盧保經濟學獎得主談AI：炒作驅動下的經濟與風險

儘管人們不斷討論人工智能將如何顛覆世界，然而其對經濟的影響仍然充滿不確定性。雖然對人工智能的投資規模巨大，但目前尚不清楚它究竟會帶來什麼樣的成果。

研究人工智能已經成為盧保經濟學獎得主 Daron Acemoglu 工作中的一個重要部分。作為 MIT 的教授，Acemoglu 長期以來研究技術對社會的影響，從建模大規模技術創新的應用，到進行機器人對就業影響的實證研究，領域十分廣泛。

2024 年 10 月，Acemoglu 與兩位合作者——MIT 院史隆管理學院的 Simon Johnson 博士（1989 屆）和芝加哥大學的 James Robinson——共同獲得了盧保經濟學獎。他們的研究揭示了政治制度與經濟增長之間的關係，指出擁有健全權利體系的民主國家相比其他形式的政府能夠在長期內實現更好的經濟增長。

由於很多經濟增長來源於技術創新，人工智能的社會應用方式引起了 Acemoglu 的高度關注。最近幾個月，他發表了多篇關於人工智能經濟學的研究論文。

「生成式人工智能將為人類帶來的新任務會從哪裡產生？」Acemoglu 提出疑問，「我認為我們目前還沒有答案，這正是問題的關鍵。究竟有哪些應用會真正改變我們的工作方式？」

何為人工智能的量化影響？

自 1947 年以來，美國 GDP 增長的年均增速約為 3%，生產率增長則約為 2%。一些預測聲稱，人工智能將使增長率翻倍，或者至少帶來比以往更高的增長軌跡。然而，與之形成對比的是，Acemoglu 在 Economic Policy 於 2024 年 8 月期刊中發表的論文「The Simple Macroeconomics of AI」中估計，在未來十年內，人工智能對 GDP 的推動將僅是「溫和增加」，約為 1.1% 到 1.6%，對應每年約 0.05% 的生產率提升。

Acemoglu 的評估基於近期對人工智能影響就業的估算。例如，OpenAI、OpenResearch 以及賓夕法尼亞大學的研究人員在 2023 年進行的一項研究發現，大約 20% 的美國工作任務可能會受到人工智能能力的影響。而 MIT FutureTech、Productivity Institute 和 IBM 的研究團隊在 2024 年的研究則表明，約 23% 的計算機視覺任務可以在未來十年內實現有利可圖的自動化。同時，還有研究顯示，人工智能平均可節省約 27% 的成本。

談到生產率提升，Acemoglu 表示：「我並不認為 10 年內 0.5% 的增長值得小視，這總比沒有好，但相比技術行業和科技媒體所承諾的效果，這確實讓人感到失望。」

需要指出的是，這隻是一個估算，而且未來可能會出現新的人工智能應用。例如， Acemoglu 在論文中提到，他的計算未包括人工智能在預測蛋白質結構方面的應用——而這一技術在 2024 年 10 月幫助其他學者贏得了盧保獎。

其他觀點認為，被人工智能取代的勞動者再分配可能會帶來額外的增長和生產率提升，這超出了 Acemoglu 的估算。但他對此並不抱太大期望：「從現有的資源配置出發，重新分配通常只會帶來較小的收益。」他解釋道，「直接的收益才是關鍵。」

他補充說：「我儘量以非常透明的方式撰寫這篇論文，明確說明哪些因素被包括了，哪些沒有。如果有人認為我排除的因素很重要，或者認為我使用的數字過於保守，那完全可以提出不同意見。」

哪些工作會受到影響？

對人工智能的影響進行這樣的估算，有助於我們更清晰地直觀理解它的潛在作用。許多關於人工智能的預測將其描述為一種革命性力量，而另一些分析則更加謹慎。Acemoglu 的研究幫助我們衡量可能發生變化的規模。

「我們來設想一下 2030 年的情況。」Acemoglu 說道，「你認為人工智能會讓美國經濟變得多不一樣？你可能是一個完全的人工智能樂觀主義者，認為數百萬人會因為聊天機器人失去工作；或者認為一些人會變得超級高效，因為借助人工智能，他們可以完成以前 10 倍的工作。但我不這麼認為。我認為大多數公司仍會做差不多的事情。一些職業會受到影響，但我們仍然會有記者、金融分析師和人力資源員工。」

