人工智能對就業(yè)的影響研究進展

陳明真

摘 要： 正在迅速發(fā)展的人工智能是促進未來產(chǎn)業(yè)結(jié)構(gòu)變革的重要驅(qū)動力，具有很強的“頭雁效應(yīng)”并對勞動力市場產(chǎn)生深刻的影響。本文以人工智能的概念為引，總結(jié)了現(xiàn)有的研究成果，回顧了人工智能對就業(yè)量、就業(yè)結(jié)構(gòu)、產(chǎn)業(yè)分布以及勞動力市場收入分配等方面影響的理論和實證研究，就此提出了五種假說，總結(jié)了現(xiàn)有文獻的不足之處，并對未來研究方向進行了展望。

關(guān)鍵詞： 人工智能 就業(yè)量 就業(yè)結(jié)構(gòu) 收入分配

一、引言

黨的十八大提出我國經(jīng)濟發(fā)展進入新常態(tài)，以技術(shù)進步作為經(jīng)濟發(fā)展的主要驅(qū)動力是順應(yīng)經(jīng)濟新常態(tài)發(fā)展的主要經(jīng)濟增長形式。近年來，人工智能正在以不容忽視的速度進行發(fā)展，并且對就業(yè)產(chǎn)生了深刻影響。對人工智能的研究從20世紀(jì)四50年代開始，1956年由約翰·麥卡錫（John McCarthy）等人組織參與的達特茅斯會議被看作是開創(chuàng)了人工智能（Artificial Intelligence，簡稱AI）研究領(lǐng)域的先河。要想研究人工智能對勞動力市場各方面的影響，就要了解人工智能的相關(guān)概念及其在現(xiàn)階段的應(yīng)用領(lǐng)域。目前，對于人工智能這一概念各界學(xué)者還未形成統(tǒng)一的定義。MIT電氣工程領(lǐng)域通過研究認(rèn)為人工智能是一個有機整體，其通過模型建立關(guān)于思維、感知和行動的表達系統(tǒng)（Finlayson等，2010）。而我國學(xué)者對人工智能進行了以下定義：人工智能是為了實現(xiàn)特定任務(wù)目標(biāo)而創(chuàng)造的、能夠表現(xiàn)出與人類能力相似水平的技術(shù)（楊偉國等，2018）。人工智能正在從各個方面影響著人類的生產(chǎn)、生活，因此要對人工智能保持客觀的認(rèn)知，從而避免認(rèn)識上的盧德主義（張成崗，2018）。

國務(wù)院在2017年7月印發(fā)的《新一代人工智能發(fā)展規(guī)劃》中提出人工智能是引領(lǐng)未來的戰(zhàn)略性技術(shù)，必須加快人工智能深度應(yīng)用，培育壯大人工智能產(chǎn)業(yè)，為我國經(jīng)濟發(fā)展注入新動能。在近期的疫情防控中，人工智能也具有多重典型應(yīng)用場景，習(xí)近平總書記在指揮疫情防控工作時指出鼓勵運用大數(shù)據(jù)、人工智能、云計算等數(shù)字技術(shù)，在疫情監(jiān)測分析、防控救治等方面發(fā)揮更好的支撐作用。未來人工智能的發(fā)展將更為迅速，從而引發(fā)科技的重大變革，也會深刻影響著人們的生產(chǎn)、生活和學(xué)習(xí)方式。研究人工智能的發(fā)展對就業(yè)各方面效應(yīng)，有助于我們更好地理解人工智能發(fā)展對勞動力市場帶來的影響，從而更加合理地制定相關(guān)政策以應(yīng)對其給企業(yè)和勞動者帶來的風(fēng)險和挑戰(zhàn)。

二、人工智能對勞動力就業(yè)量的影響

就業(yè)是民生之本，就業(yè)穩(wěn)定是維持社會穩(wěn)定的重要因素。人工智能的發(fā)展是否能夠造成大規(guī)模的失業(yè)是當(dāng)今社會普遍關(guān)注的問題。學(xué)者對于人工智能對于就業(yè)的影響持有不同的觀點，其對就業(yè)的影響影響總體可分為替代效應(yīng)和創(chuàng)造效應(yīng)兩種。

（一）破壞性的替代效應(yīng)

