【.com快译】有人声称人工智能（AI）系统将改变经济，甚至造成大规模失业和巨大垄断。但是专业经济学家怎么想的呢？自亚当·斯密的别针工厂创建以来，经济学家一直在研究技术变革、生产力和就业之间的关系。因此，人工智能系统能够在越来越多的情况下表现出色也就不足为奇了。2017年9月，一群著名经济学家齐聚多伦多，制定了人工智能(AI)经济学的研究议程。他们讨论了人工智能在经济上的独特之处、影响以及如何制定相关政策。去年九月，我有幸参加了在多伦多举行的第三届大会，亲眼目睹了人工智能的经济发展。在这里，我将会议的主要议题概括为四个层面：宏观：人工智能对整体经济的影响，如生产力、就业或失衡中观：人工智能对科学研究或监管等个别领域的影响微观：AI对组织和个人行为影响的元视图：AI对经济学家用来研究AI的数据和方法的影响不仅使预测变得简单和丰富，使组织能够做出更多更好的决策，而且使其中的一些决策自动化。一个典型的例子是亚马逊的推荐引擎，它为每个访问者提供网站的个性化版本。如果没有机器学习系统，这种定制是不可能的。机器学习系统可以根据每个客户的行为和其他类似客户的数据自动预测每个客户可能对哪些产品感兴趣。人工智能系统可以被任何面临预测问题的部门——从农业到金融——以及几乎任何经济部门所采用。人工智能的这种广泛适用性使一些经济学家将其称为变革性的“通用技术”。这项技术将重塑经济，就像蒸汽机或半导体在历史早期所做的一样。MacroViewAI增强了经济决策并使其自动化，从而提高了生产力。对劳动力和投资有何影响？AI对劳动力的影响分析AI对劳动力影响的主要框架是由DaronAcemoglu和PascualRestrepo开发的基于任务的模型。该模型将经济想象为生产任务的大量集合。能够执行这些任务的人工智能系统的出现会影响对劳动力的需求、资本的收入份额等。如果人工智能减少劳动力或增加资本流入的比例——更多的资本往往会集中在更少的人手中——它可能会使我们的经济更不平等。人工智能对劳动力的影响有以下四个方面：第一，人工智能系统取代了一些以前由人类完成的工作。例如，当亚马逊采用自动推荐系统时，书评就被取代了。这将减少对劳动力的需求。其次，人工智能系统为人类任务增加了价值。以亚马逊的网络开发和库存管理任务为例：由于其AI推荐系统，投资于改善网站和储存许多不同书籍的每一美元都会为公司带来更大的回报。三是资本深化。新的人工智能系统是一项投资，可以增加工人雇用的资本存量，提高他们的生产力，并将增加对劳动力的需求。最后，当人工智能系统创建全新的任务时，例如开发机器学习系统或标记数据集来训练这些系统，这些新任务将创造新的工作岗位并增加劳动力需求。这四个方面共同决定了人工智能对劳动力需求的影响。与工作末日即将到来的观点相反，该模型确定了人工智能系统对增加劳动力的需求。同时，与经济学中新技术总是通过扩张增加劳动力需求的标准假设相反，基于任务的模型认识到新技术对劳动力需求的净影响可能是负面的。例如，如果一家公司采用“平庸”的人工智能系统，其生产率高到足以取代工人，但不足以通过其他渠道增加劳动力需求。会上有人提出：Jackson和Kanik将人工智能模型作为中间输入，企业通过使用亚马逊的WebServices等供应链获得。在这个模型中，人工智能对劳动力需求和生产力的影响取决于工人的替代：如果替代工作的生产力较低，那么人工智能将对生产力产生负面影响。随着企业开始使用人工智能供应商来访问以前由员工提供的服务，人工智能的部署正在使经济更加互联。这可以集中价值链并增加市场力量，但也会产生系统性风险。Autor和Salomons使用美国人口普查局自1950年代以来出版的职称词典，研究了创造新职称的行业和职业的演变。分析表明，当时处于收入分配中间的职业创造了最多的新职位，而现在，大多数新职位都是在高技能、技术密集型职业中创造的。