AI经济：机器人时代的工作、财富和社会福利（被科技洪流裹挟的每个人，都需要在AI时代做出自己的选择）

第二种反驳观点是，2007—2009年金融危机及之后大衰退的持续影响导致了世界经济的低迷。它造成了企业投资回落，让包括银行在内的企业变得更会规避风险。结果，随着金融灾难影响的消退，产出增长和生产率增长没有理由不应该恢复到正常水平。2017年和2018年世界经济的走强为这一观点提供了一些支持。

第三种反驳观点是，数字化革命需要经过一段时间才能发挥出作用。经济史上满是相关的例子。机器是第一次工业革命的核心，蒸汽机由托马斯·纽科门（Thomas Newcomen）于1712年发明，用于将水从被淹没的煤矿矿井中抽出来。50多年后，在修理一台纽科门引擎时，詹姆斯·瓦特（James Watt）对其做了改进，以产生更大的动力，由此才使其得到更广泛的应用。

另外，卓越的历史学家贾雷德·戴蒙德（Jared Diamond）说，纽科门的引擎也是以他人更早开发的原型为基础的。^[32]事实上，他声称这是正常模式。我们一直受引导而相信，伟大的发明家会凭空想出一个革命性的新点子或一台机器。实际上，他们的工作通常建立在别人已奠定的基础之上。

更重要的是，虽然詹姆斯·瓦特在1769年就获得了第一台蒸汽机的专利，但直到约100年后，人们才感受到它对劳动生产率的全面影响。类似地，在美国，似乎在第一座发电站建成半个世纪左右之后，电力才对GDP增长产生了重大影响。

不管这三种反驳观点的真相如何，乐观主义者还有第四种锦囊妙计。他们说，我们远没有耗尽进行根本性技术变革的能力，我们正处在有望带来飞速进步的新发展的边缘。正如经济学家保罗·罗默（Paul Romer）所言：

每当人们获取资源并以使其更有价值的方式重新安排时，经济增长就会发生……每一代人都已感知到，若没有发现新的想法，有限的资源和不受欢迎的副作用就会限制增长。而且每一代人都低估了自己找到新想法的潜力。我们始终未能把握，还有多少想法有待被发掘……其可能性数量不是用加法来计算的，而要用乘法。^[33]

第一个新“想法”是生物技术，它可能对农业生产、食品加工和环境保护做出重大贡献。医学科学的发展有望大大改善生活质量、大幅延长寿命。与此同时，对很多传统制造业领域，纳米技术和3D打印技术也具有提高生产率的前景。而现在，除这些之外，我们还有机器人和AI。

回到未来

我们这趟经济史的闪电之旅带出了几个关键点：

●自开天辟地以来，持续改善生活水平就一直不是我们的命运。事实上，在历史上的大部分时间里，年复一年，生活水平几乎没有得到任何改善。

●穷年累月，一些似乎引人注目的技术进步对GDP增长或生活水平的提高影响甚微。换言之，变革的步伐没有带来改变。

●相比之下，第一次工业革命是我们历史上的重磅事件，它表现得出类拔萃，是一个标志，自此之后，人们的平均生活水平开始稳步提高。

●但从一开始，这个“改善”过程中就有输家。这些变革使很多人的处境愈加恶化，人们花了几十年才有所好转。

●随着时间的推移，工作和生计遭到破坏，但新创造出的岗位足以弥补损失，这些新的就业机会往往出现在那些未曾想到的领域中。

●尽管其远非改善的唯一来源，但事物不断变好的最重要原因是技术进步。它使得人们既能以相同或更少的投入生产出更多的产品，又可以开发新产品和新服务。

●当技术进步与商业、政治及社会变革步调一致时（这促进了对它们的充分利用），生产率和生活水平就能得到最大的提高。

●事实上，若没有合适的社会、政治和商业环境，靠其自身的话，技术要么无法进步，要么（如果有进步）收不到预期的效果。

●根据官方数据，最近生产率增速已大大放缓，这可能标志着技术进步、生活水平提高的空间在逐渐萎缩。

●但官方数据不太可能反映出全部情况。人类福祉的潜在改善程度或许一直远远大于官方数据所显示的。

现在我们来谈谈机器人和AI。就像之前的蒸汽动力和电力那样，AI的初期发展已经极大地影响了利基/小众领域。现在看来，它将影响经济的几乎所有部分，甚至我们生活的所有方面。

此外，与戈登对第三次工业革命本质的描述形成鲜明对比的是，人们普遍将这里发生的事情称为第四次工业革命。绝对可以肯定的是，它确实符合我们整个工业历史中正常的技术进步模式，即用机器替代人力。这有望成为一场报复性回归。假使这种情况以任何大小的规模发生，那么机器人和AI革命肯定不会没有经济重要性，就像戈登对计算机和数字革命断言的那样。事实上，恰恰相反。

因此，就在很多经济学家开始对经济进步和生活水平提高的能力感到悲观之时，一场新的“革命”伴随而来，其有望恰好提供他们开始为之绝望的东西。但一切都像吹嘘的那么好吗？如果是的话，那么第一次工业革命后的进步引擎将回到正轨上来，其总体效应是否将与主导19世纪和20世纪的那些相同呢？也就是说，推动以前进步的“创造性破坏”会再次确保新工作替代旧工作吗？还是说，这次的情况是破坏性破坏（destructive destruction）？

