北京pk10八码2-9名算法|pk10计划人工在线计划
正在閱讀: 新技術革命下人工智能與高質量增長、高質量就業
首頁> 論文推薦 > 正文

新技術革命下人工智能與高質量增長、高質量就業

調查問題加載中,請稍候。
若長時間無響應,請刷新本頁面

  作者:中國社會科學院數量經濟與技術經濟研究所研究員、博士生導師 蔡躍洲,中國社會科學院大學(研究生院)數技經系博士研究生 陳楠

  摘 要:研究目標:總結人工智能作為新一代信息技術的技術-經濟特征,厘清其對宏觀經濟增長、勞動就業及收入分配的影響機制,就人工智能熱潮下中國增長和就業的演進趨勢進行展望,并給出應對思路和建議。研究方法:以前沿文獻和增長理論、發展經濟學理論為基礎,運用歸納演繹方法對人工智能的技術-經濟特征和影響機制進行梳理;通過數據整理和趨勢分析,就中國經濟增長和就業分配可能受到影響進行情景分析。研究發現:人工智能的滲透性、替代性、協同性和創造性四項技術-經濟特征,能推動國民經濟各領域各部門高質量增長,而其自身規模壯大也有助于增長質量提升。人工智能及自動化推進中,替代效應與抑制效應作用下就業總量將保持基本穩定,但結構性沖擊不可避免。中間層崗位容易被替代,就業結構將呈兩極化趨勢;伴隨結構調整,初次分配中勞動份額將降低,被替代行業中教育和技能水平較低、年齡偏大人群所受損失最大,并擴大收入差距。勞動成本攀升將加速人工智能在中國的推廣應用,有力支撐未來中國經濟高質量增長;但崗位結構與年齡構成錯配和整體受教育程度偏低相疊加,可能在中短期內造成較為嚴重的結構性失業,擴大不同群體間的收入差距。研究創新:歸納提煉出新式人工智能的技術-經濟特征及其對增長就業的作用機制,就未來中國經濟增長和就業可能出現的情景進行推演預判。研究價值:及早警示人工智能技術對經濟和社會可能帶來的負面影響,并從產業政策、行業規制、社會保障、教育培訓等方面提出對策建議。

  關鍵詞:人工智能、技術-經濟特征、高質量增長、就業結構、分配格局

  一、引言

  2017年是對中國經濟社會發展具有轉折意義的重要年份。2017年10月,習近平總書記在黨的十九大報告中做出了“中國特色社會主義進入了新時代”的重大判斷,并對新時代下我國經濟社會發展提出了新的目標和要求。在經濟發展方面,十九大報告明確指出:“我國經濟已由高速增長階段轉向高質量發展階段,……必須堅持質量第一、效率優先,……推動經濟發展質量變革、效率變革、動力變革,提高全要素生產率……”;在民生方面則強調“提高就業質量和人民收入水平。……要堅持就業優先戰略和積極就業政策,實現更高質量和更充分就業。……堅持在經濟增長的同時實現居民收入同步增長、在勞動生產率提高的同時實現勞動報酬同步提高。……縮小收入分配差距。”上述經濟和民生兩方面的目標結合起來就是同步實現高質量增長和高質量就業。其中,高質量增長的基本特征是創新驅動和全要素生產率提升,而高質量就業則應表現為居民收入的穩步提高。新時代下,“我國社會主要矛盾已經轉化為人民日益增長的美好生活需要和不平衡不充分的發展之間的矛盾”。要解決好上述矛盾根本出路在于解決好發展過程中的不平衡問題,要求我們的高質量增長還應該是一種能讓社會全體同步受益的包容性增長;這也是“高質量增長”和“高質量就業”雙重目標提出的根本原因。

  2017年對于全球科技和產業發展趨勢來講,同樣是個重要年份。2016年,借助阿爾法狗與韓國圍棋天才李世石的人機大戰,“人工智能”開始進入到普通大眾視線。2017年,支撐人工智能的算法、芯片等加速進步,無人駕駛、語音識別、圖像識別、機器人等多個領域的應用全面爆發,被《華爾街日報》、《福布斯》雜志等稱為“人工智能商業化應用元年”。在國內,無論是政府部門還是企業界,對于人工智能都給予了充分的重視。2017年3月份,李克強總理在《政府工作報告》指出要加快培育壯大包括人工智能在內的新興產業;7月份,為搶抓人工智能發展的重大戰略機遇,有關部門按照黨中央、國務院部署要求制定《新一代人工智能發展規劃》,并由國務院印發實施。與此同時,以BAT等為代表的國內互聯網巨頭則在無人駕駛、人臉識別、智能家居、智能客服等領域紛紛布局,并快速實現人工智能在多個場景下的商業化應用。

  人工智能作為新一代信息技術的重要領域,是一種新型的通用目的技術(GeneralPurposeTechnology,GPT),具有滲透性特征(pervasiveness),能夠應用于經濟社會、生產生活的方方面面(Trajtenberg,2018);不經意間,人工智能已經滲透到生產生活的多個環節,并悄然改變著經濟社會組織運行的模式。作為人腦的延伸和替代,人工智能在提高生產率方面具有很大潛力(Furman和Seamans,2018);人工智能的商業化應用將帶來應用領域效率的提升,進而帶來宏觀經濟整體全要素生產率的提升,真正實現以創新和知識驅動為特征的高質量增長。雖然人工智能技術能將人類從繁瑣的程式化工作中解脫出來,對于應對人口老齡化也是一種有效手段,但其推廣也意味著對應用領域(部分)勞動就業崗位的替代,并將最終影響到就業結構及收入分配格局。

  18世紀60年代英國工業革命爆發以來,人類社會經歷5次技術革命,每一次技術革命都可以看作是自動化進程的又一次深化,在機器替代人的過程中效率與就業之間的沖突及再平衡不斷重演。從歷史經驗來看,自動化推進在消滅部分就業崗位的同時往往也會創造更多新的崗位,使得宏觀就業總量總體保持不斷增長態勢,實現了增長與就業的雙贏;然而,在轉型過程中,技術進步的副作用仍需要由那些被機器替代的群體去承擔,由此衍生出以“盧德運動(Ludditemovement)”為代表的各種社會事件(Auto和Salomons,2017),對特定時期特定國家的社會穩定帶來負面沖擊。當前加速演進的新一輪科技革命與產業變革本質上可以看作是第六次技術革命,以人工智能為代表的新一代信息技術對經濟社會的滲透可以看作是人類自動化進程的繼續推進。然而,同以往自動化技術相比,人工智能技術更多是對人類腦力的替代,而以往技術則主要是對人類體力的替代。從對經濟增長的支撐方式,到就業崗位替代和衍生的作用機制,人工智能技術與以往的(機械化)自動化技術都存在較大差別;這意味著,人工智能技術的應用推廣可能并非以往“自動化進程推進”的簡單延續。新時代下,面對人口老齡化加速等現實國情,如何發揮人工智能技術特性和優勢支撐經濟增長、應對結構性沖擊,推動高質量增長與高質量就業同步實現,對學界和政策制定部門提出了全新的課題;而這也正是本文研究的初衷。后續各部分將從人工智能技術-經濟特征分析出發,在相關文獻評述基礎上,嘗試梳理分析人工智能影響增長、就業及分配的作用機制,就人工智能熱潮下中國增長和就業的演進趨勢進行展望,并給出應對思路和建議。

