人工智能的经济影响与规制 ： 学术文献与政策行动综述

人工智能的经济影响与规制 ：学术文献与政策行动综述 MariarosariaComunale,AndreaManera WP/24/65 货币基金组织工作文件描述了作者正在进行的研究，并发表了这些论文，以引起评论并鼓励辩论。 基金组织工作文件中表达的观点是作者的观点，不一定代表基金组织、其执行董事会或基金组织管理层的观点。 2024 MAR ©2024国际货币基金WP/24/65 IMF工作文件 [研究部] 人工智能的经济影响和监管：学术文献与政策行动述评。 MariarosariaComunale和AndreaManera编写 由ChrisPapageorgiou授权发行2024年3月 货币基金组织工作文件描述了作者正在进行的研究，并发表了这些论文，以引起评论并鼓励辩论。基金组织工作文件中表达的观点是作者的观点，不一定代表基金组织、其执行董事会或基金组织管理层的观点。 摘要：我们回顾了有关采用人工智能（AI）的影响以及有关该技术的持续监管工作的文献。经济研究包括增长，就业，生产率和收入不平等的影响，而监管涵盖市场竞争，数据隐私，版权，国家安全，道德问题和金融稳定。我们发现：（i）理论研究同意人工智能将影响大多数职业并改变增长，但实证结果对就业和生产率的影响尚无定论；（ii）监管主要集中在学术文献未探讨的主题上 ；（iii）在各国之间，监管在范围和方法上差异很大，面临困难的权衡。 推荐引用:MariarosariaComunale,andAndreaManera.2024.“TheEconomicImpactsandtheRegulationofAI:AReviewoftheAcademicLiteratureandPolicyActions.”,IMFWorkingPaperNo.2024/65 JEL分类号:J23,K23,L5,O33 人工智能(AI)；劳动力市场；任务暴露；生产率；监管；治理。 关键字:作者的电子邮件地址： 工作文件 人工智能的经济影响与规制：学术文献与政策行动综述 MariarosariaComunale和AndreaManera1编写 1本文中表达的观点是作者的观点，不应归因于货币基金组织，其管理层或执行董事会。我们感谢JoshaAslett，PetiaBorissovaTobalova，AlexaderLeoCopestae，MitaliDas，JliaFaltermeier，PaolaGam，AtoioIgacioGarciaPascal，GitaGopiath，ShafiHebos，GeeHeeHog，XiagoHag，FloreceJamotte，NaLi，GaborMeizer，GiovaiMelia，MariaMedesTavares，MalharShyamNabar，AhDihMihNgye，ChrisPapageorgio，SailedraPattaaya，HeleePoirsoWard，Ma我们感谢KeKag为我们的讨论做出了贡献。我们感谢HitesAhir在他的每日通讯中提供有关AI的新闻，这是本评论的关键投入。审查包括到2024年3月13日的信息。 1Introduction 这篇综述论文调查了人工智能（AI）如何影响经济以及技术如何受到监管，依赖于学术和政策来源，直到2024年初。我们涵盖了经济文献中有关就业和工资效应，生产率和经济增长的见解。在政策领域，我们总结了在不同地区采取的监管行动，详细说明了其基本原理，方法和覆盖范围。鉴于人工智能技术和相关文献的快速发展，本文旨在提供一种结构，以组织最新的贡献，供政策制定者、经济学家、研究人员和行业利益相关者使用。 在深入研究我们论文的内容之前，我们将通过一些关键定义来阐明其范围。1956年达特茅斯研究项目的组织者之一约翰·麦卡锡教授将“AI”定义为“制造智能机器的科学和工程”（McCarthy2007）。