人工智能进行时讨论会

　　很多关于人工智能对经济影响的争论中心都是：这一次是否会不一样。一些乐观主义者认为人工智能与之前的技术没什么区别，几个世纪以来人们一直在担心机器会代替人类劳动，结果机器反而创造出了前所未想的工作，并且还提高了人们的收入，这证明这个担心是不靠谱的。其他一些人认为人工智能与众不同，因为它代替了认知工作，让很多人类劳动变得多余，在悲观主义者眼中这将导致大规模失业，而在乐观主义者眼中，人工智能会带来历史上无与伦比的自由和休闲时光。我想说，我看不出有什么理由让我相信人工智能将给经济带来的影响与之前的技术进步带来的经济影响有什么不同。

　　但是和多数乐观主义者不同，我没发现这种相似性是完全令人欣慰的，因为近几十年的技术进步在带来了巨大好处的同时，也增加了不平等、降低了劳动参与率。然而，正如我在早上强调的那样：技术变革对劳动力的影响会被各种各样的制度体系调节，因此政策选择会对实际结果有很大的影响。

　　人工智能本身并不会需要经济政策上的新范式，例如，支持者拥护用普遍基本收入（UBI）替换现有的社会保障制度。但是人工智能会加强我们应该已经采取的步骤，从而确保经济增长能被更加广泛地分享。但是在思考人工智能可能会带来的副作用之前，我想谈谈我对它的最大担心：我们还没有足够的人工智能。

　　对于任何一个创新，我们前三个反映应该都是欢呼它，并问问自己怎么才能从它那里获得更多，这是我在发言中想讨论的第一个问题。但是我之后会讨论人工智能对劳动力市场的潜在负面影响。最后，我会总结一下公共政策在解决这些问题中所扮演的角色—— 帮助推动人工智能的同时确保更多的人能分享到它的好处，这两个目标最终是互补的。

为什么我们需要更多人工智能？

　　我有时会在经济学家与技术专家的对话之间感觉到进退两难——经济学家总是担心测量出的生产率增长（productivity growth），而技术专家能看见发生在我们周围的变革。你可能不会惊讶于我在这个问题上站在经济学家这边。在 31 个发达经济体中，已经有 30 个测量出生产率增长放缓，年平均增长率从 1994 年到 2004 年这十年间的 2%下降到 2004 年到 2014 年十年间的 1%。值得注意的是，如表 1 显示，在 G7 成员国中，美国的增长速度依然是最快的，但也从前十年的 2.3% 下降到后十年的 1.1 %。

　　有很多理由相信官方统计并没有抓住所有领域的生产率提升数据，所以 1.1%这个数字可能低估了美国 2004 年到 2014 年这十年的生产率增长情况。1994 年到 2004年的情况也可能被低估了，这十年见证了世界范围内的网络及网络搜索、电子商务、电子邮件和更多相关的网络应用的发明，更不要说手机的广泛普及和移动电子邮件的发明。最近的研究已证实几乎没有理由可以怀疑生产率增长的大幅度放缓，包括指出这个放缓已经存在于数据测量结果表现较好的行业（Byrne, Fernald, 和 Reinsdorft 2016; Syverson 2016）。

　　生产率增长放缓产生了深远的后果，导致了实际工资增长更加缓慢，并增加了我们长期的财政挑战。今天的讨论不会涵盖生产率放缓的所有原因，但可以说疲软的商业投资是一部分问题，而创新的步伐似乎也在放缓。这看起来有点反直觉，因为包括在机器人、人工智能、和更普遍的自动化在内的创新是那么让人兴奋。这些创新或许让人兴奋，但是相比住房、零售、教育和健康等其他经济部门，它们仍然只代表了我们生活中的一小部分。

　　那就是说，经济领域的技术部分正在为生产率增长做出巨大的贡献。2015 年的一项 17 国的机器人调研发现，在 1993 年和 2007 年之间，机器人产业为这些国家的年 GDP 增长率平均贡献了 0.4 个百分点，占了这段时间内这些国家的 GDP 增长率十分之一以上（Graetz 和 Michaels 2015）。此外，自 2010 年以来，世界范围内的工业机器人的出货量已大幅增加（见表 2），未来生产率可能会有更高的增长。

　　与此相关，近年来人工智能及其在一系列不同领域中的应用有了巨大的进展。例如，许多公司都在使用人工智能来分析在线客户交易来检测和防止欺诈，同样，社交网站也正在使用它来检测用户帐户是否遭到了劫持。有了人工智能，网络搜索应用现在才变的更加精准——例如校正手动输入错误 ——因此也降低了与搜索相关的成本。在放射科，医生必须能够检查出影像不正常的地方，人工智能卓越的图像处理技术可能很快就能提供更准确的图像分析了，从而扩展早期发现有害异常和减少误报的能力，最终实现更好的医疗护理。

