【主持人語：劉永謀（中國人民大學(xué)吳玉章講席教授）】近年來，以大模型為代表的AI技術(shù)發(fā)展迅猛，掀起一波席卷全球的AI發(fā)展熱潮。關(guān)注AI發(fā)展?fàn)顩r的人不限于AI的研發(fā)者、推廣者和AI發(fā)展的評(píng)論者、人文社科研究者，更包括深感生活將被AI深刻影響的普通公眾。AI發(fā)展的問題不再是純粹技術(shù)問題，而是成為某種意義上的公共議題。在最近OpenAI發(fā)布Sora、馬斯克開源Grok等一系列相關(guān)事件中，這一點(diǎn)表現(xiàn)得非常清楚。在各種相關(guān)公共討論中，AI發(fā)展現(xiàn)狀尤其受到關(guān)注，其中的基本問題是：當(dāng)前AI發(fā)展的大方向是否有問題，未來應(yīng)該朝什么方向前進(jìn)。為此，組織計(jì)算機(jī)、經(jīng)濟(jì)學(xué)、馬克思主義理論和哲學(xué)等領(lǐng)域的八位學(xué)者，對(duì)AI發(fā)展現(xiàn)狀進(jìn)行跨學(xué)科反思以期拋磚引玉，求教于方家。

本系列文章共8篇，轉(zhuǎn)載自《科學(xué)·經(jīng)濟(jì)·社會(huì)》2024年第2期，本文《理性看待AI的短期和長期影響》為第5篇。在文中，陳永偉認(rèn)為AI是一種新的通用目的技術(shù)，可以預(yù)見長此以往AI將對(duì)社會(huì)經(jīng)濟(jì)發(fā)展產(chǎn)生顯著影響，但目前AI發(fā)展還處于“播種階段”。

自2022年11月OpenAI發(fā)布ChatGPT之后，AI領(lǐng)域迎來了新一輪的發(fā)展熱潮。在短短的一年多中，各種AI大模型如雨后春筍般涌現(xiàn)，其能力也實(shí)現(xiàn)了迅速升級(jí)和迭代。根據(jù)微軟發(fā)布的評(píng)測報(bào)告，OpenAI開發(fā)的GPT-4模型已經(jīng)在很多領(lǐng)域表現(xiàn)出了與人類似，甚至高于人類的智能水平，因而表現(xiàn)出了“通用人工智能的火花”。最近，由Anthropic開發(fā)的Claude-3模型更是在評(píng)測中展示出了比GPT-4更優(yōu)的性能，并在智商測試中達(dá)到了101分，超過了人類的平均水平。此外，在創(chuàng)意工作方面，AI也表現(xiàn)得非常出色。比如OpenAI新發(fā)布的Sora模型已經(jīng)可以根據(jù)簡單的提示，生成一分鐘畫質(zhì)足以媲美CG動(dòng)畫的視頻。

面對(duì)AI技術(shù)的高速發(fā)展，關(guān)于AI將會(huì)對(duì)經(jīng)濟(jì)和社會(huì)發(fā)展產(chǎn)生多大的影響，就成了一個(gè)備受關(guān)注的問題。目前，關(guān)于這個(gè)問題存在著兩種截然不同的觀點(diǎn)。一種觀點(diǎn)認(rèn)為，AI的影響將是顛覆性的，它不僅會(huì)讓生產(chǎn)率實(shí)現(xiàn)革命性的提升，還會(huì)徹底改變社會(huì)經(jīng)濟(jì)的組織形態(tài)。當(dāng)然，作為一股“創(chuàng)造性毀滅”的力量，它還會(huì)帶來很多負(fù)面的影響，比如，AI對(duì)勞動(dòng)力的大規(guī)模替代就可能引發(fā)嚴(yán)重的技術(shù)性失業(yè)問題。另一種觀點(diǎn)則認(rèn)為，AI的影響可能并不會(huì)如想象當(dāng)中的那么大。持這種觀點(diǎn)的人指出，歷史上已經(jīng)出現(xiàn)過幾輪AI發(fā)展熱潮，在每一輪熱潮中，人們都對(duì)AI的影響作出了很高的估計(jì)，但事后的結(jié)果證明，這些預(yù)期最終都沒有實(shí)現(xiàn)。在最近這一輪AI熱潮中，雖然很多AI模型都表現(xiàn)出了卓越的性能，但它們形成的沖擊則似乎僅局限在某幾個(gè)狹小的領(lǐng)域。從全社會(huì)的范圍看，它們的正面影響和負(fù)面影響都相對(duì)有限。

