麻省理工學院經濟學家達龍·阿西莫格魯（Daron Acemoglu）表示，他不是人工智慧的「末日論者」。但他對人工智慧的潛力心存疑慮。圖片來源：Cody O'Loughlin 為【紐約時報】供稿。
本文來源：數據經濟評論（DataEconomy）
本帳號接受投稿，投稿信箱：[email protected]
阿西莫格魯教授認為，人工智慧只會適度提高生產力，未來十年對美國經濟產出的貢獻不會超過 1%。爭論的焦點是人工智慧是否能夠有效地自動化復雜任務並刺激顯著的經濟增長。
這一觀點與高盛（Goldman Sachs）的預測形成鮮明對比，後者認為生成式AI可以提升全球GDP達7%。阿西莫格魯教授認為，AI只能自動化少量常規任務，難以幫助員工解決更復雜的問題。
盡管有批評者認為他低估了AI的潛力，但阿西莫格魯教授指出，只有當AI能夠自動化大約40%的工作任務時，才能顯著提高生產力。
人工智慧的簡單宏觀經濟學
摘要：
本文評估了有關人工智慧新進展對宏觀經濟產生重大影響的說法。它從基於任務的人工智慧影響模型開始，透過自動化和任務互補性進行研究。
只要人工智慧的微觀經濟影響是由任務層面的成本節約/生產力提高驅動的，其宏觀經濟後果將由Hulten 定理的一個版本給出：GDP 和總生產力增長可以透過受影響的任務比例和平均任務層面的成本節約來估計。使用現有的對人工智慧的影響和任務層面的生產力提高的估計，這些宏觀經濟影響似乎不小但並不大——10 年內全要素生產率 (TFP) 的增長不超過 0.66%。
然後，本文指出，即使是這些估計也可能被誇大了，因為早期的證據來自易於學習的任務，而未來的一些影響將來自難以學習的任務，其中有許多與環境相關的因素影響決策，並且沒有客觀的結果衡量標準來了解成功的表現。因此，預計未來10年的TFP增長將更加溫和，預計將低於0.53%。
我還探討了人工智慧的薪資和不平等效應。我從理論上表明，即使人工智慧提高了低技能工人在某些任務上的生產率（而不為他們創造新任務），這也可能會加劇而不是減少不平等。
從實證研究來看，我發現人工智慧的進步不太可能像以前的自動化技術那樣加劇不平等，因為它們的影響在各個人口群體中分布得更均勻，但也沒有證據表明人工智慧會減少勞動收入不平等。相反，預計人工智慧會擴大資本和勞動收入之間的差距。
最後，人工智慧創造的一些新任務可能具有負面的社會價值（例如設計用於線上操縱的演算法），我將討論如何納入可能具有負面社會價值的新任務的宏觀經濟影響。
結論與討論
ChatGPT於2022年11月30日釋出後，成為歷史上傳播速度最快的技術平台，僅兩個月內就達到了約1億月度使用者。其令人印象深刻的功能以及2023年3月釋出的新版本ChatGPT-4的更強大功能很快引起了公眾和經濟評論員的想象。現在，對生產力大幅提高的預測已變得司空見慣。
雖然毫無疑問，包括ChatGPT在內的生成式人工智慧模型取得了令人印象深刻的成就，並具有產生有益經濟影響的巨大潛力，但它們的宏觀經濟後果程度仍是一個懸而未決的問題。
人工智慧技術在中期內可能產生四種潛在的宏觀效應：
1.它們可以迅速徹底改變經濟的各個方面，並導致生產力的大幅提高，甚至使我們接近「奇異點」。雖然這種可能性不能完全排除，但迄今為止還沒有證據表明這種革命性的影響（Nordhaus，2021），本文也沒有討論這些影響。
2.它們可以透過提高生產率和降低一系列任務的成本，對宏觀經濟產生更溫和但仍然顯著的影響。一些預測側重於這些型別的改進，但仍然產生了相對較大的數位，例如10年內經濟增長率每年增加1.5-3.4個百分點。
