法国经济学家菲利普·阿吉翁认为,从经济史的角度来看,因为技术革新而造成的技术性失业的担忧从来没有变成现实。在下文中,菲利普·阿吉翁和他的研究团队解释了,为什么人工智能革命不会摧毁就业。

本文经出版社授权摘编自《创造性破坏的力量》,菲利普·阿吉翁等著,余江等译,中信出版集团2021年11月版。

对技术革命的担忧

对技术革命,我们应该担忧还是期盼?一方面我们或许感到害怕,因为技术革命会加快工作的自动化,用机器取代人力来完成任务。另一方面我们则会持欢迎态度,因为它们会催生一系列次级创新,影响经济中的所有部门,促进增长。

毫无疑问,这方面最广为人知的案例是詹姆斯·瓦特于18世纪70年代发明了触发第一次工业革命的蒸汽机,也就是第2章提及的第一次重大技术革新浪潮。这场革命始于英格兰与法国,然后扩展至其他西方国家,特别是美国。电力的发明则启动了第二次工业革命,其黄金时代在20世纪上半叶。第二次革命始于托马斯·爱迪生于1879年发明灯泡以及维尔纳·冯·西门子于1866年发明发电机。罗伯特·戈登(1999)把这次技术浪潮称作“一波巨浪”,它从相反方向跨越大西洋,最早于20世纪30年代兴起于美国,到二战后扩展至其他工业化国家(见图3.1)。这次浪潮之盛大,在欧洲和日本尤胜美国,因为它们既需要战后重建,又得在技术上追赶美国。最后则是第三次工业革命一信息技术革命一始于英特尔公司的工程师费德里克·法金(Federico Faggin)、马西安・霍夫(Marcian Hoff)与斯坦-马泽尔(Stan Mazor)在1969年发明的微处理器。

不过,在启动浪潮的技术发明与实现浪潮的增长起飞之间有显著迟滞。市场上最早出现蒸汽机是在1712年,但直至1830年,我们才观察到英国的人均GDP增长加速。与之类似,尽管灯泡在1879年已经发明,又过了50多年后,美国的生产率增长才出现加速。此外,自21世纪初以来,我们看到美国与欧元区的生产率增速其实有所下滑。

从通用发明出现到后续增长加速之间的迟滞因何出现?为什么此前的技术革命都没有如19世纪的英国工人内德·卢德和1930年的凯恩斯担心的那样带来大规模失业?人工智能革命的前景如何:是创造就业还是摧毁就业?这些正是本章将探讨的谜题。

菲利普·阿吉翁(Philippe Aghion),法兰西学院院士,伦敦政治经济学院经济学教授,计量经济学会会士,美国艺术与科学学院院士,曾任哈佛大学经济学教授。“内生增长理论”的领军人物,“熊彼特增长范式”的创建者之一。

来自历史视角的考察

人们对机器会摧毁人类工作岗位的担心由来已久。早在1589年,当威廉·李(William Lee)发明织袜机以后,劳工阶级对其后果就异常害怕,致使李四处碰壁并遭到威胁。李于是把发明敬献给女王伊丽莎白一世,希望获得专利,但女王以如下宣言表示拒绝:“至于你的发明可能给我可怜的臣民带来的影响,肯定会剥夺其工作岗位,使之沦为乞丐,毁掉他们。”随时间推移,竭力保护特定行业免受技术进步侵害的职业行会逐渐丧失了影响力。1769年的一部法律规定要保护机器免受破坏,但随着织布机的普及,破坏行动事实上有所加剧,在1811-1812年的卢德暴动中达到高潮。这一暴动是由内德·卢德领导的手工纺织业者对抗用机器生产棉毛纺织品的制造商。1812年,议会通过法律,把破坏机器定为死罪。官方对技术进步的这一态度转变因何而来?最主要是来自从制造品出口中获利的资本所有者,他们大力宣扬技术进步给生产、出口和就业带来的正面效应。这些“资本家”在英国议会中获得了越来越多的代表,而议会的势力又逐渐超越了王权。

