新智元報道

編輯：KingHZ

【新智元導(dǎo)讀】從蒸汽機到AI，自動化進(jìn)程已持續(xù)兩百年。在2017年，新晉諾獎得主Philippe Aghion就剖析AI對就業(yè)與增長的影響，強調(diào)它并非奇點催化劑，而是受「鮑莫爾成本病」制約的工具。

今年諾獎和AI「絕緣」？

2024年，「AI教父」Geoffrey Hinton獲物理學(xué)獎，谷歌DeepMind的Demis Hassabis和John Jumper因AlphaFold2獲化學(xué)獎，堪稱諾貝爾獎的AI元年。

今年，因為量子硬件，谷歌再次斬獲諾獎——谷歌量子AI首席量子硬件科學(xué)家Michel Devoret獲物理獎。

不過，這次Michel Devoret獲獎，全靠量子，與AI關(guān)系不大。

而昨天，今年諾貝爾經(jīng)濟學(xué)獎揭曉了：

因闡釋了創(chuàng)新如何為持續(xù)發(fā)展提供動力，Joel Mokyr、Philippe Aghion和Peter Howitt今年的諾貝爾經(jīng)濟學(xué)獎。

諾貝爾經(jīng)濟學(xué)獎，全稱「瑞典中央銀行紀(jì)念阿爾弗雷德·諾貝爾經(jīng)濟學(xué)獎」，由瑞典中央銀行和諾貝爾基金會于1968年設(shè)立

新晉諾貝爾經(jīng)濟獎得主與AI關(guān)系可謂密切。畢竟，創(chuàng)新怎能少得了AI？未來若要可持續(xù)發(fā)展，豈能無視AGI！

早在2017年，剛剛榮獲諾貝爾經(jīng)濟學(xué)獎的法國經(jīng)濟學(xué)家菲利普·阿吉翁（Philippe Aghion）就探討過AI與經(jīng)濟增長。

2024年，Philippe Aghion還在舊金山聯(lián)邦儲備銀行還參與了關(guān)于AI的增長和就業(yè)效應(yīng)。

新晉諾獎得主：經(jīng)濟難有奇點

1992年，Philippe Aghion和Peter Howitt發(fā)表了一篇論文，為「創(chuàng)造性破壞」理論構(gòu)建了數(shù)學(xué)模型：當(dāng)更優(yōu)質(zhì)的新產(chǎn)品進(jìn)入市場，銷售舊產(chǎn)品的企業(yè)就將被淘汰。這讓他們贏得今年的諾貝爾經(jīng)濟學(xué)獎。

論文標(biāo)題：A Model of Growth Through Creative Destruction

創(chuàng)新意味著新事物的誕生，因而具有創(chuàng)造性；但同時它又具有破壞性，因為技術(shù)落伍的企業(yè)將在競爭中被淘汰。

Philippe Aghion和Peter Howitt

從不同角度，這屆新晉經(jīng)濟學(xué)諾獎得主揭示了「創(chuàng)造性破壞」如何引發(fā)社會矛盾，而這些矛盾需要通過建設(shè)性方式加以疏導(dǎo)。

否則，創(chuàng)新就會面臨被既得利益集團阻撓的風(fēng)險——

那些可能因創(chuàng)新而喪失優(yōu)勢地位的企業(yè)和利益集團將成為阻礙。

諾貝爾經(jīng)濟學(xué)獎評委會主席約翰·哈斯勒指出：

獲獎?wù)邆兊难芯烤疚覀?，?jīng)濟增長絕非必然。我們必須維護創(chuàng)造性破壞的運行機制，否則社會將重新陷入停滯困境。

2017年，Philippe Aghion等人探討AI對經(jīng)濟增長的影響。

論文鏈接：https://www.nber.org/system/files/working_papers/w23928/w23928.pdf

在論文中，他們給AI兩種定義：

機器模仿人類智能行為的能力，

或在多樣化環(huán)境中，智能體實現(xiàn)目標(biāo)的能力。

這些定義直接觸及若干關(guān)鍵經(jīng)濟議題：當(dāng)AI逐步取代原由人力承擔(dān)的各類任務(wù)時，將引發(fā)何種連鎖反應(yīng)？

