诺奖得主迈克尔·斯宾塞：人工智能能否带来广泛繁荣

当下人们对任何与人工智能有关的事物都鲜有共识，但有一项预期似乎已经在大部分企业、投资者和分析师中占据了上风，那就是这项技术将提高一大片领域的生产力。但即使能实现这些收益，它们又是否值得呢？

包括我在内的许多观察家预计，人工智能将显著提高生产力。首先，由越来越多使用案例研究提供的初步证据表明了这一点。其次，考虑到人工智能功能的迅速扩展、人工智能模型培训和使用成本的下降以及开源工具和系统的普及，人工智能似乎有可能以有意义的方式应用于几乎所有行业和工种。

当然，人工智能的有效落地并非板上钉钉，也无法一蹴而就，这要归因于获取、传播和学习曲线等问题。但即使克服了这些障碍也远远不能保证人工智能带来的生产力提升会在就业和收入方面带来广泛的好处。这取决于两个领域的状况：人工智能工具包和就业市场。

我们知道人工智能工具包正在迅速扩大。但如果大部分新增功能都集中在复制人类能力（以此取代人类工人），那么生产力的提升就将伴随着负面分配效应。然而正如经济学家安德烈斯·豪普特和埃里克·布林约尔松最近指出的那样，目前机器学习系统的基准中有很大一部分偏向于自动化，很少会将人类纳入评估。

为防止人工智能开发变成一场“模仿游戏”，豪普特和布林约尔松建议开发者社区接受“半人马评估”，也就是让人类和人工智能系统共同解决任务。这将使机器学习开发转向增强或机器与人的协作而非自动化。

但为了确保人工智能带来的好处能得到广泛分享，我们还必须关注就业市场。以美国为例，该国约有20%的劳动者受雇于可贸易部门，其中包括参与国际贸易的制造业（占其中40%）和服务业（60%）。其余近80%的劳动者在政府、教育、酒店、传统零售和建筑业等非贸易服务行业工作。

过去三十年来，可贸易部门与不可贸易部门在生产率和收入方面的差距不断扩大。一般来说，可贸易部门——包括跨国企业管理、半导体和计算机设计以及研发等工作——拥有更高更快的生产率和更高的收入增长。这就是即使制造业就业人数逐步减少然后趋于平稳，产出（或者更准确地说是附加值）却持续增长的原因。

如果我们不去谨慎应对，人工智能就将扩大可贸易部门与不可贸易部门之间的差距，导致不平等现象急剧增加。只有当人工智能不仅在可贸易部门和非贸易部门得到有效应用，还在这些部门中的中低收入岗位中得到有效应用时，它才能产生整个经济的生产率提升并实现广泛的收入增长。这就是为何必须齐心协力去使人工智能的开发向整个就业和收入领域的增强和协作倾斜。

在这方面已经出现了一些积极信号。美国国防部高等研究计划局已经举办了专注于人类与机器人合作的竞赛，例如用机器人来增强人类体能，以及人类控制机器人在复杂、快速发展的物理环境中穿行。但我们还有更多工作要做。对人工智能基础研究的资助（包括由政府提供的那些）应强调增强和合作，还应引入面向私人开发者的激励措施。

其他考虑因素也可以且应当塑造人工智能的发展。DeepMind的AlphaFold通过执行一项高度劳动密集且耗时的任务——根据氨基酸序列预测蛋白质结构，显著提高了效率和生产力。但它的目的并不是取代人类，而是推动生物医学领域的发展。这将在其他方面造福人类。

尽管如此，确保人工智能工具包能够为各行各业和不同收入水平的人们带来基于增强或协作的益处必须成为当务之急。但仅此还无法保证能大幅促进广泛繁荣，因为仍有一些一般均衡效应在起作用。

我们在上一轮数字化应用中见识过这一点，当时许多常规、可编程的工作都实现了自动化。再加上全球化催生的劳动密集型制造业工作外包，大量被淘汰且往往是中产阶级的劳动者别无选择，只能转向非常规且往往生产率和收入水平较低的工作。这类转型从来都不是无摩擦的。

在即将到来的人工智能转型期，生产率的提高将导致成本的降低，再加上正常的竞争压力，价格也会随之下行。但如果某个行业的需求弹性小于1，那工作岗位就会流失。虽说需求弹性较高的其他部门会增加就业岗位，但人员在不同部门和工种之间的流动必然产生相当大的动荡。而且劳动力供应确实有可能出现相对需求的短期性增长，进而削弱劳动者的议价能力。

正如许多人所指出的，在收入和技能方面提供过渡支持至关重要，而人工智能驱动的工具很可能有助于再培训和技能获取。与此同时，政策制定者应该创造劳动力需求，正如大萧条发生后那样。

对美国来说，这提供了一个一石二鸟的机会。出于种种原因，美国经济在基础设施发展和升级方面已经落后。扭转这一趋势将增加良好的就业机会和劳动力需求，从而为即将到来的人工智能驱动式转型创造缓冲。

（作者系诺贝尔经济学奖得主、斯坦福大学商学院经济学荣誉教授兼前院长）