【51CTO.com快譯】有人聲稱，人工智能(AI)系統(tǒng)將改變經(jīng)濟(jì)，甚至造成大規(guī)模失業(yè)和巨大的壟斷。但是專業(yè)的經(jīng)濟(jì)學(xué)家是怎么想的呢?

[[321467]]

自Adam Smith的pin factory創(chuàng)立以來，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，人工智能系統(tǒng)能夠在越來越多的情況下表現(xiàn)得體，也就不足為奇了。

2017年9月，一群杰出的經(jīng)濟(jì)學(xué)家齊聚多倫多，為人工智能(AI)經(jīng)濟(jì)學(xué)制定了一項研究議程。他們討論了人工智能在經(jīng)濟(jì)上的獨(dú)特之處、影響力以及如何制定相關(guān)的政策等問題。

去年9月，我有幸參加了在多倫多舉行的第三屆大會，親眼目睹了人工智能的經(jīng)濟(jì)發(fā)展。在此，我從四個層次概述會議的主要議題:

1. 宏觀視圖：人工智能對生產(chǎn)率、就業(yè)或不平衡等總體經(jīng)濟(jì)的影響
2. 中觀視圖：人工智能對科學(xué)研究或監(jiān)管等個別領(lǐng)域的影響
3. 微觀視圖：人工智能對組織和個人行為的影響
4. 元視圖：人工智能對經(jīng)濟(jì)學(xué)家用來研究人工智能的數(shù)據(jù)和方法的影響

經(jīng)濟(jì)學(xué)家對人工智能的看法

會議主導(dǎo)人Ajay Agrawal、Joshua Gans和Avi Goldfarb曾把人工智能系統(tǒng)描述為“預(yù)測機(jī)器”，不僅使預(yù)測變得便捷而豐富，使組織能夠做出更多更好的決策，而且使其中一些決策自動化。一個典型的例子是亞馬遜的推薦引擎，它為每個訪問者提供個性化的網(wǎng)站版本。如果沒有機(jī)器學(xué)習(xí)系統(tǒng)，就不可能實(shí)現(xiàn)這種定制。機(jī)器學(xué)習(xí)系統(tǒng)可以根據(jù)每個客戶的行為和其他相似的客戶的數(shù)據(jù)，自動預(yù)測每個客戶可能會對哪些產(chǎn)品感興趣。

任何面臨預(yù)測問題的部門都可以采用人工智能系統(tǒng)——從農(nóng)業(yè)到金融——幾乎任何經(jīng)濟(jì)領(lǐng)域都可以采用人工智能系統(tǒng)。人工智能的這種廣泛適用性，一些經(jīng)濟(jì)學(xué)家將其稱為一種轉(zhuǎn)型的“通用技術(shù)”。這種技術(shù)將重塑經(jīng)濟(jì)，就像歷史較早時期的蒸汽機(jī)或半導(dǎo)體那樣。

宏觀視圖

人工智能增強(qiáng)經(jīng)濟(jì)中的決策力并將其自動化，從而提高了生產(chǎn)率。這對勞動力和投資有什么影響?

人工智能對勞動力的影響

分析人工智能對勞動力影響的主要框架是Daron Acemoglu和Pascual Restrepo開發(fā)的基于任務(wù)的模型。這個模型把經(jīng)濟(jì)想象成一個生產(chǎn)任務(wù)的大集合。能夠執(zhí)行這些任務(wù)的人工智能系統(tǒng)的出現(xiàn)，影響了對勞動力的需求、資本的收入份額等。如果人工智能減少了勞動力或增加資本流入的比例——更多的資本往往集中在更少的人手中——這可能會使我們的經(jīng)濟(jì)更加不平等。

人工智能對勞動力的影響有以下四個方面：

• 首先，當(dāng)人工智能系統(tǒng)取代了以前由人類完成的一些任務(wù)。例如亞馬遜采用自動推薦系統(tǒng)時，書評就被取代了。這將減少對勞動力的需求。
• 其次，人工智能系統(tǒng)會增加人類任務(wù)的價值。例如亞馬遜的網(wǎng)絡(luò)開發(fā)和庫存管理任務(wù)：由于其人工智能推薦系統(tǒng)，投資在改善網(wǎng)站和儲存許多不同書籍上的每一美元，都會為公司帶來更大的回報。
• 第三，資本深化。新的人工智能系統(tǒng)是一種投資，增加工人使用的資本存量，使他們更有生產(chǎn)力，并將增加對勞動力的需求。
• 最后，當(dāng)人工智能系統(tǒng)創(chuàng)造出全新的任務(wù)，例如開發(fā)機(jī)器學(xué)習(xí)系統(tǒng)或標(biāo)記數(shù)據(jù)集來訓(xùn)練這些系統(tǒng)時，這些新的任務(wù)將創(chuàng)造新的就業(yè)機(jī)會，增加勞動力需求。

