本系列文章共8篇，转载自《科学·经济·社会》2024年第2期，本文《理性看待AI的短期和长期影响》为第5篇。
在文中，陈永伟认为AI是一种新的通用目的技能，可以预见长此以往AI将对社会经济发展产生显著影响，但目前AI发展还处于“播种阶段”。

自2022年11月OpenAI发布ChatGPT之后，AI领域迎来了新一轮的发展热潮。
在短短的一年多中，各种AI大模型如雨后春笋般呈现，其能力也实现了迅速升级和迭代。
根据微软发布的评测报告，OpenAI开拓的GPT-4模型已经在很多领域表现出了与人类似，乃至高于人类的智能水平，因而表现出了“通用人工智能的火花”。
最近，由Anthropic开拓的Claude-3模型更是在评测中展示出了比GPT-4更优的性能，并在智商测试中达到了101分，超过了人类的均匀水平。
此外，在创意事情方面，AI也表现得非常出色。
比如OpenAI新发布的Sora模型已经可以根据大略的提示，天生一分钟画质足以媲美CG动画的***。

面对AI技能的高速发展，关于AI将会对经济和社会发展产生多大的影响，就成了一个备受关注的问题。
目前，关于这个问题存在着两种截然不同的不雅观点。
一种不雅观点认为，AI的影响将是颠覆性的，它不仅会让生产率实现革命性的提升，还会彻底改变社会经济的组织形态。
当然，作为一股“创造性毁灭”的力量，它还会带来很多负面的影响，比如，AI对劳动力的大规模替代就可能引发严重的技能性失落业问题。
另一种不雅观点则认为，AI的影响可能并不会如想象当中的那么大。
持这种不雅观点的人指出，历史上已经涌现过几轮AI发展热潮，在每一轮热潮中，人们都对AI的影响作出了很高的估计，但事后的结果证明，这些预期终极都没有实现。
在最近这一轮AI热潮中，虽然很多AI模型都表现出了卓越的性能，但它们形成的冲击则彷佛仅局限在某几个狭小的领域。
从全社会的范围看，它们的正面影响和负面影响都相对有限。

那么，在上述两种不雅观点中，究竟哪一种才是精确的呢？要回答这个问题，就须要先对AI技能的性子有一个清晰的认识。

一、AI是一种通用目的技能

研究技能对经济发展影响的经济学家常常将技能分为两类：“专用目的技能”（specific purpose technologies）和“通用目的技能”（general purpose technologies）前一类技能仅可以被运用于某个特定的领域，在这个领域产生代价；后一类技能则可以在很多领域利用，并在这些不同的领域都产生代价。

历史履历表明，比较于专用目的技能，通用目的技能对付经济发展的影响每每是更为实质的。
比如，李普赛等人在《经济转型：通用目的技能和长期经济增长》一书中，就曾对通用目的技能在历史上发挥的浸染进行过稽核。
他们统共剖析了包括印刷术、蒸汽机、电力、内燃机在内的24种通用目的技能，结果表明，所有这些技能都对长期的经济发展以及经济构造的变迁产生了巨大的影响。
由此可以得到一个推论：如果AI也属于通用目的技能，那么它就很可能在长期内对全体经济和社会产生十分显著的影响。

布雷斯纳罕和特雷顿伯格曾提出过一个剖断通用目的技能的标准，根据这个标准，一项技能只有当知足“普遍适用性”（pervasiveness）、“进步性”（improvement）和“创新孕育性”（innovation spawning）这三项特色时，才可以被称为通用目的技能。
普遍适用性指的是这种技能可以被用作投入品被运用到很多不同的部门；进步性指的是这种技能的性能会随着韶光的推移不断地改进；创新孕育性指的是这种技能可以在多个不同部门引发出干系的创新，从而带动这些部门的技能发展。
运用这个剖断标准，就可以对AI是否属于通用目的技能进行考验。
下面，我们逐一对标准中的三个特色进行验证。

