【51CTO.com快譯】有人聲稱，人工智能(AI)系統將改變經濟，甚至造成大規模失業和巨大的壟斷。但是專業的經濟學家是怎么想的呢?

[[321467]]

自Adam Smith的pin factory創立以來，經濟學家一直在研究技術變革、生產率和就業之間的關系。因此，人工智能系統能夠在越來越多的情況下表現得體，也就不足為奇了。

2017年9月，一群杰出的經濟學家齊聚多倫多，為人工智能(AI)經濟學制定了一項研究議程。他們討論了人工智能在經濟上的獨特之處、影響力以及如何制定相關的政策等問題。

去年9月，我有幸參加了在多倫多舉行的第三屆大會，親眼目睹了人工智能的經濟發展。在此，我從四個層次概述會議的主要議題:

1. 宏觀視圖：人工智能對生產率、就業或不平衡等總體經濟的影響
2. 中觀視圖：人工智能對科學研究或監管等個別領域的影響
3. 微觀視圖：人工智能對組織和個人行為的影響
4. 元視圖：人工智能對經濟學家用來研究人工智能的數據和方法的影響

經濟學家對人工智能的看法

會議主導人Ajay Agrawal、Joshua Gans和Avi Goldfarb曾把人工智能系統描述為“預測機器”，不僅使預測變得便捷而豐富，使組織能夠做出更多更好的決策，而且使其中一些決策自動化。一個典型的例子是亞馬遜的推薦引擎，它為每個訪問者提供個性化的網站版本。如果沒有機器學習系統，就不可能實現這種定制。機器學習系統可以根據每個客戶的行為和其他相似的客戶的數據，自動預測每個客戶可能會對哪些產品感興趣。

任何面臨預測問題的部門都可以采用人工智能系統——從農業到金融——幾乎任何經濟領域都可以采用人工智能系統。人工智能的這種廣泛適用性，一些經濟學家將其稱為一種轉型的“通用技術”。這種技術將重塑經濟，就像歷史較早時期的蒸汽機或半導體那樣。

宏觀視圖

人工智能增強經濟中的決策力并將其自動化，從而提高了生產率。這對勞動力和投資有什么影響?

人工智能對勞動力的影響

分析人工智能對勞動力影響的主要框架是Daron Acemoglu和Pascual Restrepo開發的基于任務的模型。這個模型把經濟想象成一個生產任務的大集合。能夠執行這些任務的人工智能系統的出現，影響了對勞動力的需求、資本的收入份額等。如果人工智能減少了勞動力或增加資本流入的比例——更多的資本往往集中在更少的人手中——這可能會使我們的經濟更加不平等。

人工智能對勞動力的影響有以下四個方面：

• 首先，當人工智能系統取代了以前由人類完成的一些任務。例如亞馬遜采用自動推薦系統時，書評就被取代了。這將減少對勞動力的需求。
• 其次，人工智能系統會增加人類任務的價值。例如亞馬遜的網絡開發和庫存管理任務：由于其人工智能推薦系統，投資在改善網站和儲存許多不同書籍上的每一美元，都會為公司帶來更大的回報。
• 第三，資本深化。新的人工智能系統是一種投資，增加工人使用的資本存量，使他們更有生產力，并將增加對勞動力的需求。
• 最后，當人工智能系統創造出全新的任務，例如開發機器學習系統或標記數據集來訓練這些系統時，這些新的任務將創造新的就業機會，增加勞動力需求。

綜合考慮，這四個方面決定了人工智能對勞動力需求的影響。與工作末日即將來臨的觀點相反，該模型確定了人工智能系統可以增加勞動力的需求。與此同時，與經濟學中新技術總是通過擴張來增加勞動力需求的標準假設相反，基于任務的模型認識到新技術對勞動力需求的凈效應可能是負面的。例如，如果企業采用“平庸”的人工智能系統，其生產率足以取代工人，但又不足以通過其他渠道增加勞動力需求。

會議上提出：

• Jackson和Kanik將人工智能模型作為一種中間輸入，企業通過使用亞馬遜的網絡服務等供應鏈來獲取這種輸入。在這個模型中，人工智能對勞動力需求和生產率的影響取決于替代工人的情況：如果替代工作的生產率較低，那么人工智能將對生產率產生負面影響。隨著企業開始使用人工智能供應商來獲取以前由工人提供的服務，人工智能的部署使經濟更加相互關聯起來。這可以使價值鏈集中起來，增強市場力量，但也會帶來系統性風險。
• Autor和Salomons利用美國人口普查局(US Census)自上世紀50年代以來發布的職位名稱詞典，研究了創造新職位名稱的行業和職業的演變。分析顯示，當時處于收入分配中間的職業創造了最多的新職位頭銜，而現在，大多數新職位頭銜都是在高技能、技術密集型職業中創造的。看起來像人工智能這樣的現代技術增加了對高技能工作的需求，這導致了勞動力市場的兩極分化。還有一種風險是，高技能職業的技能短缺可能與缺乏技能的個人失業并存。