那么，在上述兩種觀點(diǎn)中，究竟哪一種才是正確的呢？要回答這個(gè)問題，就需要先對(duì)AI技術(shù)的性質(zhì)有一個(gè)清晰的認(rèn)識(shí)。

一、AI是一種通用目的技術(shù)

研究技術(shù)對(duì)經(jīng)濟(jì)發(fā)展影響的經(jīng)濟(jì)學(xué)家經(jīng)常將技術(shù)分為兩類：“專用目的技術(shù)”（specific purpose technologies）和“通用目的技術(shù)”（general purpose technologies）前一類技術(shù)僅可以被應(yīng)用于某個(gè)特定的領(lǐng)域，在這個(gè)領(lǐng)域產(chǎn)生價(jià)值；后一類技術(shù)則可以在很多領(lǐng)域使用，并在這些不同的領(lǐng)域都產(chǎn)生價(jià)值。

歷史經(jīng)驗(yàn)表明，相比于專用目的技術(shù)，通用目的技術(shù)對(duì)于經(jīng)濟(jì)發(fā)展的影響往往是更為本質(zhì)的。比如，李普賽等人在《經(jīng)濟(jì)轉(zhuǎn)型：通用目的技術(shù)和長期經(jīng)濟(jì)增長》一書中，就曾對(duì)通用目的技術(shù)在歷史上發(fā)揮的作用進(jìn)行過考察。他們總共分析了包括印刷術(shù)、蒸汽機(jī)、電力、內(nèi)燃機(jī)在內(nèi)的24種通用目的技術(shù)，結(jié)果表明，所有這些技術(shù)都對(duì)長期的經(jīng)濟(jì)發(fā)展以及經(jīng)濟(jì)結(jié)構(gòu)的變遷產(chǎn)生了巨大的影響。由此可以得到一個(gè)推論：如果AI也屬于通用目的技術(shù)，那么它就很可能在長期內(nèi)對(duì)整個(gè)經(jīng)濟(jì)和社會(huì)產(chǎn)生十分顯著的影響。

布雷斯納罕和特雷頓伯格曾提出過一個(gè)判定通用目的技術(shù)的標(biāo)準(zhǔn)，根據(jù)這個(gè)標(biāo)準(zhǔn)，一項(xiàng)技術(shù)只有當(dāng)滿足“普遍適用性”（pervasiveness）、“進(jìn)步性”（improvement）和“創(chuàng)新孕育性”（innovation spawning）這三項(xiàng)特征時(shí)，才可以被稱為通用目的技術(shù)。普遍適用性指的是這種技術(shù)可以被用作投入品被應(yīng)用到很多不同的部門；進(jìn)步性指的是這種技術(shù)的性能會(huì)隨著時(shí)間的推移不斷地改進(jìn)；創(chuàng)新孕育性指的是這種技術(shù)可以在多個(gè)不同部門激發(fā)出相關(guān)的創(chuàng)新，從而帶動(dòng)這些部門的技術(shù)發(fā)展。應(yīng)用這個(gè)判定標(biāo)準(zhǔn)，就可以對(duì)AI是否屬于通用目的技術(shù)進(jìn)行檢驗(yàn)。下面，我們逐一對(duì)標(biāo)準(zhǔn)中的三個(gè)特征進(jìn)行驗(yàn)證。

