教授阿西莫格鲁质疑对刺激经济提升作用引发争论

麻省理工学院经济学家达龙·阿西莫格鲁（DaronAcemoglu）表示，他不是人工智能的“末日论者”。但他对人工智能的潜力心存疑虑。图片来源：CodyO'Loughlin为《纽约时报》供稿。

本文来源：数据经济评论（DataEconomy）

本账号接受投稿，投稿邮箱：jingjixuejiaquan@126.com

阿西莫格鲁教授认为，人工智能只会适度提高生产力，未来十年对美国经济产出的贡献不会超过1%。争论的焦点是人工智能是否能够有效地自动化复杂任务并刺激显著的经济增长。

这一观点与高盛（GoldmanSachs）的预测形成鲜明对比，后者认为生成式AI可以提升全球GDP达7%。阿西莫格鲁教授认为，AI只能自动化少量常规任务，难以帮助员工解决更复杂的问题。

尽管有批评者认为他低估了AI的潜力，但阿西莫格鲁教授指出，只有当AI能够自动化大约40%的工作任务时，才能显著提高生产力。

人工智能的简单宏观经济学

摘要：

本文评估了有关人工智能新进展对宏观经济产生重大影响的说法。它从基于任务的人工智能影响模型开始，通过自动化和任务互补性进行研究。

只要人工智能的微观经济影响是由任务层面的成本节约/生产力提高驱动的，其宏观经济后果将由Hulten定理的一个版本给出：GDP和总生产力增长可以通过受影响的任务比例和平均任务层面的成本节约来估计。使用现有的对人工智能的影响和任务层面的生产力提高的估计，这些宏观经济影响似乎不小但并不大——10年内全要素生产率(TFP)的增长不超过0.66%。

然后，本文指出，即使是这些估计也可能被夸大了，因为早期的证据来自易于学习的任务，而未来的一些影响将来自难以学习的任务，其中有许多与环境相关的因素影响决策，并且没有客观的结果衡量标准来了解成功的表现。因此，预计未来10年的TFP增长将更加温和，预计将低于0.53%。

我还探讨了人工智能的工资和不平等效应。我从理论上表明，即使人工智能提高了低技能工人在某些任务上的生产率（而不为他们创造新任务），这也可能会加剧而不是减少不平等。

从实证研究来看，我发现人工智能的进步不太可能像以前的自动化技术那样加剧不平等，因为它们的影响在各个人口群体中分布得更均匀，但也没有证据表明人工智能会减少劳动收入不平等。相反，预计人工智能会扩大资本和劳动收入之间的差距。

最后，人工智能创造的一些新任务可能具有负面的社会价值（例如设计用于在线操纵的算法），我将讨论如何纳入可能具有负面社会价值的新任务的宏观经济影响。

结论与讨论

ChatGPT于2022年11月30日发布后，成为历史上传播速度最快的技术平台，仅两个月内就达到了约1亿月度用户。其令人印象深刻的功能以及2023年3月发布的新版本ChatGPT-4的更强大功能很快引起了公众和经济评论员的想象。现在，对生产力大幅提高的预测已变得司空见惯。

虽然毫无疑问，包括ChatGPT在内的生成式人工智能模型取得了令人印象深刻的成就，并具有产生有益经济影响的巨大潜力，但它们的宏观经济后果程度仍是一个悬而未决的问题。

人工智能技术在中期内可能产生四种潜在的宏观效应：

1.它们可以迅速彻底改变经济的各个方面，并导致生产力的大幅提高，甚至使我们接近“奇点”。虽然这种可能性不能完全排除，但迄今为止还没有证据表明这种革命性的影响（Nordhaus，2021），本文也没有讨论这些影响。

2.它们可以通过提高生产率和降低一系列任务的成本，对宏观经济产生更温和但仍然显著的影响。一些预测侧重于这些类型的改进，但仍然产生了相对较大的数字，例如10年内经济增长率每年增加1.5-3.4个百分点。

