IMF《金融與發(fā)展》：人工智能宏觀經(jīng)濟(jì)學(xué)斯坦福大學(xué)人本人工智能研究所“杰里?楊（JerryYang）和山崎明子（AkikoYamazaki）”教授埃里克?布林約爾松（ERIKBRYNJOLFSSON）、斯坦福大學(xué)數(shù)字經(jīng)濟(jì)實(shí)驗(yàn)室博士后研究員加布里埃爾?昂格爾（GABRIELUNGER）發(fā)布時(shí)間:2024-02-22我們今天做出的集體決策將決定人工智能對(duì)生產(chǎn)率增速、收入不平等和產(chǎn)業(yè)集中度的影響經(jīng)濟(jì)學(xué)家在預(yù)測(cè)未來(lái)方面一直表現(xiàn)欠佳。而硅谷在對(duì)下一項(xiàng)重大技術(shù)的希望和失望中反復(fù)循環(huán)。因此，對(duì)任何關(guān)于人工智能（AI）將如何改變經(jīng)濟(jì)的觀點(diǎn)持健康的懷疑態(tài)度，是有道理的。盡管如此，我們有充分的理由重視AI（其為一種展現(xiàn)出智能行為，如學(xué)習(xí)、推理和解決問(wèn)題的系統(tǒng)）在實(shí)現(xiàn)經(jīng)濟(jì)變革方面日益增長(zhǎng)的潛力，特別是考慮到過(guò)去一年中出現(xiàn)的令人驚艷的技術(shù)進(jìn)步。AI可能會(huì)在經(jīng)濟(jì)以外的許多領(lǐng)域影響社會(huì)，包括國(guó)家安全、政治和文化等領(lǐng)域。但在本文中，我們將重點(diǎn)關(guān)注AI對(duì)宏觀經(jīng)濟(jì)三個(gè)廣泛領(lǐng)域的影響：生產(chǎn)率增速、勞動(dòng)力市場(chǎng)和產(chǎn)業(yè)集中度。AI的未來(lái)并無(wú)定數(shù)。它可以向非常不同的方向發(fā)展。未來(lái)將會(huì)出現(xiàn)的景象會(huì)是多方作用的結(jié)果，包括今天我們?cè)诩夹g(shù)和政策上做出的決定。在每個(gè)領(lǐng)域，我們都面臨著一個(gè)岔路口：兩條通往截然不同的AI和經(jīng)濟(jì)的未來(lái)之路。在每種情況下，阻力最小的道路都通往最糟糕的未來(lái)。要想實(shí)現(xiàn)更美好的未來(lái)，就需要良好的政策，包括：·創(chuàng)造性的政策實(shí)驗(yàn)·為社會(huì)對(duì)AI的期望設(shè)定一系列積極的目標(biāo)，而不僅僅是避免出現(xiàn)負(fù)面結(jié)果·認(rèn)識(shí)到AI的技術(shù)可能性具有極大的不確定性并處于快速變化之中，且社會(huì)必須隨此靈活變通阻力最小的道路都會(huì)通向更糟糕的未來(lái)，會(huì)導(dǎo)致生產(chǎn)率增速低下、收入不平等加劇和產(chǎn)業(yè)集中度的提高。第一個(gè)岔路口：生產(chǎn)率增速第一條道路涉及未來(lái)的經(jīng)濟(jì)增長(zhǎng)，這在很大程度上即是未來(lái)的生產(chǎn)率增速。在過(guò)去50年的大部分時(shí)間里，除了1990年代末和2000年代初的短暫復(fù)蘇，美國(guó)經(jīng)濟(jì)一直處于生產(chǎn)率增速低下的狀態(tài)，這令人不安（Brynjolfsson、Rock和Syverson，2019年）。大多數(shù)發(fā)達(dá)經(jīng)濟(jì)體現(xiàn)在都面臨著同樣的生產(chǎn)率增速低下的問(wèn)題。生產(chǎn)率（每單位投入的產(chǎn)出）比任何其他因素都更能決定國(guó)家的財(cái)富和人民的生活水平。