  二、人工智能技術-經濟特征與增長作用機制

  (一)人工智能演進歷程及其技術本質

  1956年8月,約翰·麥卡錫(JohnMcCarthy),馬文·閔斯基(MarvinMinsky)、克勞德·香濃(ClaudeShannon)、艾倫·紐維爾(AllenNewell)、赫伯特·西蒙(HerbertSimon)等科學家齊聚美國達特茅斯學院,探討“如何用機器模仿人類智能”,并正式提出“人工智能”的概念;1956年也因此被稱為“人工智能元年”(集智俱樂部,2015)。在達特茅斯會議之前,香濃完成了三大通信定律、圖靈提出了圖靈機和圖靈測試,為人工智能的產生奠定了理論基礎;達特茅斯會議之后,伴隨(電子)計算機的發展,紐維爾和西蒙開發出機器定理證明程序、明斯基制造出第一臺神經網絡計算機(集智俱樂部,2015;李彥宏,2017)。可以說,計算機技術的發展是人工智能發展的基礎,而人工智能從一開始就是一種信息通信技術(ICT)。

  達特茅斯會議帶來了人工智能發展的第一次熱潮,但從20世紀60年代中期開始,人工智能先后在機器定理證明、機器翻譯等領域遭遇瓶頸,并于20世紀70年代中期陷入第一次低潮;20世紀80年代,專家系統、知識工程等引發了人工智能的第二次熱潮,但于20世紀90年代又陷入第二次低潮;2010年以后,隨著移動互聯網和云計算的興起,深度學習方法取得快速突破,人工智能發展開始迎來了第三次熱潮(集智俱樂部,2015;李彥宏,2017;朱松純,2017)。人工智能發展興衰起伏的背后是其賴以支持的技術基礎發生了重大變化。從1956年至20世紀80年代中后期,人工智能發展以數理邏輯的表達與推理為主,機器任務的完成都是在規則設定基礎上實現的,也被稱為“舊式人工智能(old-fashioned AI)”;而20世紀90年代以后的人工智能則主要建立在概率統計的建模、學習和計算基礎上,第三次人工智能熱潮的出現完全是深度學習推動的結果(朱松純,2017;Taddy,2018)。

  深度學習所包含的很多統計學習/機器學習算法早在20世紀90年代甚至更早時期便已提出,但深度學習技術應用直到2012年前后才呈現出爆發式發展態勢;其根本原因在于,2010年以后移動互聯網、云計算等新一代信息技術加速商業化應用,為深度學習技術的優化迭代提供了充足的數據基礎(訓練樣本)和強大的算力支撐。相比早期的通過模擬人類邏輯推理和行為規則來實現特定功能的“舊式人工智能”,第三次熱潮中的“新式人工智能”(如無特別說明,后續均簡稱“人工智能”)是一個更為龐大的復雜系統,其構成包括三大支柱(模塊),即“通用目的機器學習(generalpurposeML)”“數據生成(datageneration)”和“領域知識結構(domainstructure)”(Taddy,2018)。

  包括深度神經網絡在內的每一種機器學習算法,本質上都是一個模式識別(pattern identification)工具,其核心(甚至是唯一)功能就是對特定事件的可能結果進行預測,其預測依據的信息基礎則是已經發生的同類事件,即訓練樣本。通常,訓練樣本越豐富預測結果越準確,為達到較好的預測效果往往需要喂食大量的訓練數據樣本,由此對數據生成和收集提出了很高的要求;而且處理更大規模的數據需要更強的計算能力與之匹配。當下的新式人工智能系統能夠解決那些以往專屬人類的復雜問題,其實現途徑(或基本思路)就是將特定問題分解為一組相對簡單的預測任務,每一項任務分配給某個機器學習算法來處理,由此相當于將各種機器學習算法(算力)組合成一個龐大的復雜系統;而不同算法及對應任務的有機組合則需要依賴復雜問題所屬領域知識(domainknowledge)(Taddy,2018)。2010年以前,移動互聯網尚未正式興起,音頻、圖像、視頻等非傳統、非結構化數據的采集還處于起步階段,收集存儲、數據處理等技術也未實現大規模商業化應用,無論是數據規模還是計算能力都不足以支撐各種機器學習算法實現高精度預測。而2012年前后,以Hadoop分布式系統架構、MapReduce并行運算編程模型、4G移動通信網絡等技術的大規模商業化應用推廣為標志,海量數據的生成(收集)、存儲、處理等問題在幾乎同一時期內得到有效解決,機器學習算法的預測效果也得以大幅提升,從而推動各種人工智能系統的快速發展。

  海量數據下機器學習預測效果能夠大幅提升的內在機制在于,機器學習方法完成任務的方式是純粹的數據驅動模式,而非傳統以規則設定和邏輯推理為基礎的理論驅動;其背后則涉及到人類認知方面的所謂“波蘭尼悖論(Polanyi‘sparadox)”及其破解。1966年,英國著名物理化學家、哲學家邁克爾·波蘭尼(MichaelPolanyi)發現:“我們知道的可能比我們能夠明確說出來的要多”;比如,司機的駕駛技能,除了汽車原理和駕駛原理方面的顯性知識(explicitknowledge,也稱編碼知識,codifiedknowledge)外,還包含大量默會知識(tacitknowledge),僅靠駕校的理論學習是無法掌握的(Autor,2014)。舊式人工智能的規則設定和邏輯推理依據的是各種顯性知識,一旦遭遇需要默會知識的場景,其識別或預測就容易出錯。以椅子的識別為例,椅子的特征通常包括腿、扶手、座位、靠背等,以這類顯性知識作為規則進行編程來進行物體識別,則很有可能將沒有扶手和靠背的椅子識別為小桌子;而一個正常三歲兒童能輕松辨認出哪個是椅子哪個是桌子,也就是說我們并不能完全清晰地描述出三歲兒童能識別出的物體的所有信息/知識(Auto,2015)。可以說,默會知識的存在是舊式人工智能功能受限、兩次遇冷的重要原因。顯性知識(編碼知識)對應于規則、邏輯、推理,屬于人類的高階智慧;而默會知識則更多對應于無意識的直覺,屬于人類進化過程中更早擁有的感官運動性低階技能(low-level sensorimotor skills)。

  在人工智能和機器人領域,高階智慧的實現只需要少量的計算能力,而低階技能的實現卻需要極大的運算能力,這就是人工智能實現認知功能過程中存在的“莫拉維克悖論(Moravec’sparadox)”。莫拉維克悖論在20世紀80年代由漢斯·莫拉維克(HansMoravec)、羅德尼·布魯克斯(RodneyBrooks)、馬文·閔斯基等人共同提出并闡釋。正是莫拉維克悖論的存在使得舊式人工智能在計算能力有限的條件下仍能實現諸如跳棋、數學定理證明等屬于高階智慧的功能;而波蘭尼悖論的存在則是舊式人工智能功能單一、無法完成那些看似基本卻包含眾多默會知識任務的根本原因。事實上,羅德尼·布魯克斯根據莫拉維克悖論,跳出原有的舊式人工智能框架,建造了一種沒有(邏輯)辨識能力只有感知和行動能力的機器,由此直接影響到后續機器人和人工智能研究的進展。當下基于數據驅動的新式人工智能,其運行機制就是運用數據和計算能力優勢,提煉出各種隱含的默會知識,進而實現更為通用和復雜的功能。無論是舊式人工智能還是新式人工智能,其本質都是信息通信技術(ICT);當然,新式人工智能的實現需要依托移動互聯網、云存儲、并行計算等實現海量數據的生成處理,可以算是新一代信息技術的集成,同時也是新一代信息技術的組成部分。

