当今的人工智能经济学


自从亚当·史密斯(Adam Smith)的制钉厂创立以来,经济学家一直在研究技术变革,生产率和就业之间的关系 。因此,能够在越来越多的情况下正常工作的AI系统(从驾驶汽车到在医学扫描中检测肿瘤)引起了人们的关注,这不足为奇 。
2017年9月,一群杰出的经济学家聚集在多伦多,为人工智能经济学(AI)制定了研究议程 。他们讨论了诸如AI在经济上有什么独特之处,会产生什么样的影响以及增强AI收益的正确政策等问题 。
我最近荣幸地参加了在多伦多举行的本次会议的第三版,并亲眼目睹了该议程在过去两年中的发展情况 。在此博客中,我从四个层次概述了会议的主要主题和相关论文:宏观,中观(工业结构),微观和元(人工智能对经济学用于研究人工智能的数据和方法的影响) 。然后,我概述了当今AI经济学议程中的一些差距,我认为这些差距应在将来解决,并得出结论 。
会议的召集人Ajay Agrawal,Joshua Gans和Avi Goldfarb(与Catherine Tucker一起)在以前的工作中将AI系统描述为“预测机器”,使预测便宜而丰富,使组织能够做出更多更好的决策,并且甚至使其中一些自动化 。一个示例就是亚马逊的推荐引擎,该引擎向每个访问者展示其网站的个性化版本 。如果没有机器学习系统(一种类型的AI),该系统将无法自动进行定制,该系统会根据历史数据自动预测各个客户可能感兴趣的产品 。
【当今的人工智能经济学】原则上,任何面临预测问题的部门都可以采用AI系统-从农业到金融,经济几乎遍及任何地方 。这种广泛的相关性使一些经济学家将AI视为变革性“通用技术”的最新示例,它将像蒸汽机或半导体在历史上早些时候那样重塑经济 。
分析AI对劳动的影响的主要框架是Daron Acemoglu和Pascual Restrepo开发的基于任务的模型(基于Joseph Zeira的先前工作) 。该模型将经济视为大量生产任务的集合 。人工智能的到来改变了这些任务的价值和重要性,影响了劳动力需求和其他重要的宏观经济变量,例如劳动收入所占的份额以及不平等(例如,如果人工智能使劳动力丧失技能或增加了劳动的份额) 。收入流向资本-通常集中在较少的手中-这可能会增加收入和财富不平等 。

    推荐阅读