如果這一觀點正確，那麼人工智能的影響可能主要集中在一小部分特定的白領任務上，比如依賴大量計算能力、能夠比人類更快處理海量輸入的工作。

「人工智能將影響一批辦公室工作，比如數據總結、視覺匹配、模式識別等。」Acemoglu 補充道，「而這些工作基本上只佔整個經濟的 5% 左右。」

儘管 Acemoglu 和 Simon Johnson 有時被認為對人工智能持懷疑態度，但他們更願意將自己視為現實主義者。

「我並不是想唱衰人工智能。」Acemoglu 表示，「生成式人工智能確實能做一些事情，我相信這一點。」不過，他補充說：「我相信我們可以以更好的方式使用生成式人工智能，從而獲得更大的收益，但我不認為這些是目前行業的關注重點。」

機器的輔助作用還是取代工人？

Acemoglu 談到人工智能的「更好使用方式」時，他有著明確的思考。

他對人工智能的一個核心擔憂是，它究竟會以「機器輔助」的形式存在，即幫助工人提升生產力，還是旨在模仿通用人工智能，從而取代人類的工作。這就像為生物技術研究人員提供新信息與用自動化呼叫中心技術取代客戶服務人員之間的區別。到目前為止，他認為企業更傾向於後者。

「我的觀點是，目前人工智能的發展方向存在問題。」Acemoglu 表示，「我們過於專注於自動化，而沒有足夠關注如何為工人提供專業知識和信息支持。」

Acemoglu與 Simon Johnson 在他們 2023 年備受矚目的著作 Power and Progress 中深入探討了這一問題。這本書以一個直截了當的問題為主線：技術推動經濟增長，但誰從中獲益？是精英階層，還是普通工人也能分享紅利？

Acemoglu 和 Johnson 明確支持那些既能提升工人生產力又能保留就業機會的技術創新，這種模式有助於更持久地推動經濟增長。

然而，在 Acemoglu 看來，生成式人工智能更多關注模仿完整的人類功能。這種技術通常被他稱為「差強人意的技術」（so-so technology）：這些應用頂多隻能稍微優於人類，卻因為成本更低而受到企業青睞。例如，呼叫中心的自動化技術並不一定比人工效率更高，但對企業來說，它的成本低於僱傭人類員工。而那些能與工人形成互補作用的人工智能應用似乎被大科技公司置於次要地位。

「如果行業不投入大量精力和時間，人工智能的互補性應用不會奇蹟般地自行出現。」Acemoglu 說道。

歷史對人工智能的啟示是什麼？

技術常常被設計為替代工人，這正是 Acemoglu 和 Johnson 近期發表的一篇論文「Learning from Ricardo and Thompson: Machinery and Labor in the Early Industrial Revolution — and in the Age of AI」的核心議題。該文章發表於 2024 年 8 月的 Annual Reviews in Economics。

文章討論了關於人工智能的當前爭議，尤其是技術即使取代了工人，最終的經濟增長是否必然會廣泛惠及社會的觀點。工業革命時期的英格蘭常被用作例證，但 Acemoglu 和 Johnson 認為，技術紅利的普及並非自動發生。他們指出，19 世紀的英格蘭工人需要經過數十年的社會鬥爭和集體行動，才逐步享受到技術發展的好處。

「當工人無法爭取自己在生產率增長中的份額時，薪金不太可能提高。」Acemoglu和 Johnson 在論文中寫道。「今天，人工智能或許可以提昇平均生產率，但同時也可能取代大量工人，並降低留任者的工作質量……自動化對工人的影響比生產率提高自動帶來薪金增長更加複雜。」

論文標題提到的 E.P. Thompson 是著名社會歷史學家，而 David Ricardo 則是被視為繼亞當·斯密之後經濟學領域第二大重要人物的經濟學家。Acemoglu 和 Johnson 認為，Ricardo 在這一主題上的觀點經歷了重要演變。

