人工智能与现代生产率悖论.docxVIP

? ? 人工智能与现代生产率悖论 ? ? 　　围绕近期总体生产率增长模式的讨论凸显了一个看似矛盾的问题。一方面，有令人惊讶的例子显示，潜在的变革性新技术可以大大提高生产率和经济福利(Brynjolfsson and McAfee，2014)。早先也有一些具体迹象呈现了这些技术的前景，最近人工智能(AI)性能上的飞跃就是最突出的实例。然而与此同时，过去10年测算到的生产率增长显著放缓。这一减速幅度很大，在经济放缓前的10年里，生产率增长减少了一半甚至更多。这种减速也很普遍，已经发生在整个经合组织(OECD)成员国，最近更蔓延到许多大型新兴经济体(Syverson，2017)。① 　　因此，我们似乎正在面临“索洛悖论”(Solow，1987)的重演：到处都能看见变革性新技术，但在生产率统计数据中却看不见它们。 　　本文回顾了现代生产率悖论的证据和解释，并提出解决方案。换句话说，前瞻性的技术乐观主义和事后的失望之间并无内在矛盾。两者可以同时存在。实际上，当经济经受与变革性技术相关的结构调整时，理论上，我们有充分的理由认为它们会同时存在。本质上，在技术变革时期，未来公司财富的预测者和历史经济表现的测量者表现出最大的分歧。在本文中，我们将论证经济正处于这样一个阶段。 　　技术乐观主义的来源 　　联合利华首席执行官保罗·波尔曼(Paul Polman)最近感叹：“技术创新的速度从未如此之快。”同样，微软联合创始人比尔·盖茨发现，“创新正以惊人的速度发展”。科斯拉风险投资公司(Khosla Ventures)的维诺德·科斯拉(Vinod Khosla)认为：“在未来10年、15年、20年内……技术进步将迅猛加速。”谷歌母公司Alphabet的埃里克·施密特(Eric Schmidt)更是相信：“我们正在进入……富足时代，在富足时代，我们将见证一个新时代……智能的时代。”②类似的断言在技术领袖和风险资本家中尤其常见。 　　这些断言某种程度上反映了信息技术(IT)在许多领域的持续发展，从核心技术进步，比如基础计算机能力加倍(但基数越来越大)，到成功投资必需的互补性创新(complementary innovations)，比如云基础设施和新的服务型商业模式。但乐观主义的更大源泉在于最近人工智能的进步浪潮，特别是机器学习。机器学习是第一波计算机化浪潮掀起的根本转变。历史上，大多数计算机程序都是通过对人类知识进行精心编码，将输入映射到程序员规定的输出而创建。相反，机器学习系统主要使用各种一般算法(例如神经网络)单独计算相关映射，通常依靠输入非常庞大的样本数据集。借助这些利用总体数据增长及数据处理资源的机器学习方法，机器在感知和认知方面取得了令人瞩目的进步，这可是大多数人类工作的两种基本技能。例如，在ImageNet(一个含有1000多万张图像的大型可视化数据库)上标记照片内容的错误率，已经从2010年的超过30%下降到2016年的低于5%，最近在2017年大规模视觉识别挑战赛(ILSVRC2017)中使用SE-ResNet152产生的错误率更是降至2.2%(见图1)。③Switchboard语音数据库的语音识别错误率(通常用于衡量语音识别的进展)，从2016年的8.5%下降到2017年的5.5%(Saon et al.，2017)。5%的阈值很重要，因为这大致就是人类在相同测试数据上执行这些任务时的表现。 　　 　　图1 人工智能与人类的图像识别错误率 　　尽管尚未达到人类专业表现的水平，但脸书(Facebook)的人工智能研究团队最近已然采用卷积神经网络序列预测技术，改进了现有的最佳机器语言翻译算法(Gehring et al.，2017)。另外，深度学习技术与增强式学习相结合，成为一套强大的技术，用于生成控制和操作系统，通过这些系统训练，自治智能体(autonomous agents)在给定环境下采取行动，最大限度地提高未来的回报。虽然这个领域刚刚起步，但是进展令人难忘。而谷歌的DeepMind(深度思维)公司，除了在围棋比赛中获胜，还在许多雅达利游戏中展示了超凡的表现(Fortunato et al.，2017)。 　　这些都是值得关注的技术里程碑。它们甚至有可能改变经济格局，为创造商业价值和降低成本创造新的机会。例如，一个使用深层神经网络的系统和21名经过认证的皮肤科医生的对比测试表明，两者在诊断皮肤癌方面的表现旗鼓相当(Esteva et al.，2017)。还有脸书，每天运用神经网络进行45亿多次翻译。④ 　　越来越多的公司对这些机会做出响应。如今，谷歌将其重点定位为“人工智能第一”，微软CEO萨提亚·纳德拉(Satya Nadella)则表示人工智能是技术领域的“终极突破”。他们对人工智能的乐观绝不止于空口白话，而是大量投资于