無形資產

為了提高生產率，對人工智能的投資需要伴隨著對IT基礎設施、技能和業務流程的投資。其中一些投資涉及數據、信息和知識等“無形資產”的積累。與機器或建筑物等有形資產相比，無形資產很難保護、模仿和出售，而且創造無形資產往往需要昂貴的實驗和邊做邊學。

繼續以亞馬遜為例，在其歷史上，該公司建立了一個有形的數據和IT基礎設施，以補充其人工智能系統。與此同時，它發展了無形的流程、實踐和“以客戶為中心”的思維方式，并在其信息系統與供應商和用戶的信息系統之間建立了開放的接口，這種無形資產對其成功非常重要，但同時也很難模仿。

Erik Brynjolfsson及其同事在2018年發表的一篇論文中指出，在整個經濟中積累這些無形資產的需要，正好可以解釋為什么人工智能的進步需要這么長的時間。

今年在多倫多發表的幾篇論文對這些問題進行了實證研究：

• Daniel Rock使用LinkedIn數據來衡量工程技能對公司價值的影響。這表明，無形的企業因素決定了工程人才的業務影響。他的分析還表明，市場預期這些無形投資將在未來產生重要回報：當谷歌發布TensorFlow時，那些已經聘用人工智能人才的公司的市值出現了增長。一種解釋是，發明者將TensorFlow視為一種工具，可以幫助這些公司從人工智能相關的無形投資中創造價值。另一種解釋是，這些公司預計將被人工智能系統和服務的開發者所顛覆。
• Prasanna Tambe和合作者也使用LinkedIn的數據來估計有關AI無形投資的價值，發現它集中在一小群“明星企業”。這意味著市場預期受益集中在少數幾家公司，基于AI經濟的市場力量還有待進一步發展。

人工智能不同行業采用的差異和影響

[[321468]]

以衛生行業為例：該行業的生產性質、數據的可獲得性、改變業務流程的范圍及其產業結構(包括競爭和創業水平)，與金融或廣告等行業完全不同。這意味著人工智能將對不同行業產生截然不同的影響。

此前的《人工智能經濟學》(the Economics of AI)會議包括了人工智能在媒體或醫療等領域的影響的論文。今年審議了其他領域的具體問題，包括科學研發和監管。

讓機器創造更好的想法

Cockburn、Henderson和Stern在《人工智能經濟學》大會上首次提出，人工智能不僅是一種通用技術，而且是一種“發明方法中的發明”，可以改變科學研發的生產率，在使用這些知識的領域產生重要的溢出效應。即“創造更好想法的人工智能系統”在遞歸循環中變得更善于創造更好的系統。

今年，風險投資家Steve Jurvetson和初創公司Atomwise的首席執行官Abraham Heifts談到，他們已經在自己的企業中尋找到了一些這樣的機會。有兩篇論文研究了人工智能對研發的影響:

• 我本人和同事對人工智能在arxiv計算機科學研究中的應用做了分析，人工智能至少是計算方法上的一項發明：人工智能在許多計算機科學分支領域中被采用，并且它已經產生重要影響。人工智能正在計算機視覺、自然語言處理、聲音處理和信息檢索等領域得到更快的發展，這些領域擁有大量數據集，可以訓練機器學習系統，因此人工智能研發在這些領域的進展更快。
• Agrawal等人建立了一個模型，研究人工智能對生物醫學和材料科學等科研領域的影響，人工智能系統可以幫助識別哪些藥物組合具有最大的潛力，以減少浪費，增長研發領域的生產率。作者表示，要實現這些好處，就需要獲得訓練數據，并組建研究團隊，將人工智能技能與所采用的科學領域的領域知識結合起來。

人工智能監管

人工智能等新技術的開發和采用需要出臺新的游戲規則。與此同時，監管本身就是一個產業，其結構和流程正在被加速技術變革、創造新的機會的人工智能系統所改變。會議上有兩次談話都集中在監管和人工智能之間的雙向通道上。