綜合考慮，這四個方面決定了人工智能對勞動力需求的影響。與工作末日即將來臨的觀點(diǎn)相反，該模型確定了人工智能系統(tǒng)可以增加勞動力的需求。與此同時，與經(jīng)濟(jì)學(xué)中新技術(shù)總是通過擴(kuò)張來增加勞動力需求的標(biāo)準(zhǔn)假設(shè)相反，基于任務(wù)的模型認(rèn)識到新技術(shù)對勞動力需求的凈效應(yīng)可能是負(fù)面的。例如，如果企業(yè)采用“平庸”的人工智能系統(tǒng)，其生產(chǎn)率足以取代工人，但又不足以通過其他渠道增加勞動力需求。

會議上提出：

• Jackson和Kanik將人工智能模型作為一種中間輸入，企業(yè)通過使用亞馬遜的網(wǎng)絡(luò)服務(wù)等供應(yīng)鏈來獲取這種輸入。在這個模型中，人工智能對勞動力需求和生產(chǎn)率的影響取決于替代工人的情況：如果替代工作的生產(chǎn)率較低，那么人工智能將對生產(chǎn)率產(chǎn)生負(fù)面影響。隨著企業(yè)開始使用人工智能供應(yīng)商來獲取以前由工人提供的服務(wù)，人工智能的部署使經(jīng)濟(jì)更加相互關(guān)聯(lián)起來。這可以使價值鏈集中起來，增強(qiáng)市場力量，但也會帶來系統(tǒng)性風(fēng)險。
• Autor和Salomons利用美國人口普查局(US Census)自上世紀(jì)50年代以來發(fā)布的職位名稱詞典，研究了創(chuàng)造新職位名稱的行業(yè)和職業(yè)的演變。分析顯示，當(dāng)時處于收入分配中間的職業(yè)創(chuàng)造了最多的新職位頭銜，而現(xiàn)在，大多數(shù)新職位頭銜都是在高技能、技術(shù)密集型職業(yè)中創(chuàng)造的。看起來像人工智能這樣的現(xiàn)代技術(shù)增加了對高技能工作的需求，這導(dǎo)致了勞動力市場的兩極分化。還有一種風(fēng)險是，高技能職業(yè)的技能短缺可能與缺乏技能的個人失業(yè)并存。

無形資產(chǎn)

為了提高生產(chǎn)率，對人工智能的投資需要伴隨著對IT基礎(chǔ)設(shè)施、技能和業(yè)務(wù)流程的投資。其中一些投資涉及數(shù)據(jù)、信息和知識等“無形資產(chǎn)”的積累。與機(jī)器或建筑物等有形資產(chǎn)相比，無形資產(chǎn)很難保護(hù)、模仿和出售，而且創(chuàng)造無形資產(chǎn)往往需要昂貴的實(shí)驗(yàn)和邊做邊學(xué)。

繼續(xù)以亞馬遜為例，在其歷史上，該公司建立了一個有形的數(shù)據(jù)和IT基礎(chǔ)設(shè)施，以補(bǔ)充其人工智能系統(tǒng)。與此同時，它發(fā)展了無形的流程、實(shí)踐和“以客戶為中心”的思維方式，并在其信息系統(tǒng)與供應(yīng)商和用戶的信息系統(tǒng)之間建立了開放的接口，這種無形資產(chǎn)對其成功非常重要，但同時也很難模仿。

Erik Brynjolfsson及其同事在2018年發(fā)表的一篇論文中指出，在整個經(jīng)濟(jì)中積累這些無形資產(chǎn)的需要，正好可以解釋為什么人工智能的進(jìn)步需要這么長的時間。

