（来源：MIT TR）
最近，当 Chad Syverson 在美国劳工统计局网站上搜索最新的生产力数据时，他带着一种多年来从未有过的乐观情绪。
由于各种金融和商业原因，过去一年左右的数字总体上很强劲，从疫情初期开始反弹。尽管季度数据显得非常“嘈杂和不一致”，但这位芝加哥大学经济学家正在仔细研究这些数据，以发现人工智能驱动的经济增长已经开始的任何早期线索。
他说，对当前统计数据的任何影响可能仍然很小，并且不会“改变世界”，所以他对人工智能影响的迹象尚未被发现并不感到惊讶。但他正在密切关注，希望在未来几年人工智能可以帮助扭转 20 年来生产力增长下滑的局面，这种下滑正在破坏大部分经济。Chad Syverson 说，“如果真的发生了，那么这将改变世界。”
最新的生成式人工智能令人眼花缭乱，拥有栩栩如生的视频、看似专业的内容以及其他过于人性化的行为。随着数十亿资金涌入初创公司，商业领袖们正在为如何重塑公司而烦恼，而大型人工智能企业正在创建更强大的模型。关于 ChatGPT 和越来越多的大型语言模型将如何改变我们工作和生活方式的预测比比皆是，提供从金融投资、到下个假期去哪里度假、以及如何到达那里等等各个方面的即时建议。
但对于像 Chad Syverson 这样的经济学家来说，围绕我们对人工智能的痴迷，最关键的问题是这项新兴技术将如何（或不会）提高整体生产力，如果会，需要多长时间。将其视为人工智能炒作机器的底线：该技术能否在经济增长多年停滞后带来新的繁荣？
生产力增长是一个国家变得更加富裕的途径。从技术上讲，劳动生产率是衡量工人平均生产多少的指标；创新和技术进步占其增长的大部分。随着工人和企业可以生产更多的东西并提供更多的服务，薪资和利润就会上涨，至少在理论层面是这样，并且如果利益能够公平分配的话。经济扩张，政府可以增加投资并更接近平衡预算。对于我们大多数人而言，这感觉就像是进步。这就是为什么直到过去几十年，大多数美国人都认为他们的生活水平和经济机会比他们的父母和祖父母更高。
图｜自 2005 年左右以来美国劳动生产率增长一直低迷。一些经济学家预测 AI 可以恢复生产力并使经济回到繁荣时期（来源：MIT TR）
但当生产率增长持平或接近持平时，就不再增长。即使是每年 1% 的经济放缓或加速，也能说明经济是陷入困境还是繁荣发展。20 世纪 90 年代末和 21 世纪初，随着互联网时代的兴起，美国劳动生产率以每年近 3% 的健康速度增长。（在二战后的繁荣时期，增长速度甚至更快，远远超过 3%）。但自 2005 年左右以来，大多数发达经济体的生产率增长一直非常惨淡。
有各种可能的罪魁祸首，但有一个共同的主题：过去 20 年里发明的看似辉煌的技术，从 iPhone 到无处不在的搜索引擎，再到消费社交媒体，吸引了我们的注意力，但却未能带来大规模的经济繁荣。
早在 2016 年，我曾发表了一篇题为《亲爱的硅谷：忘掉飞行汽车，给我们经济增长》的文章。我认为，虽然大型科技公司取得了一个又一个突破，但它们在很大程度上忽视了制造业和材料等关键工业领域迫切需要的创新。在某些方面，这在财务上是完全合理的：当一家成功的社交媒体初创公司可以净赚数十亿美元时，为什么还要投资这些成熟的、有风险的企业呢？
然而，这种选择是以生产率增长缓慢为代价的。虽然硅谷和其他地方的一些人变得非常富有，但至少过去几十年来，一些发达经济体经历的政治混乱和社会动荡可以归咎于技术未能为许多工人和企业增加财务机会，未能在不同地区扩大重要的经济部门。
一些人鼓吹耐心：经济的突破需要时间才能发挥作用，但一旦实现，就要小心了！这可能是真的。但到目前为止，结果是，从硅谷散发出来的技术乐观主义和巨大的财富似乎只与少数人相关。
现在判断这一次情况会如何发展还为时过早。生成式人工智能是否真的是个百年一遇的突破，将刺激经济重回繁荣时期，或者它是否对创造真正的广泛繁荣没有多大作用。换句话说，它会像利用电力和发明电动机一样带来工业繁荣，还是更像智能手机和社交媒体一样消耗我们的集体意识，却没有带来显著的经济增长？
对于人工智能，特别是生成式人工智能来说，要比过去几十年的其他数字进步产生更大的经济影响，我们需要利用这项技术来改变整个经济的生产力，甚至在我们如何产生新想法方面。这是一项艰巨的任务，不可能一蹴而就，但我们正处于一个关键的转折点。我们是否开始走上这条通向广泛繁荣的道路，或者当今突破性人工智能的创造者是否继续忽视这项技术真正改善我们生活的巨大潜力？
对猜测泼冷水
