MIT请来了一群经济学家,就AI是否会带来大规模失业展开了一场辩论

百家 作者:大数据文摘 2017-11-23 06:06:03


人工智能会让更多人失业,还是会带来更多的就业机会?听多了AI技术研究者的论调,让我们听听经济学家的观点。昨天,MIT在一次人工智能的会议上,请来了一批经济学家,让他们就AI对就业的影响进行了一场辩论。


《你的xx工作要被机器人取代了!》

《xxx万xx员因为人工智能面临下岗!》


是不是已经被这样的媒体头条刷屏到审美疲劳?听多了这样的恐怖论调,我们应该担心自己的饭碗被AI取代吗?


昨天,MIT请来了一批经济学家,来探讨AI技术的发展给经济带来的影响。不同于技术咖们的视角,这些经济学家从历史上经济的发展和其他行业情况来分析,展开了一场精彩的论辩。而事后,Facebook人工智能研究部门负责人Yann LeCun也强推了这场辩论。


本文将复现这次辩论以及接下来圆桌论坛的部分精彩内容。


精彩观点剧透

  • 历史上技术的变革总会对就业和人们的日常生活带来挑战,但社会总会以其自有方式在最终找到平衡点;

  • 只有当完成了组织架构重组和再造后,技术红利才能真正显现,而这需要几年甚至几十年的时间;

  • 从第一次工业革命以来的这250年间,还没有哪个发明引起了大规模的失业。而且尽管工作岗位在持续地消失,却有更多的就业机会涌现了出来。

  • 新的技术背景下,也许我们需要重新考虑经济指标(GDP可能不再使用)。


人工智能(Artificial Intelligence, AI)会对生产力、工资待遇和就业产生怎样的影响?最近一次在麻省理工举行的关于人工智能与未来工作的会议上,很多顶级的经济学家都谈到了人工智能会导致工作岗位减少(至少是好工作的工作岗位减少),并就技术发展对生产力的影响进行了辩论。


大咖们最终得出的结论是,技术在创造工作岗位的同时也在消灭工作岗位。而值得一提的是,它并不会在未来造成工作岗位显著地减少。


西北大学的 Robert Gordon 和 Joel Mokyr为辩论提供了历史背景信息。麻省理工的Erik Brynjolfsson表示,商业社会为了利用新的技术而对运营模式进行的改变,短期内会导致比我们预期还要低的生产力,不过在将来会带来更高的生产力。


Erik Brynjolfsson: 人工智能和现代生产力悖论

Erik Brynjolfsson,麻省理工学院数字经济倡导行动(the MIT Initiative on the Digital Economy)主任,本次会议的主持人之一,谈到当今社会变得越来越悲观,并展示了一份调查结果,结果显示,只有6%的美国人认为世界在变好(对比之下有41%的中国人持乐观态度)。他表示,最近这些年的生产力增长放缓是人们如此悲观的幕后原因之一。他提醒,生产力发展是生活水平提升的主要动力之一。


最近让人沮丧的社会现实


图为1947-2013年各时期商业劳动生产力的年化增长率,数据来源:美国劳工统计局(U.S. Bureau of Labor Statistics)


“我们已经没有新的发明了吗?” Brynjolfsson 问道。他还谈到在机器学习领域的所有进步,从神经网络(在完成特定任务时)能够比人类在图像识别领域做得更好,到在语音识别方面比人类做得准确太多。他说最近这些年来,人工智能领域出现了“研究发现的爆发”,越来越多的人进入这一领域工作,这很可能带来这一领域发展的新突破。

技术发展的生产力悖论:

1. 错误的希望:技术乐观根本没有依据

2. 误测:我们没有评估技术真正的好处

3. 布局:技术红利是真实存在的,但红利只会更少不会更多

4. 重构需要时间:只有当完成了组织架构重组和再造后,技术红利才能真正显现,而这需要几年甚至几十年的时间。

(参考来源:Brynjolfsson, Rock and Syverson, 2017)