新技術革命下人工智能與高質量增長、高質量就業

圖1.波蘭尼悖論、莫拉維克悖論與新舊人工智能內在關聯示意圖

  (二)人工智能技術-經濟特征與影響宏觀增長機制

  人工智能作為新一代信息技術理所當然具有一般ICT的基本技術-經濟特征,即滲透性(pervasiveness)、替代性(substitution)和協同性(synergy/cooperativeness)(蔡躍洲,張鈞南,2015;蔡躍洲,2017)。滲透性是指某項技術所具備的能夠與經濟社會各行業、生產生活各環節相互融合并帶來經濟運行方式改變(的一種潛能)(Bresnahan和Trajtenberg,1995)。滲透性可以算作是通用目的技術(GeneralPurposeTechnology,GPT)最基本的技術-經濟特征,也是GPT領域出現激進式創新后能夠引發技術革命,帶來技術-經濟范式轉換的技術基礎。人工智能是新一代信息技術的重要組成部分,而ICT又是典型的通用目的技術,因此,滲透性也自然應是人工智能的技術-經濟特征。ICT的替代性通常是指ICT作為一種資本要素對其它非ICT資本要素不斷替代的事實,該現象出現的根本原因在于以芯片為代表的ICT硬件多年來一直遵循“摩爾定律(Moore‘sLaw)”呈現出實際價格持續下降的趨勢(Jorgenson和Stiroh,1999;Jorgenson,2001)。人工智能的替代性與其他ICT的替代性似乎還略有不同,不僅體現為資本要素內部ICT資本對非ICT資本的替代,更體現為人工智能對勞動要素的直接替代。協同性更多是指生產過程中ICT產品的應用能夠提升其它要素間銜接配合的契合度,降低摩擦成本,從而提高運行效率(David和Wright,1999;Bartel等,2007;Ketteni,2009)。另外,人工智能對于勞動要素的替代不僅在于體力,更在于腦力或者說創造性活動的替代;由此引出人工智能專屬的第四項技術-經濟特征創造性(creativeness)。

  人工智能滲透性、替代性、協同性、創造性這四項技術-經濟特征,在很大程度上決定了其影響宏觀經濟增長的作用機制。首先,滲透性特征決定了人工智能對經濟增長影響的廣泛性和全局性;即便人工智能當下所產生的影響還僅僅是局部性的,但滲透性特征也意味著人工智能具備全局性影響的潛力。其次,人工智能技術替代性的發揮將是“人工智能資本”作為一種獨立要素不斷積累并對其它資本要素、勞動要素進行替代的過程;從生產函數和增長核算視角來看,伴隨人工智能資本的積累,其對經濟增長的支撐作用也將不斷提升。第三,人工智能協同性特征帶來的(生產活動)投入產出效率或者說全要素生產率的提升,在微觀層面將體現為企業利潤盈余的增加,并最終轉化為宏觀經濟GDP的增長。第四,人工智能的創造性特征將通過知識生產促進技術進步,從生產函數和增長核算視角來看,最終也將體現為全要素生產率的增長。當前,人工智能創造性促進技術進步的核心在于提高研發效率。在基因組學、藥物發現、材料科學、量子物理等領域,研發過程具有“大海撈針”的特點,即能夠確定創新存在于已有知識的某種有用組合,但是有用知識范圍卻廣泛復雜,要找出來極不容易;而人工智能技術的突破性進展,則使得研究人員能夠大大提高識別效率,找出那些最有價值的組合(Agrawal,McHale和Oettl,2017)。比如在生物醫藥領域,應用深度學習技術和已有的數據,可以較為準確地預測出藥物試驗的結果;對于早期的藥物篩選(early stage drug screening)來說,便可以減少一些不必要的檢驗,從而提高篩選效率,識別出那些成功概率更大的候選分子;人工智能技術也因此被稱作是一種“發明方法的發明(Invention of a Method of Invention,IMI)”(Cockburn,Henderson和Stern,2017)。

  另外,人工智能技術作為新一代信息技術的集成,是由數據生產、算法及軟件開發、芯片、存儲器、其它硬件設備等技術和產品共同支撐而形成的復雜系統。系統內各環節對應的產品及服務已經形成了一個較為獨立的產業生態體系。人工智能技術對經濟社會各領域的不斷滲透,將帶來各關聯環節產品服務需求的上升,進而引致對應細分行業規模的擴大;而人工智能產業體系的不斷壯大,將對宏觀經濟增長形成直接支撐。

新技術革命下人工智能與高質量增長、高質量就業

圖2.人工智能技術-經濟特征與影響增長作用機制示意圖

  從圖2及前述機制分析可以看出,人工智能可以通過兩種途徑影響宏觀經濟增長:一是借助其作為新一代信息技術所具備的滲透性、替代性、協同性、創造性四大技術-經濟特征,通過增加要素貢獻、提高投入產出效率、加快知識創造等機制,推動國民經濟各領域各部門增長,進而影響宏觀經濟增長;二是人工智能技術所涵蓋的產業生態體系在滲透影響國民經濟各領域的同時,自身規模也將隨之壯大,進而助力宏觀經濟增長。第一種途徑下,投入產出效率、知識創造都將帶來宏觀經濟全要素生產率的提升,這樣的增長顯然是我們所追求的高質量增長;而第二種途徑下,人工智能及其它新一代信息技術產業的壯大,意味著高技術含量部門的壯大,完全符合產業結構優化升級的方向。據此,我們可以認為,發揮人工智能對宏觀經濟的支撐作用,有利于實現高質量增長。

  (三)新“索洛悖論”與人工智能支撐增長的前提

  盡管人工智能在理論上具有支撐宏觀經濟增長的多重機制,但經濟運行的實踐往往與理論預期存在較大偏差;其中,爭議最大的就是人工智能在提升生產率方面的作用。Brynjolfsson,Rock和Syverson(2017)利用圖像識別率提升、投資增加等方面的零星數據展示了2010年以來人工智能領域的快速發展,并將其與2005年以后美國乃至全球(勞動)生產率增速顯著下降的現實相對比,據此提出“新索洛悖論(Modern Solow’s Paradox)”。Gordon(2018)對比美國經濟增長和專利增長數據發現,2006-2016期間類似“新索洛悖論”的現象存在于整個創新活動;一方面技術創新的部分似乎在不斷加快,而另一方面生產率提升放緩趨勢也非常明顯。統計數據上表現出的“新索洛悖論”及“創新增長悖論”,一定程度上源于測算方面的誤差(或低估);舉例而言,諸如智能手機、社交平臺、網絡視頻等基于新一代信息技術的產品和服務,能夠給使用者帶來更多的消費者剩余,但在現行的國民經濟統計核算體系下卻不能反映在GDP上,進而低估了生產率提升的程度(Brynjolfsson,Rock和Syverson,2017;Gordon,2018)。與此同時,新一輪科技革命加速演進背景下媒體的集中關注也讓人們對人工智能在生產率提升方面的作用產生了過高的預期,某種意義上放大了“新索洛悖論”的程度。

  盡管存在生產率提升預期過高、實際增速低估的情況,但現階段人工智能在提升生產率方面的作用尚不顯著仍是客觀事實;而其背后的根本原因在于技術突破應用與生產率效應顯現之間往往存在較長時間的時滯。一方面新技術對應的存量資本積累到具有全局影響的規模是需要一定時間的,另一方面重大技術發揮作用還需要互補性技術(complementarytechnology)、基礎設施、人員素質、制度環境等多種因素與之相匹配(Brynjolfsson,Rock和Syverson,2017)。Brynjolfsson和Hitt(2003)針對企業層面的實證研究表明,ICT投資一年后會對生產率發揮較小的促進作用,滯后越長作用越大,大約7年達到頂峰;原因在于企業組織、流程再造、員工培訓甚至企業文化,都需要圍繞ICT資本的應用做出適應性調整。Fueki和Kawamoto(2009)利用1975年至2005年日本分行業數據的實證結果表明,生產率提升不僅存在于ICT生產部門,同樣也廣泛存在于ICT使用部門;由于互補性人力資本積累需要時間,ICT使用部門生產率的提升在時間上有著5-10年的滯后。我們針對中國的實證研究也表明,ICT資本增長對滯后5期的全要素生產率增長有顯著的促進作用。事實上,類似的悖論早在電氣化革命時代就曾經發生過。19世紀70年代,電力已經開始進入生產領域,而截至1919年美國至少還有一半的制造業沒能實現電氣化;但此后,電氣化“中心化能源供給使得工廠可以重新組織生產流程”、“每臺機器都可以有專屬電機使得工廠選址和生產線設計變得更有彈性”等優勢充分顯現出來,并帶來生產率的提升(David,1991;David和Wright,1999)。