隨著生產(chǎn)率的提高，預(yù)算赤字、減貧、醫(yī)療保健和環(huán)境等問(wèn)題都將更容易解決。提高生產(chǎn)率增速可能是全球面臨的最根本的經(jīng)濟(jì)挑戰(zhàn)。低生產(chǎn)率的未來(lái)在生產(chǎn)率岔路口的一條道路上，AI的影響是有限的。盡管AI的技術(shù)能力迅速提高，但企業(yè)對(duì)其采用可能仍會(huì)十分緩慢，并且僅限于大型企業(yè)（Zolas等人，2021年）。AI的經(jīng)濟(jì)性可能最終僅僅是一種狹隘的節(jié)省勞動(dòng)力的技術(shù)——達(dá)隆?阿西莫格魯（DaronAcemoglu）和西蒙?約翰遜（SimonJohnson）稱(chēng)之為“很一般的技術(shù)”，例如雜貨店的自動(dòng)結(jié)賬臺(tái)——而不是一種能夠使勞動(dòng)者從事一些富有創(chuàng)意或強(qiáng)大影響力的事情（參見(jiàn)本期《金融與發(fā)展》中的“重新平衡人工智能發(fā)展之路”一文）。失業(yè)勞動(dòng)者最終尤其可能會(huì)從事生產(chǎn)效率更低、更缺乏活力的工作，從而進(jìn)一步削弱經(jīng)濟(jì)長(zhǎng)期生產(chǎn)率增長(zhǎng)的總體效益。就像硅谷最近的在技術(shù)層面所展現(xiàn)出的興趣（3D打印機(jī)、自動(dòng)駕駛汽車(chē)、虛擬現(xiàn)實(shí)）一樣，AI最終也可能不如最初希望的那樣前途無(wú)量，或者不如最初希望的那樣隨時(shí)可被推廣至市場(chǎng)。任何真正的經(jīng)濟(jì)收益，哪怕是較小的收益，都可能在最初的技術(shù)承諾后的幾十年顯現(xiàn)在數(shù)據(jù)之中，這也是最常見(jiàn)的模式。經(jīng)濟(jì)學(xué)家羅伯特?索洛（RobertSolow）在1987年提出了一項(xiàng)著名悖論，“計(jì)算機(jī)時(shí)代已無(wú)處不在，但就是無(wú)法在生產(chǎn)率的統(tǒng)計(jì)數(shù)據(jù)中觀察到”。這項(xiàng)悖論可能會(huì)更加極端地體現(xiàn)出來(lái)，因?yàn)楝F(xiàn)在人人似乎都有一個(gè)令朋友們感到驚艷的AI聊天機(jī)器人，但企業(yè)似乎并沒(méi)有因?yàn)锳I使用的增加而提高生產(chǎn)率。企業(yè)可能會(huì)進(jìn)一步削弱AI帶來(lái)的任何經(jīng)濟(jì)利益，因?yàn)樗鼈兾茨芘宄浞掷肁I所需的組織和管理而且，與自動(dòng)駕駛汽車(chē)一樣，從令人興奮的概念驗(yàn)證到高度可靠的產(chǎn)品，這一過(guò)程會(huì)面臨多項(xiàng)技術(shù)挑戰(zhàn)。這些挑戰(zhàn)還可能會(huì)因法律制度而更加復(fù)雜，原因在于一些法律制度本身對(duì)這項(xiàng)新技術(shù)并不具有適應(yīng)性，且可能?chē)?yán)重阻礙其發(fā)展。就AI而言，當(dāng)模型在數(shù)百萬(wàn)個(gè)數(shù)據(jù)點(diǎn)（這些數(shù)據(jù)點(diǎn)可能包括受保護(hù)的他人知識(shí)產(chǎn)權(quán)）上進(jìn)行訓(xùn)練時(shí)，有關(guān)知識(shí)產(chǎn)權(quán)的當(dāng)前法律會(huì)帶來(lái)何種影響，仍具有巨大的不確定性。