专题：诺贝尔经济学奖今日揭晓 三位学者获奖
推动自动化发展面临着重重危险——若要实现共同繁荣，我们必须确保人工智能是与人工形成互补，而非取而代之
关于人工智能对经济增长的影响，乐观的预测比比皆是。高盛集团表示，人工智能的使用可以在10年内将生产率每年提高1.5个百分点，并使全球GDP提高7%（额外产出7万亿美元）。业内人士的预测则更为激动人心，其中包括全球产出每年增长超过30%，有10%的可能出现“爆炸性增长”。
这种技术乐观主义依托于“生产率浪潮”（productivity bandwagon）这一根深蒂固的观念，认为包括自动化在内的技术变革会推动生产率提高，从而提高净工资，实现共同繁荣。
然而这种乐观主义不符合历史规律，且对于当前“任由人工智能发展”的道路尤其不合时宜，后者专注于推动自动化（取代人工）。我们必须要认清，新技术的发展绝不只有一条唯一的、注定的道路。而且，假设目标是持续改善更多人的经济状况，那么应该采取怎样的政策，才能让人工智能发展走上正确的道路，同时又更加重视提高所有劳动者均可具备的能力呢？
与人们的普遍观点相反，生产率增长并不一定意味着对劳动者的需求增加。生产率的标准定义是“每个劳动者的平均产出”，也就是总产出除以总就业人数。人们希望随着劳动者人均产出的增长，企业雇人的意愿也会提高。
但现实是，雇主并不会根据每个劳动者的平均产出量来招聘更多雇员。相反，对企业来说，重要的是边际生产率——即每增加一个劳动者来提高产量或服务更多的客户，由此带来的额外贡献。边际生产率的概念不同于每个劳动者的产出或收入；每个劳动者的产出可能会增加，而边际生产率可能保持不变，甚至有所降低。
工业机器人等诸多新技术的出现拓展了机器和算法的任务领域，因此取代了人工。自动化提高了平均生产率，但没有增加劳动者的边际生产率，甚至事实上还降低了这一比率。过去的40年里，自动化提高了生产率，大大增加了企业利润，却没有在工业国实现民众的共同繁荣。
正如我们在新书 《权力与进步》（Power and Progress）中所描述的那样，用机器取代人工并不是提高经济效率的唯一途径，这一点也已经得到了历史的证实。部分创新成果并未实现工作自动化，而是提高了个人对生产的贡献。例如，新型软件工具可以帮助汽车修理工提高精度，从而提高工人的边际生产率。这与安装以取代人工为目标的工业机器人截然不同。
创造新任务对于提高劳动者边际生产率更为重要。如果新机器能开辟人类劳动的新用途，就可以扩大劳动者对生产的贡献，进而提高其边际生产率。从20世纪10年代开始，亨利·福特（Henry Ford）引领汽车制造业开展了轰轰烈烈的产业重组，在此期间，自动化技术大量涌入。但大批量生产方法和装配线同时带来了一系列新的设计、技术、机器操作和文书工作，增加了该行业对劳动者的需求。
在过去的两个世纪里，新任务对就业和工资的增长至关重要。很多在过去几十年里发展最快的职业，比如核磁共振放射科医生、网络工程师、计算机辅助机器操作员、软件程序员、信息技术安全人员和数据分析师，在80年前尚不存在。即使是一些历史相对悠久的职业，比如银行出纳员、教授和会计师，现在也在利用技术从事许多相对较新的任务。在几乎所有上述情况中，都是技术进步带来了新的任务，而新任务成为了就业增长的主要推动力。同时，对于提高生产率来说，新任务也是必不可少的——新任务推动了新产品的推出，并使生产过程更加高效。
如果一个行业的自动化能大幅提高生产率，它也能推动该行业或整个经济体的就业。在这种情况下，新的工作岗位可能来自同一行业的非自动化任务，也可能来自相关行业中增加的活动。在20世纪上半叶，汽车制造业的快速增长刺激了石油、钢铁和化学工业的大规模扩张。汽车的大批量生产也彻底革新了交通运输的面貌，进而推动了新的零售、娱乐和服务业务的兴起。
然而，如果自动化无法大幅提高生产率，也就是只能达到所谓的“很一般的水平”，就无法激起“生产率浪潮”。例如，杂货店的自助结账机只能带来有限的生产率效益，因为它们只是将扫描商品的工作从员工转移到顾客身上。商店引入自助结账机后，雇佣的收银员就会减少，但其他方面并没有出现生产率显著提升的情况，无法以此来刺激创造新的就业机会。食品杂货没有变得更便宜，食品生产规模没有扩大，购物者的生活也没有改变。
即便自动化大幅提高了生产率，如果没有新任务随之诞生，这种效益也是会被抵消的。例如，在美国中西部，机器人的快速普及导致了大规模裁员，并最终延长了该地区的经济衰退时间。
采用新技术来监工时，劳动者也会面临同样的困扰。加强劳动者监督可能会使生产率略有提高，但其主要作用是让劳动者付出更多的努力。
如能对人工智能的发展予以适当引导，它有可能成为劳动者技能和专业知识的补充。
所有这些都强调了技术的一个最重要问题：选择。利用集体知识来提高生产率的方法总有很多，指导创新的方法更是比比皆是。关键是我们发明和采用数字工具是用来监工、推动自动化，还是通过创造富有生产力的新任务来为劳动者赋能？
当生产率浪潮减弱，缺乏自我纠正机制来保障共同利益时，这些选择就会变得更加重要，而少数科技决策者在经济和政治上的影响力也会愈发凸显。