  無論是從作用機制還是從歷次技術革命和自動化推進的經驗來看,人工智能作為一項革命性的通用目的技術,其應用推廣必將帶來全要素生產率提升,支撐宏觀經濟高質量增長。當然,要充分發揮出人工智能技術在提升生產率方面的潛力,必須從互補性技術、人員素質、組織架構、行業規制等多方面完善配套條件。而這也必將是一個相對較長的漸進過程。

  三、人工智能對就業及收入分配的影響

  工業革命以來歷次技術革命的經驗表明,每一次技術革命推動經濟增長的過程從來都是偏向性而非中性的。這種偏向性既體現在資本與勞動之間、也體現在勞動就業內部不同群體之間,由此引發就業總量、就業結構及收入分配的調整。

  (一)人工智能影響就業的作用機制

  滲透性和替代性特征決定了,伴隨人工智能技術在某個行業領域的應用推廣,人工智能資本要素的積累不僅會替代其它“非人工智能(或非ICT)資本要素”,更能直接對勞動要素進行替代,從而帶來部分既有勞動就業崗位的直接消失;這就是人工智能對就業崗位的替代效應(displacementeffect/substitutioneffect)(Acemoglu和Restrepo,2016,2017,2018;Gregory,Salomons和Zierahn,2019)。事實上,工業革命以來,與歷次技術革命相伴隨的自動化進程,每一次都會引發就業方面的替代效應,導致部分就業崗位的直接消失。然而,從就業總量來看,在過去的一個多世紀里各國就業人數基本保持著不斷增長的態勢(Bessen,2018)。就業崗位消失與就業人數增長并存的根本原因在于,自動化推進也能產生正向的溢出效應,間接創造出新的就業崗位,抵減替代效應對就業的負面影響,也被稱為抑制效應(countervailingeffect)(Acemoglu和Restrepo,2018;Autor和Salomons,2017,2018)。

  抑制效應可以進一步分為補償效應(compensationeffect)和創造效應(creationeffect)(Acemoglu和Restrepo,2018;Bessen,2018;Furman和Seamans,2018)。補償效應主要是人工智能替代性帶來的效率提升將引致相關產業規模的擴大,通過規模擴大彌補單位產出就業崗位的減少,具體又可細分為三種情形:(1)生產線上不易被人工智能替代的任務和環節,需要增加就業崗位數量才能對接匹配生產率大幅提升的可替代環節;(2)效率提升帶來的成本下降,使得企業有條件擴大再生產,增加生產線或經營單元,這兩種情形下的就業崗位增加本質上是由社會對被替代行業產品需求所引致的,可以稱為“(產品)需求效應(productdemandeffect)”;(3)效率提升帶來的成本和產品價格下降,客觀上增加了居民收入,引致對其他行業需求的增加,從而推動其他行業規模的擴大和就業崗位的增加,該情形也被稱為“溢出效應(spillovereffect)”(Autor和Salomons,2017;Acemoglu和Restrepo,2018;Gregory,Salomons和Zierahn,2019)。如果僅有補償效應,即使發揮再充分,持續的自動化還是會降低勞動在國民收入中的份額,甚至是絕對的就業數量。然而,Acemoglu和Restrepo(2018)在分析工資收入的歷史數據后發現,盡管工業革命以來自動化替代勞動的進程在不斷推進,但勞動收入占國民收入份額在(20世紀80年代前)的很長時間里都保持相對穩定;這是因為還存在另外一種更有力的抑制效應,那就是創造效應(或稱“復原效應”,reinstatementeffect)。工業革命以來,新工種、新崗位的創造始終伴隨著自動化進程的推進;19世紀、20世紀,紡織、冶煉、農業及其他產業中的各種任務被自動化替代的同時也衍生出工程師、維修工、后臺保障、管理、財務等一系列新工種、新崗位;人工智能作為當下最重要的自動化技術,(至少在近期)同樣有望創造出諸多新的工種和崗位(Acemoglu和Restrepo,2018;Furman和Seamans,2018)。

  需要特別指出的是,在自動化推進過程中,發揮抑制效應(特別是補償效應)作用,實現就業總量的穩態增長,隱含了兩個前提條件。一是補償效應(特別是需求效應)的發揮在很大程度上取決于自動化替代行業產品的供需狀況;如果某個行業產品的需求已接近飽和,行業沒有擴大規模的空間,自然也就無法發揮出補償效應;在開放經濟條件下,由于部分需求可以被國外廠商滿足,也會削弱補償效應的作用(Autor和Salomon,2017;Bessen,2018)。考慮到人類需求所具備的“非饜足性(non-satiation)”特征,需求飽和的情形并不多見;而且即便存在某些低端產品服務需求飽和的情形,也會衍生出更多高端產品服務的需求。二是自動化技術替代的有限性,即無法對所有現存就業崗位進行替代,這是抑制效應發揮作用更為根本的前提。補償效應的實現本質上就是通過不可替代崗位的增加對可替代崗位的減少進行補償,如果所有的就業崗位在技術和經濟層面上都可替代或者說都被自動化技術所替代,那么任何需求的滿足都無須由人來完成,需求也不會對就業崗位產生任何影響,相應的補償效應及創造效應也都不復存在(Bessen,2018)。

新技術革命下人工智能與高質量增長、高質量就業

圖3.人工智能影響就業崗位的作用機制示意圖

  (二)人工智能對就業總量的潛在影響

  根據前述機制分析,人工智能技術的應用推廣,既有直接減少就業崗位的“替代效應”,也有間接增加就業崗位的“抑制效應”;因此,有關人工智能對就業總量的影響存在兩種截然不同的觀點。一種較為普遍的觀點主張,人工智能作為一項重大技術變革,本質上是人類自動化進程的延續(或新階段),其對人的替代只能是部分功能或任務(task)上的替代;而歷史經驗也表明,有關重大技術變革帶來負面影響的悲觀預測從未真正成為現實;人工智能技術的興起固然會帶來很多職業和就業崗位的消失,但也會衍生和創造出很多新的就業崗位,并最終達到總量上的平衡甚至穩步增長(Acemoglu和Restrepo,2018;Trajtenberg,2018;Aghion,Jones,和Jones,2017;Bessen,2018)。Holford(2018)還從認識論層面探討了人工智能的本質及其對人的替代。在Holford(2018)看來,人工智能更多是以統計算法將所有人類行為和活動通過分割進行模擬、預測進而決策,依賴的主要還是編碼知識(codifiedknowledge),在認識論層面還屬于還原論,而人類的認知具有整體論和系統論特性;因此,人工智能無法(完全)認識人類與生俱來的復雜性、創造性及關聯的默會知識,也無法完全替代人。根據前面的機制分析,只要人作為勞動者的作用無法被完全替代,就有可能通過補償效應和創造效應平衡替代效應減少的就業崗位,實現就業總量的穩態均衡。