所謂替代效應(yīng)，一方面是由于人工智能等新技術(shù)新產(chǎn)業(yè)的發(fā)展會造成傳統(tǒng)企業(yè)的滅亡，勞動崗位消失，進而造成就業(yè)的減少;另一方面由于技術(shù)進步會提高勞動生產(chǎn)率，在產(chǎn)業(yè)規(guī)模不變的情況下，減少對勞動力的需求。曹靜（2018）認(rèn)為人工智能的發(fā)展會降低自動化成本，從而導(dǎo)致其產(chǎn)生替代效應(yīng)。有關(guān)技術(shù)性失業(yè)的擔(dān)憂已然不是一個新的問題了，馬克思在《資本論》中提到機器的出現(xiàn)和使用形成了勞動者和機器之間的斗爭，勞動資料可以扼殺勞動者，勞動資料一作為機器出現(xiàn)，立刻就成了勞動者的競爭者。熊彼特（1934）也針對技術(shù)進步對就業(yè)的影響提出了“創(chuàng)造性破壞”這一觀點，即每一次大規(guī)模的創(chuàng)新都伴隨著舊的技術(shù)和生產(chǎn)體系的淘汰以及新的生產(chǎn)體系的產(chǎn)生，技術(shù)進步必然伴隨著對就業(yè)的破壞效應(yīng)。

Benzell等（2015）通過構(gòu)建跨期迭代（OLG）模型，得出了在一定條件下，機器可以完全替代低技能勞動者、部分替代高技能勞動者，從而造成勞動力需求的減少和工資的下降的結(jié)論。李曉華（2018）認(rèn)為人工智能會造成大規(guī)模的失業(yè)，隨著工業(yè)機器人、在線協(xié)作自動成本的下降，以機器換人將更加經(jīng)濟。姚戰(zhàn)琪、夏杰長（2005）通過研究發(fā)現(xiàn)工資的適當(dāng)增加和人力資本的提升有利于增加就業(yè)總量，而技術(shù)進步則會一定程度上減少就業(yè)。何平，騫金昌（2007）通過對我國大中型制造行業(yè)企業(yè)1998-2004年的數(shù)據(jù)進行研究，得出了科技活動對企業(yè)生存具有正面影響，但對就業(yè)增長沒有作用甚至是負(fù)作用的結(jié)論。2016年世界銀行的研究結(jié)果顯示，在未來20年之內(nèi)，非洲就業(yè)崗位被人工智能所取代的比例為71%，發(fā)展中國家這一比例平均是50%，而在OECD國家其替代率為57%。Frey和Osborne（2017）對美國700多個職業(yè)進行自動化排序預(yù)測，結(jié)果顯示美國有47%的職位可以在短期內(nèi)被替代。陳永偉（2018）發(fā)現(xiàn)，在未來20年中國就業(yè)人口受到人工智能沖擊的將占76.8%。2018年麥肯錫的研究報告也指出，未來將有60%的職業(yè)可能被新技術(shù)替代，其中到2030年，不同行業(yè)將有30%的工作會被自動化技術(shù)替代（麥肯錫報告，2018）。

據(jù)此提出假說一：人工智能的發(fā)展導(dǎo)致資本替代勞動，形成了“替代效應(yīng)”。

（二）創(chuàng)造性的補償效應(yīng)

所謂補償效應(yīng)，一些學(xué)者也稱之為創(chuàng)造效應(yīng)。一方面由于人工智能技術(shù)的發(fā)展提高了勞動生產(chǎn)率，當(dāng)產(chǎn)品的需求彈性較高時，產(chǎn)品的成本下降會導(dǎo)致對產(chǎn)品的需求增多，企業(yè)擴大生產(chǎn)從而增加了非自動化任務(wù)的勞動力需求，Acemoglu、Restrepo（2016）將其稱之為生產(chǎn)率效應(yīng);另一方面，人工智能技術(shù)發(fā)展自身帶來了新崗位新任務(wù)對勞動力的需求，即所謂的補償效應(yīng);最后，雖然人工智能技術(shù)可以替代一部分從事簡單、重復(fù)等任務(wù)的勞動力，但是其無法替代高社交頻率以及創(chuàng)造性強等具有勞動比較優(yōu)勢的任務(wù)，例如工程師、設(shè)計師、心理醫(yī)生等等，這些具有勞動比較優(yōu)勢新工作、新職能的產(chǎn)生是相對于替代效應(yīng)的強大反作用力，很大程度上抵消了替代效應(yīng)帶來的對勞動力市場的沖擊和破壞。馬克思認(rèn)為在一種機器部門被排擠的工人會在另外的部門被雇用，機器也使得專門制造機器的工人出現(xiàn)。Acemoglu（2018a、2018b）通過構(gòu)造就業(yè)創(chuàng)造的模型指出，自動化的發(fā)展在替代勞動力就業(yè)崗位的同時，也會創(chuàng)造出一些更具有勞動比較優(yōu)勢的新崗位。陳秋霖等（2018）基于跨國面板數(shù)據(jù)和中國省級面板數(shù)據(jù)的研究，發(fā)現(xiàn)人工智能與勞動者之間存在的替代效應(yīng)是“補位式”替代而并非“擠出式”替代。Bloom等（2018）估計，2010—2030年，世界范圍內(nèi)由于人工智能的發(fā)展將出現(xiàn)7.34億新的工作崗位。