　　人工智能也正在进入公共部门。例如，只要能保证必须负责地使用以避免偏见，预测分析就能在改善刑事司法程序上有很大的潜力。北卡罗来纳州的 Charlotte-Mecklenburg 市正在使用预测分析来帮助为审前释放的决策提供信息，这得到了总统的「数据驱动司法倡议（Data Driven Justice Initiative）」的支持，这是一种为了减少累犯率和监狱人数的方法（White House 2016a）。尽管一些人相信人工智能能够移除决策中的偏见，但我们必须记住人类是不完美的——带着自己的偏见编写了算法和随时间收集与分析了数据。正如总统行政办公室（2016）的报告「Big Risks, Big Opportunities：the Intersection of Big Data and Civil Rights（大风险、大机遇：大数据和公民权利的交集）」中提到的那样：对我们来说，重要的是认识和纠正过去的偏见影响未来的人工智能的方式。

　　然而，虽然人工智能研究已经开展了几十年，但最近的进展仍然是非常新的，所以说人工智能并没有产生大的宏观经济效应，至少目前还没有。人工智能最新的重大进展是在深度学习领域，这是一种强大的方法，但必须以自定义的方式应用于每种应用。下面我将作一点预测，值得注意的是，深度学习的最新进展建立在大学实验室的神经网络研究基础上，这些研究很大程度上是由国防部高级研究项目局（DARPA）和其它政府机构于上世纪八十年代到九十年代之间资助的。尽管我们最近在诸如逻辑推理等人工智能的其它领域没有取得太多进展，但深度学习技术的进步至少最终可作为这些其它领域的部分替代。

　　虽然人工智能在许多方面比人类有优势，但人类仍然在涉及社会智力、创造力和一般智力的任务上保持着相当大的优势。例如，今天的人工智能可以做出很不错的翻译，但却不能像人类那样同时运用语言和社会与文化背景这两种知识，也无法体会作者的论点、情感状态和意图。即使是最受欢迎的机器翻译也仍然无法达到人类译者的准确度。

　　在过去的十年里，我们在机器人、人工智能和其他领域取得了实质性的创新。但在这些领域，我们还需要更快的创新步伐，才能真正推动生产率增长向前迈进。对于 Robert Gordon’s （2016）自信的悲观预测或 Erik Brynjolfsson 和 Andrew Mcafee’s（2014）自信的乐观观点，我都不同意，因为过去的生产率增长是如此地难以预测。有一些证据给了我些许安慰，主要的新发明（如电力）已经连续波动地促进了生产率增长，这一模式可能会在未来重复（Syverson 2013）。更重要的是，比无休止地争论生产率增长的未来更有趣而且更重要的是：对于生产率增长我们可以做什么；这个问题的趣味性和重要性更低，我将在最后一部分讨论的这个问题。

人工智能注定会加剧社会不平等

　　发达经济体在过去三个世纪中见证了太多的创新奇迹。18 世纪的大多数工作如今已经都已经不存在了，它们被超乎人类之前想象的新工作取代了。结果，在很长一段时间里，纵然科技瞬息万变，但是生活在美国的、想在一定时间内及时找到工作的人，大约 95% 都能找到工作。

　　尽管就业市场不像经济学教科书上小麦等商品的程式化模型（stylized models）那样运转，但在多种参数内进行的供需基本运作是确保每个想找工作的人都能找到工作的机制。但是，为了实现这点，需要调整工资让供应与需求平衡。在最近几十年，工资调整的趋势是：相较于高技术劳工，低技术劳工的工资大幅下降。从 1975 年到 2014 年，高中学历工作者发现他们的相对薪水从高于大学学历全职工作者薪水的 80%，下降到不到大学学历全职工作者薪水的 60%（CEA 2016b）。

　　我的担忧不是当我们谈及人工智能时，它带来的影响与以往有什么不同，而是这次可能和我们过去几十年遭遇的问题是相同的。关于我们不需要担忧机器人取代人类工作的传统论据仍然让我们担心：我们仍然拥有工作的唯一原因是我们愿意为更低的工资而工作。

　　Carl Frey 和 Michael Osbourne（2013）的报告显示，自动化浪潮加剧了社会不平等。Frey 和 Osbourne 的重磅调查结果是：在美国，大约 50% 的工作正处于被自动化技术取代的危机中。这一估算数据引发了一场热论 ，比如，经济合作与发展组织（OECD）研究者们（Arntz and Zierahn 2016）估算出只有 9% 的工作面临着被自动化技术取代的危险。但是，让我们忽略围绕这一调查结果的争论，而是将 Frey 和 Osbourne 的报告看成是合理的，但是对哪些工作将面临科技革新压力的猜测是高度不确定的。在经济顾问委员会（ Council of Economic Advisers），我们按薪资给工作排序，根据 Frey 和 Osbourne 的分析，我们发现 83% 的时薪低于 20 美元的工作将承受自动化技术的压力，而 31% 的时薪 20 到 40 美元的工作以及 4% 的时薪超过 40 美元的工作也将承受那样的压力（见图 3 ）。