去年的一系列研究表明，生成式人工智能如何提高从事各种工作人群的生产力。斯坦福大学和麻省理工学院的经济学家发现，呼叫中心工作人员在使用人工智能对话协助时的工作效率提高了 14%；值得注意的是，缺乏经验的工作人员的工作效率提高了 35%。另一项研究表明，在人工智能的帮助下，软件工程师的编码速度可以提高一倍。
去年，高盛计算出，生成式人工智能可能会推动发达国家的整体生产率每年提高 1.5 个百分点，并在 10 年内使全球 GDP 增加 7 万亿美元。有人预测，这些影响很快就会显现。
弗吉尼亚大学经济学家 Anton Korinek 表示，生产率数据中尚未显示出额外的增长，因为生成式人工智能在整个经济中扩散还需要一些时间。但他预计明年美国生产率将提高 1% 至 1.5%。他表示，如果生成式人工智能模型继续取得突破（比如 ChatGPT 5），最终的影响可能会“显著提高”。
并非所有人都持乐观态度。麻省理工学院经济学家 Daron Acemoglu 表示，他的计算“纠正了那些认为整个美国经济将在 5 年内发生转变的人”。在他看来，“生成式人工智能可能是一件大事。我们还不知道。但如果是这样，我们在 10 年内不会看到变革性的影响，现在还为时过早，毕竟这需要时间。”
图｜麻省理工学院的 Daron Acemoglu 计算得出未来 10 年生成式人工智能带来的生产力增长将十分有限，并且远低于许多人的预测（来源：MIT TR）
今年 4 月，Daron Acemoglu 发表了一篇论文，预测生成式人工智能对全要素生产率（具体反映创新和新技术贡献的部分）的影响将在未来 10 年内达到 0.6% 左右，远低于高盛和其他公司的预期。几十年来，全要素生产率增长一直很缓慢，他认为生成式人工智能在显著扭转这一趋势方面收效甚微，至少在短期内是这样。
Daron Acemoglu 表示，他预计生成式人工智能的生产力提升相对较小，因为其大型科技创造者在很大程度上专注于使用人工智能以自动化取代人，并实现搜索和社交媒体的“在线货币化”。他认为，为了对生产力产生更大的影响，人工智能需要面向更广泛的劳动力群体，并与更多的经济领域相关。至关重要的一点是，它需要被用来创造新型就业机会，而不仅仅是取代工人。
他认为，生成式人工智能可以用来扩展工人的能力。例如，为多种类型的工作提供实时数据和可靠信息。想象一下，一个智能的人工智能体，它精通工厂车间生产的复杂性。然而，他写道，“除非（科技）行业发生根本性的重新定位，包括对最常见的生成式人工智能模型的架构进行重大改变，否则这些收益将仍然难以实现。”
人们很容易认为，也许这只是用适当的数据调整当今大型基础模型的问题，使它们广泛用于各个行业。但事实上，我们需要重新思考这些模型，以及如何在更广泛的用途中更有效地部署它们。
取得进展
以制造业为例。长期以来，它一直是美国经济生产率提高的重要来源之一。它仍然占美国研发的大部分。最近自动化程度的提高和工业机器人的使用可能表明制造业的生产力正在提升，但事实并非如此。由于某种神秘的原因，自 2005 年前后以来，美国制造业的生产率一直像是一场灾难，这在整体生产率放缓中发挥了巨大作用。
生成式人工智能在恢复生产力方面的前景是，它可以帮助整合从初始材料和设计选择，到来自生产设备中嵌入的传感器的实时数据的所有内容。多模态功能可以让工厂工人拍摄问题的照片，并根据图像、公司的操作手册、相关的监管指南以及来自工厂的大量实时数据，向人工智能模型寻求解决方案。
这就是我们的愿景，至少。
现实情况是，在设计和制造中部署当今基础模型的努力还处于早期阶段。麻省理工学院专门研究机器学习的机械工程师 Faez Ahmed 表示，到目前为止，人工智能的使用仅限于“狭窄的领域”，根据特定设备的数据来安排维护。相比之下，从理论上讲，生成式人工智能模型可以广泛用于从利用真实数据改进初始设计，到监控生产过程的步骤，再到分析工厂车间的性能数据等各个方面。
在 3 月份发布的一篇论文中，由麻省理工学院的经济学家和机械工程师（包括 Daron Acemoglu 和 Faez Ahmed）组成的团队确定了生成式人工智能在设计和制造中的大量机会，然后得出结论：“由于几个关键缺陷，当前的（生成式人工智能）解决方案无法实现这些目标。”ChatGPT 和其他人工智能模型的主要缺点是无法提供可靠的信息，缺乏“相关领域知识”，以及“不了解行业标准要求”。这些模型的设计也很糟糕，无法处理制造车间的空间问题以及生产设备（包括旧机器）创建的各种类型的数据。
Faez Ahmed 说，最大的困难是现有的生成式人工智能模型缺乏适当的数据，它们接受的训练是从互联网上抓取的数据。“这些更多的是关于猫、狗以及多媒体内容，而不是如何实际操作车床。这些模型在制造任务上表现相对较差的原因是，它们从未见过制造任务。”他指出。