（1）普遍適用性。作為一種技術(shù)AI顯然滿足這一標(biāo)準(zhǔn)。在“深度學(xué)習(xí)革命”之后，AI技術(shù)進(jìn)入到了很多行業(yè)。無論是工廠、商店，還是金融機(jī)構(gòu)，人們廣泛地使用AI來進(jìn)行輔助決策。尤其是在以GPT為代表的生成式AI興起之后，人們學(xué)習(xí)和使用AI的門檻進(jìn)一步降低，這使得AI的應(yīng)用有了更大的想象空間。在現(xiàn)實(shí)中，很多個(gè)人和企業(yè)已經(jīng)將生成式AI應(yīng)用到了自己的工作和生活當(dāng)中。2023年8月，麥肯錫曾對(duì)企業(yè)的AI使用率進(jìn)行過一次調(diào)查，結(jié)果顯示被訪企業(yè)中的55%已經(jīng)使用了AI。由此可見，AI確實(shí)是一項(xiàng)普遍適用的技術(shù)。

（2）進(jìn)步性。AI技術(shù)的進(jìn)步性，表現(xiàn)在三個(gè)不同的方面。第一是AI模型任務(wù)處理能力迅速提升。以GPT模型為例：在2018年GPT-1推出時(shí)，其能力非常有限，對(duì)文字的邏輯分析能力非常弱，但僅僅五年之后，GPT-4就已經(jīng)在語義識(shí)別、邏輯分析、問題解決等方面表現(xiàn)出了強(qiáng)大的能力。微軟的研究人員曾讓GPT-4做美國律師資格考試的試題，結(jié)果它獲得了298分的高分，超過了90%的人類考生。第二是AI模型多模態(tài)能力的突破。在一年多前，AI模型通常僅能處理單模態(tài)的信息，比如GPT-3.5就僅能處理文本信息，但在短短的一年多內(nèi)，多模態(tài)就已經(jīng)成為AI模型的標(biāo)配，像GPT-4、Claude-3、Gemini等主流的AI模型都已經(jīng)具有了處理文本、圖像、視頻等多模態(tài)信息的能力。第三是AI模型成本的下降。隨著AI模型的不斷優(yōu)化，訓(xùn)練和使用模型的單位成本也出現(xiàn)了大幅度地下降。以調(diào)用GPT模型的API為例，現(xiàn)在的每Token成本已經(jīng)比過去下降了90%。由此可見，在過去的一段時(shí)間內(nèi)，AI模型的技術(shù)進(jìn)步是十分明顯的?？梢灶A(yù)見，只要有充足的算力予以支持，這種進(jìn)步將會(huì)繼續(xù)持續(xù)下去。

（3）創(chuàng)新孕育性?，F(xiàn)在，AI已經(jīng)成為一些領(lǐng)域的重要工作工具，在優(yōu)化這些領(lǐng)域的工作流程、推進(jìn)這些領(lǐng)域的技術(shù)進(jìn)步方面發(fā)揮了顯著的作用。反過來，這些領(lǐng)域的技術(shù)進(jìn)步也促進(jìn)了AI的進(jìn)步，從而形成了一個(gè)良性的循環(huán)。目前，最能體現(xiàn)這種良性循環(huán)的案例是AI芯片的設(shè)計(jì)。由于AI芯片需要將數(shù)以億計(jì)的電子元件排布到很小的硅晶片上，其設(shè)計(jì)精度要求已經(jīng)遠(yuǎn)遠(yuǎn)超出了傳統(tǒng)人力設(shè)計(jì)的能力范圍，因此包括谷歌、英偉達(dá)在內(nèi)的很多企業(yè)都已經(jīng)用AI來輔助芯片的設(shè)計(jì)，并已經(jīng)取得了不少的成果。反過來，這些用AI設(shè)計(jì)的芯片又能提供更為強(qiáng)大的算力，為AI模型的訓(xùn)練和應(yīng)用提供了良好的基礎(chǔ)。

