照片: Matt Chinworth
人工智能可以扭转技术驱动的不平等日益扩大的趋势，也可能会加剧这一趋势
阿贾伊·阿格拉沃尔（Ajay Agrawal）是多伦多大学罗特曼管理学院创业与创新领域的杰弗里·泰伯（Geoffrey Taber）讲席教授。
乔舒亚·甘斯（Joshua Gans）是多伦多大学技术创新与创业领域的杰弗里·S·斯科尔（Jeffrey S. Skoll）讲席教授。
阿维·戈德法布（Avi Goldfarb）是多伦多大学人工智能和医疗卫生领域的罗特曼（Rotman）讲席教授。
文章和其他材料中所表达的观点均为作者个人观点，不一定反映IMF的政策。
假设有一个岛上住着数百万天才。对于可以通过计算机完成的所有事情，他们都是专家。他们从不停止工作。他们开开心心做这一切，只拿着微薄的工资。现在想象一下，当他们融入全球经济时，将产生哪些深刻的问题。
他们的融入将如何重塑市场、工资和权力分配？这些天才可能会促成充分的繁荣，也可能造成深远的不稳定，而会产生哪种结果，至少在一定程度上取决于我们其他人所作的选择。
在一个繁荣的新时代，生产率和经济增长率可能会大幅上升，社会福利会显著扩大。具有独特智能的劳动力队伍可以彻底改变医疗卫生、教育、技术等各个行业。办公任务可以得到完美高效的处理，使人们能够去做更有意义的事情。许多服务的成本将下降，从而提高生活水平。
不稳定的时代会是什么样子？由于这些天才能够以极低的成本完成各项任务，知识工作者和专业人士可能会面临大规模失业。工资和就业保障受到的侵蚀可能会在各行各业产生影响，导致中产阶级解体并加剧不平等。垄断性地利用这些天才的企业或国家可能会以前所未有的方式垄断财富和权力，使小企业和较弱的经济体边缘化。这可能会扼杀创新并加剧全球紧张局势。
随着天才对知识和实践领域的贡献发挥主导作用，人类的创造力和个性可能会失去价值。在一个关于目标和身份的许多问题不再重要的世界中，社会可能对这些问题的存在意义感到困扰，从而引起大范围的动荡。天才可能会搅乱经济，撕裂社会凝聚力，使世界陷入不平等。
这个天才之岛值得思考，因为越来越多的专家认为我们可能正处于这种技术飞跃的风口浪尖。例如，在2023年，因人工智能领域的开创性工作而获得诺贝尔奖的杰弗里·辛顿（Geoffrey Hinton）表示，人工智能技术可能会在5年至20年内超越人类智能。其他一些专家认为这可能会更早发生。
技能偏向
使人类智能黯然失色的人工智能是促进繁荣还是加剧不稳定，可能取决于它如何影响不平等。自上世纪60年代的计算机革命以来，包括诺贝尔奖获得者达伦·阿西莫格鲁（Daron Acemoglu）在内的许多经济学家都认为，技术进步可能会加剧收入不平等，因为它增加了对高技能和有经验的劳动者的需求，同时减少了对低技能劳动者的需求，这种现象被称“技能偏向”。最近的两项研究揭示了人工智能革命存在的技能偏向。
麻省理工学院的艾丹·托纳-罗杰斯（Aidan Toner-Rodgers）的一项研究表明，高技能劳动者确实从人工智能中获得了高于比例的收益。他研究了科学家如何使用人工智能实现突破。他发现，处于前十分位数的科学家使用人工智能后的产出比没有使用人工智能的产出高81%。技能较低的科学家的产出几乎没有变化。这些结果表明，人工智能可能会加剧收入不平等。
然而，斯坦福大学的埃里克·布林约尔松（Erik Brynjolfsson）及其同事也开展了一项研究。他们分析了呼叫中心员工的数据。研究表明，技能较低的员工从人工智能中获得了高于比例的收益。人工智能对有经验的高技能员工的生产率的影响很小，但使新来的低技能员工的生产率提高了34%。具体来说，作者发现，人工智能工具将生产率（以每小时解决的问题数量来衡量）平均提高了14%。例如，人工智能可以预测高技能员工将如何完成任务，从而可以提高低技能员工的生产率。在这种情况下，人工智能会减小收入不平等。
判断的作用
一项研究发现人工智能主要有助于低技能劳动者，而另一项研究则发现人工智能主要使高技能劳动者受益。这是为什么？呼叫中心员工与科学家有什么区别？我们认为，这与判断有关，判断是决策和预测的关键要素。它们在决策理论中都发挥着核心作用。决策理论是应用概率理论的一个分支。在应用概率理论中，各种结果被赋予相应的概率（预测），这些结果带来的后果被赋予相应的数值（判断）。
托纳-罗杰斯在评估人工智能生成的预测时，将这种差异归因于判断力的差异。他写道：“机器预测的改进使人类的判断和决策更有价值。”技能较高的科学家利用他们卓越的判断力来识别有用的人工智能建议，而其他人则浪费大量资源去调查那些误导性线索。
在这种情况下，这种判断的意义重大，因为错误会导致昂贵的实验室测试。因此，高技能科学家会获得更多奖励，收入差距会扩大。
