近日在台湾脸书社群上出现有关 MIT 经济学大师 Daron Acemoglu「不看好」AI 技术未来十年发展的论文贴文与讨论，再次掀起了这波生成式 AI 究竟是否被过度看好的讨论。
Daron Acemoglu 今年 5 月发表的一篇论文《AI 的简单宏观经济学》指出，AI 对 GDP 和总体生产力的生产力的影响是有意义的，但程度相对适中，预计 10 年内在美国的总要素生产（TFP）成长不超过 0.66%，考虑到「困难任务」的学习因素，他预测未来 10 年 TFP 成长可能低于 0.53%。
Daron Acemoglu 的背景：Acemoglu 是一位出生于土耳其伊斯坦堡的美国经济学家，现任 MIT 应用经济学教授，他撰写过上百篇论文，自 2005 年就在经济学领域获奖无数，可说是当代的重量级经济学家。
TFP 成长低于 0.53%？什么是 TFP？
其中就是这个「TFP 未来 10 年成长可能低于 0.53%」引起了讨论。相较于 GDP，TFP 的概念可能比较不广为人知。TFP（总要素生产率）衡量的是技术进步和效率提升对经济增长的贡献，而 GDP（国内生产总值）则是整个经济体的总产出。
其实早在 5 月这篇论文发表后就曾在国外社群引起过一波讨论，Acemoglu 也有对此作出回应简单概述了他这份长达 50 页的论文。回应中 Acemoglu 指出，根据经济学家 Charles Hulten 的理论（Hulten 定理），整体的「总要素生产率」（TFP）效应可以简单地用以下方式计算： 自动化的任务比例乘以平均节省成本。
换句话说，如果一家公司把很多任务自动化了，而且每个任务自动化后都能节省不少成本，那么这家公司在总体上就能显著提升其生产力。
简言之，TFP 更关注于生产力提升，而 GDP 关注于总体经济活动。
自动化任务比例 X 平均节省成本
再来看平均节省成本，Acemoglu 指出，现今的研究表明，目前的生成式 AI 工具平均可节省 27% 劳动成本，整体成本可节省 14.4%。
而受到 AI 和相关技术影响的任务比例呢，根据最近研究数据，Acemoglu 估计这一数字约为 4.6%。
也因此，这代表 AI 在十年内只会使 TFP 增加 0.66%，即每年增加 0.06%。Acemoglu 也不否认由于 AI 会带动投资热潮，GDP 的成长增罚可能会大一些，他认为数字约在 1% 到 1.5％ 之间。
但无论是 GDP 和 TFP，Acemoglu 给出的预测都相对保守。相较之下，高盛预测未来 10 年生成式 AI 将推动全球 GDP 成长 7%，麦肯锡则预计，从现在到 2040 年，GDP 的成长率可能会提高 3% 至 4%，而 Acemoglu 则认为 AI 对 GDP 会有影响，但成长会相对温和。
Acemoglu 的论点是，目前对于 AI 生产力提升的乐观预测，主要是因为这些预测仅来自于容易学习的任务，而他认为，未来当 AI 遇上难学习的任务，经济成长的效果就会较小，这种困难任务涉及许多严重依赖情境（上下文）的决策情况，例如现在 AI 无法运行大多数需要手动或者社交的任务。
最后，Acemoglu 估计，在这些 4.6％ 的任务中，约有 1/4 属于「较难学习」类别，例如「没有明确定义的客观成功衡量标准」，例如：提供财务建议、诊断健康问题，因此生产力的提升较低，一旦进行此调整，TFP 的成长数字就会落在 0.53% 左右了。
AI 对社会的影响并非都正面
Acemoglu 还指出，AI 对于整体社会影响并非都是正面的，因为 AI 技术也会催化出具有操纵成分、恶劣性质的新工作，最终可能危害人类社会的福祉，例如深伪、假广告、AI 黑客攻击等。
此外，AI 对劳动者、薪资的影响又是如何呢？Acemoglu 指出，好消息是，这波 AI 的影响比早期的自动化浪潮（机器人、软件系统）相比，AI 的影响会更广泛地分布在各个人口群体中，不会产生广泛的不平等影响。
Acemoglu 也认为，目前也没有证据显示 AI 会减少不平等或促进薪资成长。
论文为何如此悲观？
这篇论文中有个比较值得关注的点，是 Acemoglu 计算「受 AI 影响的任务占 GDP 的比例」，这个比例是如何计算出来的呢？他主要参考了 Eloundou 等人以及 Svanberg 等人的研究。
Eloundou 等人的研究确定了哪些任务最终可以被生成式 AI 和电脑视觉技术完成。但他们的研究缺少两个重要信息： 1) 在未来 10 年内，这些影响有多少可能实现以及 2) 在所有情况下使用 AI 是否有利可图（即是否符合成本效益）。
而 Svanberg 等人在 2024 年的研究则试图回答 Eloundou 等人研究中缺失的那两个问题，但仅限于电脑视觉技术的范围。他们的估计表明，在电脑视觉相关的任务中，有 23% 可以在 10 年内以可行且有利可图的方式实现自动化。
而 Acemoglu 将 Svanberg 等人的估计扩展到 Eloundou 等人考虑的「所有任务」，将 23% 应用于 Eloundou 等人的估计（原估计为 20% 的任务受 AI 影响），作者得出结论： 在未来 10 年内，AI 影响的任务占 GDP 的份额为：0.23 × 0.200 = 4.6%。
因此，这一数字相比其他机构来得低，最可能的原因就是在于 Acemoglu 假设了 AI 整体（包括但不限于电脑视觉）对任务的影响模式与电脑视觉技术类似。
最后，其实 Acemoglu 也有保留他的看法，在他专为论文写出的那篇回应中，他就有提到，「如果人工智能彻底改变了科学发现的过程或创造了许多新的任务和产品，它所产生的影响可能会比我的分析来得更大。最近 AI 对新晶体结构的发现和蛋白质折叠的进展确实显示了这种可能性。但这些突破不太可能成为十年内经济成长的主要来源。」
Acemoglu 最后也提醒大众，「但如果我们不加批判地接受科技乐观主义，或者让科技产业主导所有这些 AI 的发展方向，那么大部分的潜力可能就会被浪费掉。」
免责声明
本文内容(图片、文章)翻译/转载自国内外资讯/自媒体平台。文中内容不代表本站立场，如有侵权或其它，请联系 admin@eiefun.com，我们会第一时间配合删除。