人工智能等现代技术似乎增加了对高技能工作的需求，这导致了劳动力市场的两极分化。还有一种风险是，高技能职业的技能短缺可能与非技能人员的失业并存。无形资产为了提高生产力，对人工智能的投资需要伴随对IT基础设施、技能和业务流程的投资。其中一些投资涉及数据、信息和知识等“无形资产”的积累。与机器或建筑物等实物资产相比，无形资产难以保护、模仿和销售，创造无形资产往往需要昂贵的实验和边做边学。继续以亚马逊为例，在其整个历史中，该公司已经建立了有形的数据和IT基础设施来补充其人工智能系统。同时，它开发了无形的流程、实践和“以客户为中心”的心态，并在其信息系统与供应商和用户的信息系统之间创建了开放接口。成功很重要，但同时也很难模仿。ErikBrynjolfsson及其同事在2018年的一篇论文中指出，在整个经济中积累这些无形资产的必要性可以准确解释为什么人工智能的进步需要这么长时间。今年在多伦多发表的几篇论文从经验上检验了这些问题：DanielRockUsingLinkedInDatatoMeasuretheImpactofEngineeringSkillsonFirmValue。这表明无形的企业因素决定了工程人才的业务影响力。他的分析还表明，市场预计这些无形投资在未来会产生重要回报：当谷歌发布TensorFlow时，已经聘请AI人才的公司的市值增加了。一种解释是，发明人将TensorFlow视为一种工具，可以帮助这些公司从与AI相关的无形投资中创造价值。另一种解释是，这些公司预计会被人工智能系统和服务的开发商颠覆。PrasannaTambe和合作者还使用LinkedIn数据来估计人工智能无形投资的价值，发现它集中在一小群“明星公司”。这意味着市场的预期收益集中在少数企业，基于AI经济的市场力量还有待进一步开发。不同行业采用人工智能的差异和影响以健康行业为例：行业生产的性质、数据的可用性、改变业务流程的程度，完全不同。这意味着人工智能将对不同的行业产生截然不同的影响。以前的《人工智能经济学》（AI经济学）会议包含有关AI在媒体或医疗保健等领域的影响的论文。今年还考虑了其??他领域的具体问题，包括科学研发和监管。让机器创造更好的创意Cockburn、Henderson和Stern在《人工智能经济学》会议上首次提出，人工智能不仅是一种通用技术，更是一种“发明方法中的发明”，可以改变科研生产力和发展。使用这些知识的领域具有重要的溢出效应。也就是说，“创造更好想法的AI系统”在递归循环中变得更擅长创造更好的系统。今年，风险投资家SteveJurvetson和初创公司Atomwise的首席执行官AbrahamHeifts表示，他们已经在自己的企业中发现了其中的一些机会。有两篇论文考察了AI对研发的影响：我自己和同事在arxiv上分析了AI在计算机科学研究中的使用，AIbeingatleastoneinventionincomputationalmethods:AIinmanycomputerscienceIthasbeenadopedinsubfields,它产生了重大影响。人工智能在计算机视觉、自然语言处理、声音处理、信息检索等领域发展较快，这些领域有大量数据集可以训练机器学习系统，因此人工智能研发在这些领域进展较快。阿格拉瓦尔等。建立了模型，研究人工智能对生物医学、材料科学等科研领域的影响。人工智能系统可以帮助确定哪些药物组合最有可能减少浪费并提高研发领域的生产力。作者说，要实现这些好处，将需要访问培训数据并组建研究团队，将人工智能技能与应用科学领域的知识相结合。人工智能监管人工智能等新技术的开发和采用将需要新的游戏规则。与此同时，监管本身就是一个行业，人工智能系统正在改变其结构和流程，加速技术变革并创造新机遇。会议上的两次演讲都集中在监管和人工智能之间的双向道路上。SukLee等人。调查了公司如何根据不同的人工智能监管模式改变他们的人工智能采用计划。