数字技术正在改变经济，特别是人工智能方面，这些技术正在迅速改变我们的生活和工作方式。但这种转变带来了一个令人不安的难题：即使在收入不平等加剧的情况下，这些技术对经济增长并没有发挥多大作用。

经济学家认为，生产力增长对提高生活水平至关重要，但至少自 2000 年代中期以来，许多国家的生产力增长基本处于低迷状态。

为什么这些技术未能带来更多的经济增长？为什么它们没有推动更广泛的繁荣呢？

为了得到答案，一些著名的经济学家和政策专家正在更密切地研究我们该如何发明和部署人工智能和自动化，并确定我们可以做出更好的选择。

斯坦福大学数字经济实验室主任埃里克·布林约夫森（Erik Brynjolfsson）在一篇名为《图灵陷阱：类人人工智能的承诺与危险》的文章中写道，人工智能研究人员和企业专注于构建机器来复制人类智能。

当然，这个标题是在引用艾伦·图灵（Alan Turing）和他在 1950 年关于机器是否智能的著名测试：它能否很好地模仿一个人，以至于你无法判断它不是人？布林约夫森说，从那时起，许多研究人员就一直在追寻这个目标。

但是，他说，对模仿人类智能的痴迷导致了人工智能和自动化往往只是简单地取代了工人，而不是扩展人类的能力，使人们能够完成新任务。

对于经济学家布林约夫森来说，简单的自动化在创造价值的同时，也可能导致收入和财富不平等加剧。

他写道，对类人人工智能的过度关注，压低了大多数人的工资，“甚至它放大了少数拥有和控制这些技术的人的市场力量”。

他在文章中认为，对自动化的强调而非增强，是对在许多美国人的平均实际工资下降之际，亿万富翁崛起的“最大的唯一解释”。

布林约夫森不是卢德主义者（反对改进工作方法的人, 反对使用新机器的人）。他在 2014 年曾与安德鲁·麦克菲合著过名为《第二个机器时代：辉煌技术时代的工作、进步与繁荣》的书。但他表示，人工智能研究人员的思维过于局限。

“我和很多研究人员交谈过，他们说：‘我们的工作是制造一台像人类一样的机器。’这是一个清晰的愿景。”但是，他补充说，“这也是一种懒惰的低标准。”

他认为，从长远来看，通过使用人工智能来生产新的商品和服务而不是简单地试图取代工人，将能创造更多的价值。

但他表示，对于企业来说，在削减成本的驱动下，更换机器往往比重新考虑流程和投资利用人工智能来扩大公司产品、提高员工生产率的技术要容易得多。

人工智能方面的最新进展令人印象深刻，从无人驾驶汽车到类人语言模型，应有尽有。然而，引导技术的发展轨迹至关重要。

由于研究人员和企业迄今做出的选择，新的数字技术为拥有和发明这些技术的人创造了巨额财富，同时也常常破坏了那些容易被取代的工作机会。

这些发明在旧金山和西雅图等少数城市创造了良好的技术工作岗位，而其他大部分人却被抛在了后面。但这并不一定要这样。

麻省理工学院的经济学家达隆·阿齐默鲁（Daron Acemoglu）为自动化、机器人和算法在放缓美国工资增长和加剧不平等现象的作用提供了令人信服的证据。

他说，事实上，在 1980 年至 2016 年期间，美国工资不平等的增长有 50% 到 70% 是由自动化造成的。

这主要是在人工智能技术的使用激增之前。而阿齐默鲁担心，基于人工智能的自动化会使情况变得更糟糕。

在 20 世纪早期和之前的时期，技术的转变通常产生的好的新工作岗位比他们摧毁的要多，但情况似乎不再如此了。

其中一个原因是，公司往往选择部署他和他的合作者帕斯夸尔·雷斯特雷波（Pascual Restrepo）所说的“一般的技术”，这些技术取代了工人，但对提高生产力或创造新的商业机会贡献甚微。

与此同时，企业和研究人员在很大程度上忽视了人工智能技术在提供更好服务的同时扩大工人能力方面的潜力。

阿齐默鲁指出，数字技术可以让护士更准确地诊断疾病，或者帮助教师为学生提供更个性化的课程。

阿齐默鲁说，政府、人工智能科学家和大型科技公司都对做出有利于过度自动化的决定负有严重责任。

联邦税收政策利好智能化发展。虽然对人工被征收重税，但对机器人或自动化都没有工资税。

而且，他说，人工智能研究人员“对致力于以许多人失业为代价的自动化工作技术毫无内疚。”

但他对大型科技公司保留最强烈的愤怒，他引用的数据显示，美国和中国的科技巨头资助了大约三分之二的人工智能工作。

他说：“我不认为我们如此强调自动化是个偶然，因为这个国家的技术未来掌握在谷歌、亚马逊、脸书、微软等少数公司的手中，而这些公司恰是以算法自动化作为其商业模式。”

反弹效应

对人工智能在加剧不平等方面的作用的愤怒可能会危及该技术的未来。剑桥大学的经济学家黛安·科伊尔（Diane Coyle）在她的新书《齿轮与怪物：经济学是什么，应该是什么》中指出，数字经济需要以新的方式来思考进步。

“无论我们所说的经济增长、情况好转是什么意思，收益都必须比最近更平均地分享，” 她写道，“一个由科技百万富翁或亿万富翁和零工组成的经济体，其中中等收入的工作被自动化削弱，在政治上将是不可持续的。”

