对于人工智能，特斯拉首席执行官埃隆·马斯克是其中最坚定、最高调、最有经验的一位，他敲响警钟道：“我接触过非常前沿的人工智能，我认为人们真的应该关注这个问题……我不断敲响警钟，但除非人们亲眼见到机器人走上大街杀人，否则，人们不知道该怎么应对（人工智能的问题），因为它似乎太虚无缥缈了。”

另一位就此发表过意见的专家是著名心理学家、诺贝尔经济学奖得主丹尼尔·卡尼曼。

非学术界人士或许会因为他2011年出版的《思考，快与慢》（Thinking, Fast and Slow）而认识他。

2017年，我们在多伦多组织了一轮关于人工智能经济学的会议，他解释了为什么自己认为人工智能比人类更聪明：一位著名小说家前些时候写信给我说，他正打算写一部小说。小说主题是关于两个人类和一个机器人之间的三角恋，他想知道机器人跟人有什么不同。

机器人和人的不同

我提出了三点主要区别。最明显的一点是，机器人更擅长统计推理，对故事和叙述不像人那么着迷。另一点是，机器人的情商更高。

第三点是机器人更智慧。智慧是心怀宽广。智慧就是视野不会太狭隘。这是智慧的本质，它有着宽广的框架。

机器人拥有宽广的框架。我觉得，等它学得足够多，它会比我们人类更睿智，因为我们没有宽广的框架。

我们是眼界狭隘的思考者，喧嚣嘈杂的思考者，在我们的基础上进行改进很容易。我不认为会有太多人类能做而机器人怎么都学不会的事情。

埃隆·马斯克和丹尼尔·卡尼曼对人工智能的潜力都充满信心，同时也担心它的出现可能会给世界带来不良后果。

因为没有耐心等待政府对技术的进步进行回应，行业领袖们提供了政策建议，有时候还采取了行动。

比尔·盖茨主张对取代人类劳动力的机器人征税。高调的初创公司孵化机构Y Combinator，以迂回的方式踏进通常属于政府权责范围的领域，他们正在推进一项实验，致力于为社会中所有人提供一份基础收入。

埃隆·马斯克组织了一群企业家和行业领导者为Open AI注资10亿美元，以确保没有任何一家私人企业能垄断该领域。

这些建议和行动凸显了这些社会议题的复杂性。随着我们攀登到金字塔的顶端，我们的选择只会变得更加复杂。当把社会视为一个整体时，人工智能经济学也就不再简单了。

人工智能会终结就业吗

如果爱因斯坦在当今的世界转世，那一定是斯蒂芬?霍金。由于霍金对科学所做的卓越贡献，以及他写过的《时间简史》（A Brief History of Time）等畅销书，在世人的心目中，他是个不折不扣的天才——哪怕他患有肌萎缩侧索硬化症（ALS）。

故此，2016年12月，人们毫不意外地接受了他所写的一段话：“工厂的自动化已经减少了传统制造业的就业岗位，人工智能的兴起，则有可能进一步破坏中产阶级的就业，只有那些最需要付出关怀、最有创意、最需要监督的岗位能保留下来。”

若干研究结果统计了自动化对就业岗位的破坏可能达到的程度，而且这一次，受波及的不光是体力劳动，连原本一直被认为不会受波及的智力工作也无法幸免。但毕竟，马匹在马力上落后，而不是智力。

身为经济学家，我们从前就听说过这些说法。尽管自几百年前失业的手工工人（卢德主义者）砸掉纺织机以来，技术性失业的幽灵一直徘徊不去，但总的失业率一直都很低。

企业管理者可能会担心，采用人工智能一类的技术会导致岗位被削减；然而，另一个事实兴许可以给我们带来些许安慰：农业就业岗位自100多年前起就开始逐渐消失了，却也未出现对应的长期大规模失业。