據(jù)此提出假說二：人工智能的發(fā)展使得一部分新的勞動具有比較優(yōu)勢的崗位產(chǎn)生，增加了就業(yè)量，形成了“創(chuàng)造效應(yīng)”。

根據(jù)以上兩個效應(yīng)提出假說三：人工智能的發(fā)展使得短期內(nèi)替代效應(yīng)明顯并超過創(chuàng)造效應(yīng)，導(dǎo)致就業(yè)量減少;但在長期，創(chuàng)造效應(yīng)的作用力更大并超過替代效應(yīng)，使得就業(yè)量增加。

三、人工智能對勞動力就業(yè)結(jié)構(gòu)的影響

盡管學(xué)者對人工智能對就業(yè)的總體效應(yīng)研究沒有統(tǒng)一定論，但是人工智能對不同行業(yè)不同崗位的勞動者帶來的影響是不同的這一觀點是無可厚非的（曹靜，2018）。張剛等（2020）認(rèn)為以人工智能為代表的技術(shù)進步與之前“技術(shù)偏向性技術(shù)進步”有所不同，人工智能導(dǎo)致“程序偏向性技術(shù)進步”。將勞動力市場中的崗位按技能高低分為高技能工作崗位、中等技能工作崗位和低技能工作崗位，人工智能的普及和廣泛應(yīng)用會增加高技能工作崗位和低技能工作崗位，而導(dǎo)致中等技能工作崗位的減少。因此崗位極化是人工智能等新技術(shù)對中等技能勞動力的替代最為嚴(yán)重，中等技能勞動力從崗位中被擠出，并向高技能和低技能崗位流動，造成高技能和低技能的就業(yè)崗位增加、中等技能崗位減少的現(xiàn)象。

人工智能技術(shù)的發(fā)展對崗位的影響主要就體現(xiàn)在中等技能崗位減少（Autor，2013;Frey等，2017）。與之相對應(yīng)的是高技能崗位，比如腦力勞動和低技能崗位，比如體力勞動崗位的增加，就業(yè)人數(shù)也隨就業(yè)崗位的變化而產(chǎn)生變化，導(dǎo)致了勞動力市場兩極分化現(xiàn)象的產(chǎn)生（Goos等，2007）。Autor等（2013）通過研究也發(fā)現(xiàn)，美國勞動力市場中崗位極化趨勢主要表現(xiàn)為低技能服務(wù)業(yè)崗位與就業(yè)人數(shù)的增加;且在勞動密集型市場中，就業(yè)和工資的兩極分化更加明顯。基于制造業(yè)行業(yè)數(shù)據(jù)，呂世斌和張世偉（2015）利用不同技術(shù)水平行業(yè)的就業(yè)變化近似代表不同技能工人的就業(yè)結(jié)構(gòu)變化，通過研究發(fā)現(xiàn)中國制造業(yè)就業(yè)結(jié)構(gòu)整體上較為穩(wěn)定，而內(nèi)部則存在明顯的就業(yè)極化，具體表現(xiàn)為高技術(shù)和低技術(shù)行業(yè)的就業(yè)比重有大幅上升，而中等技術(shù)行業(yè)的就業(yè)增長幅度較小。郝楠（2017）則以各行業(yè)受教育程度為標(biāo)準(zhǔn)衡量行業(yè)的技能水平，發(fā)現(xiàn)自2001年以來，中國不同行業(yè)的就業(yè)結(jié)構(gòu)呈現(xiàn)出“N型極化”升級趨勢，即高、低技能行業(yè)就業(yè)增加，部分中等技能行業(yè)就業(yè)減少，同時代表最高技能水平的教育行業(yè)的就業(yè)不斷下降。屈小博和程杰（2015）采用就業(yè)崗位分析方法研究了就業(yè)結(jié)構(gòu)的變化，結(jié)果顯示中國的就業(yè)結(jié)構(gòu)整體上顯示出中等收入崗位數(shù)量相對增長更快的就業(yè)升級趨勢，分區(qū)域考察時表現(xiàn)為“有序遞進的升級”;進一步分析農(nóng)民工就業(yè)結(jié)構(gòu)變化時，發(fā)現(xiàn)農(nóng)民工就業(yè)已初現(xiàn)“兩極化”特征，即最低，中高和最高收入崗位數(shù)量的增長幅度要大于中低收入崗位。對于新時期中國出現(xiàn)就業(yè)“極化”的原因，既有研究總體上仍然沿襲了運用中國的經(jīng)驗事實來驗證西方就業(yè)“極化”理論的思路，主要從信息技術(shù)進步、產(chǎn)業(yè)結(jié)構(gòu)升級、城鎮(zhèn)化、貿(mào)易開放、對外直接投資和離岸外包等角度進行了解釋（江永紅等，2016;郝楠和江永紅，2017;李宏兵等，2017）。