  與多數學者持有的較為樂觀的“影響中性”觀點相對比,也有一些學者持有相對悲觀的觀點,或者至少對人工智能熱潮下“自動化進程就業總量影響中性”的歷史能否重演提出了質疑。雖然Autor和Salomon(2017)的實證分析支持了現階段“影響中性”的判斷,但對于此次人工智能應用為核心的自動化究竟會帶來怎樣的后果,Autor(2015)也是存有疑慮的。畢竟,以往的機器替代人力帶來的就業崗位減少,能夠通過辦公室崗位的增加進行抵消;然而,現在的問題似乎是辦公室工作也開始被替代了(Autor,2015)。事實上,18世紀中后期工業革命以來,自動化進程的推進在大多數時候都表現為機器對人類體力的不斷替代,而每一次體力替代的同時也留下或衍生出大量只能由人去完成的工作;然而,人工智能技術出現后,機器學習算法能夠在很大程度上實現對人類智力的替代,完成很多以往只有人類才能完成的工作,因此,人工智能技術可能不是自動化進程的簡單延續,而很可能是人類技術進步的頂峰(Korinek和Stiglitz,2017;Furman和Seasman,2018)。Furman和Seasman(2018)還明確表達了對人類作為勞動者命運的擔憂,并援引特斯拉創始人埃隆·馬斯克(ElonMusk)關于“人工智能是威脅人類生存的最大威脅(fundamentalrisk)”的論斷作為警示。

  當然,從既有的實證研究來看,近期的實證研究基本都支持“就業總量影響中性”的主張。Dauth,Findeisen等(2017)對德國數據的分析也表明,每增加1臺工業機器人會帶來2個制造業就業崗位的消失,但是在服務業會出現足夠多的新增就業崗位,從而抵消了制造業領域就業凈減少的趨勢。Autor和Salomon(2017)從宏觀、行業和不同技能水平的勞動者群體三個層面對自動化技術和人工智能的替代效應和溢出效應進行了檢驗。Autor和Salomon(2017)基于35年數據的實證分析表明,盡管生產率上升的行業呈現出勞動力占比下滑趨勢,但宏觀就業增長趨勢依然成立,即技術進步沒有威脅勞動就業總量。而Graetz和Michaels(2015)的實證甚至發現自動化對應用行業本身的影響也是不確定的。據此,我們主張,就業總量基本穩定的趨勢還將延續一段時間;在中短期內,人類作為勞動者完全被替代的極端情形應該還不會出現。

  (三)人工智能對勞動就業結構的影響

  近期內,雖然無需過度擔憂就業崗位總量的大幅減少,但是人工智能還是會對勞動力市場和就業結構帶來重大甚至是破壞性的沖擊(Korinek和Stiglitz,2017;Bessen,2018;Betsey,2018)。Frey和Osborne(2016,2017)將“社交智慧(socialintelligence)”、“創造力(creativity)”、“感知和操作能力(perceptionandmanipulation)”作為評價某項職業是否易于被人工智能替代的衡量標準,并對美國702項職業的自動化替代風險進行分析,結果表明47%的職業都面臨被人工智能和自動化替代的風險;其中,交通運輸、物流、辦公室和行政支持等都屬于高替代風險行業。根據圖3的機制分析,人工智能及其他自動化技術的推廣應用,在消滅一部分就業崗位的同時會衍生(創造)出新的就業崗位;伴隨就業崗位的消失和新增,勞動力要素重新配置并最終達到就業總量的穩態均衡。然而,勞動者個人在新舊職業崗位間的轉換通常不大可能實現無縫對接,而勞動力要素的大范圍重新配置更不可能在短時間內無摩擦實現,相反需要承擔大量的社會成本(Acemoglu和Restrepo,2018)。

  從職業的技術含量和勞動者素質來看,收入水平處于底層的低技能崗位相比高收入高技能崗位,通常被認為更容易為人工智能所替代(Acemoglu和Restrepo,2017;Seasman,2018)。不過勞動力市場結構變化的相關實證研究卻顯示,中間層就業崗位更容易被替代。Michaels等(2013)運用美國、日本和9個歐盟國家1980-2004年的行業數據對ICT投資與勞動力結構變化情況進行分析,結果表明:那些ICT投資增長快的行業部門對高等教育水平勞動力的需求迅速增長,而對中等教育水平勞動力的需求則大幅下降。Goos等(2009,2016)對16個歐洲(西歐)國家的實證研究則發現,這些國家勞動力就業結構變化呈現出兩極化趨勢(或簡稱“極化現象”),即高收入、高技能崗位與低收入、私人服務型崗位的比重同步上升,制造業工人和程式化辦公室職員等中間層崗位的比重不斷下降。包括人工智能在內的ICT,既能替代中等技能水平勞動者規律性、程序化的工作,也能輔助高技能(教育水平)勞動者完成分析類工作,而對于那些勞動力市場中的非程序化低端就業崗位(如園丁、廚師、手工工匠等)的影響則較小;因此,隨著ICT應用范圍的擴大,必然會帶來勞動力就業結構的極化現象(Autor等,2003)。另外,隨著自動化進程的推進,第三產業就業崗位所占比重將不斷上升,而服務業的勞動力技能水平恰恰呈雙峰分布,即絕大部分勞動力集中分布在高端和低端兩極,從而強化了就業結構的極化現象(Autor和Salomon,2017)。

  當然,可能由于媒體報道的渲染作用,在自動化推進過程中,我們往往夸大了機器對人的替代作用而忽略了機器與人之間的互補作用;考慮到人工智能及其他自動化技術對勞動力的輔助作用,勞動力就業市場的兩極化趨勢或許并不會持續很久,未來仍將有大量中層工作崗位被保留,而崗位性質將適應技術變革需求而變得更加多元,由機器完成程式化任務、勞動者完成非程式化任務(Autor,2014,2015)。

  (四)人工智能對收入分配格局的影響

  人工智能及其他ICT推動的自動化進程,在形成勞動力就業結構兩極化趨勢的同時,必然會帶來收入分配格局的重大調整。經濟增長過程中,勞動與資本的相對回報以及勞動報酬占國民收入比重歷來是學界和決策部門關注的焦點。在20世紀的大部分時間里,資本和勞動在國民收入中的份額都表現出基本穩定的狀態,這與“卡爾多典型事實(Kaldortypicalfacts)”也是相符的(Aghion,Jones,和Jones,2017;Kaldor,1961)。進入21世紀后,伴隨著勞動回報的下降,上述穩態開始被打破;以美國為例,1947-2000年,勞動報酬在國民收入中的平均占比為64.3%,而此后的10年持續下降,到2010年3季度已降至57.8%(Fleck等,2011)。在美國之外,其他主要經濟體甚至從20世紀80年代便出現了勞動報酬占比下滑的勢頭;與之相對,資本回報在全世界范圍內則呈現上漲趨勢,更多的收入和財富向少數資本所有者聚集,加劇了分配的不平等(Karabarbounis和Neiman,2013;Piketty,2014)。人工智能應用帶來的生產效率提升,將會繼續提高資本要素回報率,擴大勞動要素與資本要素的回報差距(Autor,2014)。與此同時,人工智能技術的應用推廣也是資本深化的過程,將進一步降低勞動報酬在國民收入中的比重,加劇資本和勞動兩種要素在國民收入(初次分配)中的占比差距。

  在勞動者群體內部,人工智能帶來的就業結構變化則會轉化為不同群體之間收入差距的擴大。一方面,勞動就業市場的兩極化趨勢下,原本處于中層收入崗位的勞動者,或者失業或者向低端崗位下滑,從而擴大了勞動者內部的收入差距。另一方面,就業結構調整后,低技能崗位的就業人數增長,競爭更加激烈,工資下行壓力持續加大,導致高技能人群與低技能人群之間的工資差距不斷擴大,最終表現為收入分配上對高學歷、高技能勞動者群體的不斷傾斜(Auto和Salomons,2017;Aghion,Jones,和Jones,2017)。自動化推進過程中,勞動者內部不同群體間的收入分化(極化)現象在實證層面得到了多方印證。Acemoglu和Autor(2011)利用1963-2008年間美國勞動力市場數據,在將勞動者按學歷劃分為高中肄業、高中畢業、接受過高等教育、本科畢業、研究生畢業五個群體的基礎上,分析了不同教育水平群體間收入差距變化,結果表明:20世紀80年代以后,本科以上學歷群體收入不斷增加,其中研究生群體的收入漲幅最大;本科學歷以下勞動群體的收入水平則陷入停滯,高中肄業群體的收入甚至開始下降。Katz和Autor(1999)對美國和多個OECD國家的工資結構變化的研究也表明:雖然技術進步不會威脅勞動力就業崗位的總數量,但是許多與自動化技術高度互補的高薪職位對于未受過高等教育的勞動者群體來說卻是遙不可及的;美國及其他很多發達經濟體的收入分配都明顯偏向于受過高等教育的精英群體。而Brynjolffson和McAfee(2014)的研究表明,美國中層收入群體的實際收入水平在1999年達到峰值($54,932)后持續下降,2011年跌至$50,054,跌幅近10%,而同期美國GDP始終保持增長。

