编译|智堡

免责声明：本文仅代表原作者不雅观点，不代表智堡态度。

虽然人工智能带来了显著的效率提高，但它们只让少数几家大公司受益，而其他市场参与者的效用则保持不变。
少数几家大公司可以通过人工智能提高效率，并通过扩大与竞争对手的差距而变得更大。

本文回顾了生产率悖论的紧张阐明，并简要谈论了增加人工智能对生产率的贡献的干系政策选择。

通过大量基于人工智能和机器学习的新信息技能系统，我们的经济正在经历一场巨大的数字化。
统计数据显示，只管这些新技能在生产过程中带来了巨大的效率提升，但它们彷佛并没有提高生产率。

基于神经网络构造的人工智能系统在感知、剖析和分类任务上取得了令人印象深刻的准确性进步。

与此同时，衡量生产过程效率的环球生产率增长在过去10年已在发达经济体结束不前。
Szczepanski(2018)根据天下大型企业联合会的数据供应了一些基线统计数据。

图1:1995年至2018年的劳动生产率增长

除了发展中国家，图1显示，像美国和欧盟这样的紧张经济体在过去十年中也表现出类似的结束趋势。
从2005年到2016年，美国的生产率年均匀增长率仅为1.3%，不到1995年到2004年2.8%的年增长率的一半。
就劳动生产率增长而言，危急对欧盟的影响更为严重，但通过危急，欧盟在2018年规复到了美国的水平。
从1995年至2004年和2005年至2018年的比较可以看出，这两个经济体在2005年及往后的生产效率提高要低得多。

当我们考虑全要素生产率时，情形看起来并不好。
Bergeaud、Cette和Lecat(2017)的研究表明，在紧张经济体中，全要素生产率增速持续低落，目前处于历史低位(图2)。

图2:全要素生产率年均增长率(%)

这些创造表明，过去十年人工智能技能的采取并没有改变。
这便是所谓的“当代生产率悖论”，“当代”指的是自上世纪80年代初以来打算机和信息技能的崛起。
对付这一悖论，Brynjolfsson, Rock和Syverson, 2017提出了四种紧张的潜在阐明：

阐明一：缺点的希望

对人工智能的好处的期望是建立在缺点的希望之上的。
根据这种相称悲观的不雅观点，人工智能无法显著提高生产率增长，而且与在生产过程中引入电力和内燃机的影响比较，其附加值肯定是有限的。
人工智能对生产率的贡献微乎其微，这便是人工智能的影响在宏不雅观经济指标中不明显的缘故原由。
换句话说，生产率悖论是我们缺点地高估了人工智能的好处的结果。
然而，回到过去，通过研究革命性的发明和通用技能对生产率的影响来评估它们，我们得出结论：“回报”须要韶光。
蒸汽机、电力、内燃机和打算机不仅直接提高了生产率，而且还刺激了主要的互补创新。
Brynjolfsson等人(2017)供应了一些定性解释如何利用这种机制的互补创新可以通过利用蒸汽机事情作为一个例子：“蒸汽机不仅有助于从煤矿里抽水，这是蒸汽机最主要的最初运用，而且还促进了更有效的工厂机器的发明，以及轮船和铁路等新型交通工具的发明。
反过来，这些共同发明促进了供应链和大规模营销的创新，催生了拥有数十万员工的新组织，乃至催生了标准韶光(standard time)等看似无关的创新，而标准韶光是管理铁路时候表所必需的。
”

阐明2：丈量不准

人工智能技能的生产率效益已经得到了享受，但还没有得到准确的衡量。
因此，纵然人工智能对生产率增长做出了显著贡献，这种贡献也不会被统计数据捕捉到，因此，生产率增长该当高于统计数据所描述的生产率增长。
谷歌的首席经济学家Hal Varian通过以下例子解释了这一点：“2000年，环球共拍摄了800亿张照片。
我们知道这一点是由于当时只有三家公司生产电影。
快进到2015年，大约有1.6万亿张照片。
早在2000年，每张照片的价格约为50美分。
现在它们基本上是零本钱。
因此，任何一个普通人都会说，哇，生产率的提高是多么惊人啊，由于我们有了更多的产出，我们的本钱也大大降落了。
但如果我们从GDP的角度来看，它不会在GDP中涌现，由于这些照片常日是在朋友之间交流的，然后被放进相册之类的东西里。
它们不在市场上***。
GDP是交易的市场代价，任何没有卖出或价格为零的东西都不会涌如今GDP中。
”

