人工智能经济时代的希望与挑战

人工智能（AI）的时机可能终于到了，在过去60年，经过几次"人工智能冬天"的炒作之后。AI现在为许多真实世界的应用程序提供动力，从面部识别到语言翻译和助手（如 Siri 和 Alexa），我们几乎没注意到它。随着这些消费者应用，各个行业的公司越来越多地利用 AI 在运营中的力量。接受人工智能有望为企业和经济体带来对生产力增长和创新的贡献。同时，人工智能对工作的影响可能是深远的。一方面是一些职业以及对某些技能的需求将下降，而另一方面是莫 些职业随着人们与不断发展和日益有能力的机器一起工作而增长和变化。

深度学习和机器学习技术正在推动人工智能

*近对人工智能的兴奋很大程度上是由于深度学习领域的进步，这是一套基于人工神经网络的机器学习技术。这些人工智能系统松散地模拟了神经元在大脑中相互作用的方式。神经网络有许多（"深度"）层模拟互联神经元，因此术语"深度学习"。早期的神经网络只有三到五层和几十个神经元，而深度学习网络可以有十个或更多层，模拟神经元的数量在数百万。

尽管限制依然存在，但新技术会显示出希望

人工智能仍然面临许多实际挑战，尽管新技术正在出现，以解决这些问题。机器学习可能需要大量的人力努力来标记监督学习所需的培训数据。流内监督，其中数据可以在自然使用过程中标记，和其他技术可以帮助缓解这个问题。

获取足够大和全面的数据集，用于培训，例如，创建或获取足够的临床试验数据以更准确地预测医疗保健治疗结果，也常常是具有挑战性的。

深度学习技术的"黑匣子"复杂性带来了"可解释性"的挑战，或者显示了哪些因素导致了决策或预测，以及如何决策或预测。这在信托和预测具有社会影响的应用中尤其重要，例如在刑事司法申请或金融贷款中。一些新生的方法，包括地方可解释的模型不可知解释（LIME），旨在提高模型的透明度。

另一个挑战是建立通用的学习技术，因为人工智能技术在将经验从一组环境带到另一组环境中方面仍然困难重重。转移学习，其中人工智能模型被训练完成特定任务，然后迅速将学习应用到类似但独特的活动中，是应对这一挑战的一个有希望的对策。

企业将从 AI 中受益

虽然人工智能在消费者应用中越来越普遍，但企业开始在其运营中采用人工智能，有时效果显著。

AI 的潜在跨行业和跨职能部门

AI 可用于提高包括预测维护在内的业务绩效，其中深度学习从音频和图像中分析大量高维数据的能力可以有效地检测工厂装配线或飞机发动机中的异常情况。在物流方面，AI 可以优化交付流量的路由，提高燃油效率并缩短交货时间。在客户服务管理方面，由于语音识别的改进，AI 已成为呼叫中心的宝贵工具。在销售方面，将客户人口统计和过去的交易数据与社交媒体监控相结合，可以帮助生成个性化的"下一个产品购买"建议，许多零售商现在经常使用这些建议。

这种实用的人工智能应用案例和应用可以遍及经济的所有部门和多个业务功能，从营销到供应链运营。在许多此类使用案例中，深度学习技术主要通过改进传统分析技术来增加价值。

我们对 19 个行业和 9 个业务职能部门的 400 多个使用案例进行分析后发现，在 69% 的潜在使用案例中，人工智能改进了传统分析技术。在只有 16% 的 AI 使用案例中，我们发现了一个"绿地"AI 解决方案，该解决方案适用于其他分析方法无效的地方。我们的研究估计，到 2030 年，基于人工神经网络的深度学习技术可产生所有分析技术所能提供的总潜在价值的 40%。此外，我们估计，一些深度学习技术每年可带来高达6万亿美元的价值。

虽然许多组织已开始采用人工智能，但采用人工智能的速度和程度参差不齐。在 2018 年一百家公司关于人工智能采用情况的调查中，近一半的受访者表示，他们的公司在其业务流程中至少嵌入了一种 AI 功能，另有 30% 的公司正在试用 AI。不过，只有21%的受访者表示，他们的组织已经将人工智能嵌入到业务的几个部分，只有3%的大公司将人工智能整合到其整个企业工作流程中。

