新華網思客

　　近日，美國經濟顧問委員會主席 Jason Furman 在“人工智能進行時：人工智能技術近期的社會和經濟影響”討論會上發表了演講，本文為Jason Furman 所做講話的擴充版。

 

▲“人工智能進行時”討論會

 

演講者｜Jason Furman

 

　　很多關于人工智能對經濟影響的爭論中心都是：這一次是否會不一樣。

 

　　一些樂觀主義者認為人工智能與之前的技術沒什么區別，幾個世紀以來人們一直在擔心機器會代替人類勞動，結果機器反而創造出了前所未有的工作，并且還提高了人們的收入，這證明這個擔心是不靠譜的。

 

　　其他一些人認為人工智能與眾不同，因為它代替了認知工作，讓很多人類勞動變得多余，在悲觀主義者眼中這將導致大規模失業，而在樂觀主義者眼中，人工智能會帶來歷史上無與倫比的自由和休閑時光。

 

　　我想說，我看不出有什么理由讓我相信人工智能將給經濟帶來的影響與之前的技術進步帶來的經濟影響有什么不同。但是和多數樂觀主義者不同，我沒發現這種相似性是完全令人欣慰的，因為近幾十年的技術進步在帶來了巨大好處的同時，也增加了不平等、降低了勞動參與率。

 

　　然而，正如我在早上強調的那樣：技術變革對勞動力的影響會被各種各樣的制度體系調節，因此政策選擇會對實際結果有很大的影響。

 

　　人工智能本身并不會需要經濟政策上的新范式，例如，支持者擁護用普遍基本收入（UBI）替換現有的社會保障制度。但是人工智能會加強我們應該已經采取的步驟，從而確保經濟增長能被更加廣泛地分享。

 

　　但是在思考人工智能可能會帶來的副作用之前，我想談談我對它最大的擔心：我們還沒有足夠的人工智能。

 

　　對于任何一個創新，我們前三個反應可能都是歡迎它，并問問自己怎么才能從它那里獲得更多，這是我在發言中想討論的第一個問題。

★

為什么我們需要更多人工智能？

★

　　我有時會在經濟學家與技術專家的對話之間感覺到進退兩難——經濟學家總是擔心測量出的生產率增長（productivity growth），而技術專家能看見發生在我們周圍的變革。

 

　　你可能不會驚訝于我在這個問題上站在經濟學家這邊。在31個發達經濟體中，已經有30個測量出生產率增長放緩，年平均增長率從1994-2004年這十年間的2%下降到2004-2014年十年間的1%。值得注意的是，如表1顯示，在G7成員國中，美國的增長速度依然是最快的，但也從前十年的2.3%下降到后十年的1.1%。

 

▲表1來源：大會委員會，Total Economy Database；CEA的計算

 

　　有很多理由相信官方統計并沒有抓住所有領域的生產率提升數據，所以1.1%這個數字可能低估了美國2004-2014年這十年的生產率增長情況。

 

　　1994-2004年的情況也可能被低估了，這十年見證了世界范圍內的網絡及網絡搜索、電子商務、電子郵件和更多相關的網絡應用的發明，更不要說手機的廣泛普及和移動電子郵件的發明。

 

　　最近的研究已證實幾乎沒有理由可以懷疑生產率增長的大幅度放緩，包括指出這個放緩已經存在于數據測量結果表現較好的行業。

 

　　生產率增長放緩產生了深遠的后果，導致了實際工資增長更加緩慢，并增加了我們長期的財政挑戰。

 

　　今天的討論不會涵蓋生產率放緩的所有原因，但可以說疲軟的商業投資是一部分問題，而創新的步伐似乎也在放緩。這看起來有點反直覺，因為包括在機器人、人工智能、和更普遍的自動化在內的創新是那么讓人興奮。這些創新或許讓人興奮，但是相比住房、零售、教育和健康等其他經濟部門，它們仍然只代表了我們生活中的一小部分。

 

　　那就是說，經濟領域的技術部分正在為生產率增長做出巨大的貢獻。2015年的一項17國的機器人調研發現，在1993年到2007年之間，機器人產業為這些國家的年GDP增長率平均貢獻了0.4個百分點，占了這段時間內這些國家的GDP增長率十分之一以上。

 

　　此外，自2010年以來，世界范圍內的工業機器人的出貨量已大幅增加（見表2），未來生產率可能會有更高的增長。

 

▲表2來源: 機器人國際聯合會(International Federation for Robotics), World Robotics 2015。

 

