人工智能會終結就業嗎？人工智能會加劇經濟不平等嗎？人工智能時代，什么才是最有用的學習策略？ ……

那么，究竟應該如何看待人工智能？

面對未知的科技，我們已經見過太多的科普與警醒，今天的文章從經濟學的角度重新看待人工智能領域，可能將給大家帶來新的思考的角度。

受技能偏好傷害最大的人大概是沒有做好終身學習準備的那批人。

人工智能孰好孰壞

對于人工智能，特斯拉首席執行官埃隆？馬斯克是其中最堅定、最高調、最有經驗的一位，他敲響警鐘道：

“我接觸過非常前沿的人工智能，我認為人們真的應該關注這個問題……我不斷敲響警鐘，但除非人們親眼見到機器人走上大街殺人，否則，人們不知道該怎么應對，因為它似乎太虛無縹緲了。”

另一位就此發表過意見的專家是著名心理學家、諾貝爾經濟學獎得主丹尼爾？卡尼曼。非學術界人士或許會因為他2011年出版的《思考，快與慢》（Thinking， Fast and Slow）而認識他。

2017年，我們在多倫多組織了一輪關于人工智能經濟學的會議，他解釋了為什么自己認為人工智能比人類更聰明：

一位著名小說家前些時候寫信給我說，他正打算寫一部小說。小說主題是關于兩個人類和一個機器人之間的三角戀，他想知道機器人跟人有什么不同。

我提出了三點主要區別。最明顯的一點是，機器人更擅長統計推理，對故事和敘述不像人那么著迷；另一點是，機器人的情商更高；第三點是機器人更智慧。

智慧是心懷寬廣。智慧就是視野不會太狹隘。這是智慧的本質，它有著寬廣的框架。

機器人擁有寬廣的框架。我覺得，等它學得足夠多，它會比我們人類更睿智，因為我們沒有寬廣的框架。我們是眼界狹隘的思考者，喧囂嘈雜的思考者，在我們的基礎上進行改進很容易。我不認為會有太多人類能做而機器人怎么都學不會的事情。

埃隆？馬斯克和丹尼爾？卡尼曼對人工智能的潛力都充滿信心，同時也擔心它的出現可能會給世界帶來不良后果。因為沒有耐心等待政府對技術的進步進行回應，行業領袖們提供了政策建議，有時候還采取了行動。

比爾？蓋茨主張對取代人類勞動力的機器人征稅。

高調的初創公司孵化機構Y Combinator，以迂回的方式踏進通常屬于政府權責范圍的領域，他們正在推進一項實驗，致力于為社會中所有人提供一份基礎收入。

埃隆？馬斯克組織了一群企業家和行業領導者為Open AI注資10億美元，以確保沒有任何一家私人企業能壟斷該領域。

這些建議和行動凸顯了這些社會議題的復雜性。隨著我們攀登到金字塔的頂端，我們的選擇只會變得更加復雜。當把社會視為一個整體時，人工智能經濟學也就不再簡單了。

人工智能會終結就業嗎

如果愛因斯坦在當今的世界轉世，那一定是斯蒂芬？霍金。由于霍金對科學所做的卓越貢獻，以及他寫過的《時間簡史》（A Brief History of Time）等暢銷書，在世人的心目中，他是個不折不扣的天才——哪怕他患有肌萎縮側索硬化癥（ALS）。故此，2016年12月，人們毫不意外地接受了他所寫的一段話：

“工廠的自動化已經減少了傳統制造業的就業崗位，人工智能的興起，則有可能進一步破壞中產階級的就業，只有那些最需要付出關懷、最有創意、最需要監督的崗位能保留下來。”

若干研究結果統計了自動化對就業崗位的破壞可能達到的程度，而且這一次，受波及的不光是體力勞動，連原本一直被認為不會受波及的智力工作也無法幸免。但畢竟，馬匹在馬力上落后，而不是智力。

身為經濟學家，我們從前就聽說過這些說法。盡管自幾百年前失業的手工工人（盧德主義者：指對新技術和新事物的一種盲目沖動反抗。）砸掉紡織機以來，技術性失業的幽靈一直徘徊不去，但總的失業率一直都很低。

企業管理者可能會擔心，采用人工智能一類的技術會導致崗位被削減；然而，另一個事實興許可以給我們帶來些許安慰：農業就業崗位自100多年前起就開始逐漸消失了，卻也未出現對應的長期大規模失業。

但這一次是不是不一樣呢？霍金的擔憂許多人也有，他們認為，這一回情況非比尋常，因為人工智能有可能搶走人類對機器剩余的最后優勢。

經濟學家怎樣看待這個問題呢？想象一下，突然出現了一座完全由機器人把持的島嶼——機器島（Robotlandia）。

我們想跟機器之島做生意嗎？從自由貿易的角度來看，這聽起來像是個絕妙的機會。機器人可以完成各種任務，解放我們的人力，讓我們去做自己最擅長的事情。換句話說，我們不會拒絕跟機器島做生意，就如同我們并不要求所有的咖啡豆都在本地種植。

當然，機器島并不存在，但當技術變革使軟件能以更廉價的方式完成新任務時，在經濟學家們看來，這就跟與上述虛構之島開展貿易差不多。

換句話說，如果你贊成國與國之間的自由貿易，你就會贊成與機器島進行自由貿易。你支持開發人工智能，哪怕它會取代一部分就業。

數十年來有關貿易影響的研究表明，其他就業崗位自然會出現，整體就業不會大幅跳水。我們對決策的剖析暗示了這些新的就業崗位有可能來自什么地方。人類和人工智能有望一起工作；人類為預測提供互補品，即數據、判斷或行動。