3.由于自动化效应，它们可能会影响工资和不平等，或者相反，导致工资大幅上涨，尤其是对于低薪工人，正如《经济学人》（2023年）所预测的那样。

4.它们可以通过制作深度伪造、虚假信息、操纵和其他“坏事”产生宏观经济影响。

在本文中，我使用Acemoglu和Restrepo(2018、2019b、2022)的基于任务的框架来评估第二和第三种影响，并且我还采取了一些步骤来形式化第四组影响在基于任务的宏观框架中如何发挥作用。

我的方法基于现有的实验研究，这些研究估计了在多种环境下使用生成式人工智能工具所带来的生产率提高和时间节省。通过在这些研究的基础上，我明确接受了生成式人工智能将提高生产率的想法。然而，将这些数字与Eloundou等人(2023)和Svanberg等人(2024)对暴露任务的估计相结合，会产生比大多数评论家和经济学家迄今为止声称的要温和得多的生产率效应。如果我们考虑到许多有证据表明可以节省成本的任务对于人工智能来说相对容易，而在其他一些任务中，人工智能的整合将面临更艰巨的困难，这些数字会变得更小——主要是因为这些任务可能涉及更复杂的动作和环境之间的交互，并且它们缺乏可观察的明确成功指标，因此需要人工智能模型从以前执行相同任务的人类的（平均）行为中学习。

考虑到这些因素，我估计未来10年人工智能进步对全要素生产率（TFP）的影响将是适度的——不考虑难易任务之间区别的上限将是10年内总体增长约0.66%，或年度TFP增长率约0.064%。当认识到那些将接触人工智能的任务中存在困难任务时，这个上限会下降到0.53%左右。GDP效应将略大于此，因为自动化和任务互补性也将带来更大的投资。但我的计算表明，未来10年内GDP的增长也应该是适度的，前提是人工智能带来的投资增长适度，总计10年将在0.93%-1.16%的范围内；如果出现大规模投资热潮，总计将在1.4%-1.56%的范围内。

如果使用人工智能创造新任务和新产品，这些任务和产品也会增加GDP，并能促进生产率增长。然而，当我们考虑到人工智能产生的新任务可能具有操纵性的可能性时，对福利的影响可能会更小。根据Bursztyn等人(2023)的数据，这些数据涉及人工智能驱动的社交媒体的负面影响，我提供了一个社交媒体、数字广告和IT防御攻击支出的说明性计算。这些可能会使GDP增加2%，但如果我们应用Bursztyn等人(2023)的数据。它们对福利的影响可能是-0.72%。这一讨论表明，考虑人工智能产生的新任务和产品对福利的潜在负面影响非常重要。

最后，我大量借鉴了Acemoglu和Restrepo(2022)对前人工智能自动化技术对整个经济的生产力、工资和不平等影响的估计，为新人工智能进步的影响提供一些指导。由于人工智能任务在人口中的分布比前人工智能自动化任务更均匀，因此我没有发现任何教育群体的工资有显著的负面效应。然而，这些估计也没有表明不平等现象显著减少，事实上，我的研究结果表明，受教育程度低的女性可能会经历小幅工资下降，总体群体间不平等可能会略有增加，资本和劳动力收入之间的差距可能会进一步扩大。

这些结果不应被解释为认为人工智能没有带来重大好处。首先，10年内全要素生产率约0.53-0.66%的增长幅度虽小，但绝非微不足道。其次，更重要的是，教授阿西莫格鲁质疑对刺激经济提升作用引发争论人工智能可能还有其他用途，可以产生更显著的效益。我在之前的研究中（Acemoglu，2021年，Acemoglu和Restrepo，2020b年）提出，如果人工智能用于为工人生成新任务，它可以产生更有益的生产力、工资和不平等后果，甚至可以提高工资。对于生成性人工智能来说，情况可能更是如此，它可用于向工人提供更好的信息并提高他们的专业知识，正如Acemoglu等人（2023年）所论证的那样，并在此简要解释。