AI既可能通過參與商品服務(wù)生產(chǎn)影響經(jīng)濟增長與收入分配，又可能改變技術(shù)創(chuàng)新范式，助力復(fù)雜問題解決與創(chuàng)造性工作的規(guī)?；卣埂?/p>

有觀點認(rèn)為，AI或?qū)崿F(xiàn)自我迭代升級，最終在有限時間內(nèi)引發(fā)智能爆炸和/或經(jīng)濟無限增長的「奇點」。

他們形成了兩個核心觀點。

首先，AI是持續(xù)至少兩百年的自動化進(jìn)程的最新形態(tài)。

從珍妮紡紗機到蒸汽機，從電力到計算機芯片，生產(chǎn)環(huán)節(jié)的自動化始終是工業(yè)革命以來經(jīng)濟增長的關(guān)鍵特征。

他們認(rèn)為AI作為一種新型自動化形式，可能攻克過去無能為力的領(lǐng)域——

既包括非程序化任務(wù)（如自動駕駛汽車），也涵蓋高技能領(lǐng)域（如法律服務(wù)、放射醫(yī)學(xué)及部分實驗室科研）。

這種視角的優(yōu)勢在于，它能借助經(jīng)濟增長與自動化的歷史經(jīng)驗來規(guī)范我們的AI模型構(gòu)建。

第二個核心觀點是：自動化與AI對經(jīng)濟增長的促進(jìn)作用，可能受「鮑莫爾成本病」理論制約。

1967，鮑莫爾發(fā)現(xiàn)，生產(chǎn)率快速提升的部門（如農(nóng)業(yè)及當(dāng)今制造業(yè)）在GDP中占比往往下降，而生產(chǎn)率增長相對緩慢的部門（可能包括眾多服務(wù)行業(yè)）占比反而上升。

鮑莫爾成本病，以經(jīng)濟學(xué)家William J. Baumol的名字命名，描述了一種現(xiàn)象：勞動密集型行業(yè)盡管生產(chǎn)率增長緩慢，但成本卻不斷上升。

盡管技術(shù)進(jìn)步推動了一些行業(yè)的生產(chǎn)率提升，但那些依賴人力勞動的行業(yè)，如醫(yī)療保健和教育，生產(chǎn)率增長較慢。

隨著工資與更具生產(chǎn)率的行業(yè)同步上升，勞動密集型行業(yè)的成本增加，卻沒有相應(yīng)的效率提升。這可能導(dǎo)致資源越來越多地分配到生產(chǎn)率較低的行業(yè)，從而加劇整體經(jīng)濟挑戰(zhàn)。

隨著AI越來越多地取代人類參與創(chuàng)意生成，傳統(tǒng)依賴人口增長來實現(xiàn)指數(shù)型經(jīng)濟增長的機制可能會變得不再必要。

然而，即便如此，鮑莫爾的觀點依然適用：即便許多任務(wù)實現(xiàn)了自動化，增長仍可能受制于「卡脖子環(huán)節(jié)」——關(guān)鍵但難以優(yōu)化。

換句話說，決定增長極限的，不是AI能做什么，而是我們「最做不好」的那部分能不能變好。

事實上，計算速度的驚人進(jìn)步（如摩爾定律的體現(xiàn)）正是一個警示：盡管算力提升了上萬倍，但整體經(jīng)濟增長卻并未加速，甚至可能在放緩。

因此，從「卡脖子任務(wù)」的角度看，決定最終增長邊界的，或許不是認(rèn)知能力的極限（即使超級智能能突破人類限制），而是自然法則本身——比如熱力學(xué)第二定律這類無法逾越的邊界

如果創(chuàng)新中的某些關(guān)鍵步驟仍然需要人類研發(fā)，那么超級AI反而可能加劇「商業(yè)掠奪效應(yīng)」（business-stealing），從而抑制人類的創(chuàng)新投入，最終使經(jīng)濟增長放緩甚至停滯。

