缪其浩:从本领改正到一石多鸟景气有多少路程?大概数十年!

科技进步提升效率、新增功能或降低成本的微观效益是可以明显地看得见摸得到的,所以已被广泛认同,争议在于其对于宏观经济的整体影响。宏观经济的效益测度其实很困难(比人们预料的要难得多),只要看倾各国国家之力统计出来的GDP都会引起巨大争议就不难想象;其容易引发争议还因为这样一个事实,微观效应的改进与否只局限在小范围,大多数人没有直接感觉,相反宏观效益人们可能通过自己的亲身感受做出判断,所以更加容易被议论被批评。
人类历史上对科技进步并不总是一片赞扬声,第一次工业革命引发了“羊吃人”的道德批判,上世纪80年代的电子技术革命也带来了“我们到处可以看到计算机时代,唯独在生产率统计上看不到”的所谓索罗悖论。而在几年前当“第三次工业革命”和工业4.0等涌来之时,引发了国际上又一次类似的争议,我曾经在《世界科学》杂志2014年12期撰文回顾了那段历史,对那次争议,我的评论除了基本赞同技术革命应能推动经济繁荣这点外,也提出与此同时不能忽略技术发展可能对社会带来其它方面的负面影响。
今天这个话题又一次浮出水面,可能与人工智能的迅猛发展有关,舆论场对人工智能可能对社会带来的重大冲击,小至危害就业大到人类灭绝提出警告,再次唤醒对科技发展负面影响的关注,既然科学技术和创新可能让社会承受那样的风险和不确定性,人类就有理由期望它在宏观经济方面具有确定性的效能。
下面这篇文章作者持有对这个争议的乐观派观点。议题不算新鲜、观点也早有人提过;而我之所以推荐此文,是因为这篇短文提出了技术创新影响到宏观经济的路途遥远,可能要有几十年时间。当前占据大幅媒体空间的那些技术突破,实际上仅仅发生在占世界经济很小比例的一部分产业中。以前乐观派其实也提到技术影响经济的时间滞后问题,但对滞后程度缺少充分估计;而且文章还提出,在技术创新成果实施初期,还存在生产率不仅没有明显提高甚至还会下降这一事实。
不能不指出,随着近年来中国科技正迅速迈进世界第一梯队之际,社会有些方面对科技产生了急功近利的期望。例如最近我看了某科技成果产业化的媒体报道,后来有机会遇见当事人才得知报道中提到的成本效益要在很多年后才能实现。不仅是媒体报道,在技术项目经济效益的评判、某些技术创新规划的制订,都不同程度存在急于求成的情况,对整体效益实现的长期性缺乏耐心,对技术创新甚至可能在短期内带来反向效应更没有心理准备。正是在这个意义上,这篇文章还是有一点参考价值的。
目前最大的经济谜题是:我们的生活中到处充斥着科技进步的报道,从人工智能到机器人技术,但是却看不到技术进步对提升工资或生产力有任何的影响。由于有过一段时期的就业增长,以前有关自动化技术会摧垮就业的语言显得越来越荒诞。
这并不是个悖论:自动化技术并没有像布道师所宣称的那样取得了巨大的进步,而且自动化技术相关行业创造出的就业机会往往多于其消灭的就业数量。
但这都是过去的情况,未来还会这样吗?虽然关于技术的预测都不过像是在瞎猜,但技术进步的经济回报可能即将成为现实。
历史表明,技术突破通常需要数十年后才能推动一点点经济增长。这主要是因为一些起始阶段的错误、高代价的实施过程、人为的阻力等,毕竟一个简单的事实是:一个新行业要发展到足够大才能波及到高达80万亿的全球经济需要许多年的时间。
麻省理工学院的Erik Brynjolfsson和Daniel Rock以及芝加哥大学的Chad
Syverson在最近的一篇论文中提到,在19世纪后期基于交流电的电动机已经出现了,但是一直到1919年,也还有一半的美国工厂没有通电。集成电路在20世纪60年代开始商业化,但25年后,计算机仍然只占所有商业设备价值的5%。事实上,计算机出现后劳动生产率的变化情况与电动机和内燃机出现之后的变化情况很类似。