　　即使这份统计报告中的确切数字有点过时了，其中三类工作的相对值也还是巨大的。工资和技能在某种程度上是相关联的，这意味着公司对低技术工作的需求量会大量减少，而对高技能工作的需求量则几乎不会减少。这种结果表明自动化对就业市场的影响发生了转变。在过去，自动化技术导致了所谓的就业市场两极分化，因为需要中等技能水平的工作——包括出纳员、文员和某些流水线员工——更容易被程序化，然而，最近两极分化的过程似乎中断了（Autor 2014; Schmitt, Schierholz, and Mishel 2013）。高技术工作需要问题解决能力、直觉和创造力，低技术工作需要环境适应能力和当面沟通能力，它们都不能轻易程序化。如果有什么不同的话，就是新的发展趋势将给收入不平等施加更多压力。我们已经能看到这样一些自动化服务了——例如，我们购物时，不是在收银员那里付账而是在自动结账台那里付钱，或者，当我们呼叫售后服务热线时，我们是与自动化客服代表对话。

　　不过，认为不平等纯粹是科技进步的作用是错误的。相对工资确实部分依赖于对劳动力的需求量，这是技术部分作用的结果。可是，它们还依赖于不同技术水平劳动力的供应量——即受教育程度的分布情况（Goldin 和 Katz, 2008）——而且还依赖于影响工资结构的制度安排，例如劳资谈判（Western 和 Rosenfeld, 2011）。

　　科技不能完全说成是人类命运。许多国家和美国一样经历了科技变革，然而在最近四十年里，美国比其它主要经济体产生了更严重的收入不平等问题和更高的总体不平等水平，表 4 呈现了这一点。当谈及不平等——正如我将向更大的就业市场强调的那样——制度和政策可以帮助决定科技变革是否以及在何种程度上塑造经济发展成果。

劳动参与率下降激发了对人工智能潜在影响的忧虑

　　此外，一种观点认为我们能以巨大的不平等为代价避免大规模失业，而美国就业市场过去半个世纪的遭遇对这种乐观态度提出了质疑。 25 到 54 岁的男性劳动者的劳动参与率从 20 世纪 50 年代的 98% 降低至如今的 88% ，这一事实对良好经济状态下全民就业的信心提出了关键的疑问。经济顾问委员会在最近一份报告（2016b）中详尽讨论到：劳动参与率的下降主要集中在高中或更低学历的男性中，同时发生的还有相对工资的下降。这意味着，这一群体的劳动参与率的降低表明劳动力需求量减少了，导致针对低技能劳动力的工作机会变得更少，而且工资也变得更低。包括自动化应用在内的越来越多的技术进步可能部分地解释了公司对低技术劳动力的需求的下降，而全球化也可能对此有所促进。

　　这里我主要关注黄金年龄男性，因为我认为在过去六十年，这类人的经历能用来与科技变革对男性和女性劳动力参与度的未来影响作进行最好的平行比较。在 20 世纪后半叶，黄金年龄女性的工作参与度骤然升高，因为二战后的社会和文化变革遮盖了科技变革对工作参与度的所有负面影响。不过，值得注意的是，黄金年龄女性的工作参与度最近十五年下降了，这与黄金年龄男性的早期经历类似。

　　我们的担忧不是机器人将取代人类的工作而致使人类失业。传统经济学的论点被几个世纪来经验证实了。我们关注的是人员周转的过程，也就是被科技夺取工作的工作者找到新工作的过程，因为科技引发了消费者新的需求，并因而会创造新的工作；不过这个过程中大部分人员可能将长期处于离职状态。

　　传统经济学观点在很大程度上论述的是长期平衡，而不是中短期内会发生什么。劳动参与率的下跌预示着我们必须仔细思考在经济走向长期平衡过程中的短期动态变化。从短期来看， 不是所有工作者都能通过训练或有能力找到由人工智能创造的工作。另外，这里的「短期」（它是用来描述经济相较于平衡状态所处的位置，而不是描述时间长度）可能长达十年，事实上，从更长远来看，经济可能会处在一系列「短期状态」中。

　　结果，人工智能有可能——就和我们过去几十年见过的其它创新一样——导致劳动参与率和就业率的进一步衰落。这不意味着我们必然将看到大量工作被机器人占领，但是黄金年龄男性的劳动参与率每年下降约 0.2% 的趋势仍在继续，这将对数百万人和整个经济带来实质性的问题。

