2023 年 10 月我们可以拥有 Pro - Worker AI 吗 ？选择机器服务于思想的路径Daron Acemoglu, David Autor, and Simon Johnson1麻省理工学院和 CEPRSummary•在过去的 40 年中 ， 数字技术的传播大大增加了收入不平等。•生成人工智能 （ AI ） 肯定会影响不平等 ， 但这种影响的性质取决于该技术的开发和应用方式。•私营部门正在寻求一条生成人工智能的道路 ， 强调自动化和劳动力的转移 ， 以及侵入性的工作场所监控。•即使流离失所者的薪水很高 ， 简单地转移工人对劳动力市场也没有好处。流离失所的高薪工人被迫与低薪工人竞争工作 ， 导致工资水平下降。•一条更好的道路是可行的 ， 在这条道路上 ， 生成性人工智能将与大多数人类互补 — — 增强他们的能力 — — 包括没有四年制大学学位的人。•选择人与人互补的道路是可行的 ， 但需要改变技术创新的方向以及公司规范和行为。•目标应该是部署生成 AI 来为工人创建和支持新的职业任务和新功能。如果 AI 工具可以使教师 ， 护士 ， 护士 ， 医疗技术人员 ， 电工 ， 水管工和其他现代手工艺工人从事更多的专业工作 ， 则可以通过提高工人水平来减少不平等 ， 提高生产率并提高工资。•公共政策在鼓励这种积极的技术道路以补充所有工人 ， 提高每个人可实现的技能和专业知识水平方面发挥着核心作用。1作者是麻省理工学院塑造未来工作计划的联合主任，该计划是通过惠普基金会的慷慨捐赠建立的。在 NOMIS 基金会的支持下，该研究计划和相关结果也成为可能。Acemogl: Istitte Professor, MIT; Ator: Ford Professor of Ecoomics, MIT Departmet of Ecoomics; Johso: Krtz Professor of Etrepreership, MIT Sloa School of Maagemet.相关披露可在成型工作中获得。MIT教育 / 权力与进步，在 “政策摘要 ” 下。. ”CEPR POLICY INSIGHT No. 123 2•目前 ， 最重要的五项联邦政策应该是 ：1.对雇用工人和拥有设备 / 算法的税率进行均衡 ， 以平衡人与机器之间的竞争环境。2.更新职业安全与健康管理局的规则 ， 以建立对工人监督的保障措施 （ 即限制 ） 。寻找提高工人对发展方向的声音的方法也可能会有所帮助。3.增加对人类互补技术研究的资助 ， 认识到这目前不是私营部门的优先事项。4.在政府内部建立一个人工智能专业知识中心 ， 帮助监管机构和其他官员分享知识。5.利用联邦专业知识 ， 就所谓的人类补充技术是否适合在公共提供的教育和医疗保健计划中采用提供建议 ， 包括在州和地方层面。Introduction世界即将经历生成人工智能的变革性和颠覆性进步。一系列主要问题集中在劳动力市场和这些进步对经济不平等的影响上。人工智能会在网络上消除工作吗 ？ 它会进一步加剧长达数十年的经济不平等现象吗 ？ 它会增加劳动收入，还是会使机器更有价值，而工人更容易消耗 ？ 。经济文献中的共识是 ， 以前的数字技术浪潮–包括个人电脑、数控机械、机器人和办公自动化 — — 加剧了不平等。这是因为其中一些技术，如个人计算机，对受过更多教育的工人来说是高度互补的 (Ator 等人。1998 年，Ator 等人。2003 年，Goldi 和 Katz 2008 ），也因为其中许多工具已用于自动化工作，对不同类型的工人产生了不平等的影响 （ Ator 等人。2003 年，Acemogl 和 Restrepo 2022a，2022b ） 。虽然数字技术无疑创造了新的商品 / 服务，并提高了某些活动的生产率 (例如g.Bryjolfsso 和 McAfee 2015 ），还有证据表明，这些技术带来的生产率提高有时远低于预期 （ 例如g.Acemogl 等人。