「Ricardo 最初通過主張機器會帶來驚人的生產力提升，並且對社會有利，而奠定了他的學術聲譽和政治生涯。」Acemoglu 解釋道，「但在某個時刻，他改變了看法，這表明他思想開放。他開始寫作關於如果機器僅僅取代勞動力而沒有其他用途，那對工人來說將是有害的。」

Acemoglu 和 Johnson 認為，Ricardo 觀點的這一轉變對當下具有深刻啟示：沒有什麼力量能夠自動確保技術的廣泛利益分配。我們應該依據證據，認真審視人工智能的影響，而不是盲目假設其必然帶來普遍益處。

創新的最佳速度是什麼？

如果技術能夠推動經濟增長，那麼快速創新似乎是理想選擇，因為它能更快帶來增長。但在 2024 年 9 月的 American Economic Review: Insights 中發表的一篇論文「Regulating Transformative Technologies」中，Acemoglu 和 MIT 博士生 Todd Lensman 提出了另一種觀點。如果某些技術既有益處也存在缺陷，那麼在採用這些技術時，最好以更為審慎的速度推進，以便在缺陷被緩解的同時逐步推廣。

「如果社會損害與新技術的生產力成比例，那麼更高的增長率反而會導致更慢的最優採納速度。」兩人在論文中寫道。他們的模型表明，最佳的技術採納路徑應該是先慢後快，逐步加速。

「市場原教旨主義和技術原教旨主義可能會認為技術發展應該永遠以最大速度推進。」Acemoglu 指出，「但經濟學中並沒有這樣的規則。更加深思熟慮的方式，特別是為了避免潛在危害，是完全合理的。」

這些潛在危害包括對就業市場的破壞、大量虛假信息的傳播，或者人工智能對消費者的傷害，例如在線廣告或網絡遊戲中的問題。Acemoglu 在即將發表於American Economic Review: Insights 的另一篇論文「When Big Data Enables Behavioral Manipulation」中探討了這些場景，該論文由杜克大學的 Ali Makhdoumi、多倫多大學的 Azarakhsh Malekian 以及 MIT 的 Asu Ozdaglar 共同完成。

「如果我們將人工智能作為一種操控工具，或者過度用於自動化，而沒有充分關注為工人提供專業知識和信息，那麼我們需要調整方向。」Acemoglu 表示。

當然，也有人可能認為創新的負面影響較少，或者創新的不確定性意味著我們不應對其設限。但 Acemoglu 和 Lensman 在論文中只是提出了一種創新採納的模型。

這一模型是對過去十多年來趨勢的回應。在此期間，許多技術因其「不可避免的顛覆性」而受到高度追捧。然而，Acemoglu 和 Lensman 認為，我們可以合理地評估具體技術的利弊，並推動關於這一問題的更多討論。

如何為人工智能的採納找到合適的速度？

如果要以更漸進的方式採納技術，這應如何實現？

首先，Acemoglu 指出，「政府監管在其中扮演著重要角色。」然而，目前尚不清楚美國或全球可能會為人工智能製定什麼樣的長期指導方針。

其次，他補充道，如果圍繞人工智能的「炒作週期」減弱，那麼對其的使用熱潮「自然會放緩」。如果人工智能無法在短期內為企業帶來利潤，這種情況可能比監管更容易實現。

「我們之所以推進得如此之快，是因為風險投資人和其他投資者的炒作，他們認為我們正在接近通用人工智能。」Acemoglu 表示，「這種炒作讓我們在技術上的投資出現偏差，許多企業過早受到影響，卻不知道該如何利用人工智能。我們撰寫這篇論文是為了強調，如果我們能以更深思熟慮、更理解的態度來對待這項技術，其宏觀經濟效益會更大。」

從這個角度看，炒作是人工智能經濟學的一個具體表現，因為它引導了對某種特定人工智能願景的投資，從而影響了我們未來可能接觸到的人工智能工具。

「速度越快，炒作越多，調整方向的可能性就越小。」Acemoglu 表示，「如果你以每小時 200 英里的速度前進，要完成 180 度的大轉彎是非常困難的。」

原文鏈接：

https://news.mit.edu/2024/what-do-we-know-about-economics-ai-1206