  1980年以來收入差距不斷擴大的趨勢在很大程度上表明,自動化推進和技術進步帶來的效率提升及相應的經濟收益并沒有讓大多數勞動者群體從中受益(Betsey,2018)。當前,以人工智能技術應用為核心的自動化進程同樣將為全社會帶來巨大經濟收益,但(如果缺乏有效再分配機制)必然會導致收入分配差距擴大,且注定有部分群體會成為利益受損者;其中,具有良好教育背景和技術專長的青年人有望從中受益,而那些身處被替代行業、受教育程度低于平均水平且人過中年的人群則會面臨巨大福利損失(Trajtenberg,2018;Betsey,2018)。

  四、人工智能熱潮下中國增長與就業前景展望

  (一)ICT與人工智能有望提升效率支撐高質量增長

  中國作為世界第二大經濟體、全球第一人口大國和第一制造業大國,擁有人工智能技術最廣闊的應用市場。根據前面第二部分的機制分析,新一代信息技術所具備的滲透性、替代性、協同性等技術-經濟特征決定了,其推廣應用對于提升全要素生產率、實現經濟高質量增長具有重要支撐作用。在過去20年時間里,互聯網、移動通信的推廣普及在中國本土催生了以BAT為代表的全球互聯網巨頭,并極大提升了經濟社會運行效率;而相關的實證研究也能從定量角度對此進行佐證。

新技術革命下人工智能與高質量增長、高質量就業

  從表1可以看出,2010-2014年期間,中國經濟增長中全要素生產率的貢獻相比此前10年出現明顯下降;其中,2010-2012年、2012-2014年的貢獻率分別為28.3%和33.1%,遠低于2000-2005年、2005-2010年兩期的平均貢獻率,也低于改革開放以來的平均貢獻率。從中折射出的經濟增長質量下降,一個可能的解釋是應對2008年金融危機的4萬億投資效率低下(蔡躍洲、張鈞南,2015)。2014年以后,全要素生產率對中國經濟增長的貢獻率明顯提升,這很大程度上源于新一代信息技術的大范圍推廣應用。而相應的計量檢驗也表明,ICT資本積累推動了全要素生產率的提升,ICT的這種支撐作用存在一定的滯后期(蔡躍洲、張鈞南,2015;蔡躍洲、牛新星,2018)。

  人工智能技術代表著新一代信息技術的前沿方向,并且與大數據、云計算、寬帶移動通信等其他新一代信息技術形成了互為支撐、協同演進的技術體系。新一代信息技術之間的協同加上人工智能技術在知識生產方面所具備的創造性特征,將為中國經濟提高全要素生產率、實現高質量增長提供更為有力的支撐。另外,從勞動生產率來看,人工智能及其他自動化技術的應用必然帶來更多資本積累,伴隨資本深化,勞動生產率也會得到進一步提升。考慮到中國老齡化進程加速和消費升級的客觀現實,未來以老年康養為代表的高端服務業既面臨需求快速增長的機遇,但也存在勞動力短缺的現實風險,而勞動生產率的提升將有利于應對上述矛盾,支撐這部分行業的健康快速發展。

  (二)勞動成本攀升加速人工智能技術推廣應用

  2012年末,中國大陸15至59歲勞動年齡人口為93727萬人,首次出現下降,比2011年下降0.6個百分點,勞動力供給充裕的局面不復存在。與此同時,伴隨著宏觀經濟的持續快速增長,中國的人均GDP也不斷攀升,至2018年已接近1萬美元,由此推高勞動用工成本。在這種背景下,采用人工智能及其他自動化技術對人工進行替代正成為中國企業降低成本、提高效率的必然選擇。

新技術革命下人工智能與高質量增長、高質量就業

圖4.2012年以來中國制造業就業人數與工業機器人銷量對比

新技術革命下人工智能與高質量增長、高質量就業

圖5.2012年以來中國制造業平均工資水平與工業機器人銷量對比

  我們從IFRWorldRobotics2018、《2018機器人產業發展研究報告》、中國機器人產業聯盟網站等渠道收集了一些有關機器人銷售量、應用領域分布等零星數據,并整理了《中國統計年鑒》《中國勞動統計年鑒》中制造業勞動就業的公開數據。這些數據雖不足以支撐開展嚴密的計量分析,但可以大致反映2012年以來中國制造業領域機器替代人工的基本情況。

  從圖4、圖5可以看出,2012年以來,中國制造業就業人數呈現出明顯的下降趨勢,由2012年的大約5274萬人下降到2016年的4893.8萬人,其中,2014年以后下降幅度明顯增大,2015年和2016年的降幅均超過3%。同期,國外公司在華工業機器人銷量則呈現持續快速增長,由2012年的2.3萬臺增加到2017年的13.8萬臺,增長近5倍。另外,近年來中國制造業平均工資水平也呈現快速增長勢頭,年工資由2007年的18482元逐步攀升至2016年的59470元,增長2.2倍。三個指標短期內所表現出的上述趨勢,在很大程度上佐證了關于“制造業用工成本攀升,推動企業機器換人”的基本判斷。

新技術革命下人工智能與高質量增長、高質量就業
新技術革命下人工智能與高質量增長、高質量就業
新技術革命下人工智能與高質量增長、高質量就業

  上述判斷還可以通過制造業細分行業的相關數據得到進一步佐證。表2、表3是不同機構給出的工業機器人銷售、應用細分行業分布狀況。盡管在行業劃分標準上存在一定差異,但從中不難看出,工業機器人(銷售)應用的重點領域涉及“汽車制造業”“計算機通信和其他電子設備制造業”“電氣機械和器材制造業”“金屬制品業”、“化學原料和化學制品制造業”“食品制造業”等6個制造業細分行業。從表4中列示的這6個細分行業相關數據可以看出,2012-2016年,6個細分行業的產業規模和平均工資均保持連續增長;其中,汽車制造業的產值和平均工資的增幅都是最大,2016年相比2012年分別增長60.9%和53.9%。與此同時,“計算機通信和其他電子設備制造業”、“電氣機械和器材制造業”“金屬制品業”“化學原料和化學制品制造業”的就業人數(年末人數)從2014年以后連續2年都出現下降,其中,“化學原料和化學制品制造業”的累計降幅達到8.7%;“食品制造業”的就業人數則呈現基本穩定,略有下降的態勢,2016年相比2013年下降0.3%;“汽車制造業”就業人數雖有增加,但2016年相比2014年僅增加2.2%,而同期產值規模增幅則達到21.3%。

  需要指出的是,當下中國制造業中的機器替代人工并不完全是人工智能技術對人的替代,而是人工智能與其他自動化技術共同替代的結果。從工業革命的角度來看,此次以大數據、人工智能等新一代信息技術為核心的重大技術變革對應于第四次工業革命,前三次分別可稱之為“機器與蒸汽革命”、“鋼鐵與電力革命”、“信息化革命”(克勞斯·施瓦布,2016;Gordon,2012;Mokyr,2017)。每一次工業革命本質上都是自動化進程推進的新階段,借助技術變革不斷實現機器對人工的替代。中國的工業化進程起步較晚,不同領域、不同區域、不同企業所處的自動化階段存在較大差別。在少數發達地區和先進企業擁抱人工智能熱潮的同時,更多的企業和地區尚未完成前幾次的自動化改造,正在加速追趕落下的進度。當然,在人均GDP持續增長、人口老齡化加速推進、勞動力成本不斷攀升的背景下,中國企業所面臨的機器替代人工的趨勢不僅不會改變,而且將伴隨人工智能技術的推廣而不斷加速。