1在这篇综述中，我们关注人工智能最新进展的经济影响和监管，如机器学习(ML)及其深度学习、生成人工智能(gen-AI)和大语言模型(LLM)子领域。2,3从广义上讲，我们涵盖了实证研究，重点是ML应用，不包括ge-AI（“pre-ge-AI”，直到2022年底）或最新的ge-AI和LLM（“post-ge-AI”，主要自2023年以来）。这种区分的原因是，在2022年末OpeAI发布Dall-E2和ChatGPT之后，LLM和Ge-AI在经济和政策辩论中脱颖而出，相关数据，应用和研究仍然相对匮乏。因此，我们将“ML”称为机器学习或深度学习，用于预测，图像和模式识别，文本分析和数据分析。当使用术语“ML”时，我们排除了ge-AI，由于文本和图像生成LLM工具的广泛可用性，它被单独处理。当上下文不清楚时，我们将澄清每篇论文所涵盖的AI类型。与此讨论一致，我们将使用“ML”来表示适用于机器学习的研究，并排除geer-AI，通常是因为缺乏可用日期。相反，我们将研究称为“ge-AI”，如果它们只关注ge-AI 。当我们使用术语“AI”时，我们指的是包含ML和ge-AI技术的上下文。这种区别主要与经验或实验论文有关，因为理论研究通常无法区分ge-AI和ML。就监管而言，关于“AI”的定义或“AI”监管所涵盖的技术没有全球共识。4 我们首先描述人工智能对劳动力市场的影响，文献集中在 employmentandwageofvarietyoccupationalgroups.Mostofthestudieswereviewadopt-implicit-thetaskframeworkofZeira(1998),AcemogluandAutor(2011),andAcemogluand 1创建AI一词的原始文件是1955年由麦卡锡，明斯基，罗切斯特和香农共同撰写的达思茅斯研究项目提案，请参阅 http://jmc.stanford.edu/articles/dartmouth/dartmouth.pdf 2ML研究计算机代理如何根据经验或数据改善他们的感知、知识、思维或行为。 3LLM被广泛定义为通过跟踪顺序数据中的关系来学习上下文和含义的神经网络。请参阅https://www.nvidia.com /en-us/glossary/data-science/large-language-models/。 4参见O'Shaughnessy（2022）和附录A.1 Restrepo(2018)已被应用于自动化文献中研究人-机器人替代。正如我们简要讨论的那样，这些框架将输出建模为由工人或资本执行的一系列任务，并获得不同职业或人口群体的就业和工资与分配给每个群体的任务数量直接相关。因此，早期的先代人工智能文献和许多后代人工智能文献都集中在计算“任务暴露” ——可能被人工智能取代的任务份额——以估计人工智能对工人群体的潜在影响。根据早期的自动化文献，这些工作通常将较高的任务暴露与受影响的工人群体的较大潜在位移联系起来。大多数研究认为，白领、高技能的职业有更高的任务暴露，因此面临更大的就业风险，来自人工智能的采用(例如。Procedre ，关于Ge-AI，Elodo等人。(2023))。其他研究人员反而将任务暴露和就业风险分开，强调了人工智能技术或其他“屏蔽因素”的增强潜力(例如。Procedre，Cazzaiga等人。(2024))。对ML的实证研究表明，就业效应总体上可能是零或正的(Acemogl，Ator，Hazell等人。2022年；阿尔巴涅西等人。2023年)，而关于Ge-AI的实验论文强调了可能存在工资压缩的低技能工人的生产率提高(Noy和W.张2023年；布林约尔松、李和雷蒙德2023年)。最终，理论表明，人工智能对劳动力市场影响的最终裁决将取决于工作位移和生产率提高之间的竞争，这是由于直接的工人补充或人工智能在整个经济范围内的收益。我们提出的发现为评估这种权衡提供了一些要素，但使我们远远没有明确的理解。