人工智能可能正在超越人類智能；我們應為此做好準備！
人工智能（AI）正迅猛發(fā)展，并在近幾年加速進步。ChatGPT于2022年11月發(fā)布，它能生成堪比人類產(chǎn)出質量的文本和代碼、無縫翻譯各種語言、編寫創(chuàng)意性內容并使用豐富的信息回答問題，讓用戶感到無比驚艷。所有這些功能都達到了前所未見的水平。
然而，在這背后，生成式AI的基礎模型已經(jīng)歷了十多年的快速發(fā)展。在過去十年中，用于訓練最尖端AI系統(tǒng)的計算資源（或簡稱“算力”）每六個月翻一番。當今領先的生成式AI模型所能做到的事情在幾年前曾是難以想象的：它們能夠幫助世界一流的顧問、程序員甚至經(jīng)濟學家顯著提高生產(chǎn)率（Korinek）。
關于AI加速發(fā)展的猜想
AI的最新進展促使頂尖的研究人員預測，目前的發(fā)展速度不僅可能持續(xù)下去，甚至可能在未來進一步提速。2023年5月，奠定深度學習理論基礎的計算機科學家杰弗里?辛頓（Geoffrey Hinton）談到其觀點的重大轉變：“我突然改變了對這些東西（AI）是否會比我們更聰明的看法。”他推測，通用人工智能（AGI）——即具有理解、學習和執(zhí)行人類可以完成的任何智力任務的能力的AI——可能會在5到20年內成為現(xiàn)實。
一些AI研究人員對此持懷疑態(tài)度。這些不同觀點反映出未來AI發(fā)展速度的巨大不確定性——其可能會加速，或是最終趨于停滯。此外，我們還面臨著其他巨大的不確定性：一方面是AI進步帶來的更廣泛的經(jīng)濟影響，另一方面是日益復雜的AI應用的預期損益比。
從根本上講，這種不確定性還涉及到有關智能本質和人腦能力的深層次問題。圖1顯示了關于人腦所能執(zhí)行的工作任務的復雜性分布的兩種不同觀點。
小圖1展示的觀點是：人腦解決更為復雜的任務的能力是無限的。這與我們自工業(yè)革命以來在經(jīng)濟方面的經(jīng)驗相一致：隨著自動化邊界的擴展，人類已經(jīng)實現(xiàn)了簡單任務（包括機械性任務和認知性任務）的自動化，并重新分配了勞動力來更多執(zhí)行余下的、更復雜的任務——也就是說，他們已經(jīng)進入了圖中所示的復雜性分布的右端尾部。簡單而直接的推斷表明，隨著AI的進步并讓越來越多的認知性任務實現(xiàn)自動化，這一過程將持續(xù)下去。
圖1中的小圖2展示了另一種觀點：人腦可執(zhí)行任務的復雜性有一個上限。信息論認為，人腦是一個不斷處理大量數(shù)據(jù)的計算實體。人腦的輸入包括感官知覺（視覺、聽覺和觸覺等），其輸出表現(xiàn)為身體動作、想法和情緒反應。即使是使我們具有人性的復雜方面，如情感、創(chuàng)造力和直覺，也可以被視為來自神經(jīng)回路和生化反應的復雜相互作用的計算輸出。盡管這些過程非常精細，并且包含我們并不完全理解的復雜性，但上述觀點表明，人腦可執(zhí)行任務的復雜性有一個明確的上限。
這兩種觀點對未來自動化的潛在范圍有著截然不同的影響。截至2023年，就以穩(wěn)健的方式執(zhí)行廣泛的智力任務的能力而言，人腦是最先進的計算設備。然而，如果第二種觀點被證明是正確的，那么現(xiàn)代AI系統(tǒng)正在迅速迎頭趕上。事實上，許多尖端基礎模型的計算復雜性已經(jīng)接近人腦計算的復雜性。人腦計算的復雜性受到生物學的限制，大腦向其他智能實體（人類或AI）傳遞信息的能力受到我們感官和語言緩慢的信息傳輸速度的限制。然而，AI系統(tǒng)繼續(xù)快速發(fā)展，可以以明顯更快的速度交換信息。
鑒于對AI未來發(fā)展的看法大不相同，將所有雞蛋放在一個籃子里，為單一一種情景制定經(jīng)濟計劃，可能并不是明智之舉。??