与特定行业的法规相比，通用法规将为采用人工智能制造更多障碍，并且法规增加了管理人员监督人工智能采用的需求，同时减少了对熟练和低技能工人的需求。它还为小公司制造了更大的障碍，增加了对创新和竞争进行更严格监管的潜在成本。Clark和Hadfield认为，监管行业需要创新以跟上人工智能技术快速变化的步伐，但公共部门的监管机构缺乏有效创新的灵活性和动力。为了解决这个问题，他们建议建立一个监管市场，在这个市场中，政府许可私营公司以可衡量的目标监管人工智能的采用：这将给予私营公司开发创新监管技术和商业模式的动力和自由，尽管这也提出了问题谁将监督这些新的监管机构，以及如何避免他们内部出现问题。基于机器学习算法的微观现代人工智能系统通常被称为黑匣子，因为它们的预测难以解释和理解。同样，对于采取宏观视角的经济学家来说，采用人工智能系统的公司就像黑匣子：毕竟，人工智能无形资产是一类广泛的商业投资，包括对流程、实践、新业务和组织模型实验的贡献。但是这些公司在采用人工智能系统时实际上在做什么呢？它们的影响是什么？经济学家将打开这些业务的黑匣子来衡量人工智能的影响。当企业部署人工智能系统时，不仅仅是为了预测或做出更好的决策，而是重塑员工、消费者、竞争对手以及人工智能系统本身在环境中所扮演的角色。SusanAthey等人比较了UberX和UberTaxi在芝加哥的服务质量。通过分析驾驶速度、持续时间和制动频率等详细的远程数据，他们确认UberX司机的工作受到用户评论的影响。他们还向司机提供有关他们表现的信息，以测试这是否改变了他们的行为，并发现表现最差的司机往往会对这些“激励措施”做出反应，以提高他们的驾驶技能。该论文表明，人工智能系统是“数字平台和市场的管理和监管越来越重要的方法”，同时也引发了对员工隐私的众多担忧。迈克尔卢卡等人。以波士顿一家餐厅的健康检查为例，测试了各种策略的有效性。研究表明，复杂的机器学习算法产生的建议优于人类检查员产生的排名。有趣的是，他们还发现大量检查员没有遵循AI的建议，这表明员工不信任这些系统。AdairMorse及其合著者分析了“金融科技”AI系统对抵押贷款歧视的影响，发现这些系统在利率和贷款批准率方面对拉丁裔和非裔美国人借款人的歧视往往低于面对面贷款人。然而，人工智能系统仍然通过识别数据中的不同特征来进行区分。这表明采用人工智能可以帮助解决旧问题（人类偏见），同时引入新问题（算法偏见）。利用人工智能研究人工智能人工智能技术对经济学研究贡献巨大，经济学研究常常试图从数据中发现因果模式。SusanAthey在首届人工智能经济学会议上特别关注如何使用机器学习来改进现有的计量经济学方法。上面提到的几篇论文探索了新的数据源和方法，例如使用来自LinkedIn和Uber的大型数据集，以及测试UberX司机对推送通知的响应。在Nesta，我们正在使用机器学习方法分析开放数据集以映射AI。尽管这些方法开辟了新的分析机会，但它们也带来了可重复性挑战，尤其是当研究依赖于无法与其他研究人员共享的专有数据集时。其中一些挑战可以通过共享分析过程中使用的数据和代码以及为新方法的应用制定道德准则来解决。人工智能经济的未来之路在总结了会议的主要议题和论文后，我强调了一些我认为遗漏的问题。人工智能建模对人工智能影响的宏观研究假设，只要企业进行必要的补充投资，人工智能就会提高生产力。他们很少关注人工智能带来的新问题，例如算法操纵、偏见和错误、员工不遵循人工智能建议或人工智能市场中的信息不对称。这些因素降低了人工智能对生产力的影响，并可能阻碍人工智能产品和服务的贸易。人工智能的宏观研究应该考虑人工智能采用和影响的这些复杂方面，而不是将它们隐藏在无形投资的黑匣子中，或者假设它们在某种程度上与人工智能部署无关。如果我们考虑到跨行业算法错误的风险，以及管理它所需的人力监督投资，这个模型会是什么样子。