知識(shí)產(chǎn)權(quán)法最終可能會(huì)通過(guò)創(chuàng)建類(lèi)似于“專(zhuān)利叢林法則”的概念來(lái)作出反應(yīng)，以有效阻止模型在開(kāi)發(fā)人員沒(méi)有明確權(quán)利的數(shù)據(jù)上進(jìn)行訓(xùn)練。與此同時(shí)，錯(cuò)誤的選擇可能會(huì)削弱富有創(chuàng)意的專(zhuān)業(yè)人員提供更多新穎內(nèi)容供機(jī)器學(xué)習(xí)系統(tǒng)使用的積極性。此外，出于各種擔(dān)憂(yōu)，國(guó)家監(jiān)管機(jī)構(gòu)可能會(huì)實(shí)施嚴(yán)格的監(jiān)管法規(guī)，這會(huì)減緩AI的發(fā)展和傳播速度。國(guó)家監(jiān)管機(jī)構(gòu)甚至還可能受到AI早期開(kāi)發(fā)人員的敦促，因?yàn)樗麄兛释Ｗo(hù)自己的領(lǐng)先優(yōu)勢(shì)。此外，一些國(guó)家、企業(yè)和其他組織可能會(huì)完全禁止AI。高生產(chǎn)率的未來(lái)但還存在另一種情景，即AI會(huì)在未來(lái)提高生產(chǎn)率增速。AI可能會(huì)應(yīng)用于由大多數(shù)勞動(dòng)者完成的很大一部分任務(wù)（Eloundou等人，2023年），并大大提高這些任務(wù)的生產(chǎn)率。在這個(gè)未來(lái)中，AI兌現(xiàn)了承諾，成為幾十年來(lái)最具顛覆性的技術(shù)突破。此外，它將最終與人類(lèi)勞動(dòng)實(shí)現(xiàn)互補(bǔ)——讓勞動(dòng)者將更多時(shí)間花在非常規(guī)、創(chuàng)意性和創(chuàng)造性的任務(wù)上，而不僅僅是取代人類(lèi)勞動(dòng)。AI通過(guò)利用大量新數(shù)字化的數(shù)據(jù)，捕捉并體現(xiàn)個(gè)人和組織的隱性知識(shí)（通過(guò)經(jīng)驗(yàn)獲得，但難以清晰表達(dá)）。因此，更多的勞動(dòng)者可以將更多的時(shí)間投入到對(duì)新問(wèn)題的研究中，越來(lái)越多的勞動(dòng)力將形成一個(gè)越來(lái)越像由研究型科學(xué)家和創(chuàng)新者組成的社會(huì)。其結(jié)果是，這不僅會(huì)提高經(jīng)濟(jì)的生產(chǎn)率水平，而且永久性地提高了生產(chǎn)率的增在這樣的未來(lái)中，AI與機(jī)器人的成功整合也意味著更多的經(jīng)濟(jì)領(lǐng)域可以適應(yīng)與人工智能相關(guān)的進(jìn)步。AI不僅能使社會(huì)把已在從事的工作做得更好，還能讓社會(huì)去做和設(shè)想以前無(wú)法想象的事情。AI支持的醫(yī)學(xué)研究使人類(lèi)生物學(xué)和藥物設(shè)計(jì)知識(shí)取得了快速進(jìn)展。AI能夠幫助推動(dòng)創(chuàng)造力和科學(xué)發(fā)現(xiàn)的引擎（數(shù)學(xué)、科學(xué)、AI的進(jìn)一步發(fā)展）本身，這是一種遞歸性的自我提升，曾經(jīng)僅存在于科幻小說(shuō)中的思想實(shí)驗(yàn)。第二個(gè)岔路口：收入不平等過(guò)去40年，個(gè)體勞動(dòng)者之間收入不平等的加劇是一個(gè)重要的問(wèn)題。勞動(dòng)經(jīng)濟(jì)學(xué)的大量實(shí)證研究表明，計(jì)算機(jī)和其他形式的信息技術(shù)可能通過(guò)實(shí)現(xiàn)常規(guī)性的中等收入工作的自動(dòng)化而加劇了收入的不平等，這導(dǎo)致勞動(dòng)力兩極分化為高收入和低收入的勞動(dòng)者群體。