第2章 AI革命会有所不同吗

变革的步伐从未如此之快，但也将永远不会再如此之慢。

贾斯廷·特鲁多（Justin Trudeau），2018年^[1]

20年内，机器将能够做任何人类可以做的工作。

赫伯特·西蒙（Herbert Simon），1965年^[2]

传奇投资家约翰·邓普顿（John Templeton）爵士曾说过，投资活动中最昂贵的六个字是：“这次有所不同。”^[3]他指的是金融投资。为了证明高得荒谬可笑的资产价格是合理的，人们会不时提出一长串论证，邓普顿的话就是对这种论证的评论。从来都没有什么不同，泡沫终将是泡沫，当它们破裂时，所有先前支持有问题资产的辩解看上去都像是空洞的金融宣传。然而，当下一次投资热潮出现时，人们似乎已经忘记了这一点，这种模式会重复出现。2000—2002年的互联网泡沫破裂时，以及不久之后的2007—2010年的美国次级抵押贷款市场崩溃时，约翰爵士的智慧都得到了有力的证明。

相对于金融史，经济史是另一回事。不过，它们也有相似之处。自第一次工业革命以来，相当多的人以负面的眼光看待技术变革，认为它会使普通人陷入贫困，并造成大规模失业。事实证明，这些唱反调的人始终是错的。经济学家杰里米·里夫金（Jeremy Rifkin）在其畅销书《工作的终结》（The Endof Work）中设想了这样的未来——自动化和信息技术提高了生产率，但大部分工作者“被遗弃在废物堆里”，与社会的成功无缘。该书出版于1995年。^[4]

但是，由于机器人和AI的出现，现在正在发生的这些变化，本质上是我们所看到的自第一次工业革命以来的延续吗？还是说，它们是差异很大的东西？

正如我们在第1章中所看到的，自第一次工业革命以来，技术变革的关键特征之一是生产率的不断增长，由此为生活水平的大幅提高提供了支撑；其二是这些技术进步创造出了新的工作，取代了很多消失了的工作。

即便是认为这次与以往有所不同的人，也有两种不同的观点。

第一种观点是，机器人和AI的发展确实不是一场革命。其实，这一论点相当于我们在第1章中提到的罗伯特·戈登对通信革命评论的延伸。批评人士说，人们对该主题有很多争论和怒气，但说到底这没多大意义。实质上，他们说这场“革命”不同于第一次工业革命以来发生的一切，因为经济进步的引擎已经停转，我们只剩下幻想和天花乱坠的大肆炒作。

第二种消极观点正好相反。在速度和范围方面，AI革命与我们以往看到过的任何事情都截然不同。更重要的是，因为它基本上破坏了几乎所有人力需求，所以这场革命终结了创造新工作以补偿旧工作流失的状态。这不是经济“进步”的终点，却很可能是人类进步的终点。

在得出总体结论之前，我们需要依次检视这些批评观点中的每一个。

AI革命——不能被忽视的重大技术变革

那么，有关AI革命的一切都像吹嘘的那么好吗？贬低其重要性很容易，但我们应该谨慎。这不是技术变革第一次被看轻。确实，对新技术力量的低估有着悠久的历史。1943年，据说IBM公司前总裁托马斯·J.沃森（Thomas J. Watson）宣称：“全世界计算机市场的需求大约是5台。”1949年，一本人们认为声誉颇好的杂志《大众机械》（Popular Mechanics）写道：“未来计算机的重量可能不超过1.5吨。”^[5]

从最初开始，互联网发展的快速推进就遭到了彻底怀疑。1996年年末，《时代周刊》（Time）解释了其永远不会成为主流的原因。该杂志说：“它不是为商务活动设计的，没有优雅地接纳新来者。”1998年2月，《新闻周刊》（Newsweek）有一个头版头条是：“因特网？呸！”

也许最惊人的是，该文章的作者克利夫·斯托尔（CliffStoll）是天体物理学家、网络专家。他说，网上购物和在线社交是一种背离常识、不切实际的幻想。他说道：“事实是，没有在线数据库会取代你的报纸。”斯托尔声称，充满“互动数据库、虚拟社区和电子商务”的数字世界是“胡扯”。^[6]

直到最近，AI一直面对类似的怀疑。此外，有一个事实还助长了这种怀疑——AI已经伴随了我们一段时间（至少在理论上如此），但其尚未产生任何真正激动人心的东西。它脱胎于第二次世界大战期间在英国布莱切利公园（Bletchley Park）探索开发的数字计算技术，该技术使纳粹的恩尼格玛密码（Enigma Code）得以破解，相当著名。

这一功绩与阿兰·图灵（Alan Turing）密切相关。图灵还设计了AI的早期概念框架，于1950年发表了开创性论文《计算机器与智能》（Computing Machinery and Intelligence）。该主题随后主要在美国和英国发展。但在收获好评和取得成就之前，它几经波折。

然而在过去的10年中，许多关键的进展共同推动了AI的发展：

●计算机处理能力的大幅提高。

●可用数据数量的快速增长。

●改进后技术的发展，涉及文本和图像方面的进步，包括面部及语音识别。

●“深度学习”（Deep Learning）的发展。

●基于算法的决策的出现。