人造智能自20世紀50年代以來一直存在，經歷了許多炒作和“冬天”的周期。根據對10個國家3000多家公司的高管的調查，本專欄介紹了人造智能如何經歷一個新的春天，並在此停留。作者還認為，它可以帶來企業層面的生產力和利潤增長，就業動態可能沒有像一些人預期的那樣糟糕。
領先的人工智能（AI）專家Andrew Ng曾經將AI認定為“新電力”，將改變每個經濟部門（Ng 2017）。然而，自從二十世紀五十年代以來，我們已經有許多炒作週期和“冬天”。在最近的研究中，我們決定評估新一輪AI的發展情況，並發現一組技術可能在技術上和經濟上都會開始發展（Bughin等，2017）。
我們的工作還提出了另外兩個經濟學家討論的另外一些問題：總生產力增長（Crafts and Mills 2017）的演變以及未來的工作（Frey和Osborne 2013，Autor 2015，Acemoglu和Restepo 2017）。我們新出現的消息是，AI仍然處於起步階段，但它仍然在這裡。基於對十多個主要國家約三千家公司的C級管理人員進行的分層調查，AI和預期收益之間的聯繫表明，AI可以提供一些重要的企業級生產率和利潤增長，而就業動態可能不如一些經濟學家所預期的那樣糟糕，而且還有許多經濟學家。當然，替代將會有利於智慧型資本，但採用人工智能的公司也是推動更多就業的公司，特別是那些利用人工智能創新和擴大產出的公司，與其他風格化技術變革的事實保持一致和就業（Spiezia和Vivarelli 2000）。
AI的新春天
簡單來說，工業革命是關於增強人體肌肉力量的機器。 AI革命是關於增強人類大腦力量的機器。在我們的工作中，我們採用AI的功能性觀點，即我們專注於成熟的技術，如計算機視覺，自然語言處理，虛擬助理，智能機器人和自主車輛，所有這些技術都受到新一代機器學習算法。
例如，計算機視覺的準確性一直在不斷增加。五年前，機器能夠在70％的時間內正確識別圖像，而人類95％的時間成功。更好的數據，改進的算法和更快的計算機將機器的準確率提高到96％。而作為人類，我們仍然停留在95％。關於智能機器人，亞馬遜已經將性能提升到了一個階段，機器人可以將點擊和運送時間從一小時縮短到15分鐘，而在人類必須做後台工作所需的空間的一半。
AI正在經歷一個新的春天有三個原因，不會走路。
首先，越來越多的聰明的投資者，從風險投資和私募股權，在過去三年裡，AI投資增長了三倍，現在投入了數十億的人工智能。即使這是小規模的投注 - 約佔目前風險投資總額的3％ - 這個增長速度非常快，甚至比生物科技更快。
第二，雖然私募股權和風險投資公司仍然是錯誤的，但我們發現，AI的企業投資已經是私募股權和風險投資公司的三倍。在投注AI的公司中，最看漲的是高科技公司，如英特爾和三星，以及數字本地人，如字母表，Facebook和亞馬遜。汽車公司也是積極的 - 去年通用汽車公司收購Cruise Automation超過10億美元。對於任何人質疑為相對較新的公司支付這麼多的智慧的人，值得注意的是，AI投資已經有所回報 - 記得亞歷山大在2012年以7.75億美元收購的機器人公司Kiva。亞馬遜用於物流的Kiva機器人報告說，其新業主的投資回報率為50％。
第三，我們關注的AI技術實際上正在部署（見圖1）。在我們對3000多家企業的調查中，我們發現三分之二的公司是AI認知的。它們分為三類。大約20％已經是嚴重的採用者 - 主要是部署機器學習或計算機視覺技術，反映了風險投資，私募股權和高科技公司的投資。大約有40％的企業已經開始試驗或部分採用。其他人還沒有嘗試或實施，但這意味著大多數人正在嘗試。還有更多：40％誰不採用，主要原因不在於他們不相信AI。我們的研究表明，存在商業和技術障礙的混合;關於後來，28％的企業覺得自己沒有技術實力。
圖1通過技術的人工智能意識程度
圖2按部門劃分的人工智能的採用情況
AI擴散的可能經濟學
如果AI正在進入公司，下一個問題是如何擴散，以及在什麼經濟方面。我們使用了一個簡單的模式，其中一個行業/公司的利潤發展期望與其採用AI規模的程度有關。由於人工智能的採用可能依賴於行業/企業的健康，我們進行了兩步估計：第一，我們制定了採用的物流模式;那麼我們在利潤方程中將擬合採用作為回歸。我們顯然意識到我們數據的局限性，所以我們的分析必須謹慎，但是它們是供應經濟學的第一個大規模證據。
AI擴散驅動程序