自20世纪30年代以来,经济学家开始关注技术性失业,这一术语是由凯恩斯引入的。他在1930年写道:“我们正在感染一种新的疾病,某些读者或许还不知晓这种疾病之名,但今后数年将频繁听到,那就是技术性失业。”约20年后,列昂惕夫于1952年指出:“劳动将变得越来越无关紧要……更多的工人将被机器取代,我认为这些新产业不可能聘用所有希望得到工作的人。”

什么样的工作最为脆弱?在19世纪,由于资本对技能劳动力的取代,手工业者面临被机器替代的最大风险。这一模式在20世纪有所改变,实物资本与教育构成了互补性的投入,于是非技能工人成为自动化的受害者,之后的信息技术革命强化了这一趋势。因此在20世纪90年代,出现了大量有关“技能偏向性技术变革”的研究文献,其含义是,技术进步增加了对技能劳动力相对于非技能劳动力的需求,导致低技能劳动力的失业增加,与技能劳动力的工资差距拉大。

总量层面的自动化与就业

我们如何测算自动化对就业的总体效应?要找到一个自动化衡量指标来考察与就业的相关关系,是艰巨的挑战。我们首先会遇到商业机密问题,但最困难的地方是对自动化本身的测算:是否只需要看机器的数量?假定如此,是哪些类型的机器?如何把各种机器“累加”起来?是否要考虑它们的功效?

国际机器人联盟(IFR)跟踪了若干国家的不同部门自20世纪90年代早期以来使用的工业机器人的数量,为自动化提供了第一个可用的衡量指标。阿西莫格鲁与雷斯特雷波的开创性研究利用国际机器人联盟关于各部门采用的机器人总数,估计了1993-2007年机器人对美国就业状况的影响(Acemoglu and Restrepo,2020)。为此,他们对比了722个通勤区的就业与当地自动化水平的关系。但问题在于,目前的机器人数据只收集到国别层面,没有按通勤区划分。于是他们又构建了一个通勤区层面的自动化指数,该指数是以全国层面每个产业的机器人数量变化,结合各产业在每个通勤区总就业中的相对权重计算得出。

利用这个地区自动化水平指标,这两位学者发现自动化对就业和工资增长具有负面效应:通勤区每增加1个机器人,会导致6个工作岗位损失,以及小时工资率下跌。我们利用法国的数据重复这一分析,发现了类似量级的效应,似乎还更为严重:通勤区每增加1个机器人,会导致11个工作岗位损失。此外,机器人普及看起来对受教育程度低的劳动力的就业威胁更大。

这一分析毕竟存在某些缺陷。首先是测算方法:为什么只看机器人?机器人和其他机器真的不同吗?机器人的自动化程度确实较高,但就完成的任务而言它们同其他机器未必有本质的差异。国际机器人联盟对机器人的定义其实非常狭窄,主要对应汽车制造业采用的机器人。与测算有关的另一个问题是缺乏地方层面的数据,导致我们必须基于如下假设来构建数据:某个产业的所有工厂拥有相同数量的机器人,意味着采用同等水平的技术。但我们可以合理地推测,恰恰是因为工厂之间采用的技术有所不同,才造成了工作岗位的创造与破坏。

企业层面的自动化与就业

对企业或工厂层面的自动化水平做测算面临若干困难,上文已做过介绍。在近期同加拉威尔(Xavier Jaravel)合作的一项研究中,我们试图引入一套测算工厂微观层面的自动化水平的指标,以克服上述困难。我们把自动化技术定义为:“在预先编制好指令或设定好程序后,即能相对自主地实现运转的电动机械设备。”在该定义的基础上,我们把生产过程中直接使用的发动机的年度电力消耗量作为工厂层面的自动化指标。