綜上所述，作為一項(xiàng)技術(shù)，AI完全滿足了普遍適用性、進(jìn)步性和創(chuàng)新孕育性這三項(xiàng)特征，因此它確實(shí)可以被認(rèn)定為一種通用目的技術(shù)。根據(jù)歷史的經(jīng)驗(yàn)可以推測，它在長期內(nèi)對(duì)整個(gè)經(jīng)濟(jì)社會(huì)所產(chǎn)生的影響將會(huì)十分巨大。

二、為什么AI的影響并沒有想象中大？

現(xiàn)在的問題是：既然從理論上講，AI所產(chǎn)生的影響將十分巨大，那為什么到現(xiàn)在為止，它的影響似乎仍十分有限？要理解這種現(xiàn)象，需要從通用目的技術(shù)的特性入手。

通用目的技術(shù)之所以可能對(duì)整個(gè)經(jīng)濟(jì)社會(huì)產(chǎn)生巨大的影響，是由于它可以滲透到各個(gè)不同的領(lǐng)域。因而，它的影響究竟可以發(fā)揮到什么程度，將取決于它與各具體領(lǐng)域的結(jié)合程度，而這一切通常需要相關(guān)基礎(chǔ)設(shè)施的支持，以及將通用技術(shù)與專業(yè)應(yīng)用相結(jié)合的努力。赫爾普曼和特雷頓伯格在研究中，曾把通用目的作用的影響力發(fā)揮分為“播種”和“收獲”兩個(gè)階段。在“播種階段”，支撐通用目的技術(shù)的相關(guān)基礎(chǔ)設(shè)施尚未普及，它和相關(guān)行業(yè)的結(jié)合程度也相對(duì)較淺。在這個(gè)階段，通用目的技術(shù)并不會(huì)立即引發(fā)生產(chǎn)力的顯著提升，其對(duì)社會(huì)的影響也相對(duì)較小。到了“收獲階段”，隨著相關(guān)基礎(chǔ)設(shè)施的建成，以及技術(shù)與相關(guān)行業(yè)的深度融合，通用目的技術(shù)的力量就會(huì)迸發(fā)出來。

由于通用目的技術(shù)影響的發(fā)揮具有這樣的階段性，因此從一種新的通用目的技術(shù)的出現(xiàn)到它的影響真正體現(xiàn)出來，通常會(huì)有一段較長的時(shí)間間隔。這一點(diǎn)，在歷史上已經(jīng)多次得到了證明。瓦特在1765年完成了對(duì)蒸汽機(jī)的改良，但到1830年左右，英國的蒸汽機(jī)動(dòng)力總量仍只有16.6萬馬力，僅占當(dāng)時(shí)全國總動(dòng)力的1.5%。直到1850年，渦輪式蒸汽機(jī)的出現(xiàn)，才讓蒸汽機(jī)真正成為一種既高效又廉價(jià)的動(dòng)力來源，從而得到了廣泛的使用。類似的，19世紀(jì)末人們就掌握了交流電的發(fā)電和傳輸原理，然而，在很長一段時(shí)間內(nèi)，這對(duì)于其發(fā)明國美國的影響都微乎其微，直到1915年之后，全國性的電網(wǎng)陸續(xù)建成，各種電器被陸續(xù)開發(fā)出來，電力對(duì)美國經(jīng)濟(jì)的影響力才得以體現(xiàn)。