（1）普遍适用性。
作为一种技能AI显然知足这一标准。
在“深度学习革命”之后，AI技能进入到了很多行业。
无论是工厂、商店，还是金融机构，人们广泛地利用AI来进行赞助决策。
尤其是在以GPT为代表的天生式AI兴起之后，人们学习和利用AI的门槛进一步降落，这使得AI的运用有了更大的想象空间。
在现实中，很多个人和企业已经将天生式AI运用到了自己的事情和生活当中。
2023年8月，麦肯锡曾对企业的AI利用率进行过一次调查，结果显示被访企业中的55%已经利用了AI。
由此可见，AI确实是一项普遍适用的技能。

（2）进步性。
AI技能的进步性，表现在三个不同的方面。
第一是AI模型任务处理能力迅速提升。
以GPT模型为例：在2018年GPT-1推出时，其能力非常有限，对笔墨的逻辑剖析能力非常弱，但仅仅五年之后，GPT-4就已经在语义识别、逻辑剖析、问题办理等方面表现出了强大的能力。
微软的研究职员曾让GPT-4做美国状师资格考试的试题，结果它得到了298分的高分，超过了90%的人类考生。
第二是AI模型多模态能力的打破。
在一年多前，AI模型常日仅能处理单模态的信息，比如GPT-3.5就仅能处理文本信息，但在短短的一年多内，多模态就已经成为AI模型的标配，像GPT-4、Claude-3、Gemini等主流的AI模型都已经具有了处理文本、图像、***等多模态信息的能力。
第三是AI模型本钱的低落。
随着AI模型的不断优化，演习和利用模型的单位本钱也涌现了大幅度地低落。
以调用GPT模型的API为例，现在的每Token本钱已经比过去低落了90%。
由此可见，在过去的一段韶光内，AI模型的技能进步是十分明显的。
可以预见，只要有充足的算力予以支持，这种进步将会连续持续下去。

（3）创新孕育性。
现在，AI已经成为一些领域的主要事情工具，在优化这些领域的事情流程、推进这些领域的技能进步方面发挥了显著的浸染。
反过来，这些领域的技能进步也促进了AI的进步，从而形成了一个良性的循环。
目前，最能表示这种良性循环的案例是AI芯片的设计。
由于AI芯片须要将数以亿计的电子元件排布到很小的硅晶片上，其设计精度哀求已经远远超出了传统人力设计的能力范围，因此包括谷歌、英伟达在内的很多企业都已经用AI来赞助芯片的设计，并已经取得了不少的成果。
反过来，这些用AI设计的芯片又能供应更为强大的算力，为AI模型的演习和运用供应了良好的根本。

综上所述，作为一项技能，AI完备知足了普遍适用性、进步性和创新孕育性这三项特色，因此它确实可以被认定为一种通用目的技能。
根据历史的履历可以推测，它在长期内对全体经济社会所产生的影响将会十分巨大。

二、为什么AI的影响并没有想象中大？

现在的问题是：既然从理论上讲，AI所产生的影响将十分巨大，那为什么到现在为止，它的影响彷佛仍十分有限？要理解这种征象，须要从通用目的技能的特性入手。

通用目的技能之以是可能对全体经济社会产生巨大的影响，是由于它可以渗透到各个不同的领域。
因而，它的影响究竟可以发挥到什么程度，将取决于它与各详细领域的结合程度，而这统统常日须要干系根本举动步伐的支持，以及将通用技能与专业运用相结合的努力。
赫尔普曼和特雷顿伯格在研究中，曾把通用目的浸染的影响力发挥分为“播种”和“收成”两个阶段。
在“播种阶段”，支撑通用目的技能的干系根本举动步伐尚未遍及，它和干系行业的结合程度也相对较浅。
在这个阶段，通用目的技能并不会立即引发生产力的显著提升，其对社会的影响也相对较小。
到了“收成阶段”，随着干系根本举动步伐的建成，以及技能与干系行业的深度领悟，通用目的技能的力量就会迸发出来。