今年在多倫多發(fā)表的幾篇論文對這些問題進(jìn)行了實(shí)證研究：

• Daniel Rock使用LinkedIn數(shù)據(jù)來衡量工程技能對公司價值的影響。這表明，無形的企業(yè)因素決定了工程人才的業(yè)務(wù)影響。他的分析還表明，市場預(yù)期這些無形投資將在未來產(chǎn)生重要回報：當(dāng)谷歌發(fā)布TensorFlow時，那些已經(jīng)聘用人工智能人才的公司的市值出現(xiàn)了增長。一種解釋是，發(fā)明者將TensorFlow視為一種工具，可以幫助這些公司從人工智能相關(guān)的無形投資中創(chuàng)造價值。另一種解釋是，這些公司預(yù)計將被人工智能系統(tǒng)和服務(wù)的開發(fā)者所顛覆。
• Prasanna Tambe和合作者也使用LinkedIn的數(shù)據(jù)來估計有關(guān)AI無形投資的價值，發(fā)現(xiàn)它集中在一小群“明星企業(yè)”。這意味著市場預(yù)期受益集中在少數(shù)幾家公司，基于AI經(jīng)濟(jì)的市場力量還有待進(jìn)一步發(fā)展。

人工智能不同行業(yè)采用的差異和影響

[[321468]]

以衛(wèi)生行業(yè)為例：該行業(yè)的生產(chǎn)性質(zhì)、數(shù)據(jù)的可獲得性、改變業(yè)務(wù)流程的范圍及其產(chǎn)業(yè)結(jié)構(gòu)(包括競爭和創(chuàng)業(yè)水平)，與金融或廣告等行業(yè)完全不同。這意味著人工智能將對不同行業(yè)產(chǎn)生截然不同的影響。

此前的《人工智能經(jīng)濟(jì)學(xué)》(the Economics of AI)會議包括了人工智能在媒體或醫(yī)療等領(lǐng)域的影響的論文。今年審議了其他領(lǐng)域的具體問題，包括科學(xué)研發(fā)和監(jiān)管。

讓機(jī)器創(chuàng)造更好的想法

Cockburn、Henderson和Stern在《人工智能經(jīng)濟(jì)學(xué)》大會上首次提出，人工智能不僅是一種通用技術(shù)，而且是一種“發(fā)明方法中的發(fā)明”，可以改變科學(xué)研發(fā)的生產(chǎn)率，在使用這些知識的領(lǐng)域產(chǎn)生重要的溢出效應(yīng)。即“創(chuàng)造更好想法的人工智能系統(tǒng)”在遞歸循環(huán)中變得更善于創(chuàng)造更好的系統(tǒng)。

今年，風(fēng)險投資家Steve Jurvetson和初創(chuàng)公司Atomwise的首席執(zhí)行官Abraham Heifts談到，他們已經(jīng)在自己的企業(yè)中尋找到了一些這樣的機(jī)會。有兩篇論文研究了人工智能對研發(fā)的影響:

• 我本人和同事對人工智能在arxiv計算機(jī)科學(xué)研究中的應(yīng)用做了分析，人工智能至少是計算方法上的一項發(fā)明：人工智能在許多計算機(jī)科學(xué)分支領(lǐng)域中被采用，并且它已經(jīng)產(chǎn)生重要影響。人工智能正在計算機(jī)視覺、自然語言處理、聲音處理和信息檢索等領(lǐng)域得到更快的發(fā)展，這些領(lǐng)域擁有大量數(shù)據(jù)集，可以訓(xùn)練機(jī)器學(xué)習(xí)系統(tǒng)，因此人工智能研發(fā)在這些領(lǐng)域的進(jìn)展更快。
• Agrawal等人建立了一個模型，研究人工智能對生物醫(yī)學(xué)和材料科學(xué)等科研領(lǐng)域的影響，人工智能系統(tǒng)可以幫助識別哪些藥物組合具有最大的潛力，以減少浪費(fèi)，增長研發(fā)領(lǐng)域的生產(chǎn)率。作者表示，要實(shí)現(xiàn)這些好處，就需要獲得訓(xùn)練數(shù)據(jù)，并組建研究團(tuán)隊，將人工智能技能與所采用的科學(xué)領(lǐng)域的領(lǐng)域知識結(jié)合起來。

人工智能監(jiān)管

人工智能等新技術(shù)的開發(fā)和采用需要出臺新的游戲規(guī)則。與此同時，監(jiān)管本身就是一個產(chǎn)業(yè)，其結(jié)構(gòu)和流程正在被加速技術(shù)變革、創(chuàng)造新的機(jī)會的人工智能系統(tǒng)所改變。會議上有兩次談話都集中在監(jiān)管和人工智能之間的雙向通道上。

