那就是說，經(jīng)濟領(lǐng)域的技術(shù)部分正在為生產(chǎn)率增長做出巨大的貢獻。2015 年的一項 17 國的機器人調(diào)研發(fā)現(xiàn)，在 1993 年和 2007 年之間，機器人產(chǎn)業(yè)為這些國家的年 GDP 增長率平均貢獻了 0.4 個百分點，占了這段時間內(nèi)這些國家的 GDP 增長率十分之一以上 (Graetz 和 Michaels 2015)。此外，自 2010 年以來，世界范圍內(nèi)的工業(yè)機器人的出貨量已大幅增加（見表 2），未來生產(chǎn)率可能會有更高的增長。

 

　　

 

　　與此相關(guān)，近年來人工智能及其在一系列不同領(lǐng)域中的應(yīng)用有了巨大的進展。例如，許多公司都在使用人工智能來分析在線客戶交易來檢測和防止欺詐，同樣，社交網(wǎng)站也正在使用它來檢測用戶帳戶是否遭到了劫持。有了人工智能，網(wǎng)絡(luò)搜索應(yīng)用現(xiàn)在才變的更加精準——例如校正手動輸入錯誤 ——因此也降低了與搜索相關(guān)的成本。在放射科，醫(yī)生必須能夠檢查出影像不正常的地方，人工智能卓越的圖像處理技術(shù)可能很快就能提供更準確的圖像分析了，從而擴展早期發(fā)現(xiàn)有害異常和減少誤報的能力，最終實現(xiàn)更好的醫(yī)療護理。

 

　　人工智能也正在進入公共部門。例如，只要能保證必須負責(zé)地使用以避免偏見，預(yù)測分析就能在改善刑事司法程序上有很大的潛力。北卡羅來納州的 Charlotte-Mecklenburg 市正在使用預(yù)測分析來幫助為審前釋放的決策提供信息，這得到了總統(tǒng)的「數(shù)據(jù)驅(qū)動司法倡議（Data Driven Justice Initiative）」的支持，這是一種為了減少累犯率和監(jiān)獄人數(shù)的方法（White House 2016a）。盡管一些人相信人工智能能夠移除決策中的偏見，但我們必須記住人類是不完美的——帶著自己的偏見編寫了算法和隨時間收集與分析了數(shù)據(jù)。正如總統(tǒng)行政辦公室（2016）的報告「Big Risks, Big Opportunities: the Intersection of Big Data and Civil Rights（大風(fēng)險、大機遇：大數(shù)據(jù)和公民權(quán)利的交集）」中提到的那樣：對我們來說，重要的是認識和糾正過去的偏見影響未來的人工智能的方式。

 

　　然而，雖然人工智能研究已經(jīng)開展了幾十年，但最近的進展仍然是非常新的，所以說人工智能并沒有產(chǎn)生大的宏觀經(jīng)濟效應(yīng)，至少目前還沒有。人工智能最新的重大進展是在深度學(xué)習(xí)領(lǐng)域，這是一種強大的方法，但必須以自定義的方式應(yīng)用于每種應(yīng)用。下面我將作一點預(yù)測，值得注意的是，深度學(xué)習(xí)的最新進展建立在大學(xué)實驗室的神經(jīng)網(wǎng)絡(luò)研究基礎(chǔ)上，這些研究很大程度上是由國防部高級研究項目局（DARPA）和其它政府機構(gòu)于上世紀八十年代到九十年代之間資助的。盡管我們最近在諸如邏輯推理等人工智能的其它領(lǐng)域沒有取得太多進展，但深度學(xué)習(xí)技術(shù)的進步至少最終可作為這些其它領(lǐng)域的部分替代。

 

　　雖然人工智能在許多方面比人類有優(yōu)勢，但人類仍然在涉及社會智力、創(chuàng)造力和一般智力的任務(wù)上保持著相當(dāng)大的優(yōu)勢。例如，今天的人工智能可以做出很不錯的翻譯，但卻不能像人類那樣同時運用語言和社會與文化背景這兩種知識，也無法體會作者的論點、情感狀態(tài)和意圖。即使是最受歡迎的機器翻譯也仍然無法達到人類譯者的準確度。