Suk Lee等人調查了企業，將如何改變他們的人工智能采用計劃，以應對不同的人工智能監管模式。與特定行業的法規相比，通用法規將為人工智能的采用制造更多的障礙，而且法規增加了對監督人工智能采用的管理人員的需求，同時減少了對技術和低技能工人的需求。它也為小公司制造了更大的障礙，增加了在創新和競爭方面更嚴格的監管的潛在成本。

克拉克和哈德菲爾德認為，監管行業需要創新，以跟上人工智能技術快速變化的步伐，但公共部門的監管機構缺乏靈活性和動力，無法有效地做到這一點。為了解決這個問題，他們建議建立監管市場，其中政府許可私營公司以可衡量的目標來監管人工智能的采用: 這將使私營企業有動力和自由開發創新的監管技術和商業模式，盡管這也提出了由誰來監管這些新監管機構的問題，以及如何避免它們內部出現的問題。

微觀

基于機器學習算法的現代人工智能系統常常被稱為黑匣子，因為它們的預測很難解釋和理解。類似地，在采用宏觀視角的經濟學家看來，采用人工智能系統的公司就像黑匣子: 畢竟，人工智能無形資產是一個廣泛的商業投資類別，包括對各種流程、實踐、新業務和組織模型的實驗。但是，當這些公司采用人工智能系統時，它們實際上在做什么呢?它們的影響是什么呢?

經濟學家將打開這些企業的黑匣子來衡量人工智能的影響。當公司部署人工智能系統時，不僅是為了預測或作出更好的決策，而且重塑了環境中員工、消費者、競爭對手、AI系統本身所扮演的角色。

• Susan Athey等人比較了芝加哥UberX和UberTaxi的服務質量。他們通過分析駕駛速度、持續時間、剎車頻次等詳細的遠程數據，證實了UberX司機的工作會受到用戶評論的影響。他們還向司機提供有關他們表現的信息以測試是否會改變他們的行為，結果發現，表現最差的司機往往會對這些 “激勵”做出反應，從而提高自己的駕駛技術。這篇論文表明，人工智能系統是“管理和監管日益重要的數字平臺和市場方法”，同時也引發了人們對員工隱私的大量擔憂。
• Michael Luca等人對各種策略的有效性進行了測試，以波士頓的一家餐館的健康檢查為例。研究表明，復雜的機器學習算法得出的推薦結果，要優于人類檢查員得出的排名。有趣的是，他們還發現了大量不按照人工智能建議的檢查人員，這表明工作人員不信任這些系統。
• Adair Morse和合著者分析了“金融科技”人工智能系統在抵押貸款歧視中的影響，發現與面對面的貸款人相比，這些系統傾向于減少對拉丁美洲和非洲裔借款人的歧視，無論是在利率和貸款批準率方面。然而，人工智能系統仍然通過識別數據中不同的特征來區別對待。這表明，采用人工智能可以幫助解決舊問題(人類偏見)，同時引入新問題(算法偏見)。

使用人工智能來研究人工智能

人工智能技術對經濟學研究有很大貢獻，因為經濟學研究常常試圖從數據中發現因果模式。Susan Athey在首屆人工智能經濟學大會(Economics of AI conference)上，特別關注了如何利用機器學習來改進現有的計量經濟學方法。

上面提到的幾篇論文探索了新的數據源和方法，例如使用LinkedIn和Uber的大數據集，以及測試UberX司機對信息推送的反應。在Nesta，我們正在用機器學習方法分析開放數據集，以繪制人工智能地圖。

盡管這些方法打開新的分析機會，但是他們也提高了再現性的挑戰，特別是當研究依賴于專有數據集，不能與其他研究人員共享。其中一些挑戰可以通過共享分析過程中使用的數據和代碼，為新方法的應用制定道德準則來解決。

人工智能經濟的未來道路

在總結了會議的主要議題和論文之后，我重點討論了一些我認為遺漏的問題。

人工智能建模

對人工智能影響的宏觀研究假設，只要企業進行必要的補充投資，人工智能就會提高生產率。他們很少關注人工智能帶來的新問題，如算法操縱、偏見和錯誤、員工不遵守人工智能建議，或人工智能市場的信息不對稱。這些因素會降低人工智能對生產率的影響，可能阻礙人工智能產品和服務貿易。

對人工智能的宏觀研究應該考慮人工智能采用和影響的這些復雜方面，而不是將它們隱藏在無形投資的黑盒子里，或者假設它們在某種程度上是人工智能部署的外生因素。如果我們考慮到不同行業的算法錯誤風險，以及管理它所需的人力監督投資，這個模型會是什么樣子。