盡管企業(yè)的首席執(zhí)行官（CEO）和看門(mén)人這樣的工作仍然存在，但計(jì)算機(jī)已經(jīng)取代了一些中層的辦公室工作人員（Autor、Levy和Murnane，2003年）。我們考慮了AI對(duì)不平等現(xiàn)象產(chǎn)生影響的兩種情景。不平等加劇的未來(lái)在第一種情景下，AI會(huì)加劇收入不平等。技術(shù)人員和管理人員設(shè)計(jì)和實(shí)施AI，以直接替代多種人類(lèi)勞動(dòng)，從而壓低許多勞動(dòng)者的工資。更糟糕的是，生成式AI開(kāi)始生成文字、圖像和聲音（這些任務(wù)以前被認(rèn)為是非常規(guī)的，甚至是創(chuàng)造性的），機(jī)器能夠與客戶(hù)互動(dòng)，并為市場(chǎng)營(yíng)銷(xiāo)活動(dòng)創(chuàng)建內(nèi)容。受到AI競(jìng)爭(zhēng)威脅的工作崗位數(shù)量最終會(huì)大幅增加。整個(gè)行業(yè)會(huì)被顛覆，且AI取代人工的程度會(huì)逐步加深（最近美國(guó)編劇和演員的罷工或許也顯示出AI對(duì)勞動(dòng)力的威脅，他們要求電影公司限制使用AI）。在這種情景中，未來(lái)不會(huì)出現(xiàn)大規(guī)模的失業(yè)。但在這個(gè)不平等加劇的未來(lái)，隨著AI取代高薪或體面的工作，更多的勞動(dòng)者會(huì)被降級(jí)，轉(zhuǎn)而從事低薪的服務(wù)業(yè)工作，比如醫(yī)院的護(hù)理員、保姆和門(mén)衛(wèi)。對(duì)于這些低薪工作而言，一些人類(lèi)勞動(dòng)的存在本質(zhì)上是有價(jià)值的，加之工資如此之低，以至于企業(yè)無(wú)法證明投入大量技術(shù)投資來(lái)取代人工的成本是合理的。純?nèi)祟?lèi)勞動(dòng)的最終堡壘，可能是這些包含體力勞動(dòng)的工種。在這種情況下，收入不平等將加劇，因?yàn)閯趧?dòng)力市場(chǎng)會(huì)進(jìn)一步兩極分化為少數(shù)高技能精英階級(jí)和大量低薪服務(wù)勞動(dòng)者的虜憬準(zhǔn)丁。不平等下降的未來(lái)然而，在第二種情景下，AI會(huì)導(dǎo)致收入不平等的下降，因?yàn)锳I對(duì)勞動(dòng)力的主要影響是幫助經(jīng)驗(yàn)不足或知識(shí)儲(chǔ)備較少的勞動(dòng)者更好完成工作。例如，軟件編程人員現(xiàn)在已受益于Copilot等AI模型的幫助，這些模型有效地借鑒了許多其他勞動(dòng)者編程的最佳實(shí)踐。使用Copilot，會(huì)使經(jīng)驗(yàn)不足或水平欠佳的編程人員的水平接近于優(yōu)秀編程人員——即使二者都可以使用相同的AI工具，也是如此。一項(xiàng)針對(duì)5,000名在電話客服中心從事復(fù)雜客戶(hù)協(xié)助工作的員工的研究發(fā)現(xiàn)，在獲得AI助手支持的員工中，最不熟練或最新員工的生產(chǎn)率提升幅度最大（Brynjolfsson、Li和Raymond，2023年）。如果雇主與員工分享這些生產(chǎn)率提升的收益，收入分配將變得更加平等。除了創(chuàng)造一個(gè)減少收入不平等的未來(lái)之外，AI還可以在另一個(gè)更微妙、但更深刻的層面上為勞動(dòng)力帶來(lái)幫助。