科伊尔说，为了提高更多人的生活水平和增加繁荣，需要更多地使用数字技术来提高各行业的生产力，包括医疗保健和建筑业。

但是，如果人们没有看到好处——如果他们只是看到好工作被破坏，就不能指望他们接受这些变化。

在最近接受《麻省理工科技评论》采访时，科伊尔说，她担心科技领域的不平等问题可能会成为部署人工智能的障碍。“我们谈论的是颠覆性的问题，”她说。“这些都是变革性的技术，可以改变我们每天花时间的方式，改变已经成功的商业模式。”她补充说，要想做出如此“巨大的改变”，你需要社会的支持。

科伊尔说，相反，许多人的不满情绪正在酝酿之中，因为他们认为利益都归于了少数的繁荣城市的精英阶层。

以美国为例，在 20 世纪的大部分时间里，美国的各个地区——用经济学家的话来说——都在“趋同”，金融方面的差距也在缩小。

然后，在 20 世纪 80 年代，在数字技术的冲击下，趋势逆转。自动化摧毁了许多制造业和零售业的就业岗位，新的高薪技术工作岗位集中在几个城市。

根据布鲁金斯学会的数据，到 2019 年，包括旧金山、圣何塞、波士顿和西雅图在内的美国八个城市的段名单中，大约有 38% 的科技工作岗位。

新的人工智能技术尤其集中：布鲁金斯学会的马克·穆罗（Mark Muro）和刘思凡（音 Sifan Liu）估计，仅仅 15 个城市就占了美国三分之二的人工智能资产和能力（仅旧金山和圣何塞就占约四分之一）。

少数城市在人工智能的发明和商业化方面的主导地位意味着，财富上的地域差距将继续飙升。

这不仅会引发政治和社会动荡，而且正如科伊尔所言，它还可能阻碍区域经济增长所需的各种人工智能技术。

部分解决方案可能在于以某种方式放松大型科技公司对界定人工智能议程的控制。这可能需要增加独立于科技巨头的联邦研究资金来资助。

例如，穆罗和其他人已经建议提供巨额的联邦资金来帮助建立美国的区域创新中心。

一个更直接的办法是拓宽我们的数字想象力，设想人工智能技术不是简单地取代工作，而是在增加国家不同地区最关心的领域（如医疗保健、教育和制造业）的机会，。

改变思想

人工智能和机器人研究人员喜欢去复制人类能力，这通常意味着试图让机器完成一项对人来说简单、但对技术上困难的任务。例如，铺床或制作浓缩咖啡。

或者一辆自动驾驶汽车在城市的街道上行驶，或者一个机器人充当咖啡师。但很多时候，开发和部署这些技术的人往往没有考虑到其对就业和劳动力市场的潜在影响。

弗吉尼亚大学经济学家、布鲁金斯大学鲁宾斯坦研究员安东·科里内克（Anton Korinek）说，一旦部署自动驾驶汽车，数百亿美元的研发投入将不可避免地会对劳动力市场产生负面影响，夺走无数司机的工作。

他问道，如果这数十亿美元投资于更有可能扩大劳动力机会的人工智能工具，会怎么样？

科里内克解释说，在向美国国家科学基金会和国立卫生研究院等机构申请资金时，“没有人会问，‘它将如何影响劳动力市场？’”

旧金山 Partnership on AI 公司（PAI）的政策专家卡蒂亚·克林诺娃（Katya Klinova）正在研究如何让人工智能科学家重新思考他们衡量成功的方式。

她说：“当你查看人工智能研究时，你会发现那些被普遍使用的基准，都是与人类表现相匹配或比较的。”也就是说，人工智能科学家对他们的程序进行打分时，以图像识别为例，就是通过与人识别物体的能力相比较。

克林诺娃说，这些基准推动了研究的方向。她补充说：“现在出现的是自动化和更强大的自动化，这并不奇怪。”“基准对人工智能开发人员来说非常重要——尤其是对于大量正在进入人工智能领域并困惑着‘我应该做什么？’的年轻科学家来说 ”

克林诺娃说，但是目前人机协作性能还缺乏基准，尽管她已经开始努力帮助创建部分基准。

她与她的 Partnership for AI 的团队也正在为没有经济学背景的人工智能开发者编写用户指南，帮助他们了解工人可能会如何受到他们所做研究的影响。

克里诺娃说：“这是在改变叙事方式，即人工智能创新者被给予一张颠覆性质的空白票，然后由社会和政府来处理。”她说，每家人工智能公司都有一些关于人工智能偏见和伦理的回答，“但它们仍然没有考虑对劳动力的影响。”

流感大流行加速了数字化转型。企业已经转向通过自动化来取代工人，这是可以理解的。但这场大流行也表明了数字技术在拓宽我们能力的潜力。

他们为我们提供了新疫苗研发的工具，并为许多人提供了一种可行的居家办公模式。

人工智能将不可避免地扩大其影响，而值得关注的是，这是否会给好工作带来更大的损害——以及更多的不平等。布林约夫森说：“我乐观地认为，我们可以以正确的方式引导这项技术。”但他补充说，这将意味着要对我们创造和投资的技术做出慎重的选择。

-End-

支持：熊书琰

参考：

https://www.technologyreview.com/2022/04/19/1049378/ai-inequality-problem/