在 Brynjolfsson 最近和 Daniel Rock 以及 Chad Syverson一起发表的一篇论文中,给出了生产力悖论的四种可能的原因。他说我们可能有错误的希望,那就是新的技术可能并不会直接带来显著的生产力提升。原因还有可能是生产力被误测了,意思是说我们没有追踪真正的技术红利。生产力提升可能仅仅影响到一部分的人、行业或者组织,而非普罗大众。又或者技术红利是真实存在的,但是社会组织需要很长的时间来重构自己内部,而这反过来使得技术进步带来的好处需要很长时间才能显现——他认为这是最有意义的可能原因。


他说,乐观主义者在推断当前技术对未来的影响,而悲观主义者在根据最近的GDP和生产力数据推断未来趋势。


Brynjolfsson 说,人工智能是一项通用目的技术(General-Purpose Technology, GPT),而这样的技术实际上会降低生产力,因为公司在这些技术上的投资短期内看不到回报,而这回报可能快出现了。他说我们用的统计量不是对未来的预测,而是“在衡量我们忽视的东西”。


总的来说,GPTs 需要很耗时的额外创新和投资,而为了获得人工智能的好处而跟上技术的加速发展,我们很可能需要重新构建我们的组织、机构和指标。

历史眼光看今天的生产力悖论


在轻便动力和IT时代的劳动生产力


对比来看,除了发明了电动引擎和灯泡外,在1890-1920年间我们没有看到很大的生产力提升。工厂大多在信息技术时代(1970年代)用电动引擎替换了蒸汽动力,但一座工厂的基本结构并没有发送变化,这种结构被设计成围绕着一个大的中央电源运转。事实上,直到使用小的电源动力分布在整个工厂的新模式流行时,已经过去了20-30年。随着流水线生成的普及,制度和生产方式在发生变化,这反过来促成了1920年代的生产力大提升。这之后有一段时期的“世俗停滞(secular stagnation)”,后来又是另一个爆发阶段——secular stagnation 这一短语被用于描述最近的生产力数据。


Brynjolfsson 接下来对这一时期和信息技术时代(1970年代)的生产力数据进行了比较,探讨了如果我们基于现在的技术应用而获得了另一个爆发式增长,生产力数据会如何变化。他说他不确定这是否会发生,但就这类技术来说,如果5-10倍的时间、精力和钱被投资于联合研发(围绕原始技术的技术或流程研发)而非技术本身的话,爆发式提升是会自然发生的事情。


Brynjolfsson 表示,人工智能和人们在组织性变化中做的投资可能是不可测的无形资本。他说,比如,生产统计数据会显示,我们在自动驾驶汽车项目投入了时间和金钱,但因为它们还没有上市出售,这就不被认为是创造了生产力。他说,作为结果,虽然我们现在可能看到比较低的生产力,但在将来我们能看到更高的生产力数据。


Brynjolfsson指出,生产力也并不是全部。尽管过去的30年间,每小时的产出增加了,但中等家庭的实际收入却停滞不前。


Brynjolfsson说,我们社会面临的新的“巨大挑战”是如何加快一个GPT(比如人工智能)的投产使用过程,只有这样我们才能更快提高生产力和生活水平。


Robert Gordon:人工智能和就业——错位的恐慌

Robert Gordon是西北大学社会科学学院的教授,也是《美国的崛起和衰落:从南北战争以来的美国生活水平变化(The Rise and Fall of American Growth: The U.S. Standard of Living since the Civil War)》的作者。他在演讲中,阐述了目前没有任何证据表明人工智能会引起大规模失业。


从第一次工业革命以来的这250年间,还没有哪个发明引起了大规模的失业,而且尽管工作岗位持续地在消失,却有更多的就业机会涌现了出来。现在的就业市场存在巨大的流失,而现在实际上还存在工作者的短缺而非工作岗位的不足,这样的情况甚至发生在建筑、制造业和长途货车运输等行业。