據(jù)此提出假說四：人工智能的發(fā)展使得勞動力市場中中等技能工作崗位減少，高等和低等技能工作崗位增加，產(chǎn)生就業(yè)極化效應(yīng)。

四、人工智能對各產(chǎn)業(yè)勞動力就業(yè)的影響

依據(jù)目前的研究成果，人工智能對農(nóng)業(yè)生產(chǎn)部門的影響力最小，對制造業(yè)部門的勞動力影響最大，并逐步轉(zhuǎn)移到服務(wù)業(yè)（Autor，2013）。

（一）對農(nóng)業(yè)生產(chǎn)部門的影響

現(xiàn)有階段研究表明，人工智能技術(shù)在農(nóng)業(yè)領(lǐng)域的應(yīng)用可以改變農(nóng)民的生產(chǎn)方式，Ampatzidis等（2017）認(rèn)為人工智能已被用于農(nóng)業(yè)自動化，不僅用于農(nóng)業(yè)的種植、灌溉、除草、修剪、收獲等，還用于植物疾病的檢測和鑒定，整個農(nóng)業(yè)生產(chǎn)活動都實現(xiàn)了人機合作。農(nóng)業(yè)生產(chǎn)自動化程度提高的同時，會減少農(nóng)業(yè)生產(chǎn)部門的勞動力就業(yè)量。鐘仁耀等（2013）通過對各行業(yè)科技進步與就業(yè)關(guān)系的數(shù)據(jù)回歸，認(rèn)為農(nóng)、林、牧、漁等第一產(chǎn)業(yè)部門的從業(yè)人員將由于科技進步從而大量減少，這意味著勞動力從農(nóng)業(yè)生產(chǎn)部門轉(zhuǎn)移到其他行業(yè)生產(chǎn)部門當(dāng)中，這與世界各國的產(chǎn)業(yè)發(fā)展情況基本吻合。

人工智能技術(shù)的發(fā)展在轉(zhuǎn)變農(nóng)業(yè)生產(chǎn)方式、提高農(nóng)業(yè)生產(chǎn)效率的同時，減少了農(nóng)業(yè)部門勞動力的就業(yè)量，對農(nóng)業(yè)部門的就業(yè)產(chǎn)生了替代效應(yīng)，這是由于生產(chǎn)規(guī)模化、自動化以及智能化程度的加深影響了農(nóng)業(yè)生產(chǎn)時對農(nóng)民的需求，使得農(nóng)業(yè)生產(chǎn)部門的剩余勞動力向工業(yè)和服務(wù)業(yè)生產(chǎn)部門進行轉(zhuǎn)移。

（二）對工業(yè)部門的影響

Georg Graetz（2018）通過研究1993—2007年相對發(fā)達的17個經(jīng)濟體工業(yè)機器人的使用與經(jīng)濟發(fā)展之間的關(guān)系，發(fā)現(xiàn)工業(yè)機器人的增加與勞動生產(chǎn)率的提高有關(guān)，工業(yè)機器人的使用對生產(chǎn)率增長的貢獻高達0.36個百分點，占整個經(jīng)濟范圍生產(chǎn)率增長的15%，而工業(yè)機器人的使用與勞動力就業(yè)呈反向變動關(guān)系，隨著工業(yè)機器人價格的下降，工業(yè)生產(chǎn)部門將會增加對機器人的需求而減少對勞動力的需求，這會減少低技能勞動力的就業(yè)。Acemoglu等（2017）對美國1993-2007年19個產(chǎn)業(yè)工業(yè)機器人的使用與就業(yè)率和工資進行研究，發(fā)現(xiàn)工業(yè)機器人的使用與就業(yè)和工資呈反方向變動關(guān)系，每千名工人中多使用1臺機器，則會造成就業(yè)人口比例降低0.18%-0.34%，工資下降0.25%-0.5%。謝萌萌等（2020）從四個維度對中國制造業(yè)企業(yè)2011-2017的樣本數(shù)據(jù)進行分析，發(fā)現(xiàn)制造業(yè)企業(yè)融合人工智能顯著降低了低技能的就業(yè)比重，且具有動態(tài)異質(zhì)性，即企業(yè)融合人工智能的時間越長，勞動力就被擠出越多。