 

　　在過去的十年里，我們在機器人、人工智能和其他領(lǐng)域取得了實質(zhì)性的創(chuàng)新。但在這些領(lǐng)域，我們還需要更快的創(chuàng)新步伐，才能真正推動生產(chǎn)率增長向前邁進。對于 Robert Gordon’s （2016）自信的悲觀預(yù)測或 Erik Brynjolfsson 和 Andrew Mcafee’s (2014)自信的樂觀觀點，我都不同意，因為過去的生產(chǎn)率增長是如此地難以預(yù)測。有一些證據(jù)給了我些許安慰，主要的新發(fā)明（如電力）已經(jīng)連續(xù)波動地促進了生產(chǎn)率增長，這一模式可能會在未來重復(fù)（Syverson 2013）。更重要的是，比無休止地爭論生產(chǎn)率增長的未來更有趣而且更重要的是：對于生產(chǎn)率增長我們可以做什么；這個問題的趣味性和重要性更低，我將在最后一部分討論的這個問題。

 

 

　　發(fā)達經(jīng)濟體在過去三個世紀中見證了太多的創(chuàng)新奇跡。18 世紀的大多數(shù)工作如今已經(jīng)都已經(jīng)不存在了，它們被超乎人類之前想象的新工作取代了。結(jié)果，在很長一段時間里，縱然科技瞬息萬變，但是生活在美國的、想在一定時間內(nèi)及時找到工作的人，大約 95% 都能找到工作。

 

　　盡管就業(yè)市場不像經(jīng)濟學(xué)教科書上小麥等商品的程式化模型（stylized models）那樣運轉(zhuǎn)，但在多種參數(shù)內(nèi)進行的供需基本運作是確保每個想找工作的人都能找到工作的機制。但是，為了實現(xiàn)這點，需要調(diào)整工資讓供應(yīng)與需求平衡。在最近幾十年，工資調(diào)整的趨勢是：相較于高技術(shù)勞工，低技術(shù)勞工的工資大幅下降。從 1975 年到 2014 年，高中學(xué)歷工作者發(fā)現(xiàn)他們的相對薪水從高于大學(xué)學(xué)歷全職工作者薪水的 80%，下降到不到大學(xué)學(xué)歷全職工作者薪水的 60% (CEA 2016b) 。

 

　　我的擔(dān)憂不是當(dāng)我們談及人工智能時，它帶來的影響與以往有什么不同，而是這次可能和我們過去幾十年遭遇的問題是相同的。關(guān)于我們不需要擔(dān)憂機器人取代人類工作的傳統(tǒng)論據(jù)仍然讓我們擔(dān)心：我們?nèi)匀粨碛泄ぷ鞯奈ㄒ辉蚴俏覀冊敢鉃楦偷墓べY而工作。

 

　　Carl Frey 和 Michael Osbourne (2013) 的報告顯示，自動化浪潮加劇了社會不平等。Frey 和 Osbourne 的重磅調(diào)查結(jié)果是：在美國，大約 50% 的工作正處于被自動化技術(shù)取代的危機中。這一估算數(shù)據(jù)引發(fā)了一場熱論 ，比如，經(jīng)濟合作與發(fā)展組織(OECD) 研究者們 (Arntz and Zierahn 2016) 估算出只有 9% 的工作面臨著被自動化技術(shù)取代的危險。但是，讓我們忽略圍繞這一調(diào)查結(jié)果的爭論，而是將 Frey 和 Osbourne 的報告看成是合理的，但是對哪些工作將面臨科技革新壓力的猜測是高度不確定的。在經(jīng)濟顧問委員會 ( Council of Economic Advisers) ，我們按薪資給工作排序，根據(jù) Frey 和 Osbourne 的分析，我們發(fā)現(xiàn) 83% 的時薪低于 20 美元的工作將承受自動化技術(shù)的壓力，而 31% 的時薪 20 到 40 美元的工作以及 4% 的時薪超過 40 美元的工作也將承受那樣的壓力（見圖 3 ）。