  (三)中國勞動就業面臨比美歐更大的結構性沖擊

  前述機制分析及部分發達經濟體的實證結果表明,人工智能及自動化技術的推廣應用會引發就業(崗位)結構的重大調整。通常,被替代就業崗位對應于一些比較簡單的程式化任務,而重新改造或衍生出的新就業崗位則往往對應于較為復雜的創造性任務。2013年以來,中國行業就業數據已經初步顯露出這種結構性調整的端倪。從下表5可以看出,2013年以來,三次產業合計的就業人口規模始終保持了略微增長的態勢,但第一產業和第二產業的就業人口則呈現明顯下降趨勢,而第三產業就業人口保持著較快的增長勢頭。在第二產業內部,制造業就業人數以快于第二產業整體的速度下降;而第三產業內部,“交通運輸倉儲和郵政業”、“批發和零售業”的就業人數也呈現出較為明顯的下降。

新技術革命下人工智能與高質量增長、高質量就業

  在就業結構轉換過程中,只有那些具備更高教育水平或特定技能的勞動者,才有更多機會在創造性要求更強的崗位上重新實現就業。這也意味著,宏觀層面的結構性失業比例將取決于勞動者整體的受教育程度(或技能水平)。從20世紀90年代中后期開始,中國政府便致力于推動高等教育由精英教育走向大眾化教育,并取得了巨大成就;高等教育毛入學率已有1978年的1.55%上升為2017年的42.7%,2018年高校畢業生人數更是創紀錄地達到820萬。然而,由于以往的欠賬,全國范圍內就業人口的平均受教育程度仍然偏低。對照表6、表7數據可以看出,美國、英國、德國三個發達國家就業人口(勞動人口)中高等教育人數比例比中國高出至少15個百分點,其中,美國、英國的比例都是中國的2倍以上。因此,面對自動化加速推進過程中有利于高等教育人群的結構性變化,中國受影響人群的比例將遠高于美歐發達國家。

新技術革命下人工智能與高質量增長、高質量就業

?

  除了教育和技能水平外,年齡也是影響勞動者再就業的重要因素。在勞動力要素的重新配置過程中,年輕的勞動者個體在職業轉換中往往更具優勢,而我國日益加深的老齡化狀況恰恰增加了平穩轉換的難度。從下表8可以看出,2010年以來,我國就業人口中40-64歲人員占比呈持續攀升態勢,2015年已經達到49.6%;與之相對照16-39歲人員占比則持續降低,2015年為46.4%,相差3.2個百分點。隨著時間的推移,上述兩部分占比的差距將進一步擴大,就業崗位結構與人員年齡結構之間的錯配將不斷加劇。年齡結構錯配與整體教育水平偏低的劣勢疊加,很可能在中短期內造成較為嚴重的結構性失業,進而會衍生出不同群體間收入差距的擴大,其中,那些年齡偏大、學歷偏低的勞動者將成為福利損失最大的群體。

新技術革命下人工智能與高質量增長、高質量就業

  五、總結性評論及實現高質量增長和就業的建議

  前述各部分依托既有的理論和經驗研究文獻,從人工智能的技術本質和技術-經濟特征出發,系統梳理了人工智能影響經濟增長、勞動就業及收入分配的作用機制。在此基礎上,收集整理散落于各種研究報告或文獻中有關中國人工智能及ICT應用的零星數據,并結合官方公布的就業結構、年齡結構、受教育程度等數據,就人工智能及自動化技術推進對中短期內中國經濟增長和就業分配可能帶來的影響進行展望。根據前述分析,可以得出以下幾點結論或判斷。

  第一,2017年興起的人工智能商業化應用可以算作是1956年以來出現的第三次人工智能熱潮;其本質是以(通用目的)機器學習算法為核心,以芯片、存儲器等硬件設備和互聯網、云存儲、云計算等海量數據生成、存儲、處理技術為基礎,結合特定專業領域知識后可部分實現人類認知功能或人類智慧的一種新一代信息技術,或新一代信息技術集成系統。

  第二,人工智能可以通過兩條途徑支撐宏觀經濟高質量增長。一是人工智能所具備滲透性、替代性、協同性和創造性四項技術-經濟特征,使其能夠與經濟社會各領域相結合,通過增加要素貢獻、提高投入產出效率、加快知識創造等機制,推動國民經濟各領域各部門高質量增長;二是人工智能技術背后涵蓋了一個龐大的產業生態體系,在滲透影響國民經濟各領域的同時,其自身規模的壯大也有助于提升宏觀經濟增長質量。

  第三,人工智能技術的推廣應用是人類自動化進程的新階段,在替代勞動減少部分就業崗位的同時,還會通過補償效應和創造效應增加部分就業崗位,從而對其替代效應形成抑制作用。從中短期來看,只要人工智能技術尚無法完全替代人類勞動,上述抑制效應將不斷發揮作用,就業崗位總量也將基本保持穩定平衡。

  第四,人工智能及自動化技術沖擊下,就業結構將發生重大調整,以往處于中間層的程式化崗位更容易被替代,就業結構可能呈現出高收入、高技能崗位與低收入、私人服務型崗位比重同步上升的“兩極化趨勢”。伴隨就業結構的調整,初次分配中勞動收入所占份額將進一步降低,被替代行業中教育和技能水平較低、年齡偏大人群將遭受更大的福利損失,最終帶來全社會范圍內的收入分配差距擴大。

  第五,中國具有人工智能技術最為廣闊的應用市場和發展空間,現階段老齡化加速和收入水平提高所引致的勞動成本攀升將加速人工智能及其他自動化技術在中國推廣應用的步伐。人工智能技術在提高勞動生產率和全要素生產率方面的作用,將有力支撐未來中國經濟的高質量增長;但就業人口整體受教育水平偏低、年齡構成偏大的現實國情決定了,中國在人工智能技術推廣過程中將面臨比美歐發達國家更為嚴峻的結構性沖擊。崗位結構與年齡構成錯配和整體受教育程度偏低的劣勢相疊加,很可能在中短期內造成較為嚴重的結構性失業,進而會衍生出不同群體間收入差距的擴大。

  未來,人工智能對經濟社會的滲透將不斷加速,需要從產業政策、行業規制、社會保障、教育培訓等方面出臺相應的政策措施,以便充分發揮人工智能在支撐經濟高質量增長方面的積極作用,同時有效應對就業及分配領域可能出現的結構性沖擊。具體有以下建議:

  一是加大對新一代信息技術領域關鍵核心技術研發的支持力度。人工智能是諸多ICT或新一代信息技術的集成,諸如高端芯片、操作系統等最為關鍵的核心技術是人工智能技術實現的物質基礎,需要綜合運用財稅、信貸、金融、保險等政策工具,支持領軍企業和高校院所開展這方面的技術攻關和成果轉化。

  二是適時調整行業監管規則,為人工智能技術的應用推廣營造寬松的市場環境。近年來新一代信息技術推動了經濟社會運行模式的巨大變革,伴隨人工智能技術對傳統領域的滲透,新業態、新模式還將不斷涌現,并帶來各種新業態與既有規則之間的沖突,各行業監管部門需要密切關注這種變化,及時消除制約產業發展的制度藩籬。

  三是健全完善社會保障制度,特別是加強失業救濟方面的保障力度。政府部門可以從失業保險、家庭最低收入保障等方面入手,為那些在就業結構調整中所受沖擊最大的群體提供最終的生活保障。