通過將目前AI的發(fā)展階段與歷史的經(jīng)驗(yàn)進(jìn)行對(duì)比，我們不難發(fā)現(xiàn)：作為一種新的通用目的技術(shù)，當(dāng)前AI的發(fā)展總體上依然處于“播種階段”。盡管從表面上看，AI已經(jīng)滲透到了各行各業(yè)，但總體上看，它們依然和行業(yè)本身的結(jié)合程度其實(shí)并不深。比如，雖然一些工業(yè)企業(yè)宣稱已經(jīng)在工作中使用了AI模型，但其實(shí)這些AI模型只是用來幫助解決諸如客服等邊緣性的工作，對(duì)其核心業(yè)務(wù)并沒有產(chǎn)生實(shí)質(zhì)性的影響。與此同時(shí)，與AI相關(guān)的基礎(chǔ)設(shè)施，如算力中心、向量數(shù)據(jù)庫等的建設(shè)現(xiàn)在依然十分不足，這在相當(dāng)程度上制約了AI影響的發(fā)揮。正是在上面這些因素的綜合作用之下，才出現(xiàn)了AI對(duì)經(jīng)濟(jì)社會(huì)影響遠(yuǎn)低于人們預(yù)期的現(xiàn)象。

三、促進(jìn)AI潛力發(fā)揮的政策思考

基于AI的通用目的技術(shù)屬性，要讓其對(duì)經(jīng)濟(jì)社會(huì)的潛在影響力得到充分地發(fā)揮，需要通過政策的手段，幫助這種技術(shù)迅速實(shí)現(xiàn)從“播種階段”向“收獲階段”的轉(zhuǎn)移。具體來說，如下幾方面的工作是最值得重視的。

（一）需要加快與AI相關(guān)的基礎(chǔ)設(shè)施的建設(shè)

對(duì)于AI而言，有兩類基礎(chǔ)設(shè)施是最為重要的。

第一類基礎(chǔ)設(shè)施是算力。無論是訓(xùn)練還是使用AI模型，都需要調(diào)用龐大的算力。在深度學(xué)習(xí)中，即使在算法層面沒有進(jìn)步，模型的性能也會(huì)隨著參數(shù)量和訓(xùn)練數(shù)據(jù)的增長而大幅度改善，這一切都需要算力作為底層的支持。OpenAI在訓(xùn)練GPT-3模型的時(shí)候，就動(dòng)用了上萬塊英偉達(dá)A-100GPU。正是在這種巨量的算力投入之下，才讓GPT模型的性能產(chǎn)生了質(zhì)的飛躍，甚至出現(xiàn)了智能“涌現(xiàn)”的現(xiàn)象。不過，在市場上，能和OpenAI這樣調(diào)動(dòng)巨量算力資源的企業(yè)非常少見，大部分企業(yè)和個(gè)人開發(fā)者都只能依靠云端的算力資源來訓(xùn)練AI模型。雖然現(xiàn)在已有很多云服務(wù)商可以提供AI算力，但在GPU等基礎(chǔ)硬件總體缺乏的情況下，AI算力的可及性依然較低，使用成本仍然很高。在這種情況下，加強(qiáng)GPU等硬件的研發(fā)、增加云端的AI算力供給依然是亟待解決的問題。

第二類基礎(chǔ)設(shè)施是存儲(chǔ)設(shè)施。AI的大發(fā)展會(huì)帶動(dòng)巨大的存儲(chǔ)需求。在需要存儲(chǔ)的數(shù)據(jù)中，有相當(dāng)一部分是非結(jié)構(gòu)化數(shù)據(jù)。為了能更好地對(duì)這些數(shù)據(jù)進(jìn)行存儲(chǔ)、整理和檢索，就需要有新型的存儲(chǔ)設(shè)施，如向量數(shù)據(jù)庫的支持。從目前看，該類存儲(chǔ)設(shè)施的供給依然存在著很大的不足，因而為推進(jìn)AI的發(fā)展，仍需要對(duì)它們的建設(shè)予以一定程度的扶持。

