對人工智能就業效應的評析

江蘇省社會科學院 沈于

隨著電腦性能的提升與算法思想的進步，近年來，人工智能(Artifi cial Intelligence，簡稱A.I.)技術取得了巨大突破。普遍認為，人工智能將形成新一輪產業變革的核心驅動力，重構生產、分配、交換、消費等經濟活動環節，催生新產品、新服務、新產業，引發經濟結構的重大變革，實現全社會生產力的整體躍升。目前，人工智能已成為全球競爭的新焦點，各國政府不斷加大在人工智能領域的投入，力求在新一輪科技競爭中把握主導權。人工智能領域的風險投資金額、參與機構數量大幅攀升，人工智能企業的市場估值迭創新高。整體上看，全球范圍內人工智能產業蓬勃發展的態勢已經形成。

在人工智能高歌猛進的同時，一個不容忽視的問題逐漸浮出了水面——新一代人工智能技術會在多大程度上替代人的勞動？A.I.技術的大規模普及會加劇工人失業嗎？近期，一些媒體開始渲染“人工智能將引發大規模失業”這一論斷，并引發公眾熱議。毋庸諱言，大眾輿論易受情緒左右，其觀點缺乏嚴謹性，不足為憑。然而，站在學術的立場，“人工智能的就業效應”卻是一項值得研究的課題。

人工智能是一項新近出現的技術，就此，對“人工智能是否會加劇失業？”這個具體的問題，經濟學理論并沒有現成的答案。然而，從邏輯上看，該問題隸屬于一個更古老的論題，那就是——技術進步是否會導致工人失去工作？從歷史上看，每一輪技術革命都在不同程度上引起了“機器替代工人”的現象，從而在當時引發了學術界的關注。有鑒于此，對人工智能就業效應的分析，無疑可以從經濟思想史上得到有益的啟示。另外，與歷次科技革命相比，人工智能技術當然具備其獨特性，對其就業效應的深入分析，必須考慮人工智能的自身特點。

1 歷史的啟示

“技術進步的就業效應”這一課題是近代社會的產物。在漫長的農業社會，一方面，技術進步非常緩慢；另一方面，以自然經濟為主的農業社會，大規模雇傭勞動并不存在，失業只是偶發、零散的出現。當然也就談不上技術進步加劇失業的問題。

到了18世紀，隨著第一次工業革命的發生，動力機器開始出現。大規模工業化導致歐洲進入了以機器替代手工勞動的時代。在這一進程中，機器設備在一些領域取代了人工，技術進步的就業效應首次進入公眾的視線，也引起了學術界的強烈興趣。英國經濟學家馬爾薩斯認為，機器設備的大規模推廣可能降低企業主對勞動力的需求，從而導致工人被解雇；與之相對，薩伊等經濟學家卻認為，使用新機器意味著生產效率提升，從而使產量增加，基于“薩伊定律”，這必然伴隨著更多的產品需求，進而增加對勞動力的需求；李嘉圖分析了機器大規模使用對就業帶來的影響，他開創性的區分了長期與短期的差異。李嘉圖認為：從短期看，技術進步必然伴隨機器對工人的替代，這當然會加劇失業狀況；但從長期看，使用機器將帶來更高的產量，從而導致投資資本上升，這又會增加對勞動力的需求。很明顯，李嘉圖的觀點綜合了馬爾薩斯與薩伊的論斷，其對技術進步長期與短期效應的區分，對我們當前的研究依然有很強的參考價值。馬克思則利用“資本有機構成”這一概念分析了使用機器的影響。在馬克思看來，使用機器將導致人口相對過剩并帶來失業，由于市場競爭的壓力，這一過程會不斷自我強化，從而加劇失業，最終導致龐大的產業后備軍。此后，隨著第二次工業革命的到來，新機器是否會導致失業這一論題再度引發經濟學家的關注，一些研究者甚至將經濟危機歸因于技術進步。作為研究大蕭條現象的專家，凱恩斯在其著作中提及了“技術進步引發的失業”。里昂惕夫也認為機器對勞動力存在擠出效應。這些早期的理論研究，雖然并不完善，但無疑為后來的研究者開辟了道路。

在當代的研究文獻中，對技術進步就業效應的研究主要基于實證分析。一些宏觀層面的研究者分析了美國或歐洲的就業數據，大多數研究結果表明，技術進步對就業的影響是不確定的，主要取決于需求彈性及要素替代彈性，若彈性較高，則技術進步不僅不會導致失業，還將促進就業，反之則可能減少就業崗位(Sinclair，1981，Nickell and Komg，1989等)。一些研究還證實了李嘉圖的觀點，即技術進步在短期傾向于加劇失業，但從長期看，技術進步幾乎不會影響就業水平(Feldmann，2013等)。在微觀層面，從直覺上說，技術進步對不同部門就業狀況的影響應當是有差異的。這種直觀猜測得到了實證研究的支持。有學者研究了歐洲五國的就業數據，其結論是，若僅僅考察制造業的就業狀況，那么技術進步將阻礙就業。若將服務業數據納入樣本，結論將完全相反(Bogliacino and Pianta，2010)。無論對歐洲還是美國的分析均表明，技術進步顯著促進了高科技領域的就業(Bogliacino and Vivarelli，2012；Coad and Rao,2012)。此外，有研究表明，技術進步，特別是信息技術的發展，對高、中、低層就業崗位的影響差異巨大，甚至達到了“極化”(polarization)的地步。Goos等人(2009)發現，信息技術嚴重削弱了中層職位的數量，而低層及高層職位的數量不僅沒有減少，反而有所增加。根據Autor(2003)等研究者的分析，這可能是由于相關職業的特性所致——中層職位，比如出納、速記員等，其工作易于被計算機所替代。高層職位往往涉及決策、靈感、判斷力等，這些須要創造力的工作難以被計算機取代。而低層職務，往往是一些體力勞動或直接面向顧客的服務，它們可能涉及視覺或聽覺感知能力、手工操作能力、語言表達能力等，這同樣難以被計算機所取代。最終，信息技術的發展導致了中間層職位減少，高層及低層職位增加的“極化”現象。