Suk Lee等人調(diào)查了企業(yè)，將如何改變他們的人工智能采用計劃，以應(yīng)對不同的人工智能監(jiān)管模式。與特定行業(yè)的法規(guī)相比，通用法規(guī)將為人工智能的采用制造更多的障礙，而且法規(guī)增加了對監(jiān)督人工智能采用的管理人員的需求，同時減少了對技術(shù)和低技能工人的需求。它也為小公司制造了更大的障礙，增加了在創(chuàng)新和競爭方面更嚴(yán)格的監(jiān)管的潛在成本。

克拉克和哈德菲爾德認(rèn)為，監(jiān)管行業(yè)需要創(chuàng)新，以跟上人工智能技術(shù)快速變化的步伐，但公共部門的監(jiān)管機(jī)構(gòu)缺乏靈活性和動力，無法有效地做到這一點(diǎn)。為了解決這個問題，他們建議建立監(jiān)管市場，其中政府許可私營公司以可衡量的目標(biāo)來監(jiān)管人工智能的采用: 這將使私營企業(yè)有動力和自由開發(fā)創(chuàng)新的監(jiān)管技術(shù)和商業(yè)模式，盡管這也提出了由誰來監(jiān)管這些新監(jiān)管機(jī)構(gòu)的問題，以及如何避免它們內(nèi)部出現(xiàn)的問題。

微觀

基于機(jī)器學(xué)習(xí)算法的現(xiàn)代人工智能系統(tǒng)常常被稱為黑匣子，因?yàn)樗鼈兊念A(yù)測很難解釋和理解。類似地，在采用宏觀視角的經(jīng)濟(jì)學(xué)家看來，采用人工智能系統(tǒng)的公司就像黑匣子: 畢竟，人工智能無形資產(chǎn)是一個廣泛的商業(yè)投資類別，包括對各種流程、實(shí)踐、新業(yè)務(wù)和組織模型的實(shí)驗(yàn)。但是，當(dāng)這些公司采用人工智能系統(tǒng)時，它們實(shí)際上在做什么呢?它們的影響是什么呢?

經(jīng)濟(jì)學(xué)家將打開這些企業(yè)的黑匣子來衡量人工智能的影響。當(dāng)公司部署人工智能系統(tǒng)時，不僅是為了預(yù)測或作出更好的決策，而且重塑了環(huán)境中員工、消費(fèi)者、競爭對手、AI系統(tǒng)本身所扮演的角色。

• Susan Athey等人比較了芝加哥UberX和UberTaxi的服務(wù)質(zhì)量。他們通過分析駕駛速度、持續(xù)時間、剎車頻次等詳細(xì)的遠(yuǎn)程數(shù)據(jù)，證實(shí)了UberX司機(jī)的工作會受到用戶評論的影響。他們還向司機(jī)提供有關(guān)他們表現(xiàn)的信息以測試是否會改變他們的行為，結(jié)果發(fā)現(xiàn)，表現(xiàn)最差的司機(jī)往往會對這些 “激勵”做出反應(yīng)，從而提高自己的駕駛技術(shù)。這篇論文表明，人工智能系統(tǒng)是“管理和監(jiān)管日益重要的數(shù)字平臺和市場方法”，同時也引發(fā)了人們對員工隱私的大量擔(dān)憂。
• Michael Luca等人對各種策略的有效性進(jìn)行了測試，以波士頓的一家餐館的健康檢查為例。研究表明，復(fù)雜的機(jī)器學(xué)習(xí)算法得出的推薦結(jié)果，要優(yōu)于人類檢查員得出的排名。有趣的是，他們還發(fā)現(xiàn)了大量不按照人工智能建議的檢查人員，這表明工作人員不信任這些系統(tǒng)。
• Adair Morse和合著者分析了“金融科技”人工智能系統(tǒng)在抵押貸款歧視中的影響，發(fā)現(xiàn)與面對面的貸款人相比，這些系統(tǒng)傾向于減少對拉丁美洲和非洲裔借款人的歧視，無論是在利率和貸款批準(zhǔn)率方面。然而，人工智能系統(tǒng)仍然通過識別數(shù)據(jù)中不同的特征來區(qū)別對待。這表明，采用人工智能可以幫助解決舊問題(人類偏見)，同時引入新問題(算法偏見)。