（二）應(yīng)當(dāng)做好AI技術(shù)擴(kuò)散過程中的協(xié)調(diào)工作

在通用目的技術(shù)的研發(fā)和推廣過程中，通常會(huì)涉及許多不同的子系統(tǒng)。然而，這些子系統(tǒng)之間的行業(yè)標(biāo)準(zhǔn)通常會(huì)存在不一致，其發(fā)展速度也會(huì)存在不協(xié)調(diào)，而這很可能會(huì)對(duì)技術(shù)的擴(kuò)散造成負(fù)面的影響。在這種情況下，用政策協(xié)調(diào)相關(guān)的子系統(tǒng)，就可能對(duì)技術(shù)的擴(kuò)散起到顯著的助推作用。

具體到目前的AI發(fā)展，模型的基礎(chǔ)原理都各不相同，它們彼此之間缺乏互操作性，這在相當(dāng)程度上限制了不同模型之間的協(xié)同發(fā)展。在這種情況下，應(yīng)當(dāng)積極培育開源氛圍，鼓勵(lì)開發(fā)者對(duì)一些具有基礎(chǔ)性的技術(shù)進(jìn)行開源。同時(shí)，應(yīng)當(dāng)利用政策的手段，確保一些關(guān)鍵技術(shù)標(biāo)準(zhǔn)和數(shù)據(jù)交互標(biāo)準(zhǔn)之間的統(tǒng)一。這樣，當(dāng)開發(fā)者在某項(xiàng)AI技術(shù)領(lǐng)域取得突破后，這種技術(shù)突破就可以很快地實(shí)現(xiàn)擴(kuò)散。

（三）應(yīng)當(dāng)積極推進(jìn)AI技術(shù)與具體行業(yè)的深度融合

阿格拉沃爾等人在分析AI與行業(yè)的融合問題時(shí)，曾提出過兩個(gè)概念：“單點(diǎn)解決方案”和“系統(tǒng)解決方案”。其中，“單點(diǎn)解決方案”指的是用AI來解決某個(gè)具體的問題，但保持總體的工作流程不變。比如，現(xiàn)實(shí)中用AI來替代一部分客服或文字處理工作，就屬于對(duì)問題的單點(diǎn)解決方案。相比之下，“系統(tǒng)解決方案”指的則是用AI來重新設(shè)計(jì)整個(gè)流程。例如，一些物流企業(yè)開始摒棄原來的以人為中心的調(diào)度，轉(zhuǎn)而采用AI作為調(diào)度中樞，并據(jù)此對(duì)相關(guān)的崗位重新進(jìn)行安排，這就是一種系統(tǒng)解決的表現(xiàn)。

容易看到，在“單點(diǎn)解決方案”，AI與行業(yè)的融合程度是較淺的，它雖然可以帶來一些效率的提升，但幅度通常不會(huì)太大；而“系統(tǒng)解決方案”則要求AI與行業(yè)之間的深度融合，它可以實(shí)現(xiàn)生產(chǎn)效率的大幅提升。因此，要讓AI的作用得到充分地發(fā)揮，就需要積極促進(jìn)AI與行業(yè)的融合從“點(diǎn)解決方案”向“系統(tǒng)解決方案”的轉(zhuǎn)變。

需要注意的是，當(dāng)企業(yè)用AI對(duì)生產(chǎn)流程進(jìn)行系統(tǒng)性變革時(shí)，不僅需要投入大量的成本，還可能面臨不小的轉(zhuǎn)型風(fēng)險(xiǎn)。在這種狀況下，可以考慮用政策進(jìn)行一定的扶持，對(duì)于企業(yè)的AI轉(zhuǎn)型提供一定的補(bǔ)貼和幫助，讓它們的轉(zhuǎn)型變得更為順利。

如果可以做到以上幾點(diǎn)，那么AI這種通用目的技術(shù)就可以更快地完成從“播種階段”到“收獲階段”的跨越，其潛力也可以更好地被激發(fā)出來。

四、略論AI引發(fā)的“技術(shù)性失業(yè)”問題

值得注意的是，從歷史上看，任何一種通用目的技術(shù)的發(fā)展在促進(jìn)社會(huì)生產(chǎn)力的發(fā)展，給人們帶來很多收益的同時(shí)，也會(huì)帶來很多相關(guān)的問題。這一點(diǎn)，對(duì)于AI也不例外。事實(shí)上，現(xiàn)在這個(gè)階段，很多和AI有關(guān)的問題已經(jīng)開始顯現(xiàn)了出來，而這些問題中，“技術(shù)性失業(yè)”無疑是最值得關(guān)注的。