2016).生成性人工智能将对未来的工作和不平等的轨迹产生重大影响。这种影响的性质不是技术本身的必然结果 ， 而是取决于社会如何发展和塑造人工智能。•人工智能目前的主要方向是强调自动化 ， 熟练劳动力的转移 ， 以及由于逐步监控和监视而减少的工人声音。•另一种 “人与人互补 ” 的途径可以为生产力增长做出更大贡献 ， 并有助于减少经济不平等。在下一节中，我们将概述自动化路径的样子，以及它对工作、不平等和生产力的影响。然后，我们根据一般原则和具体示例来描述替代的人类互补路径。我们还解释了为什么尽管有优势，但基于当前的投资和公司态度，人力互补的方法不太可能盛行。我们提出了一些政策，这些政策可以帮助引导人工智能的开发和实施朝着更具建设性的方向发展。CEPR POLICY INSIGHT No. 1232023 年 10 月 3自动化路径至少从工业革命开始以来，自动化 - 机器的替代，以及最近由人类执行的任务的算法 - 一直是一个常数。开发机器是为了执行具有高度可预测性并在稳定环境中执行的任务。例子包括 18 世纪纺织工业中的纺纱和织造，19 世纪农业中的收割以及 20 世纪的许多办公室和文书工作，例如电话总机操作和例行簿记。大规模生产，大大降低了日常产品的成本，从根本上取决于。–虽然不是唯一的 - 在装配线上通过自动化成为可能。然而，并非所有的自动化都是高生产率的。当机器被部署来执行它们不是特别有效的任务时，随之而来的是平淡无奇的生产率提高。大多数人都熟悉从航空公司，信用卡提供商或计算机制造商那里寻求客户服务的挫败感，只是被无用的计算机菜单迷住了。公司可能会发现这种自动化具有成本效益，但这并不是有意义的生产力进步。无论它对生产力的影响是大还是小，自动化往往会产生重大的分配后果。原因是自动化取代了专门从事自动化重新分配给机器和算法的任务的工人。自 1980 年以来，使用数字技术的蓝领和办公室工作的自动化一直是不平等加剧的重要驱动力 （ Acemogl 和 Restrepo 2022a ） 。出于技术和业务战略的原因，AI 系统不可避免地会用于某些自动化。在技术方面，许多服务和生产任务自动化的一个主要障碍是它们需要灵活性、判断力和常识 — — 这些都是人工智能之前的自动化形式所不具备的。人工智能，特别是生成性人工智能，可能会掌握这些任务 （ Sssid 2021 ） 。过去由熟练的人类操作员执行的大量计算机安全任务现在可以由 AI 机器人执行。同样，生成 AI 系统可以编写广告副本，解析法律文件，转录医生的医疗记录，并执行语言翻译。目前还不清楚这种类型的自动化将在多大程度上有助于总生产率的增长，而这些技术还不成熟，但随着成本的下降和可靠性的提高，它们可能有助于大幅提高生产率。出于生产力以外的原因 ， 企业可能会选择机器而不是工人。自动化吸引了那些寻求更高的一致性和更少的有组织或无组织劳动力反对的管理者 (Acemoglu and Johnson 2023) 。很多时候，企业更喜欢专注于自动化，而不是创造新的工作任务，让员工掌握新技能。对于经理来说，自动化总是很容易做到的，因为它似乎可以节省成本。投资使工人更有生产力或更有用可能更难推销，因为它被视为混乱，不确定和昂贵。有些经理只是更喜欢 “雇佣机器 ”，而不是雇佣工人，因为机器不会抱怨工资或工作条件，他们当然也不会加入工会。但是一个国家不是一个企业。我们在确保成年人得到生产性就业方面有着共同的利益。这促进了经济弹性，社会凝聚力和强大的税收基础。政策制定者比雇主更关心工作的质量和数量，政策应该考虑到这一点来支持机构、激励措施和投资。CEPR POLICY INSIGHT No. 1232023 年 10 月 4除了经济激励之外，当今数字技术领域的主要知识范式 — — 无论是商业领袖还是学术研究人员 — — 都倾向于自动化道路。人工智能研究的一个主要焦点是在广泛的认知任务中实现人类的平等，更广泛地说，是实现完全模仿并超越人类思维能力的 “人工通用智能 ” 。