（来源：MITNews）尽管人们不断讨论人工智能将如何颠覆世界，然而其对经济的影响仍然充满不确定性。虽然对人工智能的投资规模巨大，但目前尚不清楚它究竟会带来什么样的成果。
研究人工智能已经成为诺贝尔经济学奖得主 Daron Acemoglu 工作中的一个重要部分。作为 MIT 的教授，Acemoglu 长期以来研究技术对社会的影响，从建模大规模技术创新的应用，到进行机器人对就业影响的实证研究，领域十分广泛。
2024 年 10 月，Acemoglu 与两位合作者——MIT 院斯隆管理学院的 Simon Johnson 博士（1989 届）和芝加哥大学的 James Robinson——共同获得了诺贝尔经济学奖。他们的研究揭示了政治制度与经济增长之间的关系，指出拥有健全权利体系的民主国家相比其他形式的政府能够在长期内实现更好的经济增长。
由于很多经济增长来源于技术创新，人工智能的社会应用方式引起了 Acemoglu 的高度关注。最近几个月，他发表了多篇关于人工智能经济学的研究论文。
“生成式人工智能将为人类带来的新任务会从哪里产生？”Acemoglu 提出疑问，“我认为我们目前还没有答案，这正是问题的关键。究竟有哪些应用会真正改变我们的工作方式？”
何为人工智能的量化影响？
自 1947 年以来，美国 GDP 增长的年均增速约为 3%，生产率增长则约为 2%。一些预测声称，人工智能将使增长率翻倍，或者至少带来比以往更高的增长轨迹。然而，与之形成对比的是，Acemoglu 在Economic Policy于 2024 年 8 月期刊中发表的论文“The Simple Macroeconomics of AI”中估计，在未来十年内，人工智能对 GDP 的推动将仅是“温和增加”，约为 1.1% 到 1.6%，对应每年约 0.05% 的生产率提升。
Acemoglu 的评估基于近期对人工智能影响就业的估算。例如，OpenAI、OpenResearch 以及宾夕法尼亚大学的研究人员在 2023 年进行的一项研究发现，大约 20% 的美国工作任务可能会受到人工智能能力的影响。而 MIT FutureTech、Productivity Institute 和 IBM 的研究团队在 2024 年的研究则表明，约 23% 的计算机视觉任务可以在未来十年内实现有利可图的自动化。同时，还有研究显示，人工智能平均可节省约 27% 的成本。
谈到生产率提升，Acemoglu 表示：“我并不认为 10 年内 0.5% 的增长值得小视，这总比没有好，但相比技术行业和科技媒体所承诺的效果，这确实让人感到失望。”
需要指出的是，这只是一个估算，而且未来可能会出现新的人工智能应用。例如， Acemoglu 在论文中提到，他的计算未包括人工智能在预测蛋白质结构方面的应用——而这一技术在 2024 年 10 月帮助其他学者赢得了诺贝尔奖。
其他观点认为，被人工智能取代的劳动者再分配可能会带来额外的增长和生产率提升，这超出了 Acemoglu 的估算。但他对此并不抱太大期望：“从现有的资源配置出发，重新分配通常只会带来较小的收益。”他解释道，“直接的收益才是关键。”
他补充说：“我尽量以非常透明的方式撰写这篇论文，明确说明哪些因素被包括了，哪些没有。如果有人认为我排除的因素很重要，或者认为我使用的数字过于保守，那完全可以提出不同意见。”
哪些工作会受到影响？
对人工智能的影响进行这样的估算，有助于我们更清晰地直观理解它的潜在作用。许多关于人工智能的预测将其描述为一种革命性力量，而另一些分析则更加谨慎。Acemoglu 的研究帮助我们衡量可能发生变化的规模。
“我们来设想一下 2030 年的情况。”Acemoglu 说道，“你认为人工智能会让美国经济变得多不一样？你可能是一个完全的人工智能乐观主义者，认为数百万人会因为聊天机器人失去工作；或者认为一些人会变得超级高效，因为借助人工智能，他们可以完成以前 10 倍的工作。但我不这么认为。我认为大多数公司仍会做差不多的事情。一些职业会受到影响，但我们仍然会有记者、金融分析师和人力资源员工。”