接下来,我们试图在个体工厂层面测算给定时间的自动化程度提高对当时就业的影响,以及对2年、4年和10年后就业的影响。

我们的测算结果显示,自动化对就业其实有正面促进作用,而且随时间加强。一家工厂的自动化程度在当前提升1个百分点,会使2年后的就业提高0.25%,使10年后的就业提高0.4%(图3.5)。特别需要指出,这个效应对非技能制造业工人依然为正。或者说,与人们的预想相反,自动化给工厂创造的就业岗位多于摧毁的就业岗位。

应该看到,自动化带来的积极效应不止于就业方面。我们还发现,自动化会导致销售额增加,消费价格下降。因此,它促进的生产率收益被员工、消费者和企业等各方分享。

那么,如何解释自动化水平与就业在企业层面的这种正向关系?我们很快能想到的一种解释是,自动化水平较高的企业有更高的生产率,使它们的产品能比竞争对手给消费者带来更大价值,从而扩大市场占有份额。反过来,市场份额的提升促使积极推进自动化的企业扩大生产规模,从而雇用更多的员工。

如果从个体企业提升到产业层面,乃至整个经济层面,结果又会怎样?自动化程度较高的产业的就业会增加,还是减少?在这里,我们再度发现自动化与就业之间存在正向关联:自动化程度最高的产业,恰恰是就业增加最多的产业。总体而言,更多的自动化伴随着更多的就业。所以,试图减缓国内企业开展自动化的任何措施,例如对机器人征税,最终结果可能都不利于生产。

自动化本身不是就业的敌人。自动化使生产过程变得现代化,让企业更具竞争力,从而赢得新市场,雇用更多员工。这就是我们所说的生产率效应。由蒸汽机和电力推动的前两次工业革命同样出现过这种生产率效应,也同样可以由此解释为什么当时都没有造成某些人预言的大规模失业。

前文提到过更为悲观的发现,即自动化对通勤区的就业产生了负面效应。我们该如何调和上述乐观结论与悲观发现?一种思路是,之前已经提到,对通勤区的自动化或机器人利用水平做测算存在困难。第二种可能的思路是,推进自动化不力的企业会减少员工规模,把生产外包,或者关门破产。这反映了自动化对就业的挤出效应。如图3.6所示,对新工业设备大量投资的企业与投资不足的企业相比,在今后10年歇业的概率会大大下降。

因此,工作岗位减少并不是由推进制造过程自动化的企业造成的,而应该归咎于那些错失自动化的关键节点而被迫缩减生产规模乃至退出市场的企业。也可以认为,自动化是通过创造性破坏的过程导致工作岗位的减少。

过去的技术革命历程表明,它们都没有造成许多人预想的大规模失业。事实上如我们所见,致力于生产活动自动化的企业或工厂会成为就业的净创造者;开展自动化不力的企业才会破坏就业,因为自动化推进不成功会导致它们走下坡路,甚至退出市场。我们在本章的分析带来的一个有意思的启发是,对机器人征税可能造成反生产的效果,因为这种税收不利于自动化,将束缚企业开展创新、拓宽市场和创造新就业的潜力。

人工智能革命,是创造就业还是摧毁就业?相关推荐

  1. 学人工智能好处有哪些?有什么就业优势?

    学习人工智能有许多好处,这些好处不仅包括职业方面,还包括个人发展方面.以下是一些学习人工智能的好处: 学人工智能好处有哪些?有什么就业优势? 增加就业机会:人工智能领域正在快速发展,因此需要越来越多的 ...

  2. 人工智能究竟可以创造什么新的就业机会?

    自从谷歌在华以围棋为噱头成功地做了一轮AlphaGo的公关推广之后,似乎用围棋比赛结果来普及大众对人工智能的认知就成了一个既稳妥又方便的快捷通道.但是对我们普通人来说,人工智能可以把围棋下得多好,其实 ...