　　與此相關，近年來人工智能及其在一系列不同領域中的應用有了巨大的進展。例如，許多公司都在使用人工智能來分析在線客戶交易，以檢測和防止欺詐，同樣，社交網站也正在使用它來檢測用戶帳戶是否遭到了劫持。有了人工智能，網絡搜索應用現在才變的更加精準——例如校正手動輸入錯誤 ——因此也降低了與搜索相關的成本。在放射科，醫生必須能夠檢查出影像不正常的地方，人工智能卓越的圖像處理技術可能很快就能提供更準確的圖像分析了，從而擴展早期發現有害異常和減少誤報的能力，最終實現更好的醫療護理。

 

　　人工智能也正在進入公共部門。例如，只要能保證必須負責地使用以避免偏見，預測分析就能在改善刑事司法程序上有很大的潛力。北卡羅來納州的Charlotte-Mecklenburg市正在使用預測分析來幫助為審前釋放的決策提供信息，這得到了總統的「數據驅動司法倡議（Data Driven Justice Initiative）」的支持，這是一種為了減少累犯率和監獄人數的方法。

 

　　盡管一些人相信人工智能能夠移除決策中的偏見，但我們必須記住人類是不完美的——是人帶著自己的偏見編寫了算法，是人收集和分析了數據。正如總統行政辦公室2016年的報告「Big Risks, Big Opportunities: the Intersection of Big Data and Civil Rights（大風險、大機遇：大數據和公民權利的交集）」中提到的那樣：對我們來說，重要的是認識和糾正過去的偏見影響未來的人工智能的方式。

 

　　然而，雖然人工智能研究已經開展了幾十年，但最近的進展仍然是非常新的，所以說人工智能并沒有產生大的宏觀經濟效應，至少目前還沒有。人工智能最新的重大進展是在深度學習領域，這是一種強大的方法，但必須以自定義的方式應用于每種應用。

 

　　下面我將作一點預測，值得注意的是，深度學習的最新進展建立在大學實驗室的神經網絡研究基礎上，這些研究很大程度上是由國防部高級研究項目局（DARPA）和其它政府機構于上世紀八十年代到九十年代之間資助的。盡管我們最近在諸如邏輯推理等人工智能的其它領域沒有取得太多進展，但深度學習技術的進步至少最終可部分地作為其它領域的替代。

 

　　雖然人工智能在許多方面比人類有優勢，但人類仍然在涉及社會智力、創造力和一般智力的任務上保持著相當大的優勢。例如，今天的人工智能可以做出很不錯的翻譯，但卻不能像人類那樣同時運用社會與文化背景這兩種知識，也無法體會作者的論點、情感狀態和意圖。即使是最受歡迎的機器翻譯也仍然無法達到人類譯者的準確度。

 

　　在過去的十年里，我們在機器人、人工智能和其他領域取得了實質性的創新。但在這些領域，我們還需要更快的創新步伐，才能真正推動生產率增長向前邁進。

 

　　對于Robert Gordon’s自信的悲觀預測或Erik Brynjolfsson和Andrew Mcafee’s自信的樂觀觀點，我都不同意，因為過去的生產率增長是如此地難以預測。有一些證據給了我些許安慰，主要的新發明（如電力）已經連續波動地促進了生產率增長，這一模式可能會在未來重復。更重要的是，比無休止地爭論生產率增長的未來更有趣而且更重要的是：對于生產率增長我們可以做什么？

★

人工智能會加劇社會不平等

★

　　發達經濟體在過去三個世紀中見證了太多的創新奇跡。18世紀的大多數工作如今已經都不存在了，它們被超乎人類想象的新工作取代了。結果，在很長一段時間里，縱然科技瞬息萬變，但是生活在美國的、想在一定時間內及時找到工作的人，大約95%都能找到工作。

 

　　盡管就業市場不像經濟學教科書上小麥等商品的程式化模型（stylized models）那樣運轉，但在多種參數內進行的供需基本運作機制，確保每個想找工作的人都能找到工作。但是，為了實現這點，需要調整工資讓供應與需求平衡。在最近幾十年，工資調整的趨勢是：相較于高技術勞工，低技術勞工的工資大幅下降。從1975年到2014年，高中學歷工作者發現他們的相對薪水從高于大學學歷全職工作者薪水的80%，下降到不到大學學歷全職工作者薪水的60%。

 

　　我的擔憂不是當我們談及人工智能時，它帶來的影響與以往有什么不同，而是這次可能和我們過去幾十年遭遇的問題是相同的。我們仍然擁有工作的唯一原因是我們愿意為更低的工資而工作。

 

　　Carl Frey和 Michael Osbourne的報告顯示，自動化浪潮加劇了社會不平等。他們的重磅調查結果是：在美國，大約50%的工作正處于被自動化技術取代的危機中。這一估算數據引發了一場熱論，比如，經濟合作與發展組織(OECD) 研究者們估算出只有9%的工作面臨著被自動化技術取代的危險。

 

