为什么会出现错误的AI？
如果除了简单的自动化技术以外，还存在其他可以提高生产率且利润可观的AI应用，那么我们是否能够指望市场力量和现有公司的创新带领我们实现这些应用？我们是否有理由担心人们不去开发那些有可能重新创造出对人类劳动力有需求的AI应用，而是继续将手中的资源一股脑地投入错误的AI中？
经济学家认为市场能够以最有效率的方式配置资源。不过绝大多数专家认识到一旦涉及创新，市场之星就显得比较黯淡。总的来说，有一些原因导致创新领域会出现市场失灵，而且有些具体原因表明这个问题对于AI尤为重要。
创新的外部性也即不仅创新者会从创新中受益，采用这些新技术的工人和公司也获益匪浅。最重要的是，未来以这些技术为基础更上一层楼的公司和研究者也会受益于这些创新。当存在这种外部性时，市场的表现就不会令人满意。
当存在可供选择但相互矛盾的技术范式时，市场会难以处理这种情形。当一种范式领先于其他范式时，研究者和公司往往会采用走在前面的范式，尽管其他可供选择的范式可能效果更理想。此外，在这种情况下，一旦错误的范式抢先起步，就很难扭转这种趋势，或从其他范式提供的可能性中获益。鉴于人们对AI采取的不同方法构成可供选择但相互矛盾的范式，市场机制在这种情况下未必能做出正确的选择。（*16.请参见Nelson and Winter（1977）、Dosi（1982）以及Acemoglu（2012）。）
为了纠正创新中的市场失灵，美国政府过去一直在利用公私合作鼓励有利于社会发展的研究。它在互联网、传感器、医药、生物技术和纳米技术等很多尖端技术的研发过程中发挥了至关重要的作用。（*17.请参见Mazzucato（2015）。）不过最近，美国政府对研究的资金支持急剧缩水，而且在引导技术变革的方向时也不再像以前那样坚定果敢。导致美国政府态度转变的部分原因在于政府支持创新的资源减少，同时私营部门在制定高科技发展议程方面的主导作用越来越显著（政府官员和研究者可以对硅谷创造性活动的发展方向产生有意义的影响吗？）。这种转变进一步抑制了与发展前景（这些研究的成果不会立即反映在利润率上）和其他社会目标（如这些技术会创造新的就业机会）有关的研究。
创新不仅仅对经济激励做出反应。哪些种类的技术能吸引研究者的关注和想象力也受到很多非经济奖励的影响。美国最富创造力的集群（如硅谷）所处的生态系统可能对自动化研发提供了过多奖励，但对其他前沿科技的应用没有给予足够的重视。造成这种现象的部分原因可能是学界领军人物的价值观和兴趣点（譬如，我们可以看看特斯拉这类公司的理念。它们一直在孜孜不倦地试图将所有事情都自动化）。另外一个原因是大型科技公司的主流商业模式和愿景都聚焦于自动化，致力于清除生产流程中那些可能会出错的人为因素（绝大多数投向AI的资源主要来自这些公司）。由于部分龙头企业为学界投入海量资源，影响了一流学府的教学和研究内容，所以人们对创新激励的最后一个看法更为关键。当代精英受计算机科学、AI和机器学习的吸引，但是将大部分关注点放在了自动化上，这完全在意料之中。技术变革包罗万象，具有倾向性的生态系统会扼杀技术变革的发展方向。
此外，可能有一些因素扭曲了人们研发AI应用时对技术类型的选择。第一个因素是如果创造出的就业机会产生的社会价值超出它在GDP数据中的体现程度（如就业人群更加快乐，成为更出色的公民，或因为劳动力需求增长加快，加剧了收入不平等），那么超出的这部分社会价值会被市场忽略。第二个因素涉及美国和其他西方国家的税收政策，这些政策会为资本和投资提供贴补，但对就业征税。因此，使用机器而不是人类劳动力更加有利可图，这些利润不仅会鼓励人们采用自动化，而且促进了与之相关的研究。最后一个因素是其他三个因素的有效补充。由于公司会把劳动力成本（即工资率）考虑在内（劳动力市场不完善往往导致工资高于劳动力的社会机会成本），企业会有激励采用和研发并非最有利于社会发展的自动化技术。（*18.请参见Acemoglu and Restrepo（2018a）。）
另外还有一组因素阻碍了能够提升劳动力需求的创新型AI应用的发展：这类新技术可能需要重要的互补性投入才能发展起来，而这类投入目前尚不存在。以上文提到的教育领域为例。与人脸识别相比，能够在教育领域创造出新的劳动密集型工作岗位的AI不仅没有被学术界视为前沿或“时髦”的研究领域，而且产生利润所需的辅助性技能和资源完全缺失。我们将AI技术应用于教育界时，教师必须具备更加灵活的新型技能（教师的现有技能和人们正在投资培养的技能除外），而且需要其他资源雇用更多教师使用这些新的AI技术（不管怎样，新技术的着眼点在于创造出新工作岗位并提高对教师的需求）。在医疗业的案例中，资源有限并不是问题的根本所在（医疗在国民收入中的占比一直在上升），但必须开展必要的互补性变革。事实上，正如美国医学会（American Medical Association）展示的那样，医院、保险公司和整个医疗界的组织方式很可能阻碍了这类AI技术的发展，由此凸显了利用新技术创造新岗位时面临的其他障碍。如果人们认为AI技术赋能于护士和技师并提高他们的生产率，这会降低对医生服务的需求，或对当前医院采用的商业模式提出挑战，那么人们就会坚决抵制这类技术。
总之，尽管当前没有真凭实据表明研究机构和公司资源直接投入了“错误的”AI技术，但创新市场没有提供令人信服的理由让人们相信各类AI技术之间会达成有效均衡。如果在当前这个关键时刻没有充分重视创造对劳动力有需求的工作岗位（不是简单地取而代之），那么从社会和经济的角度看，这类AI技术就是“错误的”。四处泛滥的自动化不仅不会提高生产率和增加就业，使人们更加广泛地共享繁荣，反而会导致增长乏力，不平等加剧。
京公网安备 11010502034662号 