如今，许多生产工人，包括电工、维修工人、水管工、护士、教育工作者、文职人员，以及越来越多的工厂蓝领工人，都在从事解决问题的任务。这些任务需要实时、情境相关且可靠的信息。例如，处理先进设备故障或电网短路的电工将无法解决这些问题，因为他或她没有足够的专业知识和适当的信息来进行故障排除。生成式人工智能工具可以快速提供可靠的信息，从而显著提高生产力。同样，课堂上的生成式人工智能可以导致教学方式的重大重组，具有更高的个性化水平，因为这些工具可以帮助教师识别学生群体在课程中遇到问题的具体方面，并提出新的情境相关教学策略。人工智能模型的可靠性将是成功创建此类新任务和提高教育质量的关键。

新任务和新产品带来的生产率提高，对于以前的变革性技术（如电力和互联网）非常重要，但并未纳入我的估计中。这有三个原因。首先，也是最狭隘的，这更难衡量，也不包括在Eloundou等人（2023年）和Svanberg等人（2024年）考虑的暴露类型中。其次，更重要的是，我认为不将这些纳入可能的宏观经济影响是正确的，因为这些不是目前行业关注的领域，正如Acemoglu(2021)、Acemoglu和Restrepo(2020b)以及Acemoglu和Johnson(2023)所指出的那样。相反，科技行业的优先领域似乎是围绕个人数据的自动化和货币化，例如通过搜索或社交媒体数字广告。这使得许多新的好任务不太可能迅速产生。第三，与此相关的是，更有益的结果可能需要新的机构、政策和法规，正如Acemoglu和Johnson(2023)和Acemoglu等人(2023)所建议的那样。

我的评估是，生成式人工智能确实可以带来更大的收益，这是一种很有前途的技术，但除非行业进行根本性的重新定位，否则这些收益仍将难以实现，其中可能包括对最常见的生成式人工智能模型（如大语言模型）的架构进行重大改变，以专注于能够提高不同类型工人边际生产率的可靠信息，而不是优先开发一般的类人对话工具。当前生成式人工智能方法的通用性质可能不适合提供这种可靠信息。简而言之，如果我们想要的是可靠信息对教育工作者、医疗保健专业人员、电工、水管工和其他手工艺人有用，那么我们是否需要能够进行类人对话和编写莎士比亚十四行诗的基础模型（或当前类型的大语言模型），这仍然是一个悬而未决的问题。

达隆·阿西莫格鲁教授简介

卡梅尔·达隆·阿西莫格鲁（土耳其语：[daˈɾonaˈdʒemoːɫu]；1967年9月3日出生）是亚美尼亚裔土耳其裔美国经济学家，自1993年以来一直在麻省理工学院任教，目前是该学院的伊丽莎白和詹姆斯·基利安经济学教授。他于2005年获得约翰·贝茨·克拉克奖章，并于2019年被任命为麻省理工学院的研究所教授。

阿西莫格鲁出生于伊斯坦布尔，父母是亚美尼亚人，1989年获得约克大学学士学位，1992年获得伦敦政治经济学院(LSE)博士学位。他在伦敦政治经济学院任教一年，之后加入麻省理工学院经济学系。他于2005年获得约翰·贝茨·克拉克奖章。

在2011年对美国经济学家的调查中，阿西莫格鲁在“60岁以下最受欢迎的在世经济学家”名单中排名第三，仅次于保罗·克鲁格曼和格雷格·曼昆。2015年，根据经济学研究论文(RePEc)数据，他被评为过去10年被引用次数最多的经济学家。根据开放教学大纲项目，阿西莫格鲁是继曼昆和克鲁格曼之后，大学经济学课程教学大纲中被引用次数第三多的作者。■