人工智能的宏观经济学 - Brynjolfsson - Unger

人工智能 我们做出的集体决定今天将确定AI如何影响生产率增长，收入不平等，和工业集中度 Erik Brynjolfsson和Gabriel Unger E经济学家的预测记录很差-未来。硅谷一再循环通过希望和失望下一个大技术。所以一个健康的怀疑论者-cism对任何关于如何的声明人工智能将改变经济是正义的-tified。尽管如此，有很好的理由严重的AI -系统的不断增长的潜力表现出智能行为，如学习、推理-ING和解决问题-转变经济，特别是考虑到惊人的技术进步过去一年。AI可能会在许多领域影响社会经济-包括国家安全、政治和culture. But in this article, we focus on the implications人工智能在宏观经济利益的三个广泛领域：生产率增长、劳动力市场和工业浓度。AI没有预定的未来。It can develop in very different directions. The particu -未来的出现将是许多人的结果事情，包括技术和政策决定今天制造的。对于每个区域，我们都有一个岔路口:两条路径导致人工智能和人工智能非常不同的未来经济。在每种情况下，糟糕的未来都是最小的阻力。走向更美好的未来将需要良好的政策-包括••创造性的政策实验社会对人工智能的一系列积极目标，不仅仅是要避免的负面结果理解技术的可能性人工智能的发展非常不确定，发展迅速，社会必须能够与他们一起进化• 第一叉：生产率增长 fi第一条道路关系到经济增长的未来-这在很大程度上是生产力增长的未来。美国经济一直陷于令人不安的低水平-在过去50年的大部分时间里，除了在1990年代末和早期短暂的复苏2000年代（Brynjolfsson，Syverson和Chad 2019）。大多数发达经济体现在也有同样的问题生产率低增长。比任何其他因素都多，生产率-单位投入的产出-确定国家的财富和他们的生活水平人。随着生产力的提高，这样的问题如预算deficits、减贫、医疗保健和环境变得更加易于管理。提升生产率增长可能是全球最大的资金-心理经济挑战。 “导致更糟糕的道路未来是一个最小的电阻和结果低生产率增长，更高收入不平等，而且更高工业集中度“。 创造力和科学fic发现本身-数学，科学-ENCE，进一步的AI开发-一种递归自我提升曾经只是一门科学fi思考实验。 第二叉：收入不平等个人收入不平等的加剧过去40年的工人是一个主要问题。A大量的劳动经济学实证研究建议-获取计算机和其他形式的信息技术可能导致了收入不平等-通过自动化消除常规的中等收入工作，这将劳动力极化为高收入和低收入工人。虽然首席执行官和看门人仍然存在，电脑已经取代了一些oce工人的中间层(Autor、Levy和Mur -nane 2003). We consider two screenes for AI’s eve ect关于不平等。 保护他人的知识产权。知识产权财产法最终可能会通过创造一些-类似于“专利丛林”的东西防止模型在数据上进行训练开发商没有明确的权利。同时，错误的选择可能会破坏创意专业人士制作更多的小说-为机器学习系统提供动力的帐篷。 更不平等的未来在fi第一种情况下，人工智能导致更高的收入不平等-技术专家和经理设计和实施-AI直接替代多种人类劳动，压低了许多工人的工资。到更糟糕的是，生成AI开始产生文字、图像和声音，以前想到的任务作为非常规甚至创造性的机器与客户互动并为a marketing campaign. The number of jobs under来自AI竞争的威胁最终会大大增加更大。整个行业都被颠覆了，而且越来越替换(对劳动的威胁可能由最近的罢工的编剧和演员在美国，要求制片厂限制他们对AI的使用)。这不是大规模失业的未来。