研究速递|图灵转型:人工智能、智能增强和技能溢价
点击蓝字 关注我们
研究速递
图灵转型:人工智能、智能增强和技能溢价
作者:Agrawal,Gans和Goldfarb
来源:NBER Working Paper
摘要
使用人类任务表现作为人工智能表现基准的技术目标是否会导致先前工作中强调的就业和不平等方面的负面结果?相反,我们认为任务自动化,特别是在人工智能进步的推动下,可以改善就业前景,并有可能扩大许多工人的就业范围。我们强调被忽视的机制是技能溢价发生变化的潜力,其中人工智能任务自动化外生地提高了许多工人的技能价值,扩大了可用工人执行其他任务的范围,并在此过程中增加了劳动收入并有可能减少不平等。我们将这种可能性称为“图灵变换”。因此,我们认为人工智能研究人员和政策制定者不应关注人工智能应用的技术方面以及它们是否旨在自动化人类执行的任务,而应关注人工智能研究的结果。这样做的目的并不是要削弱以人为本的人工智能研究这一值得称赞的目标。相反,我们要指出的是,使用人类任务模板来实现该任务自动化的人工智能研究通常可以增强人类在其他任务和整个工作中的表现。技术的分配效应更多地取决于哪些工人承担自动化的任务,而不是自动化本身。
内容概要✦
引言
虽然机器学习、深度学习、强化学习和生成人工智能等人工智能 (AI) 新领域的先驱研究人员可能不会受到与人类类似的挫败感的激励,但他们的既定目标仍然是开发人类水平的机器智能,有时目标是模仿人类,例如图灵测试。
Markoff (2016) 和 Brynjolfsson (2022) 认为,如果人工智能研究走一条更加以人为中心的道路,重点关注增强人类而不是自动化人类,那会变得更好。此类人工智能应用程序将使人们能够做以前无法做的事情,这将在提供此类应用程序与人类能力和技能之间形成互补。Acemoglu (2021a) 也认为除非选择更多样化的研究路径,否则人工智能会给工作保障带来风险。他们的研究基本假设是,如果人工智能研究的技术目标发生改变,那么这将引导经济远离潜在的失业、技能贬值、不平等和随之而来的社会不和谐。
在本文中,我们对这一假设提出质疑,相反,我们认为任务自动化,特别是在人工智能进步的推动下,可以改善就业前景,并有可能扩大许多工人的就业范围。其中被忽视的机制是技能溢价发生变化的潜力,其中人工智能任务自动化外生地提高了许多工人的技能价值,扩大了可用工人执行其他任务的范围,并在此过程中增加了劳动收入并有可能减少不平等。我们认为,使用人工任务模板来实现任务自动化的人工智能研究通常可以增强人类在其他任务和整个工作中的表现。
模型
我们以 Acemoglu (2021a) 提供的模型为基础。假设有两项任务需要执行,某个部门中企业的产出由下式给出,其中yi 是任务 i 的输出,这里的生产函数意味着这些任务是互补的。
在没有人工智能的情况下,人类执行任务。虽然人类的技能水平不会影响任务 2 的生产力,但有一些特定技能可以提高任务 1 的生产力。假设有一个可用工人的度量 [0, 𝛼],且 𝛼 > 2。(Acemoglu 假设𝛼 = 1。)其中第 1 项具有专门技能,而其余项(第 𝛼 − 1 项)是通用技能。因此,拥有通用技能的工人比拥有专业技能的工人多。专业技能只有在企业生产中使用时才有价值。
两种类型的工人,无论是技术工人还是普通工人,都可以通过自营职业赚取w(< 1/2) 的外部工资。每个工人被赋予 2 个时间单位,所有投入一个单位时间完成任务 2 的工人都可以为该任务产生 1 的输出。相比之下,对于任务 1,只有熟练工人才能产生 1 的产出,而普通工人的产出 x< w。这意味着,如果工人同时完成这两项任务,熟练工人生产Y = 1,而普通工人生产 Y = min{x,1} = x。因此,只有让普通工人通过分配一小部分来执行这两项任务才有意义,完成任务 2 所需的小时数,总工资账单为 (1 + x)。然而,由于x < w < 1/2,这意味着如果通用工人将这两项任务作为他们的工作,他们的边际产量x仍然小于 (1 + x)w。因此,只有雇用对公司净贡献为1 − 2w 的技术工人才是经济的。
