致讀者：點擊上方 “行為魔思 ” → 點擊右上角“...” → 點選“設為星標 ★ ” 為魔思姐加上星標，就再也不會找不到我啦！
我們目前生活在一個悖論的時代。
一方面，各大小公司都聲稱已經將人工智能、雲計算、大數據等技術應用到了自己公司的業務中。阿里巴巴，騰訊、百度都抱著“ALL IN”的態度來將未來的重點都投在人工智能上。
這些公司無一不在向大眾傳達這樣的信息：
人工智能，將大大的解放生產力。
一方面，新技術的應用並沒有帶來生產率的大幅提升，全球經濟卻一直在變爛。縱觀全球，根據統計數據，全球的生產率增速反而在退步（想起了崩掉的巴西、俄羅斯、土耳其，以及經濟增速減緩的我國）。
我們寄予厚望的新技術的應用並沒有帶來生產力提升。
由美國國家經濟研究局發佈的論文《人工智能與現代生產力悖論：期望與統計的衝突》。該論文由麻省理工學院斯隆管理學院Erik Brynjolfsson教授、Daniel Rock教授和芝加哥大學商學院Chad Syverson教授聯合撰寫。這篇論文解釋了，為什麼我們對新技術的期望與現實的統計相沖突？下面的部分內容出自原文，部分為魔思姐的理解。
論文首先說明了:
為什麼我們對於新技術（人工智能、機器學習）充滿了樂觀？
引入了神經網絡的機器學習技術，在大量數據的訓練和自我學習中，具備了人類的兩個基本能力，“感知力”和“洞察力”。人工智能、機器學習帶來的效率提升非常明顯。
Imagenet是一個超過一千萬張圖像的數據庫，通過人工智能，對其圖片進行標註和識別，錯誤率從2010年的30%，降低到了2016年的2.2%，而人類的識別錯誤率，一直保持在了5%。
正因為這些顯而易見的進步，互聯網巨頭公司們，谷歌、微軟，亞馬遜、蘋果，Facebook等公司對AI領域的看好不只是葉公好龍式的口嗨，這幾個全球市值排前五的公司都投入了大量的真金白銀在AI上。
他們對AI領域的樂觀，也積極的影響了市場，從2012年到2017年，納斯達克的科技股指數翻了一倍不止，而全球投在私人公司的AI領域的資金，也從2012年的5.89億美金，漲到了2016年的50億美金。
但現實是悲觀滴，真實的數據並沒有像AI投資者想的那麼樂觀。現實的統計並沒有證明技術會促進生產率的增長。
美國在1995年到2004年之間的總勞動生產率平均增長2.8%
而在2005年到2016年只有1.3%，還不到前者的一半
在OECD（經濟合作組織）在編的29個國家中
有28個生產率增長出現了類似的情況
更重要的是，自20 世紀90年代後期以來
美國人民收入的實際中位數已經停滯不前。
下圖是根據OECD按照國別分析的經濟數據庫（2016年會議委員會），其中描繪了美國、其他發達經濟體、新興經濟體和發展中國家的年均勞動生產率的增長。
從圖中可以看到，美國和其他發達經濟體，年均生產率增長呈現顯著的下降；與此同時，我們還能看到，新興經濟和發展經濟體生產率的增長加速發展，但到 2008 年大衰退時增長便告結束，從此以後，這些國家生產率的增長，也呈現出快速地下降趨勢。
這種既成的事實，已經成了一種悲觀的論調。人們質疑，新技術的發展能否促進收入和生產率的增長？在技術發展的諸多領域，生產率一直在下降。這種悲觀情緒甚至影響到了長期的政策規劃，美國的國會預算局將美國未來十年的年均生產率增長，由2016年的1.8%，降為2017年的1.5%。
為啥會出現這種情況呢？有四個潛在的解釋。
1、 錯誤預期
人類對潛在技術的樂觀態度是錯誤的，甚至是毫無根據的。
也許技術，並不能達到人類所想象的那樣。技術只會對於一些特定的行業，會產生巨大的影響，而對於整體經濟，影響並不會很大。
這樣技術的增長和經濟的低迷之間的悖論就可以解決啦，使那些對於技術過於樂觀的人，將自己的信念與市場的現實所結合起來。
想一想，聚變能已經有60年了，這20年來也沒有技術的進步，電費也沒有變的更便宜。人類登上月球已經40年過去了，依舊沒登上火星。大躍進的那些吃一年賽大象的肥豬，也成了笑話。
所以呢，是人們對技術的過於樂觀導致了和現實之間的落差。
2、 測算誤差
悖論的另一個潛在解釋，在於產出和生產率測算出現了錯誤。
也就是過去傳統的那一套統計方法，已經不能夠精確統計新技術下的產出和生產率了。現在的那一套統計方法，只是對過去經驗的一種解讀，並不適合對未來的樂觀預期。
舉個例子，現在打車，拿出打車軟件，叫車很方便。雖然付給司機的車費是一樣的，但是給你省了時間啊。這時間你可以幹其他的事情，這也是額外的產出啊。再比如現在的那些軟件，微信、微博、知乎啥的，雖然在使用時代價很低，但都是時間密集型消費，用傳統的生產率測算方法是有誤差的。
3、 租值消散論
這種解釋認為，實際上技術的發展帶來的收益已經實現了。
但是，這些收益只是集中分配的，並且獲益者會通過各種方式來保證自己的收益不會再被分配。技術對於平均生產率的增長影響是適中的，但對於普通的勞動群眾來說，影響微乎其微。
這個說法很好理解，以國內近幾年的互聯網發展來說，外賣、共享單車、打車等軟件的興起，給社會帶來了便利，也產生了相應的收益。但這些收益都集中在了滴滴、摩拜、美團這樣的獨角獸手中，其他小的公司很快被幹死，而且寡頭們會阻止有後來者分一杯羹，阻止的動作會產生收益的消耗。
總結一下，就是技術增長的收益是有的，只不過集中在一小部分人手裡，這部分人阻止其他人會產生消耗，收益的集中和消耗稀釋了技術增長對社會整體的好處。
4、 實施和重組的滯後
前三種說法，尤其是前兩