其他调查显示，早期的人工智能采用者倾向于更广泛地考虑这些技术，以扩大其市场或增加市场份额，而经验较少的公司则更狭隘地关注降低成本。高度数字化的公司倾向于加大对人工智能的投资，并从其使用中获得更大的价值。

在部门一级，数字化的早期采用者与其他人之间的差距正在扩大。在MGI 行业数字化指数中排名靠前的行业，如高科技和电信以及金融服务是 AI 采用者的领先者，并且拥有*雄心勃勃的 AI 投资计划。随着这些公司扩大人工智能的采用范围，并获取更多的数据和人工智能功能，落后者可能会发现很难赶上。

许多公司和部门在人工智能采用方面滞后。制定具有明确定义优势的人工智能战略、寻找具有适当技能的人才、克服制约端到端部署的功能孤岛，以及***对人工智能缺乏所有权和承诺，这些都是高管们*常提到的采用障碍之一。

在战略方面，公司需要制定全企业对吸引 AI 机会的看法，从而可能改变其当前业务流程的一部分。组织将需要强大的数据捕获和治理流程以及现代数字功能，并能够构建或访问必要的基础设施。更具挑战性的将是克服"*后一公里"的问题，即确保人工智能提供的**见解被灌输到人员的行为和企业流程中。

在人才方面，深度神经网络的大部分构建和优化仍然是一项需要真正专业知识的艺术。对这些技能的需求远远超过供应：据估计，只有不到10000人具备解决严重人工智能问题所需的技能，而且竞争非常激烈。考虑构建自己的人工智能解决方案的公司需要考虑是否有能力吸引和留住具有这些专业技能的员工。

通过提高生产力和创新，经济也将受益于人工智能

人工智能和自动化技术的部署对提振全球经济和促进全球繁荣大有帮助。在老龄化和出生率下降的时期，生产率增长对长期经济增长至关重要。即使在短期内，发达经济体的生产率增长也一直缓慢，从10年前的2.4%下降到2010-14年的0.5%。与以前的通用技术非常一样，AI 具有促进生产力增长的潜力。

工智能可以通过各种渠道对经济产生影响

AI **的经济影响可能是通过劳动力市场效应（包括替代、增强和贡献劳动生产率）对生产率增长的影响。

我们的研究表明，劳动力替代可能占到总收益的不到一半。人工智能将增强人类能力，释放员工从事更有生产力和更高价值的任务，并增加对与人工智能技术相关的工作的需求。

AI 还可以促进创新，使公司能够通过更有效地使用现有产品进入服务不足的市场，以及长期内创造全新的产品和服务，提高其**产品水平。AI 还将创造积极的外部性，促进更高效的跨境贸易，并能够扩大使用有价值的跨境数据流。这种经济活动和收入的增长可以再投资于经济，促进进一步的增长。

AI 的部署也将带来一些负面的外部因素，这些外部因素可能会降低（但无法消除）正面的经济影响。在经济方面，这些包括竞争加剧，市场份额从非吸附者转向领跑者，与管理劳动力市场转型相关的成本，以及失业期间公民可能丧失的消费，以及部署人工智能系统的过渡和实施成本。

总之，这些各种渠道都为显著的正经济增长服务，假设企业和政府积极管理这一转变。我们使用大数据进行的一项模拟表明，到2030年，人工智能的采用可以使全球GDP增加13万亿美元，每年增加约1.2%的GDP增长率。然而，这种影响只会随着时间的推移而累积，因为 AI 的大部分实施成本可能高于收入潜力。

我们对自动化和人工智能对工作的影响的分析表明，某些类别的活动在技术上比其他类别的活动更容易自动化。它们包括高度可预测和结构化环境中的体育活动，以及数据收集和数据处理，它们加起来约占大多数经济体所有部门人员活动的一半。

*不易受影响的类别包括管理他人、提供专业知识以及与利益相关者进行联系。高度自动化活动的密度因职业、部门和较小程度的国家而异。我们的研究发现，在60%的职业中，大约30%的活动可以自动化，但在只有大约5%的职业中，几乎所有活动都是自动化的。换句话说，更多的职业将部分自动化，而不是完全自动化。

