人工智能和生产率悖论

编译|智堡

免责声明：本文仅代表原作者观点，不代表智堡立场。

虽然人工智能带来了显著的效率提高，但它们只让少数几家大公司受益，而其他市场参与者的效用则保持不变。少数几家大公司可以通过人工智能提高效率，并通过扩大与竞争对手的差距而变得更大。

本文回顾了生产率悖论的主要解释，并简要讨论了增加人工智能对生产率的贡献的相关政策选择。

通过大量基于人工智能和机器学习的新信息技术系统，我们的经济正在经历一场巨大的数字化。统计数据显示，尽管这些新技术在生产过程中带来了巨大的效率提升，但它们似乎并没有提高生产率。

基于神经网络结构的人工智能系统在感知、分析和分类任务上取得了令人印象深刻的准确性进步。

与此同时，衡量生产过程效率的全球生产率增长在过去10年已在发达经济体停滞不前。Szczepanski(2018)根据世界大型企业联合会的数据提供了一些基线统计数据。

图1:1995年至2018年的劳动生产率增长

除了发展中国家，图1显示，像美国和欧盟这样的主要经济体在过去十年中也表现出类似的停滞趋势。从2005年到2016年，美国的生产率年平均增长率仅为1.3%，不到1995年到2004年2.8%的年增长率的一半。就劳动生产率增长而言，危机对欧盟的影响更为严重，但通过危机，欧盟在2018年恢复到了美国的水平。从1995年至2004年和2005年至2018年的比较可以看出，这两个经济体在2005年及以后的生产效率提高要低得多。

当我们考虑全要素生产率时，情况看起来并不好。Bergeaud、Cette和Lecat(2017)的研究表明，在主要经济体中，全要素生产率增速持续下降，目前处于历史低位(图2)。

图2:全要素生产率年均增长率(%)

这些发现表明，过去十年人工智能技术的采用并没有改变。这就是所谓的“现代生产率悖论”，“现代”指的是自上世纪80年代初以来计算机和信息技术的崛起。对于这一悖论，Brynjolfsson, Rock和Syverson, 2017提出了四种主要的潜在解释：

解释一：错误的希望

对人工智能的好处的期望是建立在错误的希望之上的。根据这种相当悲观的观点，人工智能无法显著提高生产率增长，而且与在生产过程中引入电力和内燃机的影响相比，其附加值肯定是有限的。人工智能对生产率的贡献微乎其微，这就是人工智能的影响在宏观经济指标中不明显的原因。换句话说，生产率悖论是我们错误地高估了人工智能的好处的结果。然而，回到过去，通过研究革命性的发明和通用技术对生产率的影响来评估它们，我们得出结论：“回报”需要时间。蒸汽机、电力、内燃机和计算机不仅直接提高了生产率，而且还刺激了重要的互补创新。Brynjolfsson等人(2017)提供了一些定性说明如何利用这种机制的互补创新可以通过使用蒸汽机工作作为一个例子：“蒸汽机不仅有助于从煤矿里抽水，这是蒸汽机最重要的最初应用，而且还促进了更有效的工厂机械的发明，以及轮船和铁路等新型交通工具的发明。反过来，这些共同发明促进了供应链和大规模营销的创新，催生了拥有数十万员工的新组织，甚至催生了标准时间(standard time)等看似无关的创新，而标准时间是管理铁路时刻表所必需的。”

解释2：测量不准

人工智能技术的生产率效益已经得到了享受，但还没有得到准确的衡量。因此，即使人工智能对生产率增长做出了显著贡献，这种贡献也不会被统计数据捕捉到，因此，生产率增长应该高于统计数据所描述的生产率增长。谷歌的首席经济学家Hal Varian通过以下例子说明了这一点：“2000年，全球共拍摄了800亿张照片。我们知道这一点是因为当时只有三家公司生产电影。快进到2015年，大约有1.6万亿张照片。早在2000年，每张照片的价格约为50美分。现在它们基本上是零成本。因此，任何一个普通人都会说，哇，生产率的提高是多么惊人啊，因为我们有了更多的产出，我们的成本也大大降低了。但如果我们从GDP的角度来看，它不会在GDP中出现，因为这些照片通常是在朋友之间交换的，然后被放进相册之类的东西里。它们不在市场上出售。GDP是交易的市场价值，任何没有卖出或价格为零的东西都不会出现在GDP中。”