　　但是，讓我們忽略圍繞這一調查結果的爭論，而是將Frey和Osbourne的報告看成是合理的，但是對哪些工作將面臨科技革新壓力的猜測是高度不確定的。在經濟顧問委員會（Council of Economic Advisers），我們按薪資給工作排序，根據Frey和Osbourne的分析，我們發現83%的時薪低于20美元的工作將承受自動化技術的壓力，而31%的時薪20到40美元的工作以及4%的時薪超過40美元的工作也將承受那樣的壓力（見圖 3）。

 

▲表3來源：不同時薪（中值）工作被自動化的概率，Frey和Osborne (2013)；CEA 計算

 

　　即使這份統計報告中的確切數字有點過時了，其中三類工作的相對值也還是巨大的。

 

　　工資和技能在某種程度上是相關聯的，這意味著公司對低技術工作的需求量會大量減少，而對高技能工作的需求量則幾乎不會減少。這種結果表明自動化對就業市場的影響發生了轉變。在過去，自動化技術導致了所謂的就業市場兩極分化，然而，最近兩極分化的過程似乎中斷了。高技術工作需要問題解決能力、直覺和創造力，低技術工作需要環境適應能力和當面溝通能力，它們都不能輕易程序化。

 

　　如果有什么不同的話，就是新的發展趨勢將給收入不平等施加更多壓力。我們已經能看到這樣一些自動化服務了——例如，我們購物時，不是在收銀員那里付賬而是在自動結賬臺那里付錢，或者，當我們呼叫售后服務熱線時，我們是與自動化客服代表對話。

 

　　不過，認為不平等純粹是科技進步的作用是錯誤的。相對工資確實部分依賴于對勞動力的需求量，這是技術部分作用的結果?？墒?，它們還依賴于不同技術水平勞動力的供應量——即受教育程度的分布情況 ——而且還依賴于影響工資結構的制度安排，例如勞資談判。

 

　　科技不能完全說成是人類命運。許多國家和美國一樣經歷了科技變革，然而在最近四十年里，美國比其它主要經濟體產生了更嚴重的收入不平等問題和更高的總體不平等水平，表 4 呈現了這一點。當談及不平等——正如我將向更大的就業市場強調的那樣——制度和政策可以幫助決定科技變革是否以及在何種程度上塑造經濟發展成果。

 

▲表4來源：世界財富和收入數據庫 (World Wealth and Income Database)

勞動參與率下降激發了對人工智能潛在影響的憂慮 

★

勞動參與率下降激發了對人工智能潛在影響的憂慮

★

　　此外，一種觀點認為我們能以巨大的不平等為代價避免大規模失業，而美國就業市場過去半個世紀的遭遇對這種樂觀態度提出了質疑。25到54歲的男性勞動者的勞動參與率從20世紀50年代的98%降低至如今的88%，這一事實挑戰了良好經濟狀態下全民就業的信心。

 

　　經濟顧問委員會在最近一份報告中詳盡討論到：勞動參與率的下降主要集中在高中或更低學歷的男性中，同時發生的還有相對工資的下降。這意味著，勞動力需求量減少了，導致針對低技能勞動力的工作機會變得更少，而且工資也變得更低。包括自動化應用在內的越來越多的技術進步可能部分地解釋了公司對低技術勞動力需求的下降，而全球化也可能對此有所促進。

 

　　這里我主要關注黃金年齡男性，因為我認為在過去六十年，這類人的經歷能用來與科技變革對男性和女性勞動力參與度的未來影響作最好的平行比較。在20世紀后半葉，黃金年齡女性的工作參與度驟然升高，因為二戰后的社會和文化變革遮蓋了科技變革對工作參與度的所有負面影響。不過，值得注意的是，黃金年齡女性的工作參與度最近十五年下降了，這與黃金年齡男性的早期經歷類似。

 

　　我們的擔憂不是機器人將取代人類的工作而致使人類失業。我們關注的是人員周轉的過程，也就是被科技奪取工作的工作者找到新工作的過程，因為科技引發了消費者新的需求，并因而會創造新的工作；不過這個過程中大部分人員可能將長期處于離職狀態。

 

　　勞動參與率的下跌預示著我們必須仔細思考在經濟走向長期平衡過程中的短期動態變化。從短期來看，不是所有工作者都能通過訓練或有能力找到由人工智能創造的工作。另外，這里的「短期」（它是用來描述經濟相較于平衡狀態所處的位置，而不是描述時間長度）可能長達十年，事實上，從更長遠來看，經濟可能會處在一系列「短期狀態」中。

 

　　結果，人工智能有可能——就和我們過去幾十年見過的其它創新一樣——導致勞動參與率和就業率的進一步衰落。這不意味著我們必然將看到大量工作被機器人占領，但是黃金年齡男性的勞動參與率每年下降約0.2%的趨勢仍在繼續，這將對數百萬人和整個經濟帶來實質性的問題。