自动化的速度和程度以及影响实际工作将取决于除技术可行性以外的几个因素。其中包括部署和采用的成本，以及劳动力市场动态，包括劳动力供应数量、质量和相关工资。劳动力因素导致发达经济体和发展中经济体之间的广泛差异。劳动力替代以外的商业利益往往涉及将人工智能用于超越人类的能力， 这有助于商业案例的采用是另一个因素。

社会规范、社会接受度和各种监管因素也将决定时机。所有这些因素在各个部门和国家的表现将有所不同，而对于国家来说，这在很大程度上将受到劳动力市场动态的驱动。例如，在法国、日本和美国等工资水平相对较高的发达经济体，受自动化影响的就业岗位可能比印度增加一倍以上，占总数的百分比。

鉴于所有这些因素的相互作用，很难作出预测，但有可能发展出各种情景。首先，关于失业问题：我们2016年至2030年采用的中点方案表明，全球约15%的劳动力（4亿工人）可能因自动化而流离失所。

其次，就业岗位增加：我们根据生产率的预期经济增长和考虑了几个工作需求驱动因素，制定了到2030年劳动力需求的设想。这些措施包括增加收入，特别是在新兴经济体，以及增加对老龄化人口的医疗保健支出、基础设施和建筑投资、能源过渡支出以及技术开发和部署支出。

通过这些催化剂和其他催化剂获得的就业机会数量可能从5.55亿到8.9亿不等，占全球劳动力的21%至33%。这表明，除非出现极端情况，否则工作需求的增长将远远抵消自动化所失去的工作岗位数量。然而，必须指出，在许多人口年轻的新兴经济体中，为进入劳动大军的工人提供就业机会已经具有挑战性，在发达经济体，失业与我们设想中创造的就业之间的大致平衡也是老龄化的结果，因此进入劳动大军的人数减少。

随着机器在工作场所越来越多地补充人力，这些工作将发生变化， 其意义同样显著。由于上述部分自动化，工作将发生变化，而工作变化对职业的影响将远远大于失业。工人的技能，辅之以机器，以及工作设计，将需要适应跟上快速发展和日益有能力的机器。

即使像我们大多数场景所暗示的那样，2030 年将为人们提供足够的工作，但自动化和人工智能采用将伴随的过渡将非常重要。

首先，数百万工人可能需要改变职业。其中一些转变将发生在公司和部门内部，但许多变化将发生在各个部门，甚至地区。虽然在高度结构化的环境中和数据处理中需要体育活动的职业将减少，但其他难以自动化的职业将增长。这些人员可能包括经理、教师、护理助理、技术和其他专业人员，但也包括在不可预知的物理环境中工作的园丁和水管工。这些变化可能并不顺利，并可能导致失业率暂时上升。

其次，员工需要不同的技能才能在未来的工作场所茁壮成长。对社交和情感技能（如沟通和同理心）的需求增长速度几乎与对许多先进技术技能的需求一样快。所有工作的基本数字技能都在增加。自动化还将刺激对更高认知技能的需求的增长，尤其是批判性思维、创造力和复杂的信息处理。对物理和手动技能的需求将下降，但到 2030 年，这些技能仍将是许多国家中**的劳动力技能类别。技能转移的步伐一直在加快，这可能导致对某些技能的需求过剩，并导致对另一些技能的供应过剩。

第三，随着越来越多的人与机器并肩工作，工作场所和工作流程将发生变化。例如，随着自助结账机在商店中推出，收银员将从扫描商品本身转向帮助回答问题或排除机器故障。

*后，自动化可能会给发达经济体的平均工资带来压力。发达经济体目前的许多中等工资工作都以高度自动化的活动为主，如制造业和会计业，这些活动可能会下降。高薪工作将显著增加，尤其是高技能医疗和科技或其他专业人员。然而，预计将创造的大部分工作，如教师和护理助理，通常工资结构较低。

在处理这些过渡时，许多经济体，特别是经合组织经济体，由于现有的技能短缺和教育制度受到挑战，以及在职培训和工人过渡支助支出下降的趋势，开始出现漏洞。许多经济体已经经历了收入不平等和工资两极分化。