 

 

表 3 來源：不同時薪（中值）工作被自動化的概率，F(xiàn)rey 和 Osborne (2013)；CEA 計算 

 

　　即使這份統(tǒng)計報告中的確切數(shù)字有點過時了，其中三類工作的相對值也還是巨大的。工資和技能在某種程度上是相關(guān)聯(lián)的，這意味著公司對低技術(shù)工作的需求量會大量減少，而對高技能工作的需求量則幾乎不會減少。這種結(jié)果表明自動化對就業(yè)市場的影響發(fā)生了轉(zhuǎn)變。在過去，自動化技術(shù)導(dǎo)致了所謂的就業(yè)市場兩極分化，因為需要中等技能水平的工作——包括出納員、文員和某些流水線員工——更容易被程序化，然而，最近兩極分化的過程似乎中斷了 (Autor 2014; Schmitt, Schierholz, and Mishel 2013) 。高技術(shù)工作需要問題解決能力、直覺和創(chuàng)造力，低技術(shù)工作需要環(huán)境適應(yīng)能力和當(dāng)面溝通能力，它們都不能輕易程序化。如果有什么不同的話，就是新的發(fā)展趨勢將給收入不平等施加更多壓力。我們已經(jīng)能看到這樣一些自動化服務(wù)了——例如，我們購物時，不是在收銀員那里付賬而是在自動結(jié)賬臺那里付錢，或者，當(dāng)我們呼叫售后服務(wù)熱線時，我們是與自動化客服代表對話。

 

　　不過，認為不平等純粹是科技進步的作用是錯誤的。相對工資確實部分依賴于對勞動力的需求量，這是技術(shù)部分作用的結(jié)果?？墒?，它們還依賴于不同技術(shù)水平勞動力的供應(yīng)量——即受教育程度的分布情況 (Goldin 和 Katz, 2008) ——而且還依賴于影響工資結(jié)構(gòu)的制度安排，例如勞資談判 (Western 和 Rosenfeld, 2011) 。

 

　　科技不能完全說成是人類命運。許多國家和美國一樣經(jīng)歷了科技變革，然而在最近四十年里，美國比其它主要經(jīng)濟體產(chǎn)生了更嚴重的收入不平等問題和更高的總體不平等水平，表 4 呈現(xiàn)了這一點。當(dāng)談及不平等——正如我將向更大的就業(yè)市場強調(diào)的那樣——制度和政策可以幫助決定科技變革是否以及在何種程度上塑造經(jīng)濟發(fā)展成果。

 

　　

 

　　此外，一種觀點認為我們能以巨大的不平等為代價避免大規(guī)模失業(yè)，而美國就業(yè)市場過去半個世紀的遭遇對這種樂觀態(tài)度提出了質(zhì)疑。 25 到 54 歲的男性勞動者的勞動參與率從 20 世紀 50 年代的 98% 降低至如今的 88% ，這一事實對良好經(jīng)濟狀態(tài)下全民就業(yè)的信心提出了關(guān)鍵的疑問。經(jīng)濟顧問委員會在最近一份報告 (2016b) 中詳盡討論到：勞動參與率的下降主要集中在高中或更低學(xué)歷的男性中，同時發(fā)生的還有相對工資的下降。這意味著，這一群體的勞動參與率的降低表明勞動力需求量減少了，導(dǎo)致針對低技能勞動力的工作機會變得更少，而且工資也變得更低。包括自動化應(yīng)用在內(nèi)的越來越多的技術(shù)進步可能部分地解釋了公司對低技術(shù)勞動力的需求的下降，而全球化也可能對此有所促進。

 

　　這里我主要關(guān)注黃金年齡男性，因為我認為在過去六十年，這類人的經(jīng)歷能用來與科技變革對男性和女性勞動力參與度的未來影響作進行最好的平行比較。在 20 世紀后半葉，黃金年齡女性的工作參與度驟然升高，因為二戰(zhàn)后的社會和文化變革遮蓋了科技變革對工作參與度的所有負面影響。不過，值得注意的是，黃金年齡女性的工作參與度最近十五年下降了，這與黃金年齡男性的早期經(jīng)歷類似。