使用人工智能來研究人工智能

人工智能技術(shù)對經(jīng)濟(jì)學(xué)研究有很大貢獻(xiàn)，因?yàn)榻?jīng)濟(jì)學(xué)研究常常試圖從數(shù)據(jù)中發(fā)現(xiàn)因果模式。Susan Athey在首屆人工智能經(jīng)濟(jì)學(xué)大會(Economics of AI conference)上，特別關(guān)注了如何利用機(jī)器學(xué)習(xí)來改進(jìn)現(xiàn)有的計量經(jīng)濟(jì)學(xué)方法。

上面提到的幾篇論文探索了新的數(shù)據(jù)源和方法，例如使用LinkedIn和Uber的大數(shù)據(jù)集，以及測試UberX司機(jī)對信息推送的反應(yīng)。在Nesta，我們正在用機(jī)器學(xué)習(xí)方法分析開放數(shù)據(jù)集，以繪制人工智能地圖。

盡管這些方法打開新的分析機(jī)會，但是他們也提高了再現(xiàn)性的挑戰(zhàn)，特別是當(dāng)研究依賴于專有數(shù)據(jù)集，不能與其他研究人員共享。其中一些挑戰(zhàn)可以通過共享分析過程中使用的數(shù)據(jù)和代碼，為新方法的應(yīng)用制定道德準(zhǔn)則來解決。

人工智能經(jīng)濟(jì)的未來道路

在總結(jié)了會議的主要議題和論文之后，我重點(diǎn)討論了一些我認(rèn)為遺漏的問題。

人工智能建模

對人工智能影響的宏觀研究假設(shè)，只要企業(yè)進(jìn)行必要的補(bǔ)充投資，人工智能就會提高生產(chǎn)率。他們很少關(guān)注人工智能帶來的新問題，如算法操縱、偏見和錯誤、員工不遵守人工智能建議，或人工智能市場的信息不對稱。這些因素會降低人工智能對生產(chǎn)率的影響，可能阻礙人工智能產(chǎn)品和服務(wù)貿(mào)易。

對人工智能的宏觀研究應(yīng)該考慮人工智能采用和影響的這些復(fù)雜方面，而不是將它們隱藏在無形投資的黑盒子里，或者假設(shè)它們在某種程度上是人工智能部署的外生因素。如果我們考慮到不同行業(yè)的算法錯誤風(fēng)險，以及管理它所需的人力監(jiān)督投資，這個模型會是什么樣子。

總體而言，在《人工智能經(jīng)濟(jì)學(xué)》大會上發(fā)表的研究明確了人工智能對經(jīng)濟(jì)造成的外部沖擊，比如Daniel Rock關(guān)于TensorFlow的發(fā)布對企業(yè)市場價值影響的研究。然而，人工智能的發(fā)展本身就是一個經(jīng)濟(jì)過程，其分析應(yīng)該成為人工智能經(jīng)濟(jì)議程的一部分。

在會議晚宴演講中，OpenAI的Jack Clark描述了人工智能研發(fā)的主要趨勢：隨著企業(yè)實(shí)驗(yàn)室、大型數(shù)據(jù)集和大規(guī)模IT基礎(chǔ)設(shè)施在人工智能研究中變得更加重要，同時隨著開源軟件、開放數(shù)據(jù)和云計算的更加“民主化”，先進(jìn)的人工智能系統(tǒng)的部署變得更加容易，我們見證了人工智能正走向“產(chǎn)業(yè)化”。這些變化具有重要的經(jīng)濟(jì)意義。例如，學(xué)術(shù)界的研究人員越來越需要與企業(yè)合作，以獲取訓(xùn)練先進(jìn)人工智能系統(tǒng)所需的數(shù)據(jù)。與此同時，通過開放渠道發(fā)展人工智能研究給監(jiān)管機(jī)構(gòu)帶來了重大挑戰(zhàn)，它們需要在采用人工智能技術(shù)的環(huán)境中監(jiān)測合規(guī)情況，因?yàn)椴捎萌斯ぶ悄芗夹g(shù)就像從GitHub下載和安裝一些軟件一樣簡單。在會議上提交的論文很少涉及這些問題。

未來的工作可以通過使用數(shù)據(jù)、軟件、計算基礎(chǔ)設(shè)施和成熟經(jīng)驗(yàn)來開發(fā)人工智能模型，從而填補(bǔ)這些空白。在這篇論文中，Miles Brundage開始定性地勾勒出這個模型可能的樣子，以便研究人工智能行業(yè)的結(jié)構(gòu)、組成和生產(chǎn)力，以及它如何向其他部門提供人工智能技術(shù)和知識。Felten、Raj和Seamans的研究表明，這種分析可以幫助預(yù)測人工智能的經(jīng)濟(jì)影響，并為政策提供信息。