人工智能的發(fā)展對制造業(yè)的影響是絕對不容忽視的，因為制造業(yè)由于自身性質(zhì)，就容易受到自動化和工業(yè)智能化的影響，且制造業(yè)吸納了大量的勞動力，相對受到人工智能發(fā)展的沖擊更大。

（三）對服務(wù)業(yè)部門的影響

Frey等（2017）使用結(jié)合機器學(xué)習(xí)方法預(yù)測每個職業(yè)被人工智能替代的可能性這一方法預(yù)測美國700多個職業(yè)中有47%可以在短期內(nèi)被替代，服務(wù)業(yè)中很多就業(yè)人員例如：電話銷售、標(biāo)題檢查人員、保險承銷商、稅務(wù)員、信貸員等都有極大可能被人工智能所取代。但是人工智能的發(fā)展也使得重復(fù)率低、社交性強的工作崗位的就業(yè)需求量增加，例如：休閑理療師、舞蹈指導(dǎo)、教學(xué)協(xié)調(diào)員、心理醫(yī)生、設(shè)計師等。郭凱明（2019）認(rèn)為人工智能在服務(wù)業(yè)所占比重的變化情況取決于人工智能在工業(yè)和服務(wù)業(yè)部門的應(yīng)用前景，如果人工智能在制造業(yè)中的應(yīng)用比重顯著大于服務(wù)業(yè)，那么人工智能將促進服務(wù)業(yè)的發(fā)展，反之則可能提高制造業(yè)的比重。且預(yù)期人工智能在金融產(chǎn)業(yè)的應(yīng)用前景將非常廣闊，其可能會通過促進金融產(chǎn)業(yè)的發(fā)展從而影響其他行業(yè)發(fā)展。

五、人工智能對勞動力市場收入分配的影響

人工智能在促進經(jīng)濟增長的同時也可能帶來收入分配不平等的加劇。Berg et al（2016）認(rèn)為目前造成收入分配不平等的主要原因主要有兩個：一是隨著機器人價格的下降，資本投入將會增加，人均產(chǎn)出也會隨之增加，因此資本所占收入的份額也將進一步增加;二是生產(chǎn)力水平將會提高，熟練工人的收入將會增加，低技能勞動力的工資將會減少，導(dǎo)致收入差距進一步擴大。人工智能發(fā)展導(dǎo)致的收入分配不平等取決于一系列因素，如勞動力從事工作的性質(zhì)，相對于高技能低重復(fù)率的工作，中等技能及重復(fù)率高的工作更加容易被取代。

現(xiàn)階段社會資本分布存在著不均衡的現(xiàn)象，即大部分的社會資本集中在少數(shù)人手中。而人工智能的發(fā)展將會進一步年均收入分配不平等，因為其發(fā)展會導(dǎo)致資本要素份額的進一步提升。Brynjolfsson et al（2014）通過研究表明，人工智能的發(fā)展造成的勞動力市場收入分配不平等加劇的原因可能是由于資本回報率增加導(dǎo)致的，機器對勞動力的替代創(chuàng)造了更多的資本，這就意味著勞動力被自動化逐漸擠壓，財富則會流入具有創(chuàng)新力、能迅速適應(yīng)技術(shù)變革的少部分群體，從而加大了收入差距。很多文獻研究表明，人工智能在影響勞動力就業(yè)，造成崗位極化的同時還會對中低技能勞動的工資份額帶來消極影響。Autor（2011）的研究發(fā)現(xiàn)中等技能的崗位數(shù)量和工資份額在逐漸減少，工資極化伴隨著崗位極化發(fā)生。Acemoglu等（2017）的研究同樣表明工業(yè)機器人的使用對勞動力的工資有較強的負(fù)面影響。Dauth et al（2017）通過研究發(fā)現(xiàn)，隨著工業(yè)機器人應(yīng)用的增多，中等技能勞動力將面臨巨大的收入損失，但是這種收入損失不是由于其就業(yè)被工業(yè)機器人替代，而是因為現(xiàn)有工資水平的下降。Benzell等（2015）構(gòu)建了一個跨期迭代（OLG）模型，通過研究發(fā)現(xiàn)在一定條件下，機器人可以完全替代低技能工作和部分高技能工作，從而造成勞動力需求的減少和工資的下降。