 

　　我們的擔(dān)憂不是機器人將取代人類的工作而致使人類失業(yè)。傳統(tǒng)經(jīng)濟學(xué)的論點被幾個世紀來經(jīng)驗證實了。我們關(guān)注的是人員周轉(zhuǎn)的過程，也就是被科技奪取工作的工作者找到新工作的過程，因為科技引發(fā)了消費者新的需求，并因而會創(chuàng)造新的工作；不過這個過程中大部分人員可能將長期處于離職狀態(tài)。

 

　　傳統(tǒng)經(jīng)濟學(xué)觀點在很大程度上論述的是長期平衡，而不是中短期內(nèi)會發(fā)生什么。勞動參與率的下跌預(yù)示著我們必須仔細思考在經(jīng)濟走向長期平衡過程中的短期動態(tài)變化。從短期來看， 不是所有工作者都能通過訓(xùn)練或有能力找到由人工智能創(chuàng)造的工作。另外，這里的「短期」（它是用來描述經(jīng)濟相較于平衡狀態(tài)所處的位置，而不是描述時間長度）可能長達十年，事實上，從更長遠來看，經(jīng)濟可能會處在一系列「短期狀態(tài)」中。

 

　　結(jié)果，人工智能有可能——就和我們過去幾十年見過的其它創(chuàng)新一樣——導(dǎo)致勞動參與率和就業(yè)率的進一步衰落。這不意味著我們必然將看到大量工作被機器人占領(lǐng)，但是黃金年齡男性的勞動參與率每年下降約 0.2% 的趨勢仍在繼續(xù)，這將對數(shù)百萬人和整個經(jīng)濟帶來實質(zhì)性的問題。

 

　　然而，就社會不平等而言，我們不應(yīng)該將這理解為技術(shù)決定論（technological determinism）。雖然大多數(shù)發(fā)達經(jīng)濟體都面臨黃金年齡男性勞動參與率下降的問題，但是美國在這方面的下降幾乎是最急劇的，表 5 顯示了具體數(shù)據(jù)。其部分原因可能是美國勞動力市場制度比其他國家的更不支持勞動人口的參與(CEA 2016b)。

 

　　

圖 5：經(jīng)合組織（OECD）各個國家中，黃金年齡男性勞動力就業(yè)參與率
 

　　沒有理由認為，在科技和生產(chǎn)力比當(dāng)今水平更高的未來，經(jīng)濟不能帶來多個實質(zhì)性水平上的就業(yè)。然而，關(guān)鍵是我們的勞動力市場制度如何應(yīng)對這些變化，幫助、支持新職位的創(chuàng)造，并且成功地將新職位與勞動力匹配上。近期的一份 CEA 報告廣泛討論了總統(tǒng)按照這些原則提議的一些政策，內(nèi)容包括擴大總需求、增加勞動力市場中的連接組織、稅制改革從而鼓勵工作、為工人創(chuàng)造更大的適應(yīng)性（CEA 2016b）。其他應(yīng)對政策包括加強教育與訓(xùn)練，這樣更多的人有了補充技能，并且能從創(chuàng)新中獲益；增加稅收系統(tǒng)的累進度從而保證每個人都能分享到整體經(jīng)濟收益；還要增強機構(gòu)對更高薪資水平的支持，包括更高的最低工資、更強有力的勞資談判（collective barganing）以及其他形式的工人發(fā)言權(quán)（Furman 2016a）。

 

　　用普遍基本收入（Universal Basic Income ）取代現(xiàn)行安全網(wǎng)絡(luò)（Current Safety Net）可能適得其反

 

