AI - Daron Acemoglu Simon Johnson

IDaron Acemoglu和Simon Johnson 走向自动化的动力是危险的-到支持共享繁荣，人工智能必须补充工人，不取代他们 O关于增长隐含的偏好预测-人工智能的应用比比皆是。人工智能的采用可以提高产量-生产率每年增长1.5个百分点10年期间，全球GDP提高7%（7万亿美元的额外产出），根据Gold - 一个农民检查西红柿在一个智能温室在烟台，东中国山东省，一月2022. 男人萨克斯。业内人士甚至更兴奋的估计-队友，包括所谓的10%的概率-全面增长“情景，全球产出增长超过一年30%。 所有这些技术乐观主义都借鉴了“生产力乐队-Wagon “：一种根深蒂固的信念，即技术变革-包括自动化-驱动更高的生产力，这提高净工资，创造共同繁荣。这种乐观与历史记录和似乎特别不适合当前的路径“只是 让人工智能发生，“这主要集中在自动-信息(取代人)。我们必须认识到没有单一的、不可避免的发展道路--对新技术的需求。而且，假设目标是可持续地改善经济状况-对于更多的人来说，什么政策会把人工智能在正确的道路上发展，更加注重关于增强什么all工人能做什么? 机械问题 与普遍的看法相反，生产率的增长不需要转化为对工人的更高需求。生产率的标准defi定义是“平均-每个工人的年龄产出“-总产出除以总就业。希望是作为产出工人增长，企业的意愿也会增长雇人。 但是雇主没有动力增加基于每个工人的平均产出的招聘。相反，对公司来说重要的是边际生产率-ity-一个人的额外贡献工人通过增加产量或通过服务更多的客户。边际概念生产率不同于产出或收入每个工人；每个工人的产出可能会增加，而边际生产率保持不变甚至下降。 许多新技术，如工业机器人，扩展由执行的任务集机器和算法，取代工人。自动化提高了平均生产率，但确实不会增加，事实上可能会减少，工人-基本生产力。在过去的四十年里，汽车-信息提高了生产率，并成倍增加了相关性-Porate Profits，但它并没有导致共同的繁荣在工业国家。 用机器代替工人并不是唯一的提高经济效率和历史的方法已经证明了这一点，正如我们在最近的书中所描述的，权力与进步。而不是自动化工作，一些创新提高了个人的能力-向生产致敬。例如，新软件帮助汽车机械的工具，使更大的预Cision可以提高工人的边际生产率。这与安装工业完全不同-以取代人类为目标的试验机器人。 新功能 创建新任务更为重要提高工人的边际生产率。当新机器为人类劳动开辟了新的用途，这扩大了工人对生产的贡献并提高他们的边际生产力。那里汽车制造业的自动化程度很高在重大的行业重组期间由亨利·福特在1910年代开始。但是mass - pro - 同时生产方法和装配线-引入了一系列新的设计、技术、机器操作和文书任务，提高行业对工人的需求。 新的任务在增长中至关重要过去两个世纪的就业和工资。以及许多发展最快的职业在过去的几十年中- MRI放射科医生的那些，网络工程师，计算机辅助机器操作员、软件程序员、IT安全人员-Sonnel和数据分析师-不存在80年ago. Even people in occupations that have been大约更长的时间，比如银行出纳员，教授，和会计师，现在在许多相对使用技术的新任务。在几乎所有这些在这种情况下，由于技术的原因，引入了新的任务-Nological advances and have been a major driver就业增长。这些新任务也是生产力增长不可或缺的一部分-他们有帮助推出新产品，并启用更多有效的生产工艺。 新技术可以通过以下方式补充工人使他们能够更有效地工作，执行更高质量的工作，或完成新任务。对于例如，即使机械化逐渐推进超过一半的美国劳动力来自农业- “人工智能和机会如果我们直接补充工人技能和专业知识其发展因此”。 生产自动化 一个行业的自动化也可以带动就业-在该部门或广泛的经济中，如果它大大提高了生产率。在这种情况下，新工作可能来自非自动化同行业或扩张中的任务相关行业的活动。在fi的前半部分20世纪，汽车制造商的快速增长-制造刺激了石油的大规模扩张，钢铁和化学工业。