但这一次是不是不一样呢？霍金的担忧许多人也有，他们认为，这一回情况非比寻常，因为人工智能有可能抢走人类对机器剩余的最后优势。

经济学家怎样看待这个问题呢？想象一下，突然出现了一座完全由机器人把持的岛屿——机器岛（Robotlandia）。

我们想跟预测机器之岛做生意吗？从自由贸易的角度来看，这听起来像是个绝妙的机会。机器人可以完成各种任务，解放我们的人力，让我们去做自己最擅长的事情。

换句话说，我们不会拒绝跟机器岛做生意，就如同我们并不要求所有的咖啡豆都在本地种植。

当然，机器岛并不存在，但当技术变革使软件能以更廉价的方式完成新任务时，在经济学家们看来，这就跟与上述虚构之岛开展贸易差不多。

换句话说，如果你赞成国与国之间的自由贸易，你就会赞成与机器岛进行自由贸易。你支持开发人工智能，哪怕它会取代一部分就业。

数十年来有关贸易影响的研究表明，其他就业岗位自然会出现，整体就业不会大幅跳水。

我们对决策的剖析暗示了这些新的就业岗位有可能来自什么地方。人类和人工智能有望一起工作；人类为预测提供互补品，即数据、判断或行动。

例如，随着预测越来越廉价，判断的价值越来越高。故此，我们预计，与回报函数工程相关的岗位会增加。

这些岗位中的一部分专业性强，报酬也高，它们将由那些在预测机器出现之前就已在应用这类判断的人来填补。

其他与判断有关的工作会更为普遍，但它们对技术的要求或许不如人工智能所取代的岗位高。当今许多高薪职业的核心技能都包括了预测，如医生、金融分析师和律师。

正如机器对于方位的预测减少了伦敦出租车司机相对较高的收入，却增加了收入相对低的优步司机的人数那样，我们预测，医疗和金融方面也会出现相同的现象。

随着任务的预测部分逐渐能自动完成，更多的人可填补这些岗位，其所需的技能也收窄到与判断相关的技能内。

如果预测不再是约束性的限制条件，对更广泛的互补性技能的需求或许会增加，这会带来更多低薪的就业机会。

人工智能和人有一点重要的区别：软件能成规模地扩增，人却不能。也就是说，一旦人工智能在特定任务上的表现超过了人类，岗位流失很快就会发生。

我们固然相信，几年内新的工作岗位会出现，人们会找到事情可做，但对那些渴望工作、等着新工作出现的人来说，这算不上什么安慰。

从长远来看，就算与机器岛进行自由贸易不会影响岗位的数量，人工智能引发经济衰退仍是可能的。

不平等会加剧吗

工作岗位是一回事，它们创造的收入又是另一回事。开放贸易往往会造成竞争，而竞争会导致价格下降。

如果竞争的对象是人类劳动力，人类的工资就会下降。仍以机器岛开放贸易为例，机器人与人类会抢夺一些任务，这些任务的薪资报酬会因此下降。

如果你的工作是由这些任务构成的，那么，你的收入就可能会下降，你会面临更多的竞争。

和国与国之间的贸易一样，与机器进行贸易也会产生赢家和输家。岗位仍然会有，但有些人会从事不如其当前工作那么有吸引力的工作。

换句话说，如果你了解自由贸易的好处，你就应该感激预测机器带来的收益。关键的政策问题不在于人工智能是否会带来收益，而在于如何分配这些收益。

因为人工智能工具可以被用来取代“高级”技能，也就是“脑力”，许多人担心，哪怕工作岗位依然存在，它也不会再是高薪岗位了。

例如，贾森·弗曼（Jason Furman）在担任奥巴马总统经济顾问委员会主席期间，这样表达了自己的担忧：

我的担心不在于人工智能会使这一次的情况有所不同，而在于这一次会跟我们过去几十年所经历的完全相同。

传统观点认为，我们不必担心机器人会接管就业，但我们的担忧是，人类仍然有工作是因为我们愿意以较低的工资来完成这些工作。

如果机器的工作份额继续增加，工人的收入就会下降，而人工智能拥有者的收入则会增加。

托马斯·皮凯蒂（Thomas Piketty）在畅销书《21世纪资本论》（Capital in the Twenty-First Century）中强调，过去几十年，劳动力所占的国民收入（在美国及其他地方）一直在下降，而资本所赚的份额却在走高。

这一趋势令人担忧，因为它使得不平等的趋势不断加剧。这里的关键问题在于，人工智能会强化这一趋势，还是会使其得到缓解。

如果人工智能是一种新的、高效的资本组织形式，那么经济中的资本所占的份额可能会继续上涨，以牺牲劳动力为代价。

这个问题没有简单的解决方案。比方说，比尔·盖茨提议对机器人征税，这会减少不平等，但也会使购买机器人带来的收益减少。

因此，公司对机器人的投入将减少，生产力减缓，整体而言，我们都会变糟。政策权衡很明确：我们的政策能够减少不平等，但这么做可能是以牺牲整体收入为代价的。

导致不平等加剧的第二个趋势是，技术往往有着技能偏好。它不成比例地增加了受过高等教育的人的工资，甚至可能降低教育程度低的人的工资。

前一批技能偏好的技术，包括计算机和互联网，是过去40年来美国和欧洲收入不平等现象日益严重的主要原因。

经济学家克劳迪娅·戈尔丁（Claudia Goldin）和劳伦斯·卡茨（Lawrence Katz）指出：“受过更多教育、有着更高天赋能力的人能更好地掌握复杂的新工具。”

没有理由期待人工智能会有什么不同。受过高等教育的人往往更擅长学习新技能。如果成功使用人工智能的必需技能经常发生改变，那么，受过教育的人将享受到不成比例的收益。

人工智能的生产性应用需要额外技能，对此，我们有诸多理由。比如，回报函数工程师必须了解组织的目标和机器的性能。

由于机器可以高效扩展，如果这项技能很稀缺，那么最优秀的工程师就可在数百万甚至数十亿台机器上收获自己的工作带来的成果。

正因为人工智能的相关技能目前甚为稀缺，人类和企业的学习过程所需的成本都将十分高昂。

2017年，斯坦福大学的7000多名本科生里，有1000多人报名参加了机器学习的入门课程。

其他地方也出现了同样的趋势。但这只是劳动力中的极小部分。绝大多数人的职业技能都是几十年前训练出来的，也就是说，他们需要重新培训和获得新的技能。

我们的产业教育体系并不是为此而设计的。企业不应该指望这种体系能及时迅速改变，为它们提供可在人工智能时代参与竞争的员工。政策上的挑战并不简单：提高民众的受教育程度的成本很高。

这些成本需要有人来负担，要么提高税收，要么直接由企业或个人来支付。但即便成本可以被轻易负担，许多中年人恐怕也并不渴望重返学校。受技能偏好伤害最大的人大概是没有做好终身学习准备的那批人。