勞動力市場的收入分配不平等還存在著區(qū)域差異性。Berg（2016）指出在一些發(fā)展中國家，機器人對非熟練工人的替代將會降低其相對工資，從而逐漸喪失其成本優(yōu)勢，因此發(fā)達國家可能會將生產(chǎn)轉(zhuǎn)移至本國自動化程度較高的工廠，使得低收入國家與高收入國家的收入差距進一步擴大。孫早等（2019）的研究也表明我國工業(yè)智能化的發(fā)展對勞動力的替代存在區(qū)域差異性，北部沿海、黃河中游和東北地區(qū)的工業(yè)智能化發(fā)展會使得這些地區(qū)出現(xiàn)就業(yè)“兩極化”現(xiàn)象，而東部沿海和南部沿海地區(qū)則由于過高的生活成本出現(xiàn)“單極極化”趨勢，工業(yè)智能化加劇了對這兩個地區(qū)小學(xué)教育程度以下勞動力的替代，因此各區(qū)域間的收入差距將逐漸加大。

據(jù)此提出假說五：人工智能的發(fā)展使得勞動力收入分配更加不均，收入差距進一步擴大，且具有區(qū)域差異性。

六、結(jié)論與展望

人工智能的迅速發(fā)展引起了學(xué)者對技術(shù)對就業(yè)影響這一課題的進一步討論，大量文獻對人工智能對勞動力市場中就業(yè)量和就業(yè)結(jié)構(gòu)、對各產(chǎn)業(yè)以及收入分配等方面進行研究。首先通過基于任務(wù)的模型，文獻對人工智能的發(fā)展影響就業(yè)的路徑以及對勞動收入占國民收入份額的路徑進行了探討。其次，對于人工智能的發(fā)展對就業(yè)量的影響，由于研究角度以及數(shù)據(jù)選取的不同，存在著積極和消極兩種不同觀點。對于消極影響，許多學(xué)者認(rèn)為人工智能的發(fā)展對就業(yè)存在著替代效應(yīng)、減少勞動力市場的需求、使收入分配差距進一步擴大;而對于積極影響，人工智能的發(fā)展也會創(chuàng)造出大量新的工作崗位，可以改善工作質(zhì)量等。雖然大部分學(xué)者認(rèn)為人工智能等技術(shù)發(fā)展所帶來的消極影響較大，但是可以通過制定相應(yīng)的政策緩解其對勞動力市場以及社會造成的沖擊，例如政府在推動人工智能技術(shù)發(fā)展的同時應(yīng)采取更加積極的再分配政策，例如對勞動力進行職業(yè)技能培訓(xùn)，使其職業(yè)技能與現(xiàn)階段發(fā)展所需技術(shù)相匹配;對機器人征收相應(yīng)費用等相應(yīng)措施。根據(jù)現(xiàn)有文獻，本文提出了五種假說，即人工智能的發(fā)展產(chǎn)生了替代效應(yīng);也產(chǎn)生了創(chuàng)造效應(yīng);短期內(nèi)替代效應(yīng)的作用力更大，但在長期條件下創(chuàng)造效應(yīng)的作用力超過了替代效應(yīng)，對就業(yè)量產(chǎn)生積極的影響;人工智能導(dǎo)致崗位極化效應(yīng)的產(chǎn)生;以及人工智能的發(fā)展使得收入差距進一步擴大。

目前人工智能對就業(yè)影響的研究已取得較多成果，但是回顧已有文獻依舊可以發(fā)現(xiàn)，人工智能對就業(yè)的影響機制、數(shù)據(jù)獲得、假說檢驗以及研究方向等方面仍存在一些問題。

一是人工智能對就業(yè)的影響機制較為復(fù)雜，目前大多數(shù)文獻都將自動化或工業(yè)機器人作為對勞動力替代的資本引入模型進行分析，而在實際生活中人工智能的界定和影響就業(yè)的路徑要更為復(fù)雜。人工智能是技術(shù)，也是資本，該技術(shù)發(fā)展的速度和投入的數(shù)量也會對其他生產(chǎn)要素的投入產(chǎn)生影響。因此人工智能對就業(yè)的影響路徑需要更深入更直接地進行理解。

二是數(shù)據(jù)的獲得具有一定難度。人工智能的內(nèi)涵廣泛，現(xiàn)有的實證分析大多用工業(yè)智能化作為人工智能的代理變量，而工業(yè)智能化更傾向于表示工業(yè)生產(chǎn)部門，對其他產(chǎn)業(yè)部門表示性不強。而且人工智能發(fā)展還處于初級階段，數(shù)據(jù)尚不完善，因此人工智能影響就業(yè)的定量分析存在著難度。且人工智能的測量還沒有統(tǒng)一的標(biāo)準(zhǔn)和定論，在測量人工智能時有可能將其作為其他資本而歸結(jié)到其他資本之下，造成結(jié)果偏差。因此在現(xiàn)有文獻中，對人工智能影響就業(yè)的研究大多局限于定性分析以及理論框架的搭建，而定量分析較少，未來需要有對人工智能的統(tǒng)一測量標(biāo)準(zhǔn)以及較為完善的數(shù)據(jù)以填補先有研究缺口。

