麻省理工學院經濟學研究所教授達隆·阿西莫格魯在Project Syndicate的分析文章指出，如果聽信科技行業領袖、企業界預測人士和許多媒體的說法，人們可能會相信，最近在生成式人工智慧方面取得的進展，很快就會帶來非凡的生產力效益，徹底改變我們當下的生活。然而，無論是經濟理論還是數據，都無法支持這種盛氣凌人的預測。
根據科技領袖和許多專家學者的說法，人工智慧將通過前所未有的生產力提升來改變我們所熟知的世界。有些人認為，機器很快就能做人類能做的一切事情，迎來無限繁榮的新時代。其他預測至少更接地氣，例如，高盛預測，在未來十年中，人工智慧將使全球 GDP增長7%；麥肯錫全球研究院預計，從現在到2040年，GDP年增長率將提高3-4個百分點。經濟學人雜誌則預計AI將帶來藍領工人的繁榮時代。
這現實嗎？
正如我在最近的一篇論文中所指出的，前景的不確定性遠遠大於大多數預測和猜測。不過，儘管我們基本上不可能有把握地預測人工智慧在20年或30年後會做些什麼，但我們還是可以對未來十年說點什麼，因為這些近期的經濟效應，大多必須涉及現有技術及其改進。
我們有理由認為，人工智慧的最大影響將來自於某些任務的自動化，以及使某些職業的某些工人的生產效率更高。經濟理論為評估這些總體效應提供了一些指導。根據赫爾滕定理（以經濟學家查爾斯·赫爾滕的名字命名），」全要素生產率」（TFP）的總體效應，只是自動化任務份額與平均成本節約的乘積。
雖然平均成本節約很難估算，而且會因活動而異，但已經有一些關於人工智慧對某些任務影響的細緻研究。
例如，沙克德·諾伊和惠特尼·張（Whitney Zhang）研究了 ChatGPT對簡單寫作任務（如總結文件或撰寫常規撥款提案或營銷材料）的影響，而埃里克·布林約爾松、丹妮爾·李（Danielle Li）和林賽·雷蒙德則評估了人工智慧助手在客戶服務中的應用。
綜合來看，這些研究表明，目前可用的生成式人工智慧工具平均可節省27%的勞動力成本，總體成本可節省14.4%。
受人工智慧及相關技術影響的任務比例如何？根據近期研究的數據，我估計這一比例約為4.6%，這意味著人工智慧在十年內只會使全要素生產率提高0.66%，即每年提高0.06%。
當然，由於人工智慧也將推動投資熱潮，GDP增長的增幅可能會更大一些，可能在1-1.5%之間。
這些數字比高盛和麥肯錫的數字要小得多。如果想獲得這些更大的數字，要麼必須提高微觀層面的生產率收益，要麼假設經濟中會有更多任務受到影響。但這兩種情況似乎都不靠譜。
預測產生遠高於27%的勞動力成本節約，不僅超出了現有研究的範圍，也與其他更有前景的技術的效果不符。例如，工業機器人已經改變了一些製造業部門，似乎已經將勞動力成本降低了約30%。
同樣，我們也不太可能看到遠高於4.6%的任務被取代，因為人工智慧還遠遠無法勝任大多數人工或社交任務（包括會計等看似簡單但具有一定社交屬性的功能）。
截至2019年，一項針對幾乎所有美國企業的調查發現，只有約1.5%的企業進行了人工智慧投資。在過去的一年半里，此類投資有所增長，但距離人工智慧的普及還有很長很長的路要走。
當然，如果人工智慧能徹底改變科學發現的過程，或創造出許多新的任務和產品，其影響可能會比我的分析所允許的更大。最近由人工智慧推動的新晶體結構的發現和蛋白質折迭技術的進步，確實表明了這種可能性。但這些突破不太可能在十年內成為經濟增長的主要來源。即使新發現可以更快地通過測試並轉化為實際產品，但科技行業目前過度關注自動化和數據貨幣化，而不是為工人引入新的生產任務。
此外，我自己的估計可能過高。生成式人工智慧的早期應用，自然會發生在其表現相當出色的領域，即那些有客觀衡量標準的任務，如編寫簡單的編程子程序或驗證信息。在這種情況下，模型可以根據外部信息和現成的歷史數據進行學習。
但是，4.6%可在十年內實現自動化的任務，評估應用程式、診斷健康問題、提供財務建議中的許多任務，並沒有如此明確的客觀成功衡量標準，而且往往涉及複雜的環境變量（對一個病人好的方法對另一個病人並不合適）。
在這種情況下，從外部觀察中學習要困難得多，生成式人工智慧模型必須依賴現有工作人員的行為。
在這種情況下，與人類勞動相比，人工智慧的重大改進空間較小。因此，我估計在4.6%的任務中，約有四分之一屬於「更難學習「的類別，其生產率收益會更低。一旦做出這一調整，0.66%的全要素生產率增長數字就會下降到約0.53%。
對工人、工資和不平等的影響如何？
好消息是，與早期的自動化浪潮（如基於機器人或軟體系統的自動化浪潮）相比，人工智慧的影響可能會更廣泛地分布在各個人口群體中。如果是這樣，那麼對不平等的影響，就不會像早期的自動化技術那樣普遍。
然而，我沒有發現任何證據表明人工智慧會減少不平等或促進工資增長。一些群體，尤其是土生土長的白人女性受到的影響明顯更大，將受到負面影響。
總體而言，資本將比勞動力獲得更多收益。
經濟理論和現有數據證明，人工智慧的前景會更加溫和現實。而且幾乎沒有證據支持這種觀點：我們不用費力去監管，因為人工智慧會簡單的讓所有人受益。
人工智慧是經濟學家所稱的通用技術。我們可以用來做很多事情，而且肯定有比自動化工作和提高數字廣告盈利更好的事情可做。但如果我們不加批判地接受技術樂觀主義或讓科技行業自行設定議程，AI的潛力可能就被浪費掉了。