一方面，Brynjolfsson和Collins(2019)认为，免费的在线商品对用户来说有很大的价值，WhatsApp是用户不想放弃的在线服务之一，即使他们为此获得了高额的金钱回报。另一方面，Ahmad、Ribarsky和Reinsdorf(2017)得出结论，即使存在测量错误，其规模也不足以解释测量的GDP增长和生产率增长的普遍放缓。因此，我们应该寻找其他可能的解释。

解释3：人工智能利益分配不公平

虽然人工智能带来了显著的效率提高，但它们只让少数几家大公司受益，而其他市场参与者的效用则保持不变。因此，总体而言，它们对平均生产率增长的影响是温和的，对中等收入的工人没有影响。少数几家大公司可以通过人工智能提高效率，并通过扩大与竞争对手的差距而变得更大。这减少了整个行业对创新的激励，而创新可以提高生产率。

事实上，经验证据表明，i)前沿企业与其行业竞争对手之间的生产率差异正在增加；ii)行业不断变得更加集中，出现了重要的福利损失，而少数超级明星企业的市场份额正在增加。同时，Furman和Orszag(2015)发现了租金与不平等之间的联系，这可能会对经济增长产生不利影响。因此，在政策干预方面进行创新是很重要的，要有一个规则框架和一个有效的竞争政策方法，这样我们才能消除人工智能利益分配中单方面的肥尾对生产率的经济风险。

解释4：实施滞后

最后，可能只是实施上的滞后。人工智能是一种通用技术。Brynjolfsson等人(2017)指出，对于通用技术来说，历史已经证明，虽然这些技术最终改变了我们的生活和工作方式，但这需要很长时间，几十年才能实现。企业必须重组，以有效的方式采用这些技术，并且必须创造其他补充技术来利用这些突破。事实上，他们进行了以下观察来支持这一观点：他们比较了两个不同时期的劳动生产率。从1870年到1940年，从发明、实施到普及，这是一个便携时代。另一个从1970年开始，指的是信息技术(IT)时代。他们得出的结论是，便携时代的劳动生产率与IT时代有着非常相似的模式(图3)。随后，从1915年至1924年的便携时代，到1995年至2004年的更近一段时间，这两个时代都见证了生产率增长的加速。

图3:便携时代和IT时代的劳动生产率增长

资料来源：Brynjolfsson, Rock and Syverson (2017)

Brynjolfsson等人(2017)得出结论，最后提出的解释最有可能成立。因此，我们需要等待人工智能对生产率的影响，当人工智能更加发达的时候，更重要的是，一系列互补的创新将会到位，以支持它的进一步发展和传播。

结论及政策影响

似乎我们这些等待人工智能在生产率统计数据上做出贡献的人必须有耐心，但与此同时，我们可以为公平分配人工智能的好处而努力。我们还要等多久才能看到人工智能对生产率的影响，这是一个悬而未决的问题，但有一些因素和政策工具可能有助于更快达到这种状态：

• 调整教育制度和劳动制度，使之适应人工智能时代的生产和工作。
• 更新生产模型，使之能最大限度地从工人和机器之间紧密而有效的“协作”中获益。
• 有效地培训劳动力，使其能够在分配给其的新任务(由人工智能启用)中提高绩效。
• 提高企业管理质量(根据Bloom等人2019年的研究，企业层面的生产率与管理质量呈正相关)。管理人员应该更多地了解自动化会如何影响他们的业务，并只在能够带来显著附加值的任务上引入人工智能系统。他们应该避免过度自动化，因为特斯拉的Elon Mask称这是一个错误。
• 为公司的投资提供足够的资金(私人和公共)。
• 引入适当的规管架构，并有效执行竞争政策，以确保人工智能的利益公平分配。

因此，在某种程度上，人工智能的潜力，即人工智能技术的好处有多大，以及它们将在多大程度上提高生产率，就在我们手中。工业界和政府都应采取适当的行动和战略，以便能够迅速和充分地实现相关的利益。否则，我们可能会错过未来几十年利用人工智能的巨大机会。