  3. 人工智能革命:一个在ANI上运行的世界

    如果你像我一样,曾经认为人工智能是一个愚蠢的科幻概念,但最近你一直听到有些严肃的人提到,你才明白你其实没有真正的理解人工智能. 有很多人对AI这个术语感到困惑是因为有三个原因: 1)**我们将AI与电 ...

  4. 人工智能革命(下):永生还是毁灭

    导读:本系列文章讲述了人工智能革命的爆发以及人类未来的出路,由于篇幅较长分为上下两篇,原英文载于神奇的网站WaitButWhy.com,作者Tim Urban还写过一篇有关脑机接口的文章[Neural ...

  5. 人工智能革命:超级智能之路(上)

    这篇文章翻译于Tim Urban大神的<The AI Revolution>的系列文章,下面让我们一起领略一下Tim Urban大神理解的人工智能革命是怎样的吧! 文章目录 遥远的未来 - ...

  6. 虽未达到科幻中的未来,人工智能革命仍已到来

    2020-08-14 17:03:00 全文共2249字,预计学习时长6分钟 两年前,伯克利大学计算机科学教授兼人工智能专家迈克尔·乔丹写了一篇文章,提醒人们不要过分夸大人工智能,他宣称人工智能革命是 ...

  7. 公安计算机专业就业前景,公安视听技术专业就业方向及就业前景分析

    公安视听技术专业就业方向有哪些,就业前景怎么样,学生毕业后好找工作吗?以下是高三网小编整理的<公安视听技术专业就业方向及就业前景分析>,仅供参考. 公安视听技术专业就业情况 公安视听技术专 ...

  8. 人工智能技术应用就业前景和就业方向

    1.学习人工智能就业前景怎么样 人工智能的就业前景还是很不错的,人工智能的发展现状处于成长期,国家发布相关政策促进人工智能的发展,一些省份也比较重视人工智能的发展,并提出了相应的规划. 人工智能专业前 ...

  9. 地理信息科学专业转计算机,2019地理信息科学专业就业前景和就业方向分析

    地理信息科学专业简介 专业概况项目信息 修业年限四年 授予学位理学学士 主要实践性教学环节包括主要课程地实验和实习,专业课程的教学实习,初步科研训练和毕业设计等,一般安排30周. 培养目标培养基础理论 ...

最新文章

  1. 解决该死的双硬盘蓝屏(错误代码:0x00000007b)!
  2. Android Thread第二次Thread.start()报错的疑问
  3. 160个Crackme023
  4. java 使用jar_Java 使用JAR文件
  5. Oracle创建视图、通过视图创建表
  6. ajax请求在线库,跨域 jQuery库ajax请求
  7. R语言聚类算法之密度聚类(Density-based Methods)
  8. SonicWALL防火墙初探
  9. 数据结构与算法——左程云07
  10. 斐讯路由器宽带运营商服务器,斐讯K2路由器的连接及上网设置教程
  11. Region和Available Zone的区别
  12. modelsim vopt
  13. unity3d 建立3D中文立体字
  14. Selenium中的鼠标单击事件
  15. 算法入门模拟-剪刀石头布
  16. 1u服务器系统风扇,1U工控服务器机箱介绍
  17. gradle 设备未就绪。解决方法
  18. 如何看待腾讯云电子签呢?
  19. cosbench - 对象存储性能压力测试工具
  20. RDO LOST / loss rdo

热门文章

  1. codesourcery 和Linaro简介
  2. TCP协议的粘包问题
  3. 基于SSM实现的物流管理系统(完美运行,包含数据库源代码,可远程调试)
  4. linux添加五笔输入法,Linux学习笔记(三)Centos 安装五笔输入法
  5. mvc java框架_java常用MVC框架说明与对比
  6. E. New Game Plus!(Technocup 2021 - Elimination Round 2)
  7. ExtJs自学教程(2):从DOM看EXTJS
  8. 7-20 表达式转换 (25 分)
  9. 教程 | 使用小O地图制作文字标注地图
  10. 已加载插件:fastestmirror Loading mirror speeds from cached hostfile