相比之下，在布林约尔松对呼叫中心员工的研究中，高技能员工与低技能员工之间的关键区别在于预测对客户的最佳回应的能力。在这种预测方面，人工智能与高技能员工一样出色。估计不同类型错误的相对成本所涉及的判断不太重要，因为这种类型的判断不那么稀缺，也不具有那么重大的利害关系。
随着人工智能预测进一步发展，判断的分布将在更大程度上决定财富和权力的分布。如果高技能劳动者与低技能劳动者之间的差异是基于工作的预测部分，那么人工智能将使低技能劳动者获得高于比例的收益，因为人工智能预测将取代人类预测。这将缩小生产率的差异，从而缩小该行业劳动者之间的收入差距，并且，随着时间推移，将推升低薪地区的工资，即使在这些地区工作的人的技能也较低。例如，相对于美国，印度的后台和呼叫中心的工资可能会增加。
但如果判断力决定了高技能劳动者与低技能劳动者之间的区别，人工智能将使那些拥有更高技能的人获得高出比例的收益。这将扩大这些行业劳动者之间的生产率差距和收入差距。劳动力可能会转移到工资较高但以前吸引力较低的地方，因为高技能劳动者的成本相比其回报并不值得。更多的创新可能会转移到美国，因为更大比例的顶尖学生就读于美国大学，而且美国科学家在科学突破、奖项、出版物和专利方面处于领先地位。
人工智能正在迅速发展，但管理实践、基础设施、教育、法规和客户需求等方面的变化缓慢，这可能会限制发现天才之岛带来的短期影响。然而，从长远来看，全球经济受到的影响将是巨大的。经济稳定将取决于我们如何管理转型。
财富与权力
具有重大利害关系、高度依赖判断的工作任务的地理分布将会改变收入和权力的分布。拥有更多高技能劳动者、更强大研究机构和先进技术基础设施的地区很可能会获得高出比例的经济利益。
在科学研究、医学诊断和战略规划等行业中，判断力极具价值，人工智能将提高专家的生产率。人工智能将提高这些劳动者的收入潜力并加强创新中心的主导地位。但是，像客户服务这样的行业，把员工区分开来的是预测能力。在这些行业，工作岗位可能会向低工资地区转移，这将缩小收入差距。
如果人工智能对高价值、高度依赖判断的工作的影响超过了其对不具有重大利害关系、高度依赖预测的工作产生的促进平等的影响，那么全球经济不平等就会加深。结果可能是财富和影响力更加集中在吸引顶尖人才的少数特定城市或国家。
拥有强大的人工智能生态系统的高收入地区（包括美国、欧洲和亚洲的部分地区）在具备必要判断技能的情况下，可能会获得更高的人力资本回报。其他地区有可能落在后面。长期后果可能包括技术领导地位、研究资金和地缘政治影响力方面的差距日益扩大。此外，更复杂的人工智能可能会重新界定哪些形式的判断仍然稀缺，从而进一步改变权力的平衡状态，具体将取决于哪些地区能调整其劳动力以适应新出现的需求。
政策制定者可以在三个重要方面发挥作用。
为了提高判断力，政策制定者可以扩大劳动者获得高质量的、重视培养复杂决策技能的教育和培训的机会，从而确保不同地区的更多劳动者掌握必要的判断力来补充人工智能。
政策制定者可以促进全球人才流动和知识交流，确保最有效利用人工智能所需的判断力更广泛地分布于各经济体，而不是局限于少数几个主导地区。
最后，政策制定者可以建立激励机制，通过资金、基础设施和人工智能技术采用等方面的鼓励性措施，将生成有价值的人工智能预测的能力扩展到传统的权力中心之外。这将决定人工智能的好处如何分配，并在长期内促进更均衡的经济增长。
此类措施将有助于管理转型过程并最大限度地发挥人工智能的优势，同时降低其风险。计算机科学家们全力开发了人工智能技术，这一技术目前仍在快速发展。现在，经济学家必须迎头赶上。他们必须研究如何最好地管理人工智能转型过程，为政策制定者提供指导。这样做将更有可能使政策引导世界走向一个全球稳定与繁荣的未来，而不是出现另一种局面。
Agrawal, Ajay, Joshua Gans, and Avi Goldfarb. 2018. Prediction Machines: The Simple Economics of Artificial Intelligence. Boston, MA: Harvard Business Review Press.
Brynjolfsson, Erik, Danielle Li, and Lindsey R. Raymond. 2023. “Generative AI at Work.” NBER Working Paper 31161, National Bureau of Economic Research, Cambridge, MA.
Toner-Rodgers, Aidan. 2024. “Artificial Intelligence, Scientific Discovery, and Product Innovation.” ArXiv preprint, Cornell University, Ithaca, NY.
© 2026 International Monetary Fund. All rights reserved.
