的竞争，以让人工智能惠及全民。
  2. 更新税收制度：
     - 问题：根据美国和其他许多国家的税法，人力型企业承担的税负通常比专注于用算法实现自动化的企业更重。
     - 建议：设计更对称的税收结构，平衡雇佣（和培训）劳动力与投资设备与软件的边际税率，以激励采用与人类互补的技术。
  3. 提高劳动者话语权：
     - 建议：劳动者应在人工智能发展中拥有话语权；政府应限制将未经测试（或测试不足）的人工智能应用于可能使劳动者处于危险之中的场景，例如高风险的人事决策任务（包括招聘和解雇）或工作场所监测和监督。
  4. 资助有关互补性的研究：
     - 建议：加强对研发与人类互补的人工智能技术的支持，促进竞争和技术投资，将人工智能工具与人类专业知识相结合以改善重要社会部门的工作；在取得充分进展后，鼓励进一步投资并评估是否适用于公费教育和卫生保健项目。
  5. 提高政府人员的人工智能专业知识：
     - 建议：在政府内部建立人工智能咨询部门，使政府机构和监管人员能够就投资、监管和监督问题做出更及时有效的决策。

### 潜在宏观经济影响与情景
- 规模与时间：
  - 人工智能可能会在未来五年使全球GDP实现增长，但增长幅度不会如部分乐观预测那般夸张。
  - 在中期，人工智能可能会小幅提高GDP的增幅。
- 分配效应与国际担忧：
  - 当前轨迹下，人工智能的首要影响可能是加剧工业国家内部的不平等。
  - 中等收入国家和许多低收入国家也对当前以自动化为导向的发展道路表示忧虑；新的资本密集型技术将很快在各地被应用，且没有保证人工智能创造的就业会超过其摧毁的就业。
- 两条可能的路径：
  - 若引导人工智能走向与人类互补并用于解决紧迫社会问题，世界各地都将受益。
  - 若一味追求自动化，共同繁荣将更难实现。

*达龙·阿西莫格鲁（DARON ACEMOGLU）、西蒙·约翰逊（SIMON JOHNSON），2023年12月，重新平衡人工智能发展之路（金融与发展）*

---


_Source: https://www.imf.org/zh/publications/fandd/issues/2023/12/rebalancing-ai-acemoglu-johnson_