如果没有人工智能,除了让熟练工人执行这两项任务之外,还可以通过让工人专门从事每项任务来组织生产,其中熟练工人执行任务1,普通工人执行任务2。这可能会为一对工作人员生成 Y = 2的组合输出,然而,协调它们之间的任务并不是没有成本的。因此,假设如果没有一个工人同时完成这两项任务,就会出现范围经济损失,并且每项任务的生产率下降 1 − 𝛽 > 0,如果公司在竞争性产品市场中运营,则最好只雇用执行这两项任务的熟练工人。
假设现在存在一个人工智能,它可以以c < 1 的单位成本自动化任务1,使用人工智能的公司不受熟练工人供应的限制。由于公司不再依赖熟练工人,其劳动力成本变为 2aw。因此,如果 (1−𝛽)(1−c) > w ,企业采用人工智能是有利可图的。
这假设技术工人不会改变他们的工资要求。当可以采用人工智能时,盈余会从1−2aw变为 2𝛼((1−𝛽)(1 − 𝑐) − w),如果 1 > 2𝛼(1−𝛽)(1−c) 则盈余会减少。在这种情况下,人工智能不会被采用,但随着企业谈判地位的提高,人工智能可能会减少技术工人的收入;也就是说,如果技术工人以前的每小时工资高于w,那么这种溢价水平可能会让采用人工智能变得可取。由于总盈余将会下降,人工智能的采用将不会发生。然而,人工智能采用的威胁将削弱技术工人的讨价还价地位。如果 1 < 2𝛼(1−𝛽)(1−𝑐),则采用人工智能会带来盈余增加,因此采用人工智能。
在上述假设下,人工智能使任务1自动化,这为一般工人在该领域就业提供了机会。该部门的就业人数上升至 𝛼,该部门的总工资从2*w 到1上升至 2𝛼(1−𝛽)(1−𝑐)。这反过来又通过消除技术人员赚取的技能溢价来减少不平等。并允许其他工人的收入超过w。这就定义了图灵变换。
图灵转型的示例
个人交通:之前伦敦的出租车司机必须通过一项测试,证明其掌握了城市复杂道路网络地图。如今,任何拥有手机的人都可以免费使用出租车司机的能力。应用上述模型,导航是任务1。该任务需要专门技能。驾驶是任务2。技术使一些工人的核心技能实现了自动化。
医学:越来越多的研究表明人工智能提供医疗诊断的潜力。然而,诊断是医学领域一项关键的人类技能。虽然人工智能诊断可能会对许多医生产生负面影响,但如果这些非医生医疗专业人员能够进行人工智能辅助诊断,那么他们的职业机会和工资可能会大幅增加
语言翻译:目前由人工智能可以接管的技术工人执行的另一项任务是语言翻译。许多人会说多种语言,在许多工作场所这种能力带来了优势。然而自动化为其他不具备该特定能力的人创造了新的机会技能。
写作:人工智能的写作能力超越了语言之间的翻译。随着人工智能总结文章并撰写或修改草稿,可能会变得更加高效。写作的职业还将面临更多的工作竞争,他们的工资可能会下降,因为他们的技能不再稀缺。
信息技术、智能增强和日益加剧的不平等
计算机化:与我们认为的人工智能可能减少不平等不同,计算机化增加了不平等并导致美国工资分布两极分化。这是因为,虽然计算机完成的某些任务可以由人类完成,但大部分变化是受教育程度最高的工人的技能与使用机器的新方法的识别之间互补的结果。
数字通讯:互联网允许计算机相互通信,在数百万台设备之间发送信息。这些信息是对人类解释信息和根据信息采取行动的技能的补充。就增强技术和自动化技术之间存在的差异而言,互联网更多的是一种增强技术,它补充了那些已经处于收入分配顶端的人的技能。
人工智能、自动化和基于任务的模型
过去十年来,人工智能应用不断增加,其发明者直接渴望实现目前由人类执行的任务的自动化。从表面上看,被标记为增强的技术似乎是对人类工人的补充,而自动化技术似乎是对人类工人的替代。
我们认为这种二分法具有误导性。了解智能技术对不平等和大多数工人福祉影响的一个关键方面是工人技能的异质性,直接替代稀有且高价值技能的技术可以为大多数工人创造巨大的机会。
随着技术变革,赢家和输家并不取决于技术是否取代或增强了人类任务。相反,赢家和输家取决于增强是否影响低工资工人以及自动化是否影响那些已经表现良好的工人。
如何获取论文?
关注本公众号:图灵财经
来源:NBER
时间:2023.10
精彩推荐
哈佛商业评论:绘制人工智能的新兴地理
研究速递 | 人工智能的困境:增长与生存风险
人工智能技术冲击和中国职业变迁方向
2023人工智能现状报告
更多精彩内容