總體而言，在《人工智能經濟學》大會上發表的研究明確了人工智能對經濟造成的外部沖擊，比如Daniel Rock關于TensorFlow的發布對企業市場價值影響的研究。然而，人工智能的發展本身就是一個經濟過程，其分析應該成為人工智能經濟議程的一部分。

在會議晚宴演講中，OpenAI的Jack Clark描述了人工智能研發的主要趨勢：隨著企業實驗室、大型數據集和大規模IT基礎設施在人工智能研究中變得更加重要，同時隨著開源軟件、開放數據和云計算的更加“民主化”，先進的人工智能系統的部署變得更加容易，我們見證了人工智能正走向“產業化”。這些變化具有重要的經濟意義。例如，學術界的研究人員越來越需要與企業合作，以獲取訓練先進人工智能系統所需的數據。與此同時，通過開放渠道發展人工智能研究給監管機構帶來了重大挑戰，它們需要在采用人工智能技術的環境中監測合規情況，因為采用人工智能技術就像從GitHub下載和安裝一些軟件一樣簡單。在會議上提交的論文很少涉及這些問題。

未來的工作可以通過使用數據、軟件、計算基礎設施和成熟經驗來開發人工智能模型，從而填補這些空白。在這篇論文中，Miles Brundage開始定性地勾勒出這個模型可能的樣子，以便研究人工智能行業的結構、組成和生產力，以及它如何向其他部門提供人工智能技術和知識。Felten、Raj和Seamans的研究表明，這種分析可以幫助預測人工智能的經濟影響，并為政策提供信息。

研究人工智能創新活動

保持技術的多樣性可能是有益的，特別是當我們不知道它們的優缺點時。然而，正如Daron Acemoglu在2011年的這篇論文中所指出的那樣，如果研究人員無法從技術多樣性的好處中獲益，那么在市場上無法替代占主導地位的技術。

在NBER會議上提出的大多數研究都采用了人工智能的“整體”定義，將其等同于當今主導該領域的深度學習，而忽視了對這種方法局限性的關注。然而，正如Gary Marcus在最近的研究中所指出的，為了讓人工智能系統更健壯、更適合健康等高風險領域，其他技術可能也是離不開的。

缺乏技術多樣性會成為人工智能領域的一個問題嗎?作為人工智能研究產業化的一部分，私營企業在設置人工智能研究議程方面的影響力越來越大。我們需要更多的研究來衡量人工智能的技術多樣性，以及它是如何被相關人員和組織的目標、偏好和議程所塑造的。我們剛剛發表了一篇關于人工智能研究主題構成的文章，為分析多樣性的演化及其在未來工作中的驅動因素提供了基礎。

人工智能的政治經濟

在首屆人工智能經濟學大會上，Tratjenberg、Korinek和stiglitz提出了這樣一個問題：當人工智能到來時，誰會受益，誰會遭殃?人工智能的部署在政治上是否會變得不可接受?最近，Daron Acemoglu和Pascual Restrepo表示擔心，人工智能產業可能會建立某些錯誤，因為它沒有考慮到人工智能的間接影響(例如勞動力市場的混亂)，而且一些領導者不顧其缺點，偏向于大規模自動化。這些重要的問題在很大程度上在多倫多缺乏討論，但是經濟學家需要量化和模型化分析，以確保其經濟效益被廣泛共享和減少公眾反對它的風險。

結論

對我來說，從去年的人工智能經濟學大會上得出的最大結論是，人工智能的影響可能比一些報紙文章預期的更復雜，而且出現的時間更長。公司將試圖從人工智能中創造價值。其中一些實驗可能會失敗，或者證明采用人工智能是不經濟的。但是有些公司會從這些失敗中吸取教訓，而有些公司會再試一次。技術短缺、更嚴格的監管以及消費者的擔憂，將放緩某些人工智能系統的采用。在一個行業或公司中采用人工智能，將會創造出意想不到的結果，也給相關行業帶來新的變化。

換句話說，未來人工智能對經濟的影響更像互聯網，它將是復雜的。基于AI的預測機器不僅為我們提供建議，但是我們作為經濟體和社會體的參與者，需要對未來人工智能技術的發展，如何更好的利用它們，以及如何管理它們做出決策。正如《人工智能經濟學》大會所顯示的那樣，世界上一些最優秀的經濟學家正在為這些決策作出努力。

原文標題：The Economics of AI Today，作者：Juan Mateos-Garcia

【51CTO譯稿，合作站點轉載請注明原文譯者和出處為51CTO.com】