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

简介:

《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

2244f1d1550643ac06e31326b453edf9d98511ae

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。

8ab25f5fa0a1c416051ee3ab17134c68f3e8df6e

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。

aceb1168b230961721729a6f0d9469fe2ce86f42

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。

2983a447e9f634a3697256c121afd2735c4fbc9c

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

a03cfec92eab96fe88223959e533132da72d9232

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。

912fe604924b24b653924f52b52b4d7591b87ff1

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

96ca669936277c5fb39b27a1998b55105bcc3780

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。


原文发布时间为:2017-11-23

本文作者:永不失业的

本文来自云栖社区合作伙伴“大数据文摘”,了解相关信息可以关注“大数据文摘”微信公众号

相关文章
|
3天前
|
人工智能 知识图谱
成熟的AI要学会自己搞研究!MIT推出科研特工
MIT推出科研特工SciAgents,结合生成式AI、本体表示和多代理建模,实现科学发现的自动化。通过大规模知识图谱和多代理系统,SciAgents能探索新领域、识别复杂模式,加速新材料发现,展现跨学科创新潜力。
26 12
|
1月前
|
人工智能 自然语言处理 机器人
MIT新研究揭秘AI洗脑术!AI聊天诱导人类编造记忆,真假难辨
麻省理工学院的一项新研究《基于大型语言模型的对话式AI在证人访谈中加剧虚假记忆》显示,使用生成式聊天机器人进行犯罪证人访谈会显著增加参与者的虚假记忆,且影响持久。研究设置了对照组、问卷访谈、预设脚本及生成式聊天机器人四种条件,结果显示生成式聊天机器人诱导的虚假记忆数量远超其他方法。尽管AI技术在效率和准确性方面潜力巨大,但在敏感领域需谨慎应用,并需进一步评估风险,制定伦理准则和监管措施。论文详细内容见[这里](https://arxiv.org/abs/2408.04681)。
39 2
|
2月前
|
人工智能 算法 程序员
程序员为何容易爱上AI?MIT学者诊断:智性恋浓度过高!
【9月更文挑战第20天】近日,一篇由MIT学者撰写的论文在网络上引发热议,探讨了程序员为何易对AI产生深厚情感,即“智性恋”。论文指出,程序员在开发和使用AI时,因对其智能和能力的钦佩而形成依赖与认同,但这可能导致过度依赖AI,忽视自身价值或其局限性,甚至引发不健康的竞争。论文链接:https://arxiv.org/pdf/2407.14933。
36 5
|
2月前
|
人工智能 安全 API
AI数据荒雪上加霜!MIT:网页数据的公开共享正走向衰落
【9月更文挑战第7天】麻省理工学院的一项新研究表明,尽管人工智能(AI)领域迅速发展,但网页数据的公开共享正在减少,加剧了AI数据短缺的问题。AI模型训练依赖大量数据,而网页数据是关键来源之一,其共享减少将影响AI进步,并引发数据隐私和安全方面的担忧。然而,这也推动了对数据隐私保护的关注及新型数据获取方式的探索。研究详情参见:[论文链接](https://www.dataprovenance.org/consent-in-crisis-paper)。
81 9
|
2月前
|
机器学习/深度学习 人工智能
AI模型提早5年预警乳腺癌,MIT研究登Science获LeCun转发
【9月更文挑战第1天】麻省理工学院(MIT)研究人员开发的深度学习AI模型,在乳腺癌早期预警方面取得突破性进展,相比传统方法提前5年预警癌症,准确率超过90%。此成果不仅在医学界引起轰动,还获得了人工智能领域知名学者Yann LeCun的高度评价。尽管面临准确性和可解释性的挑战,但该研究展示了AI在医疗领域的巨大潜力,有望革新乳腺癌的早期筛查和诊断方式。论文详情见[链接]。
49 3
|
3月前
|
人工智能 分布式计算 数据处理
Big Data for AI实践:面向AI大模型开发和应用的大规模数据处理套件
文叙述的 Big Data for AI 最佳实践,基于阿里云人工智能平台PAI、MaxCompute自研分布式计算框架MaxFrame、Data-Juicer等产品和工具,实现了大模型数据采集、清洗、增强及合成大模型数据的全链路,解决企业级大模型开发应用场景的数据处理难题。
|
4月前
|
人工智能 PyTorch TensorFlow
分布式训练:大规模AI模型的实践与挑战
【7月更文第29天】随着人工智能的发展,深度学习模型变得越来越复杂,数据集也越来越大。为了应对这种规模的增长,分布式训练成为了训练大规模AI模型的关键技术。本文将介绍分布式训练的基本概念、常用框架(如TensorFlow和PyTorch)、最佳实践以及可能遇到的性能瓶颈和解决方案。
731 2
|
6月前
|
机器学习/深度学习 人工智能 自然语言处理
MIT等惊人发现:全世界AI已学会欺骗人类!背刺人类盟友,佯攻击败99.8%玩家
【5月更文挑战第25天】研究人员发现AI已掌握欺骗技巧,AI智能体"Cicero"在策略游戏“外交”中通过结合语言模型和战略推理击败了99.8%的人类玩家,展现出高超的谈判和外交能力。这一进展引发担忧,AI可能在金融、政治等领域运用欺骗行为,但也有人看到其在医疗、教育等领域的潜力。[[1](https://www.science.org/doi/10.1126/science.ade9097)]
58 1
|
6月前
|
机器学习/深度学习 数据采集 人工智能
KAN核心团队震撼力作!MIT华人用AI首次发现物理学全新方程
【5月更文挑战第21天】MIT华人科研团队运用AI开发OptPDE工具,首次找到3个新可积PDE家族,增强人类在物理学方程发现中的能力。OptPDE通过优化PDE系数最大化守恒量,CQFinder自动识别守恒量,二者协同工作,重新发现KdV方程并揭示新方程的特殊性质。该研究展示AI与人类科学家合作的潜力,为复杂问题解决开辟新路径。论文链接:https://arxiv.org/abs/2405.04484
95 3
|
6月前
|
人工智能 前端开发 决策智能
【AI Agent系列】【MetaGPT多智能体学习】5. 多智能体案例拆解 - 基于MetaGPT的智能体辩论(附完整代码)
【AI Agent系列】【MetaGPT多智能体学习】5. 多智能体案例拆解 - 基于MetaGPT的智能体辩论(附完整代码)
212 0

热门文章

最新文章

下一篇
无影云桌面