汽车产量大规模的规模也彻底改变了可能性对于交通运输，推动新零售的兴起，娱乐和服务活动。 ••劳动声音：鉴于工人将是有利的-在人工智能的基础上，他们应该有发言权在其发展中。政府政策应该限制未测试的部署(或不及时tested) AI for applications that could put workers面临风险，例如在高风险的人员决策中-完成任务(包括招聘和终止-TION)或工作场所监测和监测。为更多的人提供资金-tary research:研究和发展人类互补的AI技术需要更大的支持。政府应促进COM -对技术的竞争和投资具有人类专业知识的AI工具可改善工作in vital social sectors. Once there is suúcient进步，政府可以鼓励进一步关于是否有所谓的投资建议人类互补技术是适当的-在公共资助的教育和医疗保健计划。•政府内部的AI专业知识：AI将触摸政府投资的各个领域，法规-监督和监督。发展协商政府内部的AI部门可以帮助机构和监管机构支持更及时，有效决策。 目前还不清楚这种类型的自动化将达到多少有助于总生产率增长，同时这些技术是不成熟的，但他们可以随着成本的下降，有助于实现可观的生产率提高可靠性提高。 当今占主导地位的知识分子范式数字技术部门也倾向于自动化道路。人工智能研究的一个主要焦点是实现人类在广泛的认知任务中，以及更多一般来说，要实现人工fi一般智能模仿和超越人类的能力。这个智力焦点鼓励自动化，而不是比人类互补的发展技术。 然而，人工智能提供了一个完成的机会-如果我们指导其员工的技能和专业知识相应发展。 人类生产力往往因缺乏而受到阻碍特定的fic知识或专业知识，这可以由下一代技术补充。例如，AI拥有巨大的培训潜力再培训专家工作者，如教育工作者，医务人员，以及现代工艺人员（例如电工和水管工）。AI也可以为人类专业知识创造新的需求在监督这些过程时的判断，COM -与客户沟通，并实现更多复杂的服务。 潜在的宏观经济影响 人工智能可以在下一个five增加全球GDP年，虽然不像发烧友那样重要声称。它甚至可能适度提高国内生产总值的增长中期。然而，在我们目前的轨迹上-保守党，fi一阶影响可能会增加工业国家内部的不平等。 五大原则 重定向技术变革并不容易，但它是可能的。各地政府——尤其是在美国和其他国家的技术在积极发展中-应该采取以下行动-降低fi的步骤来帮助将AI开发付诸实施人类互补，而不是人类分离-放置,路径:•改革商业模式：占主导地位的发展-AI的用户很容易利用-补偿，以及他们对数字的依赖广告激励抓住消费者的通过任何可能的方式引起注意。政府-mentsneed to establisherestablishedsfor所有消费者都在他们的数据上，应该对数字征税-talads. Enablingamorediverserangeof business模型-甚至需要更多的竞争-是如果AI对所有人都有帮助，那么它是必不可少的。税收制度:美国和许多国家的税法其他国家对fiRMS的负担更重雇佣劳动力而不是投资于算法的劳动力-使工作自动化。转移激励措施面向人类互补技术选择，政策制定者应该致力于创造一个更加对称的税收结构，均衡的税收结构-雇佣(和培训)劳动力和劳动力的基本税率用于投资设备和软件。• 中等收入国家和许多低收入国家来吧，各国也有很多可怕的现有路径。新的资本密集型技术很快就会在任何地方应用。没有警卫-相信，在目前的道路上，人工智能将产生更多的工作比它摧毁。 如果我们可以将AI重定向到更人性化的系统-补充路径，同时使用它来解决按社会问题，地球上的所有地方都可以受益fit。但是，如果只是自动化的方法盛行，共享繁荣将更加难以实现。F&D daron acemoglu是研究所教授 麻省理工学院（MIT）。西蒙约翰逊是Ronald A. Kurtz麻省理工学院斯隆大学的创业教授和前IMF首席经济学家。 这篇文章改编自作者的书，力量与进步：我们1000年的奋斗技术与繁荣,并且还利用联合与David Autor合作。