3.由於自動化效應，它們可能會影響薪資和不平等，或者相反，導致薪資大幅上漲，尤其是對於低薪工人，正如【經濟學人】（2023年）所預測的那樣。
4.它們可以透過制作深度偽造、虛假資訊、操縱和其他「壞事」產生宏觀經濟影響。
在本文中，我使用Acemoglu和Restrepo(2018、2019b、2022)的基於任務的框架來評估第二和第三種影響，並且我還采取了一些步驟來形式化第四組影響在基於任務的宏觀框架中如何發揮作用。
我的方法基於現有的實驗研究，這些研究估計了在多種環境下使用生成式人工智慧工具所帶來的生產率提高和時間節省。透過在這些研究的基礎上，我明確接受了生成式人工智慧將提高生產率的想法。然而，將這些數位與Eloundou等人(2023)和Svanberg等人(2024)對暴露任務的估計相結合，會產生比大多數評論家和經濟學家迄今為止聲稱的要溫和得多的生產率效應。如果我們考慮到許多有證據表明可以節省成本的任務對於人工智慧來說相對容易，而在其他一些任務中，人工智慧的整合將面臨更艱巨的困難，這些數位會變得更小——主要是因為這些任務可能涉及更復雜的動作和環境之間的互動，並且它們缺乏可觀察的明確成功指標，因此需要人工智慧模型從以前執行相同任務的人類的（平均）行為中學習。
考慮到這些因素，我估計未來10 年人工智慧進步對全要素生產率（TFP）的影響將是適度的——不考慮難易任務之間區別的上限將是10年內總體增長約0.66%，或年度TFP增長率約0.064%。當認識到那些將接觸人工智慧的任務中存在困難任務時，這個上限會下降到0.53%左右。GDP效應將略大於此，因為自動化和任務互補性也將帶來更大的投資。但我的計算表明，未來10年內GDP的增長也應該是適度的，前提是人工智慧帶來的投資增長適度，總計10年將在0.93% - 1.16%的範圍內；如果出現大規模投資熱潮，總計將在1.4%-1.56%的範圍內。
如果使用人工智慧創造新任務和新產品，這些任務和產品也會增加GDP，並能促進生產率增長。然而，當我們考慮到人工智慧產生的新任務可能具有操縱性的可能性時，對福利的影響可能會更小。根據Bursztyn等人(2023)的數據，這些數據涉及人工智慧驅動的社交媒體的負面影響，我提供了一個社交媒體、數位廣告和IT防禦攻擊支出的說明性計算。這些可能會使GDP增加2%，但如果我們套用Bursztyn等人(2023)的數據。它們對福利的影響可能是-0.72%。這一討論表明，考慮人工智慧產生的新任務和產品對福利的潛在負面影響非常重要。
最後，我大量借鑒了Acemoglu和Restrepo(2022)對前人工智慧自動化技術對整個經濟的生產力、薪資和不平等影響的估計，為新人工智慧進步的影響提供一些指導。由於人工智慧任務在人口中的分布比前人工智慧自動化任務更均勻，因此我沒有發現任何教育群體的薪資有顯著的負面效應。然而，這些估計也沒有表明不平等現象顯著減少，事實上，我的研究結果表明，受教育程度低的女性可能會經歷小幅薪資下降，總體群體間不平等可能會略有增加，資本和勞動力收入之間的差距可能會進一步擴大。
這些結果不應被解釋為認為人工智慧沒有帶來重大好處。首先，10年內全要素生產率約 0.53-0.66% 的增長振幅雖小，但絕非微不足道。其次，更重要的是，人工智慧可能還有其他用途，可以產生更顯著的效益。我在之前的研究中（Acemoglu，2021 年，Acemoglu 和 Restrepo，2020b年）提出，如果人工智慧用於為工人生成新任務，它可以產生更有益的生產力、薪資和不平等後果，甚至可以提高薪資。對於生成性人工智慧來說，情況可能更是如此，它可用於向工人提供更好的資訊並提高他們的專業知識，正如 Acemoglu等人（2023 年）所論證的那樣，並在此簡要解釋。