早在2013年，牛津大學(xué)的學(xué)者曾做過一個(gè)估算，認(rèn)為在二十年內(nèi)，美國的就業(yè)崗位中將會(huì)有47%可能被AI替代，其涉及的就業(yè)人口將達(dá)到數(shù)千萬。在ChatGPT爆火之后，OpenAI的研究人員又做了一個(gè)類似的估算，認(rèn)為美國80%勞動(dòng)力的工作任務(wù)中的10%可能會(huì)被ChatGPT影響，其中19%的勞動(dòng)力的工作任務(wù)可能有一半會(huì)被ChatGPT影響。這些研究結(jié)論在社會(huì)上引發(fā)了很大的關(guān)注，并引發(fā)了一定程度的AI恐慌。

在筆者看來，對(duì)于上述的研究，我們應(yīng)當(dāng)理性地予以看待。歷史經(jīng)驗(yàn)告訴我們，技術(shù)雖然可能消滅一定的就業(yè)崗位，但與此同時(shí)，它通常會(huì)創(chuàng)造更多的就業(yè)崗位。比如，汽車的發(fā)展消滅了馬車夫的崗位，但創(chuàng)造了更多的司機(jī)崗位。因而，從長期的視角看，我們無需對(duì)“技術(shù)性失業(yè)”過于恐懼。但是從短期看，由于新舊崗位之間的就業(yè)技能并不匹配，短暫的失業(yè)沖擊確實(shí)是可能存在的。比如，現(xiàn)在AI的發(fā)展可以讓人們不再需要大量的插畫師，但卻會(huì)催生更多高端AI工程師的需求，從總體上看，崗位的增減可能是平衡的。但插畫師顯然不可能馬上轉(zhuǎn)成AI工程師，在這個(gè)階段，就可能出現(xiàn)一定的失業(yè)。尤其是當(dāng)AI與行業(yè)開始深度融合，對(duì)行業(yè)進(jìn)行系統(tǒng)性變革時(shí)，失業(yè)率還可能較高。

目前，由AI引發(fā)的技術(shù)性失業(yè)已經(jīng)在一些行業(yè)開始出現(xiàn)。為了應(yīng)對(duì)這種沖擊，相關(guān)的政策就必須積極介入。這些政策包括并不限于：加強(qiáng)職業(yè)培訓(xùn)和再教育體系的建設(shè)、鼓勵(lì)服務(wù)業(yè)、鼓勵(lì)零工經(jīng)濟(jì)和共享經(jīng)濟(jì)的發(fā)展等。只有做好了這些工作，面對(duì)AI引發(fā)的失業(yè)潮才能做到心中不慌。

五、結(jié)語

微軟的創(chuàng)始人比爾·蓋茨有一句名言：“我們總是高估在一年或者兩年中能夠做到的，而低估五年或十年中能夠做到的?！边@句話用來理解AI的影響是相當(dāng)合適的。

作為通用目的技術(shù)，AI的技術(shù)屬性決定了它可能在長期產(chǎn)生巨大影響，但受制于各方面的因素，它的影響在短期內(nèi)可能并不明顯。在這種情況下，我們應(yīng)當(dāng)積極用好相關(guān)的政策手段，促進(jìn)AI技術(shù)正向影響的發(fā)揮；同時(shí)利用現(xiàn)在的時(shí)間窗口，針對(duì)其可能的負(fù)面影響建立起各種應(yīng)對(duì)機(jī)制。如果做到了這樣幾點(diǎn)，就可以揚(yáng)長避短，讓AI技術(shù)更好地造福于人。