即便AI能極大提高生產(chǎn)率，如果創(chuàng)新的應(yīng)用范圍無法迅速擴大，其對整體經(jīng)濟增長的貢獻(xiàn)也會受到限制。

例如，歷史上許多重大技術(shù)突破（如電力、內(nèi)燃機、互聯(lián)網(wǎng)等）在被廣泛應(yīng)用之前，通常都經(jīng)歷了幾十年的滯后期。

即使AI本身快速迭代，若缺乏配套環(huán)境支撐，它的影響仍可能過于局限，而無法帶動整體經(jīng)濟爆發(fā)式增長。

后AGI經(jīng)濟

谷歌DeepMind的AGI政策開發(fā)主管Séb Krier認(rèn)為，菲利普·阿吉翁（Philippe Aghion）和Benjamin F. Jones, and Charles I. Jones合作的論文非常好。

Séb Krier總結(jié)了論文的核心觀點：

由于鮑莫爾成本?。˙aumol's cost disease），即使經(jīng)濟中99%的部分已實現(xiàn)完全自動化、具備無限生產(chǎn)力，但整體增長率仍會被拖累，取決于最后那1%關(guān)鍵而困難任務(wù)的進(jìn)步速度。

Séb Krier繼續(xù)解釋：即便通用AI（AGI）能夠自動化人類所能完成的所有任務(wù)這種邏輯中依然成立。

在這種情況下，「難以改進(jìn)」的任務(wù)將不再以人類為中心，而是以物理規(guī)律為中心。

經(jīng)濟的增長率不再取決于AGI「思考」的速度或能力，而取決于它操控物理世界的速度。

最后，Séb Krier得出結(jié)論，從根本上說，后通用AI（AGI）時代并不一定意味著后稀缺時代：

整個經(jīng)濟的成本和價值將集中在受物理條件限制的任務(wù)上，例如能源生產(chǎn)、資源開采、商品制造、交通運輸?shù)取?/p>

不過，MIT FutureTech等機構(gòu)的Tamay Besiroglu， Nicholas Emery-Xu和Neil Thompson提出了另一種觀點。

預(yù)印本鏈接：https://arxiv.org/abs/2212.08198

Séb Krier指出新論文與Philippe Aghion論文截然不同：

這篇論文（隱晦地）反駁了「鮑莫爾病」（Baumol's disease）的觀點，認(rèn)為資本密集型研發(fā)帶來的提升足夠強大，能克服鮑莫爾病造成的阻力。

Tamay Besiroglu等人認(rèn)為，如果深度學(xué)習(xí)等AI技術(shù)廣泛傳播，美國的經(jīng)濟增長率或許能翻倍！

在傳統(tǒng)經(jīng)濟學(xué)理論中，新點子的生成速度主要取決于研究人員的數(shù)量——力大出奇跡。

與傳統(tǒng)的觀點不同，他們認(rèn)為AI增強的研發(fā)（AI-augmented R&D）完全不同，因為它更依賴資本投入，而不是勞動力。

而且，資本可以無限積累。比如，DeepMind CEO德米斯·哈薩比斯表示，AI將很快把藥物發(fā)現(xiàn)從數(shù)年壓縮到幾個月。

如果把這個模式推廣到所有領(lǐng)域，每個研究人員的生產(chǎn)力會永久提升，從而帶來永久更快的科技進(jìn)步速度，這最終直接推動整體經(jīng)濟增長更快。

總之，Séb Krier認(rèn)為，AGI可能帶來更高的增長水平。

在大部分人類歷史時期，經(jīng)濟停滯是常態(tài)。盡管其間偶有重大發(fā)現(xiàn)有時能改善生活條件、提高收入水平，但經(jīng)濟增長最終總會趨于平緩。

而要進(jìn)入奧特門「溫和的奇點」，不止是AGI技術(shù)，還需要更多的探索。

參考資料：

https://www.nber.org/system/files/working_papers/w23928/w23928.pdf

https://x.com/sebkrier/status/1977824276339458051