“我们正在迷雾中行驶”：数百名经济学家承认他们在人工智能问题上是在盲飞

“我们正在迷雾中行驶，极难预料接下来会发生什么。”

发出这声警报的，正是经济学界最顶尖的人物。他就是安东·科里内克，弗吉尼亚大学经济学教授，也是本周由200多位经济学家联署的一份声明的组织者之一——联署者包括16位诺贝尔奖得主以及OpenAI和Anthropic的首席经济学家——这份声明实际上承认，整个经济学界在人工智能面前就是在摸黑飞行。

这份于周一发布的简短声明——“我们必须立即行动”——并未声称自己掌握了答案，反而指出整个领域在提出正确问题方面已经危险地落后了。声明只提出了三点警告。

1. 人工智能在未来10年内可能变得强大到超乎想象。
2. 这可能推动我们的经济发生前所未有的变革，规模超过工业革命，但这一切发生的时间跨度却要短得多。它可能带来风险，包括大规模的工作岗位被取代，也可能带来机遇，例如生活水平的大幅提升。
3. 经济学家、政策制定者和技术领袖必须立即行动起来，理解变革性人工智能的经济学，并建立必要的激励机制、护栏和制度，引导人工智能朝着与人类互补、造福社会的方向发展。

迈克尔·斯宾塞，纽约大学诺贝尔奖得主，呼吁“大家一起上”来“引导人工智能朝着有益的方向发展”——考虑到AI进步的规模、范围和速度，以及它的影响到底有多大、什么时候会到来，这些都存在高度不确定性。

这恰恰点出了这份文件不同寻常的本质：它不是政策纲领，也不是什么预测。它是一群人承认自己现在看不清，于是要求得到能看清的基础条件。一位未签署该声明的华尔街顶级分析师，觉得自己知道大家到底在困惑什么。

连怀疑者都说他们在猜测

这个迷雾的比喻之所以可信而不是危言耸听，关键在于说这话的人是谁。Nela Richardson，ADP的首席经济学家，曾说过，围绕AI和就业的很多公开讨论，考虑到涉及的变量太多，说到底就是“猜”。

同样，Daron Acemoglu，这位麻省理工学院诺贝尔奖得主、该领域对AI生产力说法最较真的质疑者，此前告诉《财富》，他觉得围绕AI的很多生产力讨论“没脑子”，尽管他现在说，最近的进展让他更担心短期内会带来的冲击。签署今天的声明时，Acemoglu说，他“非常高兴能与其他顶尖专家一起，呼吁紧急调整AI的方向，把风险降到最低，让它真正为劳动者和社会造福。”

斯坦福大学的埃里克·布林约尔松——《大西洋月刊》最近指出，他有一种非凡的能力，能让意见相左的人合作共事——此前曾告诉《财富》杂志，他对阿西莫格鲁关于人工智能与生产力的许多预测感到困惑。因此，阿西莫格鲁签署了这份声明、布林约尔松成为该声明的组织者之一，也就不足为奇了。

“人工智能的发展速度远远快于我们对其经济影响的理解，”布林约尔松在今天的声明中表示。“我们必须立即采取行动，引导人工智能辅助人类而非仅仅模仿人类——让繁荣惠及多数人，而不仅仅是少数人。”

布林约尔松正在努力构建新工具以理解其影响：他与ADP研究院合作开发的“金丝雀仪表盘”近乎实时地追踪超过730种职业中的460万名工作者，据称其数据显示22至25岁、受人工智能影响的职业中的工作者就业人数每年缩减超过4%，尽管整体就业市场看起来风平浪静。该仪表盘得名于“矿井里的金丝雀”这一经典比喻，布林约尔松此前曾对《财富》杂志表示，为何“盲飞”（即在缺乏数据的情况下决策）是如此紧迫的问题：从总体数据上看不出危险，只有按年龄和任务受AI影响程度来细分数据，问题才会浮现。“我们正在盲飞，进入世界历史上最关键的时期之一，”他在仪表盘发布时表示。“我们需要及时、可信的证据，以理解人工智能在哪里创造价值，在哪些方面颠覆了工作。”

衡量工具本身就存在争议

阿波罗全球管理公司颇具影响力的首席经济学家托尔斯滕·斯洛克在“我们必须立即行动”声明发布一周前发表了一篇博文，指出即便是“AI暴露度”这一基本概念——大多数劳动力市场研究的核心术语——在五种相互竞争的衡量框架下本身就存在分歧，每种框架得出的结果各不相同。

其中一种通过真实的聊天记录来衡量劳动者实际使用Claude做什么。另一种对微软Copilot做同样的衡量。第三种由专家判断AI理论上能够替代哪些工作技能，而不论是否有人实际这样使用。第四种让ChatGPT自评在每项任务上的有用程度，第五种则扫描雇主的招聘信息中是否提及AI技能。理论框架的结果普遍高于基于实际使用的框架，因为它们忽略了AI是否真正被采用，或者是否值得付出相应成本。

分歧恰恰在利害关系最大的地方最为严重。斯洛克写道：“最引人注目的是，这五种衡量方法恰恰在利害关系最大的地方分歧最大，也就是所有人都想列为高危的那些岗位——比如电话销售员、税务申报员和作家。”换言之，问“AI理论上能对这个岗位做什么”和问“劳动者实际在用AI做什么”之间存在巨大差异。他表示，理论上的测算方式（第3、4、5种方法）的结果“普遍高于”实际使用层面的方法（第1、2种方法），因为它们忽略了AI是否真正被采用，或者是否值得付出相应成本。

像他常做的那样，斯洛克给出了一个“说到底”式的总结：“当有人说某项工作‘高度暴露于AI’时，真正该问的第一个问题是：按哪个标准算暴露？衡量的又是什么？这事儿没弄明白之前，‘AI暴露’这个标签，意思其实远没有看上去那么大。”