自從亞當(dāng)·史密斯（Adam Smith）的制釘廠創(chuàng)立以來(lái)，經(jīng)濟(jì)學(xué)家一直在研究技術(shù)變革，生產(chǎn)率和就業(yè)之間的關(guān)系。因此，能夠在越來(lái)越多的情況下正常工作的AI系統(tǒng)（從駕駛汽車到在醫(yī)學(xué)掃描中檢測(cè)腫瘤）引起了人們的關(guān)注，這不足為奇。

2017年9月，一群杰出的經(jīng)濟(jì)學(xué)家聚集在多倫多，為人工智能經(jīng)濟(jì)學(xué)（AI）制定了研究議程。他們討論了諸如AI在經(jīng)濟(jì)上有什么獨(dú)特之處，會(huì)產(chǎn)生什么樣的影響以及增強(qiáng)AI收益的正確政策等問(wèn)題。

我最近榮幸地參加了在多倫多舉行的本次會(huì)議的第三版，并親眼目睹了該議程在過(guò)去兩年中的發(fā)展情況。在此博客中，我從四個(gè)層次概述了會(huì)議的主要主題和相關(guān)論文：宏觀，中觀（工業(yè)結(jié)構(gòu)），微觀和元（人工智能對(duì)經(jīng)濟(jì)學(xué)用于研究人工智能的數(shù)據(jù)和方法的影響）。然后，我概述了當(dāng)今AI經(jīng)濟(jì)學(xué)議程中的一些差距，我認(rèn)為這些差距應(yīng)在將來(lái)解決，并得出結(jié)論。

會(huì)議的召集人Ajay Agrawal，Joshua Gans和Avi Goldfarb（與Catherine Tucker一起）在以前的工作中將AI系統(tǒng)描述為“預(yù)測(cè)機(jī)器”，使預(yù)測(cè)便宜而豐富，使組織能夠做出更多更好的決策，并且甚至使其中一些自動(dòng)化。一個(gè)示例就是亞馬遜的推薦引擎，該引擎向每個(gè)訪問(wèn)者展示其網(wǎng)站的個(gè)性化版本。如果沒(méi)有機(jī)器學(xué)習(xí)系統(tǒng)（一種類型的AI），該系統(tǒng)將無(wú)法自動(dòng)進(jìn)行定制，該系統(tǒng)會(huì)根據(jù)歷史數(shù)據(jù)自動(dòng)預(yù)測(cè)各個(gè)客戶可能感興趣的產(chǎn)品。

原則上，任何面臨預(yù)測(cè)問(wèn)題的部門都可以采用AI系統(tǒng)-從農(nóng)業(yè)到金融，經(jīng)濟(jì)幾乎遍及任何地方。這種廣泛的相關(guān)性使一些經(jīng)濟(jì)學(xué)家將AI視為變革性“通用技術(shù)”的最新示例，它將像蒸汽機(jī)或半導(dǎo)體在歷史上早些時(shí)候那樣重塑經(jīng)濟(jì)。

分析AI對(duì)勞動(dòng)的影響的主要框架是Daron Acemoglu和Pascual Restrepo開發(fā)的基于任務(wù)的模型（基于Joseph Zeira的先前工作）。該模型將經(jīng)濟(jì)視為大量生產(chǎn)任務(wù)的集合。人工智能的到來(lái)改變了這些任務(wù)的價(jià)值和重要性，影響了勞動(dòng)力需求和其他重要的宏觀經(jīng)濟(jì)變量，例如勞動(dòng)收入所占的份額以及不平等（例如，如果人工智能使勞動(dòng)力喪失技能或增加了勞動(dòng)的份額）。收入流向資本-通常集中在較少的手中-這可能會(huì)增加收入和財(cái)富不平等。