總體而言，就長期看，現有研究并不支持“技術進步將導致社會整體失業率增加”這一論斷，理論邏輯或實證分析均表明，技術進步在長期傾向于促進而非削減就業。至于短期，情況有所不同，技術進步對就業的短期影響是不定的。如果把視線局限于某一類職業，則情況更加復雜，一般來說，技術進步總是傾向于削減某類職位，而增加另一類職位。無論如何，在短期內，至少有一部分職業崗位會受到技術進步的影響。

盡管上述論斷是基于對歷史文獻的梳理而得出的，但它同樣適用于分析新一代人工智能的就業效應。這意味著，從長期看，我們大可不必擔心人工智能技術會加劇整體失業率。但在短期內，人工智能可能對就業狀況有所影響，而在某些特定行業，這種影響還可能較為顯著。

2 進一步分析

既然人工智能對不同職業的影響是不同的。那么，順理成章，研究重點就在于預判哪些職業更可能受到A.I.技術的影響。毫無疑問，這既涉及職業自身的特點，也涉及新一代人工智能的技術特性。

一個公認的事實是，新一代人工智能是“數據驅動型”技術。這就是說，要在某一領域實現人工智能，就必須向電腦系統輸入大量(該領域的)數據。比如，要實現對肺部X光影像的智能識別，就必須向電腦輸入大量肺部X光照片，并在每一張照片上標注這是“健康人”還是“肺炎患者”或“肺結核患者”。當電腦消化了大量已知照片之后(該過程被稱為“訓練”)，面對一張全新的、未標注的肺部X光照片，A.I.即可判斷該照片屬于“健康人”還是“肺炎患者”或“肺結核患者”。不僅如此，用于訓練的X光照片數量越多，A.I.的識別準確率越高。類似的，要開發一個語音識別系統，就必須向電腦輸入大量的語音材料，以供電腦展開“訓練”。這意味著，新一代人工智能須要大量數據作為支撐(AlphaGo就輸入了16萬盤人類棋手的對弈資料)。從某種意義上說，數據的可得性在很大程度上決定了人工智能系統的性能。所幸的是，隨著互聯網技術的發展，萬物互聯正從理想變為現實，大數據的興起在很大程度上緩解了數據的可得性問題，為人工智能插上了騰飛的翅膀。在醫學影像領域，早在多年前就實現了影像資料的全數字化保存，從而擁有大量現成的醫學影像資料可供調閱，這極大便利了相關A.I.系統的開發。此外，在金融、氣象等領域，往往都保存著較為完整的歷史數據可供調用。從某種意義上說，越是擁有大量完整數據資料的行業，人工智能系統的開發成本就越低廉。相應的，相關職業崗位越容易受到A.I.的沖擊。然而，并非每個行業的數據都是廉價可得的，那些不保存歷史資料，甚至不記錄數據的行業，部署人工智能的成本將非常高昂——這意味著需要從零開始積累數據，從而耗費大量時間及人力、物力資源。就此，我們的判斷是：某個行業越容易獲得完整的數據資料，相關職業越易于遭受人工智能的沖擊。

需要指出的是，人工智能對勞動力的替代效應固然取決于A.I.系統自身的成本，同時也受到勞動力成本的影響。而勞動力成本則受制于一系列市場、政策因素。如果允許工資自由浮動，那么在人工智能的壓力下，相關職業的人員工資將向下調整，這就在一定程度上緩解人工智能的擠出效應。相反，如果為工資的自由浮動設置種種障礙，機器設備對勞動力的替代將更加嚴重。

3 結論與對策建議

綜上所述，對于人工智能的就業效應，我們的觀點是，從長期看，人工智能技術不可能加劇全社會失業水平，但在短期，人工智能可能對就業造成某種影響，在特定某些行業，影響還可能比較嚴重。基于此，我們的建議主要有以下幾點。

(1)毫不動搖的繼續支持、鼓勵人工智能產業的發展。人工智能不會對就業造成長期影響，一些媒體渲染“人工智能將導致大規模失業”的論斷，造成了不必要的恐慌情緒，對此，應積極加以引導。

(2)人工智能對特定某些職業的沖擊較大。對那些處于人工智能沖擊波第一線的人員，應鼓勵其未雨綢繆，早做準備，根據自身能力、技能，盡早轉向新職業。政府部門應根據其實際狀況，提供職業培訓、就業指導等服務。對于一些因為年齡、技能等因素，確實無法順利再就業的人員，政府應當在社會福利等方面及時給予救助。

(3)工資自由浮動可削弱人工智能技術對勞動力的替代效應。應強化市場機制在勞動力薪酬中的決定作用，盡可能消除各種身份、戶籍等歧視，減少勞動力市場運行的摩擦。

(4)面臨人工智能的沖擊浪潮，教育部門應及時調整大專院校、職業學校的專業設置，削減易受人工智能影響專業的招生數量。