我們首先匯總了15個行業的數據，然後繼續深入挖掘。關於行業鏡頭，AI領域的領域是高科技，電信和汽車，其次是媒體和金融（圖2）。這些行業是數字化最多的，預測未來對基於AI的商業模式以及產品和服務的高需求。事實上，AI似乎並不是公司能夠輕而易舉的跳躍。公司需要開始數字化旅程，準備採用AI;事實上，我們的數字指數（數字資產和數字歐洲數字資產的衡量標準由MGI開發）之間的跨行業相關性以及適用於構建AI指數（AI投資和使用量度量）的相同措施可達0.55 ，而且顯著。此外，高度傾向採用AI的行業也是利潤率和收入增長率最大的行業，反映出行業面臨更大的衝擊。
我們繼續開發公司採用AI技術的相關部門，因為我們已經為15個行業收集了大約200家公司。承認調查答复的所有註意事項和我們小組的縱向性質，但是我們研究的15個行業中，我們發現了五種基於AI的技術中大量採用AI的可能性的五個強相關性。企業層面的分析證實了數字成熟與人工智能通過之間以及利潤預期與人工智能採用步伐之間的聯繫的行業鏡頭。使用奇數比來排列因素，從最小到最高的效果，我們發現了以下風格化的事實：
大型公司的採用更為明顯，特別是技術巨頭中的效果最顯著，這些巨頭已經在大型企業中佔有主要的選擇（見上文）。
在幾乎每個行業，AI採用公司得到了C套件的大力支持;首席執行官等業務領導了解並支持採用人工智能技術。
那些已經投入到適合AI的技術基礎設施的公司，這意味著對大型數據和基於雲的架構投資的公司更為頻繁。
公司更傾向於將AI置於業務核心，靠近創造最大價值的領域。
投資AI的公司已經預見到一個強有力的商業案例，與削減成本一樣，增加收入也是如此。
鏈接性能和AI擴散
我們使用第2到第4點描述的變量作為與AI採用相關的有效工具變量（IV），以估計AI採用對公司利潤率發展的影響（我們忽略了變量“大小”以及可變“預期效益“因為二者都可以直接與利潤率發展相關聯;典型的有效性測試證實我們的IV變量列表不能被拒絕）。方程式按行業估算，具有一套牢固的控制（總部位置和現有利潤水平等）。我們發現，15個行業中的12個行業的AI採用的IV效應是統計學上的，即使解釋的方差仍然有限（平均來說，同行業企業的利潤發展差異的8-15％）。然而，這種效果與以下事實相吻合：在我們的樣本中，超過70％的AI使用者預計AI將在其行業中帶來顯著的競爭優勢（而非採用者為45％）。
AI和我們的經濟未來
過去，可以利用上述來討論經濟學家今天提出的兩個重要問題。第一是AI是否可以成為解決方案的一部分，以恢復發達國家明顯消失的全要素生產率增長。二是如果AI完全替代智能AI資本進行勞動，就業是否會全部枯竭。這不是我們研究的核心，但是我們還有一些研究結果可以幫助當前的辯論。
AI和生產力
使用利潤函數的輸出視圖，眾所周知，技術變革或總體生產力增長的增長是利潤部署的一個功能以及長期的產出擴張（在短期內，我們應該增加容量利用率;見Karagiannis和Mergos 2000）。如果規模增加（遞減）回報率，產出的擴大是正數（負數）。我們可以從上面的估計中計算與AI相關的利潤部署，根據行業，我們的平均水平在5％至12％之間。因此，採用和不採用公司之間的總體相對生產力變化可能很大，如果認為規模經濟可以從人工智能出現，可能會更高。企業生產力提升的範圍與其他地方相似，例如數字技術（Brynjolfsson et al。2011）或大數據（Tambe 2014，Bughin 2016）。
AI和就業
勞動經濟學家的主流敘述是，基於AI的自動化可能會執行許多任務（並且通過聚合，許多當前職業）已經過時。這可能發生的範圍和速度可能意味著重大的技術失業。
顯然，全面的宏觀經濟影響將取決於由於新型職業，還是作為支持擴大產出的一種方式，是否會在採用工業方面創造新的就業機會，以及AI的生產力收益是否會在其餘的經濟結構（例如，格雷戈里等人，2016）。我們對生產力增長影響的簡單數學意味著它可能與以前推出數字技術的數學一樣大。
關於對企業就業的影響，我們的調查詢問了AI採用後對就業的影響（圖3）。更多的細節，我們還強調了自己認為自己只是試驗AI並且還沒有規模採用的公司;一般來說，部分公司預期下降幅度相當，約佔收入和實驗者的45％;但已經通過AI的人士顯然願意增加就業（22％比6％）。如果部分增長只是預期下降的企業的一半，這一比例令人驚訝地接近了幾十年來新技術引進的情況，如Atkinson（2013）所示。進一步擴大了願意增加就業機會的公司，我們也看到，這些公司使用AI更多的來擴大產量和改進產品和服務，如Spiezia和Vivarelli（2000）所預期的。
因此，我們得出結論，AI在這裡留下來，公司AI的採用是由足夠的經濟力量驅動的。這些力量將進一步加速（舊）人類任務的替代，但是我們從數據中猜測到，生產力的提高以及AI可以帶入市場的創新可能比自我犧牲更受歡迎，即使是未來就業（Acemoglu和Restrepo 2017）。
圖3由於採用人工智能而預期的就業變化
留言列表
Personal Priority 