如果这一观点正确，那么人工智能的影响可能主要集中在一小部分特定的白领任务上，比如依赖大量计算能力、能够比人类更快处理海量输入的工作。
“人工智能将影响一批办公室工作，比如数据总结、视觉匹配、模式识别等。”Acemoglu 补充道，“而这些工作基本上只占整个经济的 5% 左右。”
尽管 Acemoglu 和 Simon Johnson 有时被认为对人工智能持怀疑态度，但他们更愿意将自己视为现实主义者。
“我并不是想唱衰人工智能。”Acemoglu 表示，“生成式人工智能确实能做一些事情，我相信这一点。”不过，他补充说：“我相信我们可以以更好的方式使用生成式人工智能，从而获得更大的收益，但我不认为这些是目前行业的关注重点。”
机器的辅助作用还是取代工人？
Acemoglu 谈到人工智能的“更好使用方式”时，他有着明确的思考。
他对人工智能的一个核心担忧是，它究竟会以“机器辅助”的形式存在，即帮助工人提升生产力，还是旨在模仿通用人工智能，从而取代人类的工作。这就像为生物技术研究人员提供新信息与用自动化呼叫中心技术取代客户服务人员之间的区别。到目前为止，他认为企业更倾向于后者。
“我的观点是，目前人工智能的发展方向存在问题。”Acemoglu 表示，“我们过于专注于自动化，而没有足够关注如何为工人提供专业知识和信息支持。”
Acemoglu与 Simon Johnson 在他们 2023 年备受瞩目的著作 Power and Progress 中深入探讨了这一问题。这本书以一个直截了当的问题为主线：技术推动经济增长，但谁从中获益？是精英阶层，还是普通工人也能分享红利？
Acemoglu 和 Johnson 明确支持那些既能提升工人生产力又能保留就业机会的技术创新，这种模式有助于更持久地推动经济增长。
然而，在 Acemoglu 看来，生成式人工智能更多关注模仿完整的人类功能。这种技术通常被他称为“差强人意的技术”（so-so technology）：这些应用顶多只能稍微优于人类，却因为成本更低而受到企业青睐。例如，呼叫中心的自动化技术并不一定比人工效率更高，但对企业来说，它的成本低于雇佣人类员工。而那些能与工人形成互补作用的人工智能应用似乎被大科技公司置于次要地位。
“如果行业不投入大量精力和时间，人工智能的互补性应用不会奇迹般地自行出现。”Acemoglu 说道。
历史对人工智能的启示是什么？
技术常常被设计为替代工人，这正是 Acemoglu 和 Johnson 近期发表的一篇论文“Learning from Ricardo and Thompson: Machinery and Labor in the Early Industrial Revolution — and in the Age of AI”的核心议题。该文章发表于 2024 年 8 月的Annual Reviews in Economics。
文章讨论了关于人工智能的当前争议，尤其是技术即使取代了工人，最终的经济增长是否必然会广泛惠及社会的观点。工业革命时期的英格兰常被用作例证，但 Acemoglu 和 Johnson 认为，技术红利的普及并非自动发生。他们指出，19 世纪的英格兰工人需要经过数十年的社会斗争和集体行动，才逐步享受到技术发展的好处。
“当工人无法争取自己在生产率增长中的份额时，工资不太可能提高。”Acemoglu和 Johnson 在论文中写道。“今天，人工智能或许可以提升平均生产率，但同时也可能取代大量工人，并降低留任者的工作质量……自动化对工人的影响比生产率提高自动带来工资增长更加复杂。”
论文标题提到的 E.P. Thompson 是著名社会历史学家，而 David Ricardo 则是被视为继亚当·斯密之后经济学领域第二大重要人物的经济学家。Acemoglu 和 Johnson 认为，Ricardo 在这一主题上的观点经历了重要演变。
“Ricardo 最初通过主张机器会带来惊人的生产力提升，并且对社会有利，而奠定了他的学术声誉和政治生涯。”Acemoglu 解释道，“但在某个时刻，他改变了看法，这表明他思想开放。他开始写作关于如果机器仅仅取代劳动力而没有其他用途，那对工人来说将是有害的。”