一方面，Brynjolfsson和Collins(2019)认为，免费的在线商品对用户来说有很大的代价，WhatsApp是用户不想放弃的在线做事之一，纵然他们为此得到了高额的金钱回报。
另一方面，Ahmad、Ribarsky和Reinsdorf(2017)得出结论，纵然存在丈量缺点，其规模也不敷以阐明丈量的GDP增长和生产率增长的普遍放缓。
因此，我们该当探求其他可能的阐明。

阐明3：人工智能利益分配不公正

虽然人工智能带来了显著的效率提高，但它们只让少数几家大公司受益，而其他市场参与者的效用则保持不变。
因此，总体而言，它们对均匀生产率增长的影响是温和的，对中等收入的工人没有影响。
少数几家大公司可以通过人工智能提高效率，并通过扩大与竞争对手的差距而变得更大。
这减少了全体行业对峙异的勉励，而创新可以提高生产率。

事实上，履历证据表明，i)前沿企业与其行业竞争对手之间的生产率差异正在增加；ii)行业不断变得更加集中，涌现了主要的福利丢失，而少数超级明星企业的市场份额正在增加。
同时，Furman和Orszag(2015)创造了租金与不平等之间的联系，这可能会对经济增长产生不利影响。
因此，在政策干预方面进行创新是很主要的，要有一个规则框架和一个有效的竞争政策方法，这样我们才能肃清人工智能利益分配中单方面的肥尾对生产率的经济风险。

阐明4：履行滞后

末了，可能只是履行上的滞后。
人工智能是一种通用技能。
Brynjolfsson等人(2017)指出，对付通用技能来说，历史已经证明，虽然这些技能终极改变了我们的生活和事情办法，但这须要很永劫光，几十年才能实现。
企业必须重组，以有效的办法采取这些技能，并且必须创造其他补充技能来利用这些打破。
事实上，他们进行了以下不雅观察来支持这一不雅观点：他们比较了两个不同期间的劳动生产率。
从1870年到1940年，从发明、履行到遍及，这是一个便携时期。
另一个从1970年开始，指的是信息技能(IT)时期。
他们得出的结论是，便携时期的劳动生产率与IT时期有着非常相似的模式(图3)。
随后，从1915年至1924年的便携时期，到1995年至2004年的更近一段韶光，这两个时期都见证了生产率增长的加速。

图3:便携时期和IT时期的劳动生产率增长

资料来源：Brynjolfsson, Rock and Syverson (2017)

Brynjolfsson等人(2017)得出结论，末了提出的阐明最有可能成立。
因此，我们须要等待人工智能对生产率的影响，当人工智能更加发达的时候，更主要的是，一系列互补的创新将会到位，以支持它的进一步发展和传播。

结论及政策影响

彷佛我们这些等待人工智能在生产率统计数据上做出贡献的人必须有耐心，但与此同时，我们可以为公正分配人工智能的好处而努力。
我们还要等多久才能看到人工智能对生产率的影响，这是一个悬而未决的问题，但有一些成分和政策工具可能有助于更快达到这种状态：

调度教诲制度和劳动制度，使之适应人工智能时期的生产和事情。
更新生产模型，使之能最大限度地从工人和机器之间紧密而有效的“协作”中获益。
有效地培训劳动力，使其能够在分配给其的新任务(由人工智能启用)中提高绩效。
提高企业管理质量(根据Bloom等人2019年的研究，企业层面的生产率与管理质量呈正干系)。
管理职员该当更多地理解自动化会如何影响他们的业务，并只在能够带来显著附加值的任务上引入人工智能系统。
他们该当避免过度自动化，由于特斯拉的Elon Mask称这是一个缺点。
为公司的投资供应足够的资金(私人和公共)。
引入适当的规管架构，并有效实行竞争政策，以确保人工智能的利益公正分配。

因此，在某种程度上，人工智能的潜力，即人工智能技能的好处有多大，以及它们将在多大程度长进步生产率，就在我们手中。
工业界和政府都应采纳适当的行动和计策，以便能够迅速和充分地实现干系的利益。
否则，我们可能会错过未来几十年利用人工智能的巨大机会。