　　然而，就社会不平等而言，我们不应该将这理解为技术决定论（technological determinism）。虽然大多数发达经济体都面临黄金年龄男性劳动参与率下降的问题，但是美国在这方面的下降几乎是最急剧的，表 5 显示了具体数据。其部分原因可能是美国劳动力市场制度比其他国家的更不支持劳动人口的参与（CEA 2016b）。

　　没有理由认为，在科技和生产力比当今水平更高的未来，经济不能带来多个实质性水平上的就业。然而，关键是我们的劳动力市场制度如何应对这些变化，帮助、支持新职位的创造，并且成功地将新职位与劳动力匹配上。近期的一份 CEA 报告广泛讨论了总统按照这些原则提议的一些政策，内容包括扩大总需求、增加劳动力市场中的连接组织、税制改革从而鼓励工作、为工人创造更大的适应性（CEA 2016b）。其他应对政策包括加强教育与训练，这样更多的人有了补充技能，并且能从创新中获益；增加税收系统的累进度从而保证每个人都能分享到整体经济收益；还要增强机构对更高薪资水平的支持，包括更高的最低工资、更强有力的劳资谈判（collective barganing）以及其他形式的工人发言权（Furman 2016a）。

用普遍基本收入取代现行安全网络可能适得其反

　　出于害怕自动化和人工智能导致大量工作会被取代（当然，还有其他动机），有些人提议深度变革政府援助结构。一个更常见的提议是，用普遍基本收入（UBI）取代如今部分或全部的社会安全网络：为每一个美国男人、女人、孩子提供一个规律性的、无条件的现金补助，而不是，比如贫困家庭临时援助（Temporary Assistance to Needy Families, TANF），美国补充营养协助计划（SNAP）或者是医疗补助计划（Medicaid）。

　　虽然各种 UBI 构想存在差别，但是，右派 Charles Murray （2006）和左派由 Andy Stern 和 Lee Kravitz （2016）提出的思路已经成为了一些技术专家未来政策视野的主要部分（Rhodes, Krisiloff, and Altman 2016）。不同的提议有不同的动机，比如真实存在的、以及感知到的如今社会安全网络的缺陷，对更简单却更高效系统的信赖，以及出于这样一个前提：为了更广泛应对由人工智能和自动化所带来的改变而需要变革我们政策。

　　主要问题不是自动化将引发大量的人口失业。而是，工人将会既缺乏技能又缺乏能力，无法成功与自动化创造出的好的、高薪资工作匹配。虽然一个市场经济会做大量工作将工人与新工作进行匹配，但它做起来不总是很成功，就像我们过去半个世纪看到的那样。我们不应该以放弃工人保留工作的可能性为前提，发展一项政策。相反，我们的目标应该是以培养技能、训练、工作搜索协助以及其他劳动市场机构、保证人们走进工作为首位，这是主要工作，也比 UBI 更能直接解决由人工智能引发的就业问题。

　　然而，即使会带来这些变革，新技术还会通过薪资分布变化加剧不平等，甚至可能导致贫困。因此，用 UBI 替代我们现在的扶贫项目，从任何实际设计来讲，只会使收入分布更差而非更好。我们的税收和转让制度，大部分是针对低收入分布人群，也就是说，它是为了减轻贫困以及收入不平等。使用一个普遍的资金补助取代该制度的部分或全部，意味着这个系统中相对较少的部分才是针对社会底层民众的——实际上，这是在增加（而非减少）收入不平等。除非一个人愿意接受税收收入占据更大的经济份额（比当前份额更大），否则，既给所有人提供一个共同的金钱数量，又确保这一数量完全可以满足最贫困家庭的需求，这很难做到。

　　对于任何一个想对保障网络进行额外投资的人—— 总统也已经提议过多次这样的投资 — 他必须面对同样的目标问题。

　　最终，一些 UBI 的动机与未来技术发展无一点关系。相反，一些 UBI 支持者已经提出了这种主张：它应该比如今的社会援助系统更简单、更公平，也有更少扭曲。这里不是具体展开这一讨论的地方，不过，我们可以说，今天的系统应当加以改善，而且总统也提议了一些社会援助系统的改善意见（OMB 2016）。但同时，最近研究发现，对这些项目的共同批判当中——比如，不能鼓励就业，或者对减少贫困无用——已被过分夸大，而且一些项目，包括营养援助、医疗补助以及所得税减免（EITC），对长期收益、受援助家庭的儿童健康与教育都很有好处。

　　这并不是说，我们不应该促进税收与流转制度的进步，而是说，我们需要将追求与可用的国家收入相匹配，在我们社会安全网络已有的成功上进行搭建。