如果AI可以替代最常規(guī)和公式化的任務(wù)，那么通過(guò)讓人們從繁瑣的日常工作中解放出來(lái)，AI可以對(duì)真正有創(chuàng)意性和趣味性的任務(wù)形成補(bǔ)充，改善工作的基礎(chǔ)心理體驗(yàn)，以及提升產(chǎn)出的質(zhì)量。事實(shí)上，電話客服中心的研究發(fā)現(xiàn)，使用AI助手的員工不僅提高了生產(chǎn)率，還減少了員工流動(dòng)，并提高了客戶(hù)滿(mǎn)意度。第三個(gè)岔路口：產(chǎn)業(yè)集中度自1980年代初以來(lái)，產(chǎn)業(yè)集中度（衡量一個(gè)行業(yè)中最大型企業(yè)的集體市場(chǎng)份額）在美國(guó)和許多其他發(fā)達(dá)經(jīng)濟(jì)體中急劇上升。這些大型超級(jí)明星企業(yè)通常比較小型的同行企業(yè)擁有更多資本，技術(shù)水平也更發(fā)達(dá)。AI在這方面的影響也包含著兩種不同的情景。集中度提高的未來(lái)在第一種情景中，行業(yè)集中度提高，只有最大型的企業(yè)在其核心業(yè)務(wù)中大量使用AI。AI使這些企業(yè)的生產(chǎn)率和利潤(rùn)率會(huì)高于其競(jìng)爭(zhēng)對(duì)手，其規(guī)模也會(huì)更大。就原始計(jì)算能力而言，AI模型的開(kāi)發(fā)成本越來(lái)越高——這是只有最大型的企業(yè)才能負(fù)擔(dān)得起的巨大前期成本。此外，還需要讓AI針對(duì)大量的數(shù)據(jù)集開(kāi)展訓(xùn)練。大型企業(yè)已經(jīng)從其龐大的客戶(hù)群體中獲得了這些數(shù)據(jù)集，但小型企業(yè)則還沒(méi)有。此外，在訓(xùn)練和創(chuàng)建了AI模型后，其運(yùn)營(yíng)成本也可能很高。例如，GPT-4模型在初始開(kāi)發(fā)期間的訓(xùn)練成本超過(guò)1億美元，每天需要大約70萬(wàn)美元才能運(yùn)行。開(kāi)發(fā)大型AI模型的典型成本可能很快就會(huì)達(dá)到數(shù)十億美元。領(lǐng)先AI企業(yè)的高管預(yù)測(cè)，在可預(yù)見(jiàn)的未來(lái)，關(guān)于訓(xùn)練成本和性能之間密切關(guān)系的擴(kuò)展法則將繼續(xù)成立，從而為擁有最大規(guī)模預(yù)算和數(shù)據(jù)集的企業(yè)帶來(lái)優(yōu)勢(shì)。因此，可能只有最大型的企業(yè)及其業(yè)務(wù)合作伙伴才能開(kāi)發(fā)專(zhuān)有AI，就像Alphabet、Microsoft和OpenAI等公司的例子一樣，而較小型企業(yè)尚且沒(méi)有這樣做。這樣大型企業(yè)的規(guī)模將越來(lái)越大。更細(xì)微、但也許更重要的一點(diǎn)是，即使在一個(gè)專(zhuān)有AI不需要只有大型企業(yè)才能負(fù)擔(dān)得起的巨額固定成本的世界里，AI仍然可能會(huì)給大型企業(yè)帶來(lái)更多收益，幫助它們完善其復(fù)雜業(yè)務(wù)運(yùn)營(yíng)的內(nèi)部協(xié)調(diào)——這是小型企業(yè)和結(jié)構(gòu)簡(jiǎn)單的企業(yè)所不具備的。高層管理人員管理最大型企業(yè)內(nèi)部資源的“看得見(jiàn)的手”（其現(xiàn)在得到了AI的支持）使企業(yè)效率得以提升，這挑戰(zhàn)了哈耶克提出的小型企業(yè)在分散市場(chǎng)中擁有本地知識(shí)的優(yōu)勢(shì)。