特别是，所有研究似乎都同意暴露是普遍的，但对于这种暴露如何转化为替代工人的补充，仍然没有定论。我们结束了关于人工智能对劳动力市场影响的讨论，讨论了解决该技术带来的潜在劳动力流离失所的潜在政策。 接下来，我们继续调查关于生产力和增长效应的更有限的研究。 AI，包括理论，关于ML的公司层面研究以及上面引用的genAI的实验证据。该领域的工作同意从AI 采用中获得巨大收益的理论可能性，但其实际规模仍不确定。关于pre-genen-AI的公司层面研究表明 ，采用公司可能会看到每位工人的销售额增加0到6之间.我们最后评估了人工智能对新兴市场和发展中经济体(EMDE)的潜在影响,一些研究表明增长和生产率溢出效应可能比就业效应更相关。 审查的其余部分涵盖了人工智能快速部署后出现的监管挑战和应对措施。我们首先列举了迄今为止在文献和监管行动中引起最多关注的监管理由：市场竞争；隐私问题；知识产权保护；军事用途和国家安全；道德问题和算法偏见；和金融稳定风险。我们还简要讨论了人工智能和政治系统的相互作用。对最佳AI的见解。 文献中的规定收集在一个专门的部分。然后，我们详细说明了欧盟（EU），美国（US）和中国等不同地区如何启动了重新调整AI的步骤，并将各种理由纳入其中，尽管出于监管目的对AI的定义存在很大的歧义。这些定义是附录A.1的对象，附录A.1还包含每个监管文件的链接。然后，我们简要描述了发达经济体(AE)和新兴市场(EM)的其他案例。我们以正在进行的多边行动和论坛结束这一部分。总之，只有少数国家在人工智能监管中涵盖了金融稳定方面，而大多数国家明确包括垄断、道德和隐私风险的义务。目前关于人工智能生成（或共同生成）材料的版权的规定尚不明确，在某些情况下（美国，中国），它们将适用现有版权法的决定推迟到下级法院。美国在明确涵盖国家安全方面脱颖而出，而欧盟等其他实体则更加模棱两可。总体而言，各国对人工智能监管采取了非常不同的方法：欧盟和巴西普遍采用了基于事前风险的方法；美国正在形成基于准则的分散方法；中国专注于算法推荐和伦理审查；英国在最近的一份白皮书中支持基于上下文的观点；最后，日本和印度在很大程度上对人工智能保持放松管制和灵活的看法。最终，所有监管机构都面临着重要的权衡，这要求他们在人工智能创新和发展的先发优势与潜在风险之间取得平衡。 我们全面讨论了研究和政策的局限性和未来途径 在专门的部分中，这也描述了我们从审查中获得的三个主要收获。首先，学术文献对人工智能的影响缺乏共识，我们主要归因于缺乏足够和及时的数据。其次，我们发现政策与研究之间存在脱节，需要更多的研究来告知监管机构感兴趣的领域和行动。第三，我们注意到，法规的方法和范围大不相同，面临着困难的权衡取舍，可能会通过加强多边合作来解决。 本文的结构如下。第2节侧重于人工智能对劳动力市场的潜在影响，包括劳动力和公共政策的适应。第3节基于最新的估计，研究了人工智能可能对生产力和增长的影响。第4节涵盖了与AI和相关行动相关的监管挑战。在第5节中，我们强调了经济文献和人工智能监管中的开放问题和差距，并提供了我们的关键要点。第六节结束。 2AI与劳动力市场 人工智能技术可能会在劳动力市场上引起巨大的变化和深刻的错位。尽管官方统计数据表明人工智能的采用仍处于起步阶段，但国家战略和预测都表明形势将迅速变化（请参阅第3节）。与以前的技术革命进行比较 随着制造业的自动化，人工智能的部署可能会使某些个人或群体受益，而对其他人不利。为了识别这些群体，经济文献集中在“任务暴露”的计算上，即人工智能可能在每份工作中自主执行的任务份额，发现白领高技能工人最容易暴露。部分文献将AI视为一种自动化技术——一种取代工人的技术，如工业机器人。在这种观点中，任务暴露率高的职业将面临更高的流离失所，暴露的工人将看到就业机会和工资减少 。相反，另一部分文献试图评估这种暴露的实际后果，发现人工智能可能会增加暴露职业中的工人。我们在本节结束时介绍了应对研究提出的潜在工人流