　　出于害怕自動化和人工智能導(dǎo)致大量工作會被取代（當(dāng)然，還有其他動機），有些人提議深度變革政府援助結(jié)構(gòu)。一個更常見的提議是，用普遍基本收入（UBI）取代如今部分或全部的社會安全網(wǎng)絡(luò)：為每一個美國男人、女人、孩子提供一個規(guī)律性的、無條件的現(xiàn)金補助，而不是，比如貧困家庭臨時援助（Temporary Assistance to Needy Families, TANF），美國補充營養(yǎng)協(xié)助計劃（SNAP）或者是醫(yī)療補助計劃（Medicaid）。

 

　　雖然各種 UBI 構(gòu)想存在差別，但是，右派 Charles Murray （2006）和左派由 Andy Stern 和 Lee Kravitz （2016）提出的思路已經(jīng)成為了一些技術(shù)專家未來政策視野的主要部分（Rhodes, Krisiloff, and Altman 2016）。不同的提議有不同的動機，比如真實存在的、以及感知到的如今社會安全網(wǎng)絡(luò)的缺陷，對更簡單卻更高效系統(tǒng)的信賴，以及出于這樣一個前提：為了更廣泛應(yīng)對由人工智能和自動化所帶來的改變而需要變革我們政策。

 

　　主要問題不是自動化將引發(fā)大量的人口失業(yè)。而是，工人將會既缺乏技能又缺乏能力，無法成功與自動化創(chuàng)造出的好的、高薪資工作匹配。雖然一個市場經(jīng)濟會做大量工作將工人與新工作進行匹配，但它做起來不總是很成功，就像我們過去半個世紀看到的那樣。我們不應(yīng)該以放棄工人保留工作的可能性為前提，發(fā)展一項政策。相反，我們的目標應(yīng)該是以培養(yǎng)技能、訓(xùn)練、工作搜索協(xié)助以及其他勞動市場機構(gòu)、保證人們走進工作為首位，這是主要工作，也比 UBI 更能直接解決由人工智能引發(fā)的就業(yè)問題。

 

　　然而，即使會帶來這些變革，新技術(shù)還會通過薪資分布變化加劇不平等，甚至可能導(dǎo)致貧困。因此，用 UBI 替代我們現(xiàn)在的扶貧項目，從任何實際設(shè)計來講，只會使收入分布更差而非更好。我們的稅收和轉(zhuǎn)讓制度，大部分是針對低收入分布人群，也就是說，它是為了減輕貧困以及收入不平等。使用一個普遍的資金補助取代該制度的部分或全部，意味著這個系統(tǒng)中相對較少的部分才是針對社會底層民眾的——實際上，這是在增加（而非減少）收入不平等。除非一個人愿意接受稅收收入占據(jù)更大的經(jīng)濟份額（比當(dāng)前份額更大），否則，既給所有人提供一個共同的金錢數(shù)量，又確保這一數(shù)量完全可以滿足最貧困家庭的需求，這很難做到。

 

　　對于任何一個想對保障網(wǎng)絡(luò)進行額外投資的人—— 總統(tǒng)也已經(jīng)提議過多次這樣的投資 — 他必須面對同樣的目標問題。

 

　　最終，一些 UBI 的動機與未來技術(shù)發(fā)展無一點關(guān)系。相反，一些 UBI 支持者已經(jīng)提出了這種主張：它應(yīng)該比如今的社會援助系統(tǒng)更簡單、更公平，也有更少扭曲。這里不是具體展開這一討論的地方，不過，我們可以說，今天的系統(tǒng)應(yīng)當(dāng)加以改善，而且總統(tǒng)也提議了一些社會援助系統(tǒng)的改善意見（OMB 2016）。但同時，最近研究發(fā)現(xiàn)，對這些項目的共同批判當(dāng)中——比如，不能鼓勵就業(yè)，或者對減少貧困無用——已被過分夸大，而且一些項目，包括營養(yǎng)援助、醫(yī)療補助以及所得稅減免（EITC），對長期收益、受援助家庭的兒童健康與教育都很有好處。

 

　　這并不是說，我們不應(yīng)該促進稅收與流轉(zhuǎn)制度的進步，而是說，我們需要將追求與可用的國家收入相匹配，在我們社會安全網(wǎng)絡(luò)已有的成功上進行搭建。