新技术可以与劳动者形成互补，使其提高工作效率或质量，或帮助其完成新的任务。例如，1870年至1979年间，虽然机械化逐渐使美国一半以上的农业劳动力失业，但工厂和新兴服务业出现了一系列新的蓝领和文书工作，对熟练劳动力产生了巨大需求。这类工作不仅报酬更高，而且危险性更小，体力消耗也较少。
在20世纪的大部分时间里，这种传统工作自动化与新任务创造的良性结合始终在相对平衡的状态下进行着。但大约在1970年之后，出现了失衡现象。在随后的50年里，尽管自动化保持发展、甚至加速了前进步伐，新任务的抵消效应却已弱化，对于没有四年大学学历的劳动者来说尤为如此。于是，这些劳动者正越来越多地从事虽有社会价值却薪水微薄的服务性工作，比如保洁、餐饮服务和娱乐服务。
人工智能新时代的关键问题是，这项技术的作用是否将集中在加速现有的自动化趋势，而不会产生良好的就业机会（特别是对于没有受过大学教育的劳动者来说）以抵消自动化的影响，或者说，它是否会为拥有不同技能组合和广泛教育背景的劳动者带来新的劳动力互补性任务。
人工智能系统在某些自动化方面的应用已成定势。许多服务和生产任务自动化面临的一个主要障碍是，这些工作需要灵活性、判断力和常识，但人工智能出现之前的自动化模式明显缺少此类特点。而人工智能，尤其是生成式人工智能，有可能掌握此类任务。由于人工智能技术尚不成熟，目前我们还不清楚融入人工智能的自动化将对总生产率的增长做出多大的贡献，但随着成本的下降和可靠性的提高，它们可能会促进生产率的大幅提升。
当今在数字技术部门占居主导地位的智能范式，也倾向于走自动化道路。人工智能研究的一个主要焦点是在大量的认知任务中实现人工智能与人类的平等，更广泛地说，是打造能够模仿并超越人类能力的通用人工智能。这种对智能的关注鼓励的是发展自动化，而不是开发与人类互补的技术。
不过，如能对人工智能的发展予以适当引导，它有可能成为劳动者技能和专业知识的补充。
人类生产力常常因缺乏具体的知识或专业技能而受到阻碍，而新一代技术可以对这些知识或专业技能形成补充。例如，人工智能在专业劳动者（比如教育工作者、医务人员，以及电工、水管工等现代技术人员）的培训和再培训方面具有巨大潜力。人工智能还可能在监督培训流程、与客户沟通以及提供更精细的服务方面，对人类的专业知识和判断力提出新的需求。
改变技术变革的方向虽不容易，但可以实现。世界各地的政府，尤其是美国和其他正在积极发展科技的国家，应该采取以下五个步骤，帮助人工智能走上一条与人类互补而不是取人类而代之的道路：
改革商业模式：占主导地位的人工智能开发者可以轻而易举地无偿征用消费者数据，这些开发者对数字广告的依赖也会使他们想尽一切办法来吸引消费者注意。政府需要为所有消费者的数据确立明确的所有权，并应对数字广告征税。要让人工智能惠及全民，就必须实现更多样化的商业模式，甚至促成更多的竞争。
更新税收制度：根据美国和其他许多国家的税法，人力型企业承担的税负要比专注于用算法实现工作自动化的企业税负更重。为了更好地激励企业采用与人类互补的技术，政策制定者应潜心制定一个更对称的税收结构，平衡雇佣（和培训）劳动力和投资设备与软件的边际税率。
提高劳动者话语权：由于劳动者将受到人工智能的深刻影响，其应该在人工智能的发展中拥有话语权。政府政策应限制将未经测试（或测试不足）的人工智能应用于可能使劳动者处于危险之中的场景，例如高风险的人事决策任务（包括招聘和解雇）或工作场所监测和监督。
资助更多有关人工智能与人类互补性的研究：研发与人类互补的人工智能技术需要更多支持。政府应促进竞争和技术投资，将人工智能工具与人类专业知识相结合，以改善重要社会部门的工作。一旦取得了充分进展，政府就可以鼓励进一步投资，并提出建议，商讨与人类互补的技术是否适用于公费的教育和卫生保健项目。
提高政府人员的人工智能专业知识：人工智能将触及政府投资、监管和监督的各个领域。在政府内部建立人工智能咨询部门，可使政府机构和监管人员做出更为及时有效的决策。
考虑潜在的宏观经济影响
人工智能可能会在未来五年使全球GDP实现增长，虽然增长幅度不会像人工智能狂热分子所说的那么大。它可能会在中期小幅提高GDP的增幅。然而，从我们目前的轨迹来看，人工智能产生的第一重影响可能是加剧工业国家内部的不平等。
中等收入国家和许多低收入国家对当前的道路也忧心忡忡。新的资本密集型技术将很快在各地得到应用。按照目前的发展趋势，没人能确保人工智能创造的就业机会能超过其所摧毁的就业机会。
如果我们能将人工智能引上一条与人类相辅相成的道路，同时利用它来解决紧迫的社会问题，那么世界各地都将从中受益。但如果一味追求自动化，共同繁荣将更难实现。
达龙 • 阿西莫格鲁（DARON ACEMOGLU）：麻省理工学院教授。
西蒙 • 约翰逊（SIMON JOHNSON）：麻省理工学院斯隆管理学院罗纳德 • A． 库尔茨创业学教授，前IMF首席经济学家。
本文改编自作者的著作《权力与进步：我们为技术和繁荣奋斗的千年》（Power and Progress： Our 1000 Year Struggle over Technology and Prosperity），并借鉴了作者与戴维 • 奥托（David Autor）的合著作品。
责任编辑：王永生