例如，隨著預測越來越廉價，判斷的價值越來越高。故此，我們預計，與回報函數工程相關的崗位會增加。這些崗位中的一部分專業性強，報酬也高，它們將由那些在預測機器出現之前就已在應用這類判斷的人來填補。

其他與判斷有關的工作會更為普遍，但它們對技術的要求或許不如人工智能所取代的崗位高。當今許多高薪職業的核心技能都包括了預測，如醫生、金融分析師和律師。

正如機器對于方位的預測減少了倫敦出租車司機相對較高的收入，卻增加了收入相對低的優步司機的人數那樣，我們預測，醫療和金融方面也會出現相同的現象。

隨著任務的預測部分逐漸能自動完成，更多的人可填補這些崗位，其所需的技能也收窄到與判斷相關的技能內。如果預測不再是約束性的限制條件，對更廣泛的互補性技能的需求或許會增加，這會帶來更多低薪的就業機會。

人工智能和人有一點重要的區別：軟件能成規模地擴增，人卻不能。也就是說，一旦人工智能在特定任務上的表現超過了人類，崗位流失很快就會發生。我們固然相信，幾年內新的工作崗位會出現，人們會找到事情可做，但對那些渴望工作、等著新工作出現的人來說，這算不上什么安慰。

從長遠來看，就算與機器島進行自由貿易不會影響崗位的數量，人工智能引發經濟衰退仍是可能的。

不平等會加劇嗎

工作崗位是一回事，它們創造的收入又是另一回事。開放貿易往往會造成競爭，而競爭會導致價格下降。如果競爭的對象是人類勞動力，人類的工資就會下降。

仍以機器島開放貿易為例，機器人與人類會搶奪一些任務，這些任務的薪資報酬會因此下降。如果你的工作是由這些任務構成的，那么，你的收入就可能會下降，你會面臨更多的競爭。和國與國之間的貿易一樣，與機器進行貿易也會產生贏家和輸家。崗位仍然會有，但有些人會從事不如其當前工作那么有吸引力的工作。

換句話說，如果你了解自由貿易的好處，你就應該感激預測機器帶來的收益。關鍵的政策問題不在于人工智能是否會帶來收益，而在于如何分配這些收益。

因為人工智能工具可以被用來取代“高級”技能，也就是“腦力”，許多人擔心，哪怕工作崗位依然存在，它也不會再是高薪崗位了。

例如，賈森？弗曼（Jason Furman）在擔任奧巴馬總統經濟顧問委員會主席期間，這樣表達了自己的擔憂：我的擔心不在于人工智能會使這一次的情況有所不同，而在于這一次會跟我們過去幾十年所經歷的完全相同。

傳統觀點認為，我們不必擔心機器人會接管就業，但我們的擔憂是，人類仍然有工作是因為我們愿意以較低的工資來完成這些工作。如果機器的工作份額繼續增加，工人的收入就會下降，而人工智能擁有者的收入則會增加。

托馬斯？皮凱蒂（Thomas Piketty）在暢銷書《21世紀資本論》（Capital in the Twenty-First Century）中強調，過去幾十年，勞動力所占的國民收入（在美國及其他地方）一直在下降，而資本所賺的份額卻在走高。這一趨勢令人擔憂，因為它使得不平等的趨勢不斷加劇。

這里的關鍵問題在于，人工智能會強化這一趨勢，還是會使其得到緩解。

如果人工智能是一種新的、高效的資本組織形式，那么經濟中的資本所占的份額可能會繼續上漲，以犧牲勞動力為代價。這個問題沒有簡單的解決方案。比方說，比爾？蓋茨提議對機器人征稅，這會減少不平等，但也會使購買機器人帶來的收益減少。因此，公司對機器人的投入將減少，生產力減緩，整體而言，我們都會變糟。政策權衡很明確：我們的政策能夠減少不平等，但這么做可能是以犧牲整體收入為代價的。

導致不平等加劇的第二個趨勢是，技術往往有著技能偏好。它不成比例地增加了受過高等教育的人的工資，甚至可能降低教育程度低的人的工資。前一批技能偏好的技術，包括計算機和互聯網，是過去40年來美國和歐洲收入不平等現象日益嚴重的主要原因。

經濟學家克勞迪婭？戈爾丁（Claudia Goldin）和勞倫斯？卡茨（Lawrence Katz）指出：

“受過更多教育、有著更高天賦能力的人能更好地掌握復雜的新工具。”

沒有理由期待人工智能會有什么不同。受過高等教育的人往往更擅長學習新技能。如果成功使用人工智能的必需技能經常發生改變，那么，受過教育的人將享受到不成比例的收益。

人工智能的生產性應用需要額外技能，對此，我們有諸多理由。比如，回報函數工程師必須了解組織的目標和機器的性能。由于機器可以高效擴展，如果這項技能很稀缺，那么最優秀的工程師就可在數百萬甚至數十億臺機器上收獲自己的工作帶來的成果。正因為人工智能的相關技能目前甚為稀缺，人類和企業的學習過程所需的成本都將十分高昂。

2017年，斯坦福大學的7000多名本科生里，有1000多人報名參加了機器學習的入門課程。其他地方也出現了同樣的趨勢。但這只是勞動力中的極小部分。絕大多數人的職業技能都是幾十年前訓練出來的，也就是說，他們需要重新培訓和獲得新的技能。

我們的產業教育體系并不是為此而設計的。企業不應該指望這種體系能及時迅速改變，為它們提供可在人工智能時代參與競爭的員工。政策上的挑戰并不簡單：提高民眾的受教育程度的成本很高。

這些成本需要有人來負擔，要么提高稅收，要么直接由企業或個人來支付。但即便成本可以被輕易負擔，許多中年人恐怕也并不渴望重返學校。

受技能偏好傷害最大的人大概是沒有做好終身學習準備的那批人。