但是在这个更不平等的未来，因为人工智能取代了高或体面的工作，更多的工人被降级低薪的服务工作——比如医院的服务员，保姆和门卫-有些人的存在本质上是有价值的，工资是如此之低，以至于忙-Neves不能证明一项大型技术的成本是合理的投资来取代它们。纯粹的fiNAL堡垒人类劳动可能是这些类型的工作，有一个物理-CAL维度。收入不平等在这种情况下增加-随着劳动力市场进一步两极分化，高技能精英和大量低收入阶层服务工人。 此外，国家监管机构，在任何国家的推动下-出于担忧，可能会实施严格的规定，减缓AI发展和传播的速度。他们甚至可能被早期的开发商敦促渴望保护自己的领先优势的AI。此外，一些国家、企业和其他组织可能会完全禁止AI。 高生产率的未来 但还有一种替代方案，人工智能导致更高的生产率增长未来。人工智能可能会被应用大部分工作所完成的任务-ers (Eloundou等2023年)和大幅提升在这些任务中的生产力。在这个未来，人工智能承诺成为最激进的技术几十年来的突破。而且，它最终补充工人-让他们花更多的钱时间在非常规、创造性和创造性的任务上，而不是而不仅仅是取代它们。AI捕获并体现隐性知识(通过经验获得，但难以阐明)的个人和组织利用大量新的数字化数据。作为结果，更多的工人可以花更多的时间在新的问题，以及越来越多的劳动力越来越像一个研究社会科学家和创新者。结果是经济不只是在更高的生产力水平上，但在一个周期-增长率更高。 在这个未来，人工智能与机器人也意味着更多的经济适应人工智能相关的进步。人工智能使社会-不仅仅是为了更好地做它已经做的事情，而是做事情，想象以前是不可思议的事情-无法。人工智能支持的医学研究能够实现无线电-CAL人类生物学和药物知识的进步设计。AI变得能够帮助引擎 未来不平等程度较低然而，在第二种情况下，人工智能导致更低的收入不平等，因为它对劳动力是帮助经验最少或最少的人知识渊博的工人更擅长他们的工作。软件-例如，软件编码人员现在受益于来自各部门的fit -AI模型，如Copilot，这些模型 借鉴许多其他工作的编码最佳实践-ers。使用Copilot的缺乏经验或低于标准的编码器变得更像一个非常好的编码器，甚至当两者都可以使用相同的AI时。一项对5, 000的研究从事复杂客户援助工作的工人在呼叫中心发现，在工人中在AI助手的支持下，最不熟练的或者最新的工人表现出最高的生产力收益(Brynjolfsson、Li和Raymond 2023)。如果就业-Eers与工人分享了这些收益，分配了收入会变得更加平等。 除了创造低收入的未来不平等，人工智能可能会帮助劳动在另一个更微妙的，但意义深远。如果人工智能是最常规和公式化的任务，然后通过采取繁琐的日常工作，人类的手，人工智能可能会完成-真正有创意和有趣的任务，改进-工作的基本心理体验，以及作为输出的质量。事实上，呼叫中心研究不仅发现生产率提高，而且减少了工人营业额和客户满意度的提高使用AI助手。 那么，可能只有最大的fi均方根和他们的业务合作伙伴开发专有AI -作为fiRMS如Alphabet、微软和OpenAI已经done and smallerfirms have not. The largefirms then变得更大。 更微妙，但也许更重要，甚至在一个专有AI不需要只有最大的fi均方根才能承受巨大的fi成本，AI可能仍然不成比例地受益于fit最大的fi均方根，通过帮助他们更好地在内部协调他们的COM -Plex业务运营-一种规模较小和更简单的fi均方根没有。顶部的“可见手”高管在最大的fiRMS内管理资源，现在有了人工智能的支持，允许fiRM变得更多有效，挑战哈耶克式的小优势fiRMS在分散市场中的本地知识。 第三叉：工业集中 自20世纪80年代初以来，工业集中-这衡量最大fi均方根的集体市场份额在一个行业-在美国大幅上升和许多其他发达经济体。这些大超级明星fi均方根通常是资本密集型的技术上比他们的小同行。对于AI的影响。 较低集中度的未来 在工业集中度较低的未来，如何-永远，开源AI模型(如Meta的LLaMA或伯克利的考拉)变得广泛可用。