这种对知识的关注鼓励自动化，而不是人类互补技术的发展 （ Acemogl 和 Johso 2023 ） 。人们普遍认为 ， 替代人类的自动化将带来如此多的生产率提高 ， 以至于所有类型的工人都将受益。的确 ， 如果自动化具有足够的生产力 （ 从而大大降低了成本 ） ， 这可能会产生对其他商品和服务的需求 ， 因此 ， 工人也可能会受益。然而，虽然生产率的提高显然是受欢迎的，但这种思路有两个问题。首先，这些好处可能在不同的技能群体中分布不均。例如，基于人工智能的生产率提高可能会增加对所谓的 “即时工程师 ” 的需求，但这并不能帮助那些从会计或金融服务工作中被取代的工人 — — 假设他们在即时工程方面没有相对优势 (Acemogl 和 Ator 2011，Acemogl 和 Restrepo 2022a) 。其次，自动化往往会降低国民收入中的劳动力份额，因此即使工人受益，大部分收益也会流向企业家和资本所有者 （ Acemogl 和 Restrepo 2018 ） 。仅通过自动化可以产生多少共享繁荣是有限制的。另一个常见的预测是，由于生成性 AI 可能会自动执行通常由专业人员执行的管理或知识任务，因此可能会产生均衡的效果。例如，如果会计师和金融分析师失业，这可能会减少零售工人和高薪金融部门工人之间的不平等。这个逻辑是错误的。对以前的数字自动化浪潮的研究表明，被新技术直接取代的工人不仅经历了较低的工资增长，而且开始与其他低薪工人群体竞争，这些工人的工资随后下降 (例如g.Acemogl 和 Restrepo 2022a ） 。简而言之，取代工人永远不会对工人或劳动力市场有利。相反，人工智能可以减少不平等，如果它能让排名较低的工人完成更有价值的工作 — — 但如果它只是把现有的工作阶梯从梯级中剔除，就不会。人类的互补之路新技术不仅需要取代现有任务中的工人。他们还可以通过使工人更有效地工作，执行更高质量的工作或完成以前不可行的新任务来补充工人 （ Acemogl 和 Restrepo 2018， Ator 等人。 2022 年，Acemogl 和 Johso 2023 ） 。例如，尽管机械化逐渐将美国一半以上的劳动力赶出了农业，但工厂和新兴服务业的一系列新的蓝领和文书工作却对熟练劳动力产生了巨大需求。（ 大约 ） 在 1870 年至 1970 年之间，工业和服务业的就业人数增加，导致工作不仅报酬更高，而且危险程度更低，体力消耗更少，并且越来越多地奖励了由于扩大而产生的正式识字和算术技能。普及公立高中教育。This virtuous combination — automation of traditional work along creation of new tasks — proceed in relative balance for much of the 20th century. But sometime after approximately 1970, this balance was lost. While automation has maintained its pace or evenCEPR POLICY INSIGHT No. 1232023 年 10 月 5任务创建速度已经放缓，特别是对于没有四年制大学学位的工人 (Acemogl 和 Restrepo 2019，Ator 等人。2022 ） 。非大学工人因计算机化而从工厂和办公室流离失所，对于蓝领工人，也因进口竞争而流离失所 （ Ator 等人。2013)，但没有出现新的同等高薪的机会来吸引这些工人。结果，非受过大学教育的工人越来越多地从事低薪服务，例如清洁，安全，食品服务，娱乐和娱乐。这些工作具有社会价值，但几乎不需要专门的教育，培训或专业知识，因此薪水很低。在生成人工智能的新时代，我们面临的关键问题是，这项技术是否将主要加速现有的自动化趋势，而不会产生良好的就业