 

　　然而，就社會不平等而言，我們不應該將這理解為技術決定論（technological determinism）。雖然大多數發達經濟體都面臨黃金年齡男性勞動參與率下降的問題，但是美國在這方面的下降幾乎是最急劇的，表5顯示了具體數據。其部分原因可能是美國勞動力市場制度比其他國家的更不支持勞動人口的參與。

 

▲表5：經合組織（OECD）各個國家中，黃金年齡男性勞動力就業參與率

 

　　沒有理由認為，在科技和生產力比當今水平更高的未來，經濟不能帶來多個實質性水平上的就業。然而，關鍵是我們的勞動力市場制度如何應對這些變化，幫助、支持新職位的創造，并且成功地將新職位與勞動力匹配上。

 

　　近期的一份CEA報告廣泛討論了總統按照這些原則提議的一些政策，內容包括擴大總需求、增加勞動力市場中的連接組織、稅制改革從而鼓勵工作、為工人創造更大的適應性。

 

　　其他應對政策包括加強教育與訓練，這樣更多的人有了補充技能，并且能從創新中獲益；增加稅收系統的累進度從而保證每個人都能分享到整體經濟收益；還要增強機構對更高薪資水平的支持，包括更高的最低工資、更強有力的勞資談判（collective barganing）以及其他形式的工人發言權。

★

用普遍基本收入取代現行安全網絡可能適得其反

★

　　出于害怕自動化和人工智能導致大量工作會被取代（當然，還有其他動機），有些人提議深度變革政府援助結構。一個更常見的提議是，用普遍基本收入（UBI）取代如今部分或全部的社會安全網絡：為每一個美國男人、女人、孩子提供一個規律性的、無條件的現金補助，而不是，比如貧困家庭臨時援助（Temporary Assistance to Needy Families, TANF），美國補充營養協助計劃（SNAP）或者是醫療補助計劃（Medicaid）。

 

　　雖然各種UBI構想存在差別，但是，右派Charles Murray和左派由Andy Stern與Lee Kravitz提出的思路已經成為了一些技術專家未來政策視野的主要部分。不同的提議有不同的動機，比如真實存在的、以及感知到的如今社會安全網絡的缺陷，對更簡單卻更高效系統的信賴，以及出于這樣一個前提——為了更廣泛應對由人工智能和自動化所帶來的改變，需要變革我們的政策。

 

　　主要問題不是自動化將引發大量的人口失業。而是，工人將會既缺乏技能又缺乏能力，無法成功與自動化創造出的好的、高薪資工作匹配。

 

　　雖然一個市場經濟會做大量工作將工人與新工作進行匹配，但它做起來不總是很成功，就像我們過去半個世紀看到的那樣。我們不應該以放棄工人保留工作的可能性為前提，發展一項政策。

 

　　相反，我們的目標應該是以培養技能、訓練、工作搜索協助以及其他勞動市場機構、保證人們走進工作為首位，這是主要工作，也比UBI更能直接解決由人工智能引發的就業問題。

 

　　然而，即使有了這些變革，新技術還會通過薪資分布變化加劇不平等，甚至可能導致貧困。因此，用UBI替代我們現在的扶貧項目，從任何實際設計來講，只會使收入分布更差而非更好。

 

　　我們的稅收和轉讓制度，大部分是針對低收入分布人群，也就是說，它是為了減輕貧困以及收入不平等。使用一個普遍的資金補助取代該制度的部分或全部，意味著這個系統中相對較少的部分才是針對社會底層民眾的——實際上，這是在增加（而非減少）收入不平等。

 

　　除非一個人愿意接受稅收收入占據更大的經濟份額（比當前份額更大），否則，既給所有人提供一個共同的金錢數量，又確保這一數量完全可以滿足最貧困家庭的需求，這很難做到。

 

　　對于任何一個想對保障網絡進行額外投資的人——總統也已經提議過多次這樣的投資——他必須面對同樣的目標問題。

 

　　這里不是具體展開這一討論的地方，不過，我們可以說，今天的系統應當加以改善，而且總統也提議了一些社會援助系統的改善意見。但同時，最近研究發現，對這些項目的共同批判當中——比如，不能鼓勵就業，或者對減少貧困無用——已被過分夸大，而且一些項目，包括營養援助、醫療補助以及所得稅減免（EITC），對長期收益、受援助家庭的兒童健康與教育都很有好處。

 

　　這并不是說，我們不應該促進稅收與流轉制度的進步，而是說，我們需要將追求與可用的國家收入相匹配，在我們社會安全網絡已有的成功上進行搭建。（編譯：機器之心）