如今，許多生產工人，包括電工、維修工人、水管工、護士、教育工作者、文職人員，以及越來越多的工廠藍領工人，都在從事解決問題的任務。這些任務需要即時、情境相關且可靠的資訊。例如，處理先進裝置故障或電網短路的電工將無法解決這些問題，因為他或她沒有足夠的專業知識和適當的資訊來進行故障排除。生成式人工智慧工具可以快速提供可靠的資訊，從而顯著提高生產力。同樣，課堂上的生成式人工智慧可以導致教學方式的重大重組，具有更高的個人化水平，因為這些工具可以幫助教師辨識學生群體在課程中遇到問題的具體方面，並提出新的情境相關教學策略。人工智慧模型的可靠性將是成功建立此類新任務和提高教育品質的關鍵。
新任務和新產品帶來的生產率提高，對於以前的變革性技術（如電力和互聯網）非常重要，但並未納入我的估計中。這有三個原因。首先，也是最狹隘的，這更難衡量，也不包括在Eloundou等人（2023年）和Svanberg等人（2024年）考慮的暴露型別中。其次，更重要的是，我認為不將這些納入可能的宏觀經濟影響是正確的，因為這些不是目前行業關註的領域，正如Acemoglu(2021)、Acemoglu和Restrepo(2020b)以及Acemoglu和Johnson(2023)所指出的那樣。相反，科技行業的優先領域似乎是圍繞個人數據的自動化和貨幣化，例如透過搜尋或社交媒體數位廣告。這使得許多新的好任務不太可能迅速產生。第三，與此相關的是，更有益的結果可能需要新的機構、政策和法規，正如Acemoglu和Johnson(2023)和Acemoglu等人(2023)所建議的那樣。
我的評估是，生成式人工智慧確實可以帶來更大的收益，這是一種很有前途的技術，但除非行業進行根本性的重新定位，否則這些收益仍將難以實作，其中可能包括對最常見的生成式人工智慧模型（如大語言模型）的架構進行重大改變，以專註於能夠提高不同型別工人邊際生產率的可靠資訊，而不是優先開發一般的類人對話工具。當前生成式人工智慧方法的通用性質可能不適合提供這種可靠資訊。簡而言之，如果我們想要的是可靠資訊對教育工作者、醫療保健專業人員、電工、水管工和其他手工藝人有用，那麽我們是否需要能夠進行類人對話和編寫莎士比亞十四行詩的基礎模型（或當前型別的大語言模型），這仍然是一個懸而未決的問題。
達隆·阿西莫格魯教授簡介
卡梅爾·達隆·阿西莫格魯（土耳其語：[daˈɾon aˈdʒemoːɫu]；1967 年 9 月 3 日出生）是亞美尼亞裔土耳其裔美國經濟學家，自 1993 年以來一直在麻省理工學院任教，目前是該學院的伊莉莎白和詹姆士·基利安經濟學教授。他於 2005 年獲得約翰·貝茨·克拉克獎章，並於 2019 年被任命為麻省理工學院的研究所教授。
阿西莫格魯出生於伊斯坦堡，父母是亞美尼亞人，1989 年獲得約克大學學士學位，1992 年獲得倫敦政治經濟學院 (LSE) 博士學位。他在倫敦政治經濟學院任教一年，之後加入麻省理工學院經濟學系。他於 2005 年獲得約翰·貝茨·克拉克獎章。
在 2011 年對美國經濟學家的調查中，阿西莫格魯在「60 歲以下最受歡迎的在世經濟學家」名單中排名第三，僅次於保羅·克儒格曼和格雷格·曼昆。2015 年，根據經濟學研究論文 (RePEc) 數據，他被評為過去 10 年被參照次數最多的經濟學家。根據開放教學大綱計畫，阿西莫格魯是繼曼昆和克儒格曼之後，大學經濟學課程教學大綱中被參照次數第三多的作者。■