对于工作质量的担心同样是老生常谈,在过去的十年里出现了更多的好工作而不是坏工作。对于不平等情况增加的担心也已经“作为熟悉的主题存在了40年了”。新的担心是按劳动分配的经济收入的下降,但这“跟人工智能没有任何关系”。


当人们谈论将来人工智能和机器人会影响就业时,他们常常忘了这个话题并不新鲜。从1961年开始我们就有机器人了,主要用在汽车制造业。从那时起我们就看到在一些领域出现了严重的工作流失——比如说,飞机航班和酒店的预订系统就极大地替代了旅游代理商的工作——不过这样的影响微乎其微。


Gordon 说,现在人工智能应用最广的领域是市场营销,而市场分析师的岗位也在蓬勃增加。


砖和砂浆零售的工作岗位流失对比电子商务工作岗位的增加


Gordon 通过几张图表展示了工作岗位在哪些领域流失,又在哪些领域出现。他指出,现在比ATM机刚问世的时候有更多的银行出纳员,当我们发现在传统的“砖和砂浆”零售店里的工作岗位减少时,电子商务领域有新的岗位增加。从电子表格的出现开始,我们少了一百万个记录员和普通职员,多了一百五十万个财务分析师。


他总结说,预测哪些工作会消失很容易,但预测哪些会成为新的工作岗位却难得多。往前展望20年,人工智能会顶替一些工作岗位,不过,就对工作岗位的影响来说,“人工智能并没有什么稀奇的”


JoelMokyr:技术和劳动——未来已至?


虽然西北工业大学的教授JoelMokyr和Gordon教授针对技术的影响已经争论了好几年,但是在本次论坛中,Mokyr似乎非常赞同Gordon关于技术及其对工作的影响的结论,至少长期来看是这样的。不过,Mokyr相信技术不但会继续变革,这种变革的速度还会加快;而Gordon的论文中阐述的观点则是今日的技术并没有过去的技术,比如电气化,那么有影响力。


当考虑到未来技术驱动的失业是否会发生时,Mokyr首先想到的是“我们以前看过这部电影。” 他提到,反对工业化的——更具体是在19世纪初期反对纺织机——卢德派们小编注:卢德派即卢德运动)错在了他们认为机器会在未来取代人类。但是,他也指出,他们那么做在短期内对他们也没什么帮助。Mokyr教授举例说,虽然在美国农业相关的就业率急剧下降,但是现在总的就业岗位还是很多的。


总的来说,“技术性失业的证据几乎没有”,这是因为服务业的增长、新产品和服务的出现以及“持续但缓慢”的生产率的增长。


所以,Mokyr提到,眼下的问题是“这一次会有不同吗?” 


如果人工智能能够替代那些人力资本密集型工作的工人——比如司机、法律助理和银行职员——那么可能很快就会产生很大的影响。但是这样的证据还是很薄弱的。更重要的是,产品的创新可能创造出以前从未想象过的新工作,例如电子游戏设计师、网络安全专家、GPS程序员和兽医心理学家,所有这些工作现如今都存在,但是在几十年前是很难预见的。


Mokyr表示,我们不知道在未来会有什么样的新型工作,但是他认为人口统计数字表明,将有更多的工作涉及到照顾老龄化的人群,而涉及照顾儿童的工作将会变少,因为他预计孩子会越来越少。另外,将来可能会有更多创造性的工作,并且我们绝不能低估“隐性知识”——直觉、本能和想象力——这些将我们与机器区别的品质。不过,他指出,这种转变并不容易。


接下来,Mokyr着眼于“最坏情况分析”,或者说对劳动力需求明显减少的情况。他提到,工作和休闲之间的界限是模糊的,并指出25%的美国人从事志愿者工作。一些经济学家的参考工作表明,劳动力参与率下降的部分原因是因为大龄男性沉迷于电子游戏


John Maynard Keynes在1930年发表的著名的论文"Economic Possibilities for our Grandchildren”中提到,如果用技术替代工作,这将解决我们的经济问题,那么又该如何利用我们所拥有的闲暇时间。