三是文章中提出的假說雖有一定的理論和實證支持，但是學(xué)者更多將研究集中于技術(shù)進步對就業(yè)的影響，而對人工智能的研究較少，且理論分析居多，實證分析較少。這可能是由于界定標(biāo)準(zhǔn)較為模糊和數(shù)據(jù)不足導(dǎo)致的，未來需要對這些假說有更加準(zhǔn)確和清晰的實證研究。

四是現(xiàn)有研究大多集中在發(fā)達國家，而中國作為世界上最大的發(fā)展中國家，同時又面臨著人口老齡化和人口紅利的消失，人工智能的發(fā)展帶來的對勞動力市場和整個社會的影響值得探究，而先有研究成果與中國人工智能的發(fā)展現(xiàn)狀不匹配。Acemoglu（2017）也指出人口老齡化嚴(yán)重的國家人工智能發(fā)展較好，人工智能的發(fā)展與人口結(jié)構(gòu)的變化也值得研究和探索。

參考文獻：

[1]楊偉國，邱子童，吳清軍.人工智能應(yīng)用的就業(yè)效應(yīng)研究綜述[J].中國人口科學(xué)，2018（05）：109-119+128.

[2]張成崗.人工智能時代：技術(shù)發(fā)展、風(fēng)險挑戰(zhàn)與秩序重構(gòu)[J].南京社會科學(xué)，2018（05）：42-52.

[3]曹靜，周亞林.人工智能對經(jīng)濟的影響研究進展[J].經(jīng)濟學(xué)動態(tài)，2018（01）：103-115.

[4]陳永偉.人工智能與經(jīng)濟學(xué)：近期文獻的一個綜述[J].東北財經(jīng)大學(xué)學(xué)報，2018（03）：6-21.

[5]李曉華.哪些工作崗位會被人工智能替代[J].人民論壇，2018（02）：33-35.

[6]陳秋霖，許多，周羿.人口老齡化背景下人工智能的勞動力替代效應(yīng)——基于跨國面板數(shù)據(jù)和中國省級面板數(shù)據(jù)的分析[J].中國人口科學(xué)，2018（06）：30-42+126-127.

[7]張剛，孫婉璐.技術(shù)進步、人工智能對勞動力市場的影響——一個文獻綜述[J].管理現(xiàn)代化，2020，40（01）：113-120.

[8]馬弘，喬雪，徐嫄.中國制造業(yè)的就業(yè)創(chuàng)造與就業(yè)消失[J].經(jīng)濟研究，2013，48（12）：68-80.

[9]鐘仁耀，劉葦江，劉曉雪，張熠.科技進步對上海就業(yè)影響的實證分析——基于分行業(yè)的視角[J].人口與經(jīng)濟，2013（02）：78-85.[ZK）]

[10]謝萌萌，夏炎，潘教峰，郭劍鋒.人工智能、技術(shù)進步與低技能就業(yè)——基于中國制造業(yè)企業(yè)的實證研究[J/OL].中國管理科學(xué)：1-9[2020-04-18].

[11]岳昌君，張沛康，林涵倩.就讀重點大學(xué)對人工智能就業(yè)替代壓力的緩解作用[J].中國人口科學(xué)，2019（02）：2-15+126.

[12]孫文凱，郭杰，趙忠，湯璨.我國就業(yè)結(jié)構(gòu)變動與技術(shù)升級研究[J].經(jīng)濟理論與經(jīng)濟管理，2018（06）：5-14.

[13]呂世斌，張世偉.中國勞動力“極化”現(xiàn)象及原因的經(jīng)驗研究[J].經(jīng)濟學(xué)（季刊），2015，14（02）：757-778.

[14]郝楠.勞動力就業(yè)“極化”、技能溢價與技術(shù)創(chuàng)新[J].經(jīng)濟學(xué)家，2017（08）：27-32.

[15]屈小博，程杰.中國就業(yè)結(jié)構(gòu)變化：“升級”還是“兩極化”？[J].勞動經(jīng)濟研究，2015，3（01）：119-144.

[16]姚戰(zhàn)琪，夏杰長.資本深化、技術(shù)進步對中國就業(yè)效應(yīng)的經(jīng)驗分析[J].世界經(jīng)濟，2005（01）：58-67+80.

[17]何平，騫金昌.中國制造業(yè)：技術(shù)進步與就業(yè)增長實證分析[J].統(tǒng)計研究，2007（09）：3-11.

