Auto Byte

专注未来出行及智能汽车科技

微信扫一扫获取更多资讯

Science AI

关注人工智能与其他前沿技术、基础学科的交叉研究与融合发展

微信扫一扫获取更多资讯

微胖编译MGI作者

麦肯锡模拟AI对全球经济影响,索洛悖论现象再现

模拟研究发现人工智能有很大的潜力为全球经济活动做出贡献,一个关键挑战是采用人工智能可能会扩大国家,公司和工人之间的差距。需要注意的是,人工智能的影响可能不是线性的,但是随着时间的推移,会以加速度跑起来。文末附报告下载地址。

这份来自麦肯锡全球研究院的最新研究,试图模拟人工智能对世界经济的影响。

报告有三个特点:

首先,基于公司和不同行业动态运行的理解,自下而上地研究公司如何采用人工智能技术;

第二,考虑了新技术转型过程中,国家、公司以及员工可能会遭遇的颠覆,不过这也是转型要付出的代价。

研究还分析了收益和损失如何分布于公司、员工以及国家当中,这些分布情况又将如何妨碍这些主体受益于新技术。

第三,研究探讨了许多国家人工智能技术的动态变化,并将具有类似特征的国家加以聚类,读者能以更全球性的视角考察这一现象。

这份研究就像一份指南,告诉读者人工智能将对世界经济造成什么样的影响,而所有这些预测都是基于当前最佳知识。研究的发现主要包括两大方面:好消息以及坏消息。

好消息:包含推动全球经济发展的巨大潜力

研究的对象包括五大类人工智能: 计算机视觉、自然语言、虚拟助手、机器人过程自动化和先进的机器学习

研究发现,公司在不同程度上使用这些工具。

有些采取机会主义方式,只测试一种技术,并就某个特定功能对其进行试验。有的公司更大胆,采用五种技术,然后在整个组织中吸收它们。

两个极端之间,会有许多处在不同阶段的公司。

平均模拟结果表明,到 2030 年,大约 70% 公司可能至少采用了一种人工智能技术,只有不到一半的公司已经完全吸收了这五种技术。这两类公司的采用模式相对迅速(相较于其他技术)。

不过,采用新技术可能会面临一些障碍。比如,落后的采纳者或许会发现很难从新技术那里获取收益,因为较早采用者已经抓住了机遇,在技术能力与人才数量上,都优于后来者。

然而,即使考虑到这些转型成本和竞争效应,研究也暗示,到 2030 年它也可能使总产量增加约 13 万亿美元,并使全球 GDP 每年增加约 1.2%。

这种影响堪比 19 世纪的蒸汽动力,20 世纪的工业制造和 21 世纪的信息技术对世界经济的影响(或更大)。

许多因素都会对人工智能驱动下的生产力增长产生影响,比如劳动自动化、创新以及新的竞争。一些宏观(全球性、某个国家的劳动力市场结构)、微观(采用新技术的步伐速度)因素都会影响到新技术影响力规模程度。

研究探讨了影响力发挥作用的七个维度。

前三个描述了人工智能技术的采用,会对公司生产力有直接影响的生产要素组合产生什么养的影响;后四个描述了新技术与公司外部环境的联系,将新技术的采纳与更广阔经济背景以及 AI 转型联系起来。

研究承认,这七个维度并不是确定性的,也不一定是全面的,而是基于研究目前的理解。

需要注意的是,人工智能的影响可能不是线性的,但是随着时间的推移,它会以加速度跑起来。到 2030 年,对经济增长的贡献可能比未来 5 年高出三倍或更多。

AI 技术的采用与吸收过程类似一个 S 曲线(「缓慢燃烧」的影响模式):刚开始需要大量投入,因为要掌握、布局新技术,所以一开始速度比较慢。

MGI 的模拟计算表明,这些成本将消耗五年内总潜在收益的 80%,到 2030 年下降到三分之一。

接下里,影响速度会越来越快,呈加速度。这一方面归功于竞争带来的累积效应,另一方面也是因为互补能力的改善加速了创新。

这也表明,那些认为 AI 影响有限的判断是一种误判。

所以,对于那些早期采纳这些技术的公司来说,由此带来好处的规模会在未来几年里逐步增加,而那些迟到的公司将越来越被动。

坏消息:加剧鸿沟

公司层面。领先者可能不成比例地受益。完全采用人工智能技术的创新型前沿公司可以在现在和 2030 年之间将现金流量翻倍,这可能需要雇佣更多的工人。这些公司会将那些不愿意或无法以同样的速度实施 AI 技术的公司甩到身后。

而完全没有采用人工智能的公司,由于失去了市场份额,他们的现金流可能会下降 20%,从而使他们面临裁员的压力。

员工。AI 技术的普及使得自动化或劳务外包更加普遍,特别是脑力或者体力上的「重复性劳动」。

研究表明,重复性任务和少量数字技术为特征的岗位需求,可能会从总就业占比的 40%下降到 2030 年不到 30%;而对非重复性活动或高水平数字技能的工作岗位需求,从大约 40%上升到超过 50%。

这些转变会对工资产生影响,导致差异拉大。

大约 13%的工资总额可能转移到需要非重复和高数字技能的类别,其中收入可能会增加,而重复和低数字技能类别的工人可能会遇到停滞甚至削减工资。后一组工资总额的比例可能从 33%降至 20%。

就业和工资差距扩大的直接后果将是对那些开发和使用人工智能工具的技术人员的激烈争夺。

总体而言,人工智能的采用和吸收可能不会对净就业产生重大影响。

到 2030 年对人工智能的额外投资可以为就业贡献 5%,创造的额外财富可以推动劳动力需求,再将就业率提高 12%。

国家之间。这种态势目前已经很明显,并且似乎将进一步扩大。这些国家(主要是发达国家)将自己定位为人工智能领导者,与今天相比,可以获得额外 20-25%的经济效益,

许多发达国家可能别无选择,只能推动人工智能实现更高的生产率增长,因为其 GDP 增长势头放缓。在许多情况下,这部分反映了人口老龄化带来的挑战。此外,在这些经济体中,工资率很高,这意味着使用机器替代劳动力的动机比低工资发展中国家更多。

相比之下,新兴经济体可能仅增加 5-15%。

许多发展中经济体的数字基础设施不足,创新和投资能力薄弱,技能基础薄弱。再加上低工资和充足的生产力,这些经济体似乎不太可能与人工智能采用中的先进同行保持同步。

发展中国家倾向于采取其他方式来促进经济。比如重组其行业,以提高其生产力。因此,他们可能没有动力去推动人工智能(无论如何,这可能会为他们提供比发达经济体相对更小的经济效益)。

但也不乏例外。例如,中国制定了国家战略 ,成为人工智能供应链的全球领导者,并且正在大力投资。

报告下载地址:https://www.mckinsey.com/featured-insights/artificial-intelligence/notes-from-the-frontier-modeling-the-impact-of-ai-on-the-world-economy#0

产业麦肯锡AI索洛悖论现象
相关数据
机器学习技术

机器学习是人工智能的一个分支,是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论,机器学习与推断统计学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。

人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

计算机视觉技术

计算机视觉(CV)是指机器感知环境的能力。这一技术类别中的经典任务有图像形成、图像处理、图像提取和图像的三维推理。目标识别和面部识别也是很重要的研究领域。

推荐文章
暂无评论
暂无评论~