隨著人工智能技術呈現出勢不可擋的發展之勢，圍繞AI進行的相關研究數量也越來越多。

關于人工智能及其對經濟的影響方面，基本上有三個主要的相關問題：人工智能能做什么？人工智能的發展方向是怎樣？人工智能的傳播和普及速度有多快？對下文即將提到的最新的三份報告進行匯總，我們可以找到這三個問題的答案：人工智能現在所能做的可能比你想象的要少，但是最終它所能做的以及應用到的領域應該會比你想象的更多，發展的速度可能比以前任何一項技術都要快。

與 AI 相關的研究數量眾多，這本身就是象征 AI 繁榮發展的一個標志。人工智能技術目前已經應用到了自動駕駛汽車及在線圖像識別領域，不同學科的研究人員也正在競相了解人工智能技術在各個方面可能具有的發展軌跡、未來可能達到的成果以及影響力。但是研究人員要想客觀衡量 AI 技術的進步也面臨著諸多挑戰，因為人工智能領域發展的速度特別快，并且許多公司出于營銷目的將自己的產品和服務包裝成與 AI 相關的形象。

第一份報告是由斯坦福大學、麻省理工學院和其他高校組織的研究人員在上周四發布的他們的一項研究成果，他們利用“人工智能指數”，通過評估技術進步、投資、研究引證和大學招生等方面內容來追蹤人工智能技術的發展。他們聯合發起的這一研究項目的目標在于收集、整理并且不斷更新相關數據，為科學家、商人、決策者和公眾提供更好的信息。

“人工智能指數”是由人工智能領域研究專家于 2014 年開始在斯坦福大學開展的“人工智能 100 年發展研究計劃”（One Hundred Year Study on Artificial Intelligence，簡稱 AI 100）發展而來。“人工智能指數”并不是一個單一的數字，而是隨著時間推移追蹤 AI 發展相關的一系列圖表，其中包括人工智能在圖像識別和語音識別方面的改進情況以及對初創企業活動和職位空缺等方面的評估。除此之外，也包括由人工智能專家完成的短篇文章。其中一些表現技術進步的圖表能夠說明一些問題，例如，我們從這些圖表可以得知圖像和語音識別程序在過去一兩年的時間里已經達到與人類能力持平甚至超越人類的水平。

這一研究計劃小組成員主要是科學家，他們力求拓寬人類對于人工智能技術的理解，從而增加社會從這一技術受益的可能性。據斯坦福大學名譽教授兼“人工智能指數”指導委員會主席 Yoav Shoham 表示，該研究小組最初打算每五年發表一次大型研究報告，但鑒于 AI 技術進步與投資的速度，每五年一次的發表速度“似乎有些太慢了”。

但是，AI 專家也提醒表示，要用普通的人工智能技術去處理一些具體的任務仍然還有很遠的路要走。孩子都知道放在桌子邊緣的一杯水很有可能會滑落到地板上，因為他們知道這些日常生活中的物理學現象，但是人工智能程序卻不知道。Raymond Perrault 是“人工智能指數”小組的成員之一，也是 SRI International 的一位科學家，他表示，目前的“人工智能指數”是“第一步”，研究小組正在向全世界各地的學者和企業研究人員尋求數據和意見，最終是要盡可能多的去衡量多個領域和方向，包括社會影響。

第二份報告是麥肯錫全球研究院在上周三發布的一份關于自動化技術及其對就業方面影響的報告，這份報告描述了自動化技術在幾個不同國家的不同工作類別方面的應用，及其對這些工作崗位工人就業可能產生的影響。其中一項結果顯示，到 2030 年，也就是 12 年之后，現在美國勞動力三分之一的人口將轉換到新的職業類別。

麥肯錫關于自動化及其對就業影響方面的報告探索了 AI 的不確定性及其對勞動力就業市場的影響。該報告預測，到 2030 年，美國將有 1600 萬人至 5400 萬人將不得不去尋找新的就業崗位，而具體數量取決于 AI 技術在工作場所的采用速度。AI 技術的進步越快，隨之所帶來的挑戰也就越大。相比之前從農場轉移到工廠，以及后來從制造業轉移到服務業的勞動力遷移來說，麥肯錫預測的 5400 萬人的高區間值顯然預示著一種更為迅猛的轉變速度。

來自麥肯錫全球研究院的經濟學家 Susan Lund 表示：“這就是我們未來關注點發展的方向所在，我們需要關注如何去應對這種轉變。對于如何提供在職培訓以及如何幫助失業工人找到新的工作這兩個方面，我們需要做出重大的改變。”

第三份報告是美國國家經濟研究局（NBER）在今年 11 月份發表的一篇文章，其中對于為什么在 AI 技術方面進行的所有的研究和投資對于生產力的影響微乎其微這一問題，來自麻省理工學院和芝加哥大學的經濟學家分別給出了他們的回答。

盡管 AI 呈現出勢不可擋的發展之勢，但從整體上來說，目前并不是整個經濟環境都受這一趨勢影響，至少從數量上來說是這樣。麻省理工學院斯隆商學院的 Erik Brynjolfsson 和 Daniel Rock 以及芝加哥大學商學院的 Chad Syverson 在最近發表的論文中將這一現象稱之為“期望與統計數據的沖突”。他們為這一現象提供了一些可能的解釋，其中包括對新技術的虛假期望以及衡量不準確等問題。他們想要探討的是 AI 技術在現實中被采用及推廣存在滯后性的問題。

這在之前歷史上也存在先例。電動機是在 19 世紀 80 年代出現，但直到 20 世紀 20 年代，電機不斷傳播，工廠改建大規模生產線之后，它在生產力方面的作用才凸顯出來。來自“人工智能指數”小組的ErikBrynjolfsson 表示，AI 也將會遵循類似的發展路徑，但速度會更快。這一指數將會幫助人們更快地獲得所需要的信息，從而做出更好的決策，加快 AI 在現實中的采用速度。

誠然，對 AI 持質疑態度的大有人在，但 Brynjolfsson 顯然不屬于這類。他說道：“即便是十分強大的技術，歷史上也有這樣的先例，可能會需要數年的時間才發揮出它的作用。對我來說，AI 技術確定無疑會綻放它的光彩。”

以上三份報告計劃側重點各有不同，但根據這些報告內容以及對作者的采訪，我們發現了他們共有的兩大主題：

• 1、技術本身只是確定 AI 發展軌跡及其可能產生的影響的一個因素。經濟學、政府政策和社會公眾的態度也將在其中起到主要作用。

• 2、歷史上一些主要技術的采用模式，從最早的電力到之后的計算機，這些模式可能也適用于 AI。但是即便模式相似，速度可能并不相似。如果 AI 的采用速度，真如眾多研究者所預測的那樣更快的話，那相比過去的轉型來說，AI 技術帶給我們的轉型后果可能會更加痛苦。