不管怎样,这都可能需要新的经济学的和收入分配的方法。


圆桌论坛


各自的报告之后,麻省理工学院经济学系教授DaronAcemoglu提出,我们应该这样看待技术:能做很多事儿,也能导致多种多样的反应。在短期内将会有技术取代工人,当然从长远来看,也会代替人完成某些任务。但是这样的技术也会导致产出增长,并对生产力产生积极的影响。


Acemoglu提到,技术可以把从生产领域替换下来的员工转移到新的互补领域中,我们的历史中总是出现新的任务和新的职业。但是,尽管这通常对整个社会都有好处,可对特定阶级的工人来说还是会很困难,并且有时会持续几十年。他指出,工业革命期间实际上工资没有增加,但是体制结构和教育会影响到这一点。


接下来,Brynjolfsson称尽管每个时刻都不同,历史表明这一小插曲终将过去且归于平静,正如Gordon和Mokyr提到的。但是他也指出,技术变化对就业造成的影响也会持续一段时间,“一些历史和狄更斯说明了这些”。


Brynjolfsson谈到,在最近的几十年里,平均收入是如何停滞不前,这一趋势也反映在鸦片类药物的流行和自杀人数的增长。他建议我们不要坐视不管,而是把“技术作为人们可以有效利用的工具”来解决这些问题。在19世纪出现技术性失业时,美国的形势是因大规模投资初等教育而得到改善。如果我们想继续适应技术性失业,我们必须考虑该如何推动类似的变革。


Mokyr说,他担心的是“在我们最需要的时候”取消福利制度来缓和即将到来的新工作的过渡。Mokyr提到了像挪威和加拿大这样的国家做出的努力。


被问及我们该如何做来为人们创造更好的生活的时候,Brynjolfsson说,大多数经济学家会将教育放在首位,其次是更多的鼓励创业。“大多数情况下,政府过于墨守成规。”他还鼓励加强安全保障的力度,尤其是所得税抵免(EITC)。


此外,他们建议增加高技能移民数量,并且指出我们应该从世界各地引入人才,张开双臂接纳他们。“拒绝他们太荒谬了。”Mokyr说道。Gordon也提出一些观点,比如改善贫困人口的学前教育。


最后,讨论了我们该如何度量生产力。Brynjolfsson说,我们可能需要重新考虑经济指标(GDP作为度量标准是在19世纪30年代发明出来的),并且开始考虑那些并不基于消费的东西,比如说环境。Mokyr说他并不同意收入中值的悲观说法,更多的还是我们高估了通货膨胀,而忽略了质量上的持续进步。


课程推荐

数据科学实训营第4期

优秀助教推荐|姜姜

作为一枚对数据分析的理解仅限于Excel的小白,曾经一直认为通过写代码来分析数据是件无比高大上的事。可是,在文摘的数据科学实训营居然就实现了!

手把手的教学方式,助教和同学们热烈的交流讨论,让我慢慢地觉得一行行代码如此亲切。而当把自己头脑中的构思通过代码实现,看到结果的那一刻,真是无比激动!

经过Kaggle、天池的案例的历练,对这些数据比赛也开始兴趣盎然,有没有小伙伴有兴趣一起去玩一玩的?

作为第4期的北美地区助教,寄语各位学员:前方高能,请准备好足够的时间,如果你能按时提交作业,结业时一定脱胎换骨。




志愿者介绍


回复志愿者”加入我们

往期精彩文章

点击图片阅读

手把手:用OpenCV亲手给小扎、Musk等科技大佬们做一张“平均脸”(附Python代码)

关注公众号:拾黑(shiheibook)了解更多

[广告]赞助链接:

四季很好,只要有你,文娱排行榜:https://www.yaopaiming.com/
让资讯触达的更精准有趣:https://www.0xu.cn/

公众号 关注网络尖刀微信公众号
随时掌握互联网精彩
赞助链接