一个COM -支持fit公司、非fit公司、学者、个人程序员创造了一个充满活力的开源AI生态系统，可广泛使用已开发的AI模型。这使小型企业可以访问indus -尝试领先的生产技术，他们永远无法以前有过。 更高浓度的未来 在fi第一种情况下，工业集中度增加，只有最大的fiRMS在其核心中密集使用AI业务。AI使这些fi均方根变得更加亲-诱人的，专业的fi表，比他们的竞争对手更大。人工智能模型的开发变得越来越昂贵，在原始计算能力的术语-一个巨大的前期成本，只有最大的fi均方根值才能获得。需要在海量数据集上进行培训，这非常大型fi均方根已经从他们的许多客户而小fi均方根不会。此外，在AI模型是培训和创建，操作起来可能很昂贵。对于例如，GPT - 4型号的成本超过1亿美元-狮子在最初的发展过程中训练，需要大约每天运行700, 000美元。开发的典型成本-一个大型的人工智能模型可能很快就会达到数十亿美元的水平。美元。领先的AIfiRMS的高管预测缩放定律显示出培训成本的增加和绩效的提高将在可预见的未来保持优势给拥有最大预算和最大的数据集。 其中大部分是在一份内部备忘录中预示的2023年5月从谷歌泄露，其中一名研究人员他说：“开源模型更快，更有用-可分级的，更私密的，更多的磅对磅比专有模型更有能力。研究人员说，小型开源模型中的进程可以被许多人迅速重复，最终被押注-比缓慢迭代的大型私人模型由一个团队组成，并且开源模型可以培训更便宜。在谷歌研究员看来，开源AI最终可能会主导昂贵的专有模型。 也可能是人工智能鼓励广泛的，去中心化的创新，更好地在各个方面许多小的fiRM比一个大的fiRM内的更多。边界-fiRM的结果是一系列交易的结果-ofis；一个更多人工智能支持的创新者需要的世界 他们工作的剩余控制权可能是一个更多的创新者决定他们宁愿小fi均方根的所有者，而不是大公司的雇员。其结果是，工业浓度的长期上升-trental开始搁浅，因为有些敏捷较小的企业关闭甚至逆转技术与更大的同行差距，赢回更多市场份额。制定政策议程对于道路上的每个叉子，通往更糟糕的未来是阻力和结果最小的未来在低生产率增长，更高的收入不平等，和更高的工业集中度。走向良好分叉的道路将需要艰苦的工作-明智的政策有助于塑造技术未来的干预措施和经济。欣赏更广泛的观点也很重要关于政策。围绕人工智能规则的大部分论述-现在沿着一种水力模型发生：我们应该拥有更多的AI或更少的AI -甚至禁止AI。这讨论发生在AI被认为有点fix的东西，具有预定的未来。AI可以快或慢。可以有更多或更少，但是基本上就是这样。然而，如果政策制定者明白人工智能可以朝着不同的方向发展，话语将是政策如何鼓励补充人类劳动的AI类型，而不是模仿和取代它？有什么选择会鼓励各种规模的fi均方根都可以访问的AI的开发，而不仅仅是最大的？什么样的开放-源生态系统可能需要，以及如何制定政策-制造商支持它？AI实验室应该如何处理模型开发，以及fi均方根应该如何处理AI实现-心理状态？社会如何获得释放的AI激进的创新，而不是对现有的边际调整-ING商品、服务和系统？许多不同的演员都有权力去指挥-人工智能的未来。大公司将不得不做出关于他们如何选择的重要决定将AI整合到他们的劳动力中。其中最大的公司还将开发内部AI. AI /计算机 大学的科学实验室也将开发人工智能模型，其中一些他们将开源。联邦法律-翻译和监管机构将产生巨大的影响，因为可能更多的地方。选民有发言权。工会必须fi找出他们想要与AI建立什么样的关系以及他们的要求是什么。 虽然我们已经勾勒了一些可能的人工智能的未来，我们不仅要强调这项技术的未来是不可预测的而且代理协会也积极地和收集-确定哪个AI未来会出现。 技术对宏观经济的影响有限。但是今天，当人工智能对社会的影响很可能以数万亿美元来衡量，更大的投资-应该在经济学研究中做出贡献人工智能。社会需要经济和政策创新理解匹配的规模和范围AI本身的突破。重新定位研究优先级-联系和制定明智的政策议程