作者将其归咎于企业适应新技术时在成本和时间投入上的滞后,这也是他们今天看到的障碍。网络购物在20世纪90年代出现,但零售商需要花费努力使业务流程适应互联网;需要建立补给基础设施,如数据中心等,作者还指出客户也必须适应他们的习惯。设计和建造自动驾驶汽车的巨大成本意味着新车开发所需的劳动力开始上升,从而降低了生产率。
那么人工智能呢?银行在1987年首先使用机器学习(一种在海量数据集中发现模式的人工智能技术)来识别信用卡欺诈。但是为了获得更高的可信度,首先计算能力的成本必须要大幅度降低、又要有大规模的数据集,还要花大量人力和时间来研究用户可能提出哪些问题,然后训练算法来回答这些问题。
对技术的炒作总是超越现实,然后带来失败,使期望破碎。独立研究员Jeffrey
Funk研究了由麻省理工学院出版的《技术评论》杂志(MIT Technology
Review)对突破性技术的预测。2001年到2005年的40个预测中,大多数都到2015年才成为价值超过50亿美元的市场,只有数据挖掘技术成为价值超过1000亿美元的市场。同时,该杂志完全错过了智能手机、云计算、社交网络、电子书、金融科技和可穿戴设备计算等行业。Funk认为《技术评论》这些技术更多地反映了实验室阶段最热门的科研趋势,而商业突破往往是在现有技术上实现的外延。
类似的炒作主要体现在早期公司的股票估值上,而实际上大部分的初创公司最终都会失败。
然而,当一家公司达到了现有技术领军企业所具有的价值时,其对于经济会产生重大的影响。今年,标准普尔500指数上涨的三分之一归功于苹果公司、亚马逊公司、谷歌母公司Alphabet、脸书公司和微软公司,这可能意味着这些公司的增长对整体经济发展的意义将越来越大。例如,互联网销售额占整体零售额的9%,这给通胀带来明显的下行压力。
这些新技术尚未产生广泛的经济繁荣。布鲁金斯学会的马库·穆罗(Mark
Muro)发现,2010年到2016年间生产率增长最快的行业更倾向于使用数字技术。
通信技术和媒体这两个行业是最典型的例子,但这两个行业仅占经济总量的5.5%,对总体经济影响不大。
尽管美国2017年的经济增长速度已经加快,但摩根大通估计增长率仅为1.2%,企业的扩张步伐同样缓慢,石油和天然气行业是表现最好的行业之一,也主要是因为石油价格上涨。
但也许美国正处于这样一个阶段,技术和低失业率的经济稳步增长相互促进。Brynjolfsson先生认为:“在经济运行较热的时候,企业家更愿意承担风险去投资新技术和新商业模式。这将加速采用那些充分利用人工智能和其他新技术的行业准则”
综合考虑一下现在和1998年的情况,那时克林顿总统和国会在1997年削减了资本所得税率,随着通货膨胀的休止。由于失业率降到了新低,联邦储备委员会拒绝提高利率,为互联网热潮创造理想的环境。进而股票财富刺激了消费,经济增长大幅回升。
当2000年科技泡沫破裂,2001年经济陷入衰退时,好戏也收场了。基于类似场景,研究公司Evenflow
Macro的经营人马克·苏默林(Marc
Sumerlin)预测,未来两年可能是最好的也是最后的扩张时机。
作者:缪其浩,独立撰稿人,曾任上海科学技术情报研究所研究员、副所长。原文系《华尔街日报》网站2017年12月28日文章:A
Tech-driven boom is coming;please be
patient。文章观点不代表主办机构立场。

《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:

错误的希望:技术乐观根本没有依据

误测:我们没有评估技术真正的好处

布局:技术红利是真实存在的,但红利只会更少不会更多

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)

威尼斯城vnsc登入平台,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。

发表评论

电子邮件地址不会被公开。 必填项已用*标注

相关文章