做好準備應對多種情景
經(jīng)濟學家很早就觀察到，應對不確定性的最佳方式是運用投資組合方法。鑒于世界知名專家對AI未來發(fā)展的看法大不相同，將所有雞蛋放在一個籃子里，為單一一種情景制定經(jīng)濟計劃，可能并不是明智之舉。相反，關于未來情景的不確定性應該激勵我們做好風險對沖，并仔細分析可能實現(xiàn)的一系列不同情景，從維持現(xiàn)狀到實現(xiàn)AGI的可能性。除了充分考慮普遍存在的不確定性外，情景規(guī)劃還使?jié)撛诘臋C會和風險變得真實可感，并幫助我們制定應急計劃并為多種可能的結果做好準備。
以下是經(jīng)濟政策制定者應關注的三種技術情景，涵蓋了可能出現(xiàn)的廣泛結果：
情景一（保守，維持現(xiàn)狀）：AI的進步提升了生產(chǎn)率，并實現(xiàn)了一系列認知工作任務的自動化，但也為受到影響的勞動者創(chuàng)造了新的機會，使他們能夠進入新的工作崗位，平均而言，這些工作比他們被取代的工作的生產(chǎn)效率更高。這一觀點體現(xiàn)在圖1的小圖1中。
情景二（進步，在20年內實現(xiàn)AGI）：在未來20年里，AI逐漸發(fā)展為AGI，能在該時期結束時具備執(zhí)行所有人類工作任務的能力，從而使勞動貶值（Susskind，待發(fā)布）。這與圖1的小圖2所體現(xiàn)的有限腦力的觀點一致，并假設AI需要20年才能完成最復雜的認知任務。
情景三（激進，在5年內實現(xiàn)AGI）：此情景與情景二類似，但在時間表上更為激進，將在5年內實現(xiàn)AGI及其對勞動產(chǎn)生的所有相關影響。
雖然我在撰寫本文時非常不確定，但我估計這三種情景中的每一種都有超過10%的概率會成為現(xiàn)實。為了應對不確定性并為未來做好充分準備，我認為政策制定者應該認真對待每一種情景，對我們的經(jīng)濟和金融政策框架在每種情景下的表現(xiàn)進行壓力測試，并在必要時對其進行改革，以確保政策框架的充分性。
這三種情景有可能在經(jīng)濟增長、工資和資本回報率、財政可持續(xù)性、不平等和政治穩(wěn)定等一系列廣泛指標上導致截然不同的經(jīng)濟結果。此外，它們還要求改革我們的社會保障體系和稅收制度，并影響貨幣政策、金融監(jiān)管以及工業(yè)和發(fā)展策略的實施。
Korinek和Suh（2023年）使用了一個研究自動化的主流宏觀經(jīng)濟模型，分析了上述情景對產(chǎn)出和工資的影響。圖2顯示了所有三種情景的結果，其中左側顯示了每種情景的產(chǎn)出路徑，右側顯示了競爭性市場工資的路徑。
主要結論有三點：
第一，雖然經(jīng)濟增長繼續(xù)沿著我們過去幾十年在保守的“維持現(xiàn)狀”情景中所習慣的軌跡發(fā)展，但在兩種AGI的情景下，產(chǎn)出增長要快得多，因為勞動力的稀缺性不再是產(chǎn)出的一項制約因素。
第二，在所有三種情景下，工資最初都會上漲——但這僅限于勞動力稀缺的時期。當經(jīng)濟接近實現(xiàn)AGI時，工資暴跌。
第三，在兩種AGI情景中，產(chǎn)出的大幅增長和工資的暴跌都是由同一種力量驅動的：稀缺的勞動力被相對更豐富的機器所取代。這表明，應該有可能設計出補償勞動者收入損失的制度，并確保AGI產(chǎn)生的收益可以帶來共享繁榮。
圖2大致描繪了前所未有的技術變革可能對宏觀經(jīng)濟產(chǎn)生的影響，但最好將其理解為對可能性的解釋，而不是精確的預測。需要關注許多注意事項。首先，該圖背后的模型是在一個勞動獲得有競爭力的回報的高效經(jīng)濟中建立的。與技術上的可能性相比，一系列因素可能會減緩AGI的推出，從組織摩擦、監(jiān)管法規(guī)和對資本積累的限制（如芯片供應鏈瓶頸）到實施AGI的社會性選擇。即使技術上可以取代人工，社會也可能選擇在某些職能上保留人工——例如牧師、法官或立法人員。由此產(chǎn)生的“懷舊”工作可以永久維持對人類勞動力的需求（Korinek 和 Juelfs）。?
為了確定哪種AI情景與未來發(fā)展最為相似，政策制定者應該監(jiān)測多個領域的先行指標，且同時牢記所有預測努力都面臨著巨大的不確定性。有用的指標包括：技術基準指標，流入AI開發(fā)的投資水平，AI技術在整個經(jīng)濟中的采用率，以及由此產(chǎn)生的宏觀經(jīng)濟和勞動力市場趨勢。技術基準指標可以最直接地衡量AI系統(tǒng)在執(zhí)行各種勞動任務時的表現(xiàn)。投資水平，例如對研發(fā)、人才和計算機芯片的投資，反映了我們有多少資源流入了AI的開發(fā)。所有經(jīng)濟部門的AI采用率上升的指標，將反映由研發(fā)出的AI系統(tǒng)是否在實踐中得到了有效部署。最后，宏觀經(jīng)濟影響最終將在生產(chǎn)率統(tǒng)計數(shù)據(jù)和勞動力市場的趨勢中顯現(xiàn)出來。
追蹤這些互為補充的信號使政策制定者能夠根據(jù)人工智能的現(xiàn)實情況調整政策應對措施。但我們必須保持謙虛謹慎——未來很可能會使我們大吃一驚。
前面描述的三種情景所隱含的截然不同的經(jīng)濟軌跡突出表明，制定適應性的政策框架十分重要，以便能夠隨著未來的發(fā)展而靈活應對。政策制定者應就每種情景對現(xiàn)有的制度進行壓力測試，并在必要時對其進行改革，以確保其具備韌性。這可能包括漸進性的措施（例如改革稅收制度和擴大社會保障體系）或實施新的計劃（例如引入小額基本收入制度，并可在必要時擴大其規(guī)模）。
政策制定者應委托專家團隊進行迭代情景規(guī)劃，以幫助他們定期評估各種情景的發(fā)生概率出現(xiàn)了怎樣的變化。通過一種適應性的、基于情景的方法來擁抱不確定性，將使我們能夠最大限度地在經(jīng)濟領域從AI的持續(xù)發(fā)展中獲益，同時降低其風險。
安東 ? 科里內克（ANTON KORINEK）現(xiàn)任弗吉尼亞大學經(jīng)濟系和達頓商學院教授。他擔任美國人工智能治理中心的人工智能經(jīng)濟學負責人，美國國家經(jīng)濟研究局的研究員，以及經(jīng)濟政策研究中心的研究員。