由于通用目的技能影响的发挥具有这样的阶段性，因此从一种新的通用目的技能的涌现到它的影响真正表示出来，常日会有一段较长的韶光间隔。
这一点，在历史上已经多次得到了证明。
瓦特在1765年完成了对蒸汽机的改良，但到1830年旁边，英国的蒸汽机动力总量仍只有16.6万马力，仅占当时全国总动力的1.5%。
直到1850年，涡轮式蒸汽机的涌现，才让蒸汽机真正成为一种既高效又廉价的动力来源，从而得到了广泛的利用。
类似的，19世纪末人们就节制了互换电的发电和传输事理，然而，在很长一段韶光内，这对付其发明国美国的影响都微乎其微，直到1915年之后，全国性的电网陆续建成，各种电器被陆续开拓出来，电力对美国经济的影响力才得以表示。

通过将目前AI的发展阶段与历史的履历进行比拟，我们不难创造：作为一种新的通用目的技能，当前AI的发展总体上依然处于“播种阶段”。
只管从表面上看，AI已经渗透到了各行各业，但总体上看，它们依然和行业本身的结合程度实在并不深。
比如，虽然一些工业企业流传宣传已经在事情中利用了AI模型，但实在这些AI模型只是用来帮助办理诸如客服等边缘性的事情，对其核心业务并没有产生本色性的影响。
与此同时，与AI干系的根本举动步伐，如算力中央、向量数据库等的培植现在依然十分不敷，这在相称程度上制约了AI影响的发挥。
正是在上面这些成分的综合浸染之下，才涌现了AI对经济社会影响远低于人们预期的征象。

三、促进AI潜力发挥的政策思考

基于AI的通用目的技能属性，要让其对经济社会的潜在影响力得到充分地发挥，须要通过政策的手段，帮助这种技能迅速实现从“播种阶段”向“收成阶段”的转移。
详细来说，如下几方面的事情是最值得重视的。

（一）须要加快与AI干系的根本举动步伐的培植

对付AI而言，有两类根本举动步伐是最为主要的。

第一类根本举动步伐是算力。
无论是演习还是利用AI模型，都须要调用弘大的算力。
在深度学习中，纵然在算法层面没有进步，模型的性能也会随着参数量和演习数据的增长而大幅度改进，这统统都须要算力作为底层的支持。
OpenAI在演习GPT-3模型的时候，就动用了上万块英伟达A-100GPU。
正是在这种巨量的算力投入之下，才让GPT模型的性能产生了质的飞跃，乃至涌现了智能“呈现”的征象。
不过，在市场上，能和OpenAI这样调动巨量算力资源的企业非常少见，大部分企业和个人开拓者都只能依赖云真个算力资源来演习AI模型。
虽然现在已有很多云做事商可以供应AI算力，但在GPU等根本硬件总体缺少的情形下，AI算力的可及性依然较低，利用本钱仍旧很高。
在这种情形下，加强GPU等硬件的研发、增加云真个AI算力供给依然是亟待办理的问题。

第二类根本举动步伐是存储举动步伐。
AI的大发展会带动巨大的存储需求。
在须要存储的数据中，有相称一部分是非构造化数据。
为了能更好地对这些数据进行存储、整理和检索，就须要有新型的存储举动步伐，如向量数据库的支持。
从目前看，该类存储举动步伐的供给依然存在着很大的不敷，因而为推进AI的发展，仍须要对它们的培植予以一定程度的扶持。

（二）应该做好AI技能扩散过程中的折衷事情

在通用目的技能的研发和推广过程中，常日会涉及许多不同的子系统。
然而，这些子系统之间的行业标准常日会存在不一致，其发展速率也会存在不折衷，而这很可能会对技能的扩散造成负面的影响。
在这种情形下，用政策折衷干系的子系统，就可能对技能的扩散起到显著的助推浸染。

详细到目前的AI发展，模型的根本事理都各不相同，它们彼此之间缺少互操作性，这在相称程度上限定了不同模型之间的协同发展。
在这种情形下，应该积极造就开源氛围，鼓励开拓者对一些具有根本性的技能进行开源。
同时，应该利用政策的手段，确保一些关键技能标准和数据交互标准之间的统一。
这样，当开拓者在某项AI技能领域取得打破后，这种技能打破就可以很快地实现扩散。