  四是盡快建立起再就業培訓和終身學習的職業教育體系,為結構性失業群體提供盡可能多的再就業培訓。各級勞動和人力資源行政主管部門、工會應結合當地就業結構調整的現實情況,通過發放技能培訓券等方式,對廣大結構性失業群體進行更具針對性的技能培訓,提高其再就業的能力。

  五是深化教育改革特別是高等教育改革。一方面應繼續擴大高等教育覆蓋范圍,具體可以依托高等職業技術學院,為更多的適齡青年提供兩年低價的高等教育;另一方面要著手改革現行的教學理念及培養模式,將學生創造力的開發和培養作為教育的首要目標,以適應人工智能技術對人類能力素質提出的新要求。

  (參考文獻略)

  (原文刊發于《數量經濟技術經濟研究》2019年第5期,有刪節。)

[ 責編:秦超 ]
閱讀剩余全文(

相關閱讀

您此時的心情

新聞表情排行 /
  • 開心
     
    0
  • 難過
     
    0
  • 點贊
     
    0
  • 飄過
     
    0

視覺焦點

  • 再傳捷報!中國選手孫一文奪得女子重劍冠軍

  • 千年古鎮靜候前沿盛會

獨家策劃

推薦閱讀
2019中國國際通用航空大會上演藍天“炫舞”
2019-10-19 09:06
金秋農事忙
2019-10-19 09:05
10月17日,在川藏線高爾寺山至理塘路段,部分游客在一個路邊觀景臺附近拍照留念。雪山、牦牛、云朵、松林,帶來了濃濃的雪域風情。雪山、牦牛、云朵、松林,帶來了濃濃的雪域風情。雪山、牦牛、云朵、松林,帶來了濃濃的雪域風情。
2019-10-18 15:00
受近日降雨影響,位于山西吉縣的壺口瀑布水量增大,壯美的瀑布群景觀吸引眾多游客前來觀賞。受近日降雨影響,位于山西吉縣的壺口瀑布水量增大,壯美的瀑布群景觀吸引眾多游客前來觀賞。
2019-10-18 14:59
這是10月17日在捷克首都布拉格拍攝的Designblok設計節會場。今年設計節的主題是“未來”,有300多家參展商參展。這是10月17日在捷克首都布拉格的Designblok設計節上拍攝的手工制首飾。第21屆Designblok設計節17日在捷克首都布拉格開幕。
2019-10-18 14:58
10月17日,樂團在交響音樂會上演奏。開幕式上進行了中國樂派交響樂團“新時代的榮光”關峽作品交響音樂會。10月17日,中國開封第37屆菊花文化節開幕式在河南開封市博物館舉行。開幕式上進行了中國樂派交響樂團“新時代的榮光”關峽作品交響音樂會。
2019-10-18 14:57
古巴國家芭蕾舞團10月17日證實,古巴國寶級芭蕾舞大師阿莉西亞·阿隆索因心血管疾病惡化,當天在首都哈瓦那逝世,享年98歲。古巴國家芭蕾舞團10月17日證實,古巴國寶級芭蕾舞大師阿莉西亞·阿隆索因心血管疾病惡化,當天在首都哈瓦那逝世,享年98歲。
2019-10-18 14:56
當日,作為中國科學技術大學“感知中國——來華留學博士生孺子牛論壇”的活動之一,來自中國科學技術大學、哈爾濱工業大學、清華大學等高校的外國留學生走進位于安徽合肥市的中國科學技術大學先進技術研究院和科大訊飛股份有限公司,感受科技魅力。
2019-10-18 14:56
10月17日,在美國華盛頓國會山,參議院多數黨領袖麥康奈爾(中)投票后走出參議院。新華社發(沈霆攝)  10月17日,在美國華盛頓國會山,參議院多數黨領袖麥康奈爾(中)投票后走出參議院。
2019-10-18 14:55
當日,2019中國景德鎮國際陶瓷博覽會在江西景德鎮開幕,來自國內外近千家陶瓷企業參展。新華社記者 周密 攝  10月18日,參觀者在觀賞陶瓷制品。新華社記者 周密 攝  10月18日,荷蘭代爾夫特的陶瓷藝人在展示瓷器制作流程。
2019-10-18 14:55
10月18日,參會者在論壇上傾聽嘉賓發言。眾多國內農業、農村領域的專家、學者,以及來自基層一線的“村官”在論壇上分別就鄉村振興模式、現代農業趨勢、農村產業融合等建言獻策、展開探討。
2019-10-18 14:51
當日,作為第六屆世界互聯網大會重要組成部分的第六屆互聯網之光博覽會在浙江烏鎮拉開帷幕。新華社記者 徐昱 攝  10月18日,這是互聯網之光博覽會現場展示的一款自動識別菜品并通過人臉識別結賬的食堂新系統。
2019-10-18 14:49
10月16日,河北省香河縣紀檢監察干部在渠口鎮高山村檢查扶貧工作臺賬等檔案。新華社記者 李曉果 攝  10月16日,河北省香河縣紀檢監察干部在渠口鎮高山村向村民講解精準扶貧政策。
2019-10-17 09:18
受戰亂影響,也門是世界上糧食危機最嚴重的國家之一,約兩千萬人面臨糧食供應短缺。10月16日,在也門薩那,一名男子在街上售賣。新華社發(穆罕默德攝)  10月16日,在也門薩那,一名商販在售賣谷物。新華社發(穆罕默德攝)
2019-10-17 09:18
10月16日,人們在阿富汗喀布爾的食品店制作面食。受戰亂和旱災影響,阿富汗仍然有上千萬人面臨糧食供應短缺。受戰亂和旱災影響,阿富汗仍然有上千萬人面臨糧食供應短缺。受戰亂和旱災影響,阿富汗仍然有上千萬人面臨糧食供應短缺。
2019-10-17 09:17
10月16日,在敘利亞首都大馬士革,聯合國秘書長敘利亞問題特使吉爾·彼得森(左)與敘副總理兼外長穆阿利姆會談。
2019-10-17 09:15
云南省曲靖市麒麟區次營鎮團結村2018年1月成立了“巧媳婦”合作社,推動農村婦女特別是貧困婦女實現居家就近就業。 新華社記者 楊宗友 攝  10月16日,團結村的“巧媳婦”袁悅花在編織竹制家庭用具。
2019-10-17 09:14
這是10月16日無人機拍攝的國道107河南官渡黃河大橋出入口。當日,由中交一公局承建的國道107河南官渡黃河大橋正式通車。當日,由中交一公局承建的國道107河南官渡黃河大橋正式通車。
2019-10-17 09:14
10月16日,在黎巴嫩首都貝魯特以南的達穆爾地區,一處殘障人士救護中心大樓在大火中被燒毀。10月16日,在黎巴嫩首都貝魯特以南的達穆爾地區,多輛汽車在大火中被燒毀。10月16日,在黎巴嫩首都貝魯特以南的達穆爾地區,多輛汽車在大火中被燒毀。
2019-10-17 09:13
10月16日,在日本東京晴海碼頭,人們歡送中國海軍太原艦。中國海軍太原艦16日上午結束對日本的訪問,從東京晴海碼頭啟航回國。中國駐日使館、在日華僑華人、留學生、中資機構、友好團體以及日本海上自衛隊官兵代表200余人在碼頭歡送。
2019-10-17 09:13
加載更多
北京pk10八码2-9名算法 体彩pk10 网络炸金花怎么赢 安徽时时平台下载 双色球胆拖投注计算器360 捷报比分 幸运飞艇5码倍投 赛车pk10专家预测 彩神软件靠谱吗 北京pk10六码全年可用 万人金花最新版下载 六肖中特期期准+开奖结果 欢乐生肖开奖直播 二肖三期必开 北京pk是最稳全天计划 快3网上投注平台官网 老时时360开奖记录