[18]孫早，侯玉琳.工業(yè)智能化如何重塑勞動力就業(yè)結(jié)構(gòu)[J].中國工業(yè)經(jīng)濟，2019（05）：61-79.

[19]岳昌君，張沛康，林涵倩.就讀重點大學(xué)對人工智能就業(yè)替代壓力的緩解作用[J].中國人口科學(xué)，2019（02）：2-15+126.

[20]江永紅，張彬，郝楠.產(chǎn)業(yè)結(jié)構(gòu)升級是否引致勞動力“極化”現(xiàn)象[J].經(jīng)濟學(xué)家，2016（03）：24-31.

[21]郝楠，江永紅.誰影響了中國勞動力就業(yè)極化？[J].經(jīng)濟與管理研究，2017，38（05）：75-85.

[22]李宏兵，郭界秀，翟瑞瑞.中國企業(yè)對外直接投資影響了勞動力市場的就業(yè)極化嗎？[J].財經(jīng)研究，2017，43（06）：28-39.

[23]郭凱明.人工智能發(fā)展、產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型升級與勞動收入份額變動[J].管理世界，2019，35（07）：60-77+202-203.

[24]尹振宇，吳傳琦.人工智能的就業(yè)效應(yīng)及其中國啟示[J].改革與戰(zhàn)略，2019，35（02）：90-97.

[25]張鵬飛.人工智能與就業(yè)研究新進展[J].經(jīng)濟學(xué)家，2018（08）：27-33.

[26]段海英，郭元元.人工智能的就業(yè)效應(yīng)述評[J].經(jīng)濟體制改革，2018（03）：187-193.

[27]Ampatzidis， Yiannis， Luigi De Bellis， and Andrea Luvisi. “iPathology： robotic applications and management of plants and plant diseases.” Sustainability 9.6 （2017）： 1010.

[28]Acemoglu， Daron， and David Autor. “Skills， tasks and technologies： Implications for employment and earnings.” Handbook of labor economics. Vol. 4. Elsevier， 2011. 1043-1171.

[29]Acemoglu，? Daron，? and? Pascual? Restrepo. Artificial? intelligence，? automation? and? work.? No. w24196. National Bureau of Economic Research， 2018.

[30]Aghion， Philippe， Benjamin F. Jones， and Charles I. Jones. Artificial intelligence? and economic growth. No. w23928. National Bureau of Economic Research， 2017.

[31]Morikawa，Masayuki.Who are afraid of losing their jobs to artificial intelligence and robots？ Evidence from a survey. No. 71. GLO Discussion Paper， 2017.

[32]Goos， Maarten， and Alan Manning. “Lousy and lovely jobs： The rising polarization of work in Britain.” The review of economics and statistics 89.1 （2007）： 118-133.

[33]Acemoglu， Daron， and David Autor. “Skills， tasks and technologies： Implications for employment and earnings.” Handbook of labor economics. Vol. 4. Elsevier， 2011. 1043-1171.

[34]Graetz， Georg， and Guy Michaels. “Robots at work.” ReviewofEconomicsandStatistics100.5 （2018）： 753-768.

[35]Acemoglu， Daron. “Labor‐and capital‐augmenting technical change.” JournaloftheEuropean Economic Association1.1 （2003）： 1-37.

[36]David， H. The“ task approach” to labor markets： an overview. No. w18711. National Bureau of Economic Research， 2013.

[37]David， H.， and David Dorn. “The growth of low-skill service jobs and the polarization of the US labor market.” American Economic Review 103.5 （2013）： 1553-97.

[38]Acemoglu， Daron， and Pascual Restrepo. “The race between man and machine： Implications of technology for growth， factor shares， and employment.” American Economic Review108.6 （2018）： 1488-1542.

[39]Benzell， Seth G.， et al. Robots are us： Some economics of human replacement. No. w20941. National Bureau of Economic Research， 2015.

[40]Berg， Andrew， Edward F. Buffie， and Luis-Felipe Zanna. “Robots， growth， and inequality.” Finance & Development 53.3 （2016）： 10-13.

[41]Bloom， David E.， Mathew McKenna， and Klaus Prettner. Demography， unemployment， automation， and digitalization： Implications for the creation of （decent） jobs， 2010–2030. No. w24835. National Bureau of Economic Research， 2018.

[42]Dauth， Wolfgang， et al. “German robots-the impact of industrial robots on workers.” （2017）.

[43]Frey， Carl Benedikt， and Michael A. Osborne. “The future of employment： how susceptible are jobs to computerisation？.” Technological forecasting and social change114 （2017）： 254-280.