（三）应该积极推进AI技能与详细行业的深度领悟

阿格拉沃尔等人在剖析AI与行业的领悟问题时，曾提出过两个观点：“单点办理方案”和“系统办理方案”。
个中，“单点办理方案”指的是用AI来办理某个详细的问题，但保持总体的事情流程不变。
比如，现实中用AI来替代一部分客服或笔墨处理事情，就属于对问题的单点办理方案。
比较之下，“系统办理方案”指的则是用AI来重新设计全体流程。
例如，一些物流企业开始摒弃原来的以人为中央的调度，转而采取AI作为调度中枢，并据此对干系的岗位重新进行安排，这便是一种系统办理的表现。

随意马虎看到，在“单点办理方案”，AI与行业的领悟程度是较浅的，它虽然可以带来一些效率的提升，但幅度常日不会太大；而“系统办理方案”则哀求AI与行业之间的深度领悟，它可以实现生产效率的大幅提升。
因此，要让AI的浸染得到充分地发挥，就须要积极促进AI与行业的领悟从“点办理方案”向“系统办理方案”的转变。

须要把稳的是，当企业用AI对生产流程进行系统性变革时，不仅须要投入大量的本钱，还可能面临不小的转型风险。
在这种状况下，可以考虑用政策进行一定的扶持，对付企业的AI转型供应一定的补贴和帮助，让它们的转型变得更为顺利。

如果可以做到以上几点，那么AI这种通用目的技能就可以更快地完成从“播种阶段”到“收成阶段”的超过，其潜力也可以更好地被引发出来。

四、略论AI引发的“技能性失落业”问题

值得把稳的是，从历史上看，任何一种通用目的技能的发展在促进社会生产力的发展，给人们带来很多收益的同时，也会带来很多干系的问题。
这一点，对付AI也不例外。
事实上，现在这个阶段，很多和AI有关的问题已经开始显现了出来，而这些问题中，“技能性失落业”无疑是最值得关注的。

早在2013年，牛津大学的学者曾做过一个估算，认为在二十年内，美国的就业岗位中将会有47%可能被AI替代，其涉及的就业人口将达到数千万。
在ChatGPT爆火之后，OpenAI的研究职员又做了一个类似的估算，认为美国80%劳动力的事情任务中的10%可能会被ChatGPT影响，个中19%的劳动力的事情任务可能有一半会被ChatGPT影响。
这些研究结论在社会上引发了很大的关注，并引发了一定程度的AI惶恐。

在笔者看来，对付上述的研究，我们应该理性地予以看待。
历史履历见告我们，技能虽然可能消灭一定的就业岗位，但与此同时，它常日会创造更多的就业岗位。
比如，汽车的发展消灭了马车夫的岗位，但创造了更多的司机岗位。
因而，从长期的视角看，我们无需对“技能性失落业”过于恐怖。
但是从短期看，由于新旧岗位之间的就业技能并不匹配，短暂的失落业冲击确实是可能存在的。
比如，现在AI的发展可以让人们不再须要大量的插画师，但却会催生更多高端AI工程师的需求，从总体上看，岗位的增减可能是平衡的。
但插画师显然不可能立时转成AI工程师，在这个阶段，就可能涌现一定的失落业。
尤其是当AI与行业开始深度领悟，对行业进行系统性变革时，失落业率还可能较高。

目前，由AI引发的技能性失落业已经在一些行业开始涌现。
为了应对这种冲击，干系的政策就必须积极参与。
这些政策包括并不限于：加强职业培训和再教诲体系的培植、鼓励做事业、鼓励零工经济和共享经济的发展等。
只有做好了这些事情，面对AI引发的失落业潮才能做到心中不慌。

五、结语

微软的创始人比尔·盖茨有一句名言：“我们总是高估在一年或者两年中能够做到的，而低估五年或十年中能够做到的。
”这句话用来理解AI的影响是相称得当的。

作为通用目的技能，AI的技能属性决定了它可能在长期产生巨大影响，但受制于各方面的成分，它的影响在短期内可能并不明显。
在这种情形下，我们应该积极用好干系的政策手段，促进AI技能正向影响的发挥；同时利用现在的韶光窗口，针对其可能的负面影响建立起各种应对机制。
如果做到了这样几点，就可以扬长避短，让AI技能更好地造福于人。