双语阅读AI翻译

人工智能和其他通用技术、电力,有什么不同?

2019/11/26 05:01
收藏
对照中文英文原文
我们从经验中已经知道,完全理解和利用新技术以提高生产率可能需要相当长的时间。也许我们现在正处于类似的情况之中。

我们生活在一个快速、全面的技术变革时代,还是一个持续、令人发狂的停滞时代?尽管政界人士和专家警告称,机器人抢走了所有工作岗位,但经济统计数据显示,生产率增长疲弱。因此,这可能与上世纪80年代经济学家罗伯特•索洛(Robert Solow)的著名言论类似,当时他说:“你可以在任何地方看到计算机时代,除了生产率统计数据。”

接着,上世纪90年代发生了一场信息技术革命,并最终推动了生产率的提高。从那次经历中得出的一个结论是,完全理解和利用新技术以提高生产率可能需要相当长的时间。这不仅适用于先进技术,比如将人工智能整合到企业中。例如:第一个条形码扫描发生在1970年代中期,但整个制造-零售供应链的组织花了30年的时间来进行“技术、组织和过程的互补变化”必要的投资,Emek Basker和Timothy Simcoe在“上游、下游:通用产品代码的扩散和影响”中解释道。

也许最著名的例子是经济历史学家保罗·大卫的研究,他发现美国的工厂在向多相交流电转变后,用了几十年的时间来电气化和重组生产。在新的工作论文《电力驱动结构转型吗?》(Does Electricity Drive Structural Transformation?)中提到:

电气化的影响需要很长一段时间才能显现出来,说明了在试图理解通用技术对劳动力市场的影响时所涉及的长时间尺度。首先,尽管电力在19世纪后期被商业化发展,美国的大多数居民和商业活动到1910年还没有电,只有大城市地区实现了电气化。高压电力线的发展直到1920年都非常缓慢,直到1920年到1940年才显著加速。研究表明,电气化的加速发展对就业结构产生了影响,特别是对经营性就业的增长产生了促进作用,对农民就业产生了负面影响。电气化对劳动力市场影响的时间跨度表明,我们可能会看到ICT(信息和通信技术)对劳动力市场的全面影响也会出现类似的长期发展。

在瑞士苏黎世举行的一场新闻发布会上,瑞士邮政(Swiss Post)的一款自动驾驶送货机器人从Jelmoli百货商店递送包裹。这款机器人的运载能力可达10公斤,时速可达6公里。路透/Moritz Hager

事实上,许多技术专家也认为人工智能有潜力成为一种重要的通用技术,只要耐心等待。Erik Brynjolfsson、Daniel Rock和Chad Syverson在《解开人工智能与生产率的悖论》(Unpacking the AI-Productivity Paradox)一书中得出了这样的结论:

最近的生产率下降与未来的生产率增长毫无关系,也没有理由降低前景。事实上,历史的教训恰恰相反。过去生产率的激增是由电力和内燃机等通用技术(GPTs)推动的。反过来,这些技术需要许多互补的共同发明,如工厂重新设计、州际公路、新的业务流程和劳动力技能的改变,才能真正发挥其潜力。重要的是,这些共同发明花了数年甚至数十年才得以实现,只有到那时生产率才有了显著提高。我们相信人工智能有潜力成为我们时代的GPT。与早期的技术一样,it需要大量的互补创新——包括新产品、服务、工作流流程,甚至业务模型——而开发这些创新通常是昂贵和耗时的。近年来较低的生产率增长可能部分反映了这些成本,同时也可能预示着,一旦必要的联合发明得以实施,生产率将大幅提高。因此,我们没有看到前瞻性的技术乐观主义和向后看的失望之间的内在矛盾。

为提升阅读体验,智堡对本页面进行了排版优化 查看原文
评论