The newest issue of our magazine, PS Quarterly: Age of Extremes, is here. To gain digital access to all of the magazine’s content, and receive your print copy, subscribe to PS Premium now.
To have unlimited access to our content including in-depth commentaries, book reviews, exclusive interviews, PS OnPoint and PS The Big Picture, please subscribe
The US president’s disastrous performance in the first – and possibly only – debate with Donald Trump reinforced an already-entrenched narrative that will be difficult, if not impossible, to alter. His performance could even threaten to turn him into something of a lame duck, further weakening his influence at home and abroad.
thinks the US president’s evident physical and mental infirmities have already turned him into a lame duck.
French President Emmanuel Macron has done himself no favors with his haughty, imperious style. But quite apart from the personal failings of a man who fancies himself a philosopher-king, a centrist project aimed at taking the best from the left and the right was always likely to alienate both sides.
thinks a series of lucky breaks masked the essential incoherence of the French president's political project.
波士顿——按照科技领袖、专家和学者的说法,人工智能注定会通过前所未有的生产力提升来改变我们所熟知的世界。虽然某些人认为机器很快就能做人类所做的一切,并由此迎来无限繁荣的新时代,但也有些预测至少更加接地气。例如,高盛预测,未来10年生成式人工智能将促成全球 GDP增长7%,而麦肯锡全球研究所则预测,从目前到2040年间,年度GDP增长率可能增加3~4%。经济学人杂志预测,人工智能将创造出蓝领财富机遇。
这样的预测是否现实?正如我在最近一篇论文中所指出的那样,未来的确定性远低于多数预测和猜度所给出的暗示。但尽管基本不可能确定性地预见到未来20或30年人工智能将发展到何种程度,但人们却可以在某种程度上预测未来十年,因为上述近期经济影响大多必然涉及现有的技术及其改进。
一个合理的假设是,人工智能的最大影响源于实现某些任务自动化,以及提高某些职业某些劳动者的效率。经济学理论在一定程度上指导评估了上述综合效应。根据(以经济学家查尔斯·霍特命名的)霍特定理,综合全要素生产率(TFP)效应不过是自动化任务份额以及平均成本节约的乘积。
尽管因事而异导致平均成本节约很难估算,但某些研究已认真审视了人工智能对特定任务的影响力。例如,沙克德·诺伊和惠特尼·张已经研究了ChatGPT 对简单写作任务(如总结文件或撰写常规拨款提案及营销材料)的影响,而埃里克·布林约尔松、丹妮尔·李和林赛·雷蒙德则评估了将人工智能助理应用于客户服务领域。总之,该研究表明,目前可用的生成式人工智能工具平均节约了27%的劳动力成本,而总体成本节约达14.4%。
受人工智能和相关技术影响的任务究竟占到多大比例?依据最新研究数据,我估计该比率约为4.6%,也就是人工智能将在10年内推动综合全要素生产率(TFP)仅上涨0.66%,相当于每年上涨0.06%。当然,由于人工智能也将推动投资热, 从而可能加大GDP的增长幅度,也许该增幅在1~1.5%的范畴内。
上述数字远低于高盛和麦肯锡的预测。要想提升该数字,要么必须提高微观层面生产力,要么就需要假设经济中有更多的任务将受到影响。但这两种都并非合理的假设。远高于27%的劳动力成本节约不仅超出现有研究范畴;而且,也不符合对其他、甚至更有前景技术的观察结果。例如,工业机器人已经改变了某些制造业领域,似乎将劳动力成本降低约30%左右。
Secure your copy of PS Quarterly: Age of Extremes
The newest issue of our magazine, PS Quarterly: Age of Extremes, is here. To gain digital access to all of the magazine’s content, and receive your print copy, subscribe to PS Premium now.
Subscribe Now
同样,我们不大可能看到人工智能接管超过4.6%的任务,因为它还远不能执行多数人工或社会任务(包括会计等涉及特定社会层面的看似简单的职能)。截至2019年,一项针对几乎所有美国企业的调研活动发现,仅有约1.5%的美国企业曾投资于人工智能。即使上述投资在过去一年半有所增长,但在人工智能完全普及前,仍有很长很长的路要走。
当然,如果人工智能彻底改变了科学发现过程或创造出许多全新任务及产品,则其可能产生比我们分析所允许的更大的影响。最近,人工智能促成的新晶体结构发现和蛋白质折叠等进展的确展现出这样的可能。短时间内,上述突破仍不太可能成为主要经济增长点。即使新发现可以更快地进行测试并转化为实际产品,科技业现在也过于关注自动化和数据货币化,而非为劳动者引入新的生产任务。
此外,我可能过高估计了现状。生成式人工智能的早期应用自然而然出现在其表现较好的地方,也就是,存在客观成功衡量标准的任务,如编写简单子程序或验证信息等。在上述领域,模型的学习过程可以建立在外部信息和现成历史数据的基础之上。
但能在10年内实现自动化的4.6%的任务——包括评估应用程序、诊断健康问题和提供金融建议——很多都并不存在这样定义明确的客观成功指标,而且,往往涉及到复杂的环境变量(对一名患者有利的对其他人并不一定适合)。在上述情况下,借助外部观察来学习难度要大得多,而生成式人工智能模型则必须反过来依赖现有劳动者。
在上述情况下,重大的人类劳动改善空间将被压缩。因此,我估计,这4.6%的任务中约有1/4将被划入“难以学习”的范畴,且生产率的提升空间也将更小。一旦据此做出调整,则0.66%的全要素生产率增长将下降至0.53%左右。
对劳动者薪酬和不平等将产生何种影响?好消息是,相比早期的自动化浪潮(如基于机器人或软件系统的自动化),人工智能的影响可能散布在更为广泛的人口群体中。如果真是这样,它将不会像早期自动化技术那样产生广泛的不平等影响(在此前与帕斯卡尔·雷斯特雷珀合作的著作中,我曾预估过上述影响)。但我却并未发现任何证据表明,人工智能将减少不平等或促进工资增长。某些群体——尤其是白人和土生土长的女性——所面临的风险更大,并将受到负面影响,且总体而言,资本将比劳动者获益更多。
经济理论和现有数据证明,对人工智能更温和、更现实的展望是合理的。现有证据能支持所谓无需担心监管的观点,因为人工智能将开启令所有人水涨船高的众所周知的上升潮。人工智能就是经济学家所谓的通用技术。我们可以让它做很多事,当然要做的事很多比自动化和推升数字广告的盈利能力更美好。但如果我们不加批判地全盘接受技术乐观主义或允许技术行业掌控议程,可能导致绝大多数潜力被浪费掉。