集中度降低的未來(lái)然而，在產(chǎn)業(yè)集中度降低的未來(lái)，開(kāi)源AI模型（如Meta的LLaMA或伯克利的Koala）變得廣泛可用。營(yíng)利性企業(yè)、非營(yíng)利組織、學(xué)術(shù)界和個(gè)人編程人員的結(jié)合創(chuàng)造了一個(gè)充滿(mǎn)活力的開(kāi)源AI生態(tài)系統(tǒng)，使人們能夠廣泛訪問(wèn)已開(kāi)發(fā)的AI模型。這使小型企業(yè)能夠獲得以前從未擁有過(guò)的行業(yè)領(lǐng)先水平的生產(chǎn)技術(shù)。谷歌在2023年5月泄露的一份內(nèi)部備忘錄中預(yù)示了這其中的大部分內(nèi)容，其中一位研究人員表示，相比專(zhuān)有模型，“開(kāi)源模型的速度更快，可定制的程度更高，更為私密且能力更強(qiáng)”。該研究人員表示，小型開(kāi)源模型中的流程可以被許多人快速重復(fù)，其最終會(huì)比由單個(gè)團(tuán)隊(duì)緩慢迭代的大型專(zhuān)有模型能力更強(qiáng)，并且開(kāi)源模型的訓(xùn)練成本也更低。在這位谷歌的研究人員看來(lái)，開(kāi)源AI最終可能會(huì)超越昂貴的專(zhuān)有模型。也有可能是這種情況：AI鼓勵(lì)了廣泛的、分散的創(chuàng)新，相比在一家大型企業(yè)中，這種創(chuàng)新在多家小型企業(yè)中能發(fā)展得更好。企業(yè)的邊界是一系列權(quán)衡取舍的結(jié)果；在這樣一個(gè)世界里，更多運(yùn)用AI的創(chuàng)新者需要對(duì)其工作的剩余控制權(quán)，因此越來(lái)越多的創(chuàng)新者們寧愿成為小型企業(yè)的所有者，也不愿成為大型企業(yè)的雇員。其結(jié)果是，在過(guò)去長(zhǎng)期上升的產(chǎn)業(yè)集中度開(kāi)始呈現(xiàn)出一種新的走勢(shì)：一些靈活的小型企業(yè)填補(bǔ)甚至逆轉(zhuǎn)了與大型企業(yè)的技術(shù)差距，并贏回了更多的市場(chǎng)份額。制定政策議程對(duì)于每個(gè)岔路口來(lái)說(shuō)，阻力最小的道路都會(huì)通向更糟糕的未來(lái)，會(huì)導(dǎo)致生產(chǎn)率增速低下、收入不平等加劇和產(chǎn)業(yè)集中度的提高。要選擇更好的道路，我們需要做出艱苦的努力——有助于塑造技術(shù)和經(jīng)濟(jì)未來(lái)的明智的政策干預(yù)。同樣重要的是，我們要對(duì)政策由更廣泛的認(rèn)識(shí)?，F(xiàn)在，關(guān)于AI監(jiān)管的大部分討論都圍繞著一種“水力模型”進(jìn)行，即我們應(yīng)該增加還是減少甚至禁止AI的使用。出現(xiàn)這種討論的前提是，AI被視為某種固定的東西，具有一個(gè)預(yù)先確定的未來(lái)。AI的發(fā)展或快或慢。這或多或少都會(huì)發(fā)生。然而，如果政策制定者明白AI可以朝著不同的方向發(fā)展，那么討論的內(nèi)容就會(huì)大不相同。政策應(yīng)該如何鼓勵(lì)各種類(lèi)型的AI來(lái)補(bǔ)充人類(lèi)勞動(dòng)，而不是模仿和取代人類(lèi)勞動(dòng)？什么樣的政策選擇將鼓勵(lì)各種規(guī)模的企業(yè)都參與AI的發(fā)展，而不僅僅是那些最大型的企業(yè)？這可能需要什么樣的開(kāi)源生態(tài)系統(tǒng)，政策制定者如何提供支持？AI實(shí)驗(yàn)室應(yīng)該如何進(jìn)行模型開(kāi)發(fā)，