Acemoglu 和 Johnson 认为，Ricardo 观点的这一转变对当下具有深刻启示：没有什么力量能够自动确保技术的广泛利益分配。我们应该依据证据，认真审视人工智能的影响，而不是盲目假设其必然带来普遍益处。
创新的最佳速度是什么？
如果技术能够推动经济增长，那么快速创新似乎是理想选择，因为它能更快带来增长。但在 2024 年 9 月的American Economic Review: Insights中发表的一篇论文“Regulating Transformative Technologies”中，Acemoglu 和 MIT 博士生 Todd Lensman 提出了另一种观点。如果某些技术既有益处也存在缺陷，那么在采用这些技术时，最好以更为审慎的速度推进，以便在缺陷被缓解的同时逐步推广。
“如果社会损害与新技术的生产力成比例，那么更高的增长率反而会导致更慢的最优采纳速度。”两人在论文中写道。他们的模型表明，最佳的技术采纳路径应该是先慢后快，逐步加速。
“市场原教旨主义和技术原教旨主义可能会认为技术发展应该永远以最大速度推进。”Acemoglu 指出，“但经济学中并没有这样的规则。更加深思熟虑的方式，特别是为了避免潜在危害，是完全合理的。”
这些潜在危害包括对就业市场的破坏、大量虚假信息的传播，或者人工智能对消费者的伤害，例如在线广告或网络游戏中的问题。Acemoglu 在即将发表于American Economic Review: Insights的另一篇论文“When Big Data Enables Behavioral Manipulation”中探讨了这些场景，该论文由杜克大学的 Ali Makhdoumi、多伦多大学的 Azarakhsh Malekian 以及 MIT 的 Asu Ozdaglar 共同完成。
“如果我们将人工智能作为一种操控工具，或者过度用于自动化，而没有充分关注为工人提供专业知识和信息，那么我们需要调整方向。”Acemoglu 表示。
当然，也有人可能认为创新的负面影响较少，或者创新的不确定性意味着我们不应对其设限。但 Acemoglu 和 Lensman 在论文中只是提出了一种创新采纳的模型。
这一模型是对过去十多年来趋势的回应。在此期间，许多技术因其“不可避免的颠覆性”而受到高度追捧。然而，Acemoglu 和 Lensman 认为，我们可以合理地评估具体技术的利弊，并推动关于这一问题的更多讨论。
如何为人工智能的采纳找到合适的速度？
如果要以更渐进的方式采纳技术，这应如何实现？
首先，Acemoglu 指出，“政府监管在其中扮演着重要角色。”然而，目前尚不清楚美国或全球可能会为人工智能制定什么样的长期指导方针。
其次，他补充道，如果围绕人工智能的“炒作周期”减弱，那么对其的使用热潮“自然会放缓”。如果人工智能无法在短期内为企业带来利润，这种情况可能比监管更容易实现。
“我们之所以推进得如此之快，是因为风险投资人和其他投资者的炒作，他们认为我们正在接近通用人工智能。”Acemoglu 表示，“这种炒作让我们在技术上的投资出现偏差，许多企业过早受到影响，却不知道该如何利用人工智能。我们撰写这篇论文是为了强调，如果我们能以更深思熟虑、更理解的态度来对待这项技术，其宏观经济效益会更大。”
从这个角度看，炒作是人工智能经济学的一个具体表现，因为它引导了对某种特定人工智能愿景的投资，从而影响了我们未来可能接触到的人工智能工具。
“速度越快，炒作越多，调整方向的可能性就越小。”Acemoglu 表示，“如果你以每小时 200 英里的速度前进，要完成 180 度的大转弯是非常困难的。”
https://news.mit.edu/2024/what-do-we-know-about-economics-ai-1206
VIP课程推荐
APP专享直播
热门推荐
收起
24小时滚动播报最新的财经资讯和视频，更多粉丝福利扫描二维码关注（sinafinance）