研究人工智能創(chuàng)新活動

保持技術(shù)的多樣性可能是有益的，特別是當(dāng)我們不知道它們的優(yōu)缺點(diǎn)時。然而，正如Daron Acemoglu在2011年的這篇論文中所指出的那樣，如果研究人員無法從技術(shù)多樣性的好處中獲益，那么在市場上無法替代占主導(dǎo)地位的技術(shù)。

在NBER會議上提出的大多數(shù)研究都采用了人工智能的“整體”定義，將其等同于當(dāng)今主導(dǎo)該領(lǐng)域的深度學(xué)習(xí)，而忽視了對這種方法局限性的關(guān)注。然而，正如Gary Marcus在最近的研究中所指出的，為了讓人工智能系統(tǒng)更健壯、更適合健康等高風(fēng)險領(lǐng)域，其他技術(shù)可能也是離不開的。

缺乏技術(shù)多樣性會成為人工智能領(lǐng)域的一個問題嗎?作為人工智能研究產(chǎn)業(yè)化的一部分，私營企業(yè)在設(shè)置人工智能研究議程方面的影響力越來越大。我們需要更多的研究來衡量人工智能的技術(shù)多樣性，以及它是如何被相關(guān)人員和組織的目標(biāo)、偏好和議程所塑造的。我們剛剛發(fā)表了一篇關(guān)于人工智能研究主題構(gòu)成的文章，為分析多樣性的演化及其在未來工作中的驅(qū)動因素提供了基礎(chǔ)。

人工智能的政治經(jīng)濟(jì)

在首屆人工智能經(jīng)濟(jì)學(xué)大會上，Tratjenberg、Korinek和stiglitz提出了這樣一個問題：當(dāng)人工智能到來時，誰會受益，誰會遭殃?人工智能的部署在政治上是否會變得不可接受?最近，Daron Acemoglu和Pascual Restrepo表示擔(dān)心，人工智能產(chǎn)業(yè)可能會建立某些錯誤，因?yàn)樗鼪]有考慮到人工智能的間接影響(例如勞動力市場的混亂)，而且一些領(lǐng)導(dǎo)者不顧其缺點(diǎn)，偏向于大規(guī)模自動化。這些重要的問題在很大程度上在多倫多缺乏討論，但是經(jīng)濟(jì)學(xué)家需要量化和模型化分析，以確保其經(jīng)濟(jì)效益被廣泛共享和減少公眾反對它的風(fēng)險。

結(jié)論

對我來說，從去年的人工智能經(jīng)濟(jì)學(xué)大會上得出的最大結(jié)論是，人工智能的影響可能比一些報紙文章預(yù)期的更復(fù)雜，而且出現(xiàn)的時間更長。公司將試圖從人工智能中創(chuàng)造價值。其中一些實(shí)驗(yàn)可能會失敗，或者證明采用人工智能是不經(jīng)濟(jì)的。但是有些公司會從這些失敗中吸取教訓(xùn)，而有些公司會再試一次。技術(shù)短缺、更嚴(yán)格的監(jiān)管以及消費(fèi)者的擔(dān)憂，將放緩某些人工智能系統(tǒng)的采用。在一個行業(yè)或公司中采用人工智能，將會創(chuàng)造出意想不到的結(jié)果，也給相關(guān)行業(yè)帶來新的變化。

換句話說，未來人工智能對經(jīng)濟(jì)的影響更像互聯(lián)網(wǎng)，它將是復(fù)雜的?；贏I的預(yù)測機(jī)器不僅為我們提供建議，但是我們作為經(jīng)濟(jì)體和社會體的參與者，需要對未來人工智能技術(shù)的發(fā)展，如何更好的利用它們，以及如何管理它們做出決策。正如《人工智能經(jīng)濟(jì)學(xué)》大會所顯示的那樣，世界上一些最優(yōu)秀的經(jīng)濟(jì)學(xué)家正在為這些決策作出努力。

原文標(biāo)題：The Economics of AI Today，作者：Juan Mateos-Garcia

【51CTO譯稿，合作站點(diǎn)轉(zhuǎn)載請注明原文譯者和出處為51CTO.com】