总的来说，《人工智能经济学》会议发表的研究阐明了人工智能对经济的外部影响，比如DanielRock关于TensorFlow发布对企业市值影响的研究。但是，人工智能的发展本身就是一个经济过程，对其的分析应该是人工智能经济议程的一部分。在他的会议晚宴演讲中，OpenAI的JackClark描述了AI研发的主要趋势：随着企业实验室、大型数据集和大规模IT基础设施在AI研究中变得越来越重要，作为开源软件，开放数据和更加“民主化”云计算，先进的人工智能系统的部署变得更加容易，我们见证了人工智能的“产业化”。这些变化具有重要的经济意义。例如，学术界的研究人员越来越需要与工业界合作，以获得训练高级人工智能系统所需的数据。与此同时，通过开放获取开展AI研究给监管机构带来了重大挑战，他们需要在AI采用的背景下监控合规性，这就像从GitHubSimple下载和安装一些软件一样。在会议上发表的论文很少涉及这些问题。未来的工作可以通过使用数据、软件、计算基础设施和成熟的经??验来开发人工智能模型来填补这些空白。在这篇论文中，MilesBrundage着手定性地勾勒出这个模型可能是什么样子，以研究AI行业的结构、组成和生产力，以及它如何为其他行业提供AI技术和知识。Felten、Raj和Seamans的研究表明，此类分析有助于预测人工智能的经济影响并为政策提供信息。研究人工智能创新活动所维持的技术多样性可能是有益的，尤其是当我们不知道它们的优缺点时。然而，正如DaronAcemoglu在2011年的这篇论文中指出的那样，如果研究人员无法从技术多样性中获益，则市场上没有任何替代技术可以替代主导技术。NBER会议上提出的大多数研究都采用了AI的“整体”定义，将其等同于当今主导该领域的深度学习，同时忽略了对这种方法局限性的担忧。然而，正如GaryMarcus在最近的研究中指出的那样，为了使人工智能系统更加稳健并适用于健康等高风险领域，可能还需要其他技术。缺乏技术多样性会成为人工智能领域的一个问题吗？作为人工智能研究产业化的一部分，私营企业在制定人工智能研究议程方面的影响力越来越大。我们需要更多的研究来衡量人工智能的技术多样性，以及它是如何被相关人员和组织的目标、偏好和议程所塑造的。我们刚刚发表了一篇关于AI研究主题构成的文章，为分析多样性的演变及其在未来工作中的驱动因素提供了基础。AI的政治经济学在首届AI经济学会议上，Tratjenberg、Korinek和Stiglitz提出了一个问题：当AI到来时，谁将受益，谁将受害？人工智能的部署会在政治上变得不可接受吗？最近，DaronAcemoglu和PascualRestrepo表示担心AI行业可能正在构建一些错误的东西，因为它没有考虑到AI的间接影响（例如劳动力市场中断），并且一些领导者不顾其缺点，赞成大规模自动化。这些重要问题在多伦多基本上没有得到充分讨论，但经济学家需要对其进行量化和建模，以确保其经济利益得到广泛分享，并降低公众反对的风险。结论对我来说，去年人工智能经济学会议的最大收获是人工智能的影响可能比一些报纸文章预期的更复杂，需要更长的时间才能出现。公司将尝试从人工智能中创造价值。其中一些实验可能会失败，或者证明使用AI是不经济的。但有些公司会从这些失败中吸取教训，有些公司会再试一次。技能短缺、更严格的监管和消费者的担忧将减缓某些人工智能系统的采用。一个行业或公司采用人工智能，将会产生意想不到的结果，给相关行业带来新的变化。也就是说，未来人工智能对经济的影响更像互联网，而且会很复杂。基于人工智能的预测机器不仅为我们提供建议，而且我们作为经济和社会的参与者需要对未来人工智能技术的发展、如何更好地使用它们以及如何管理它们做出决策。正如《人工智能经济学》会议所表明的，世界上一些最优秀的经济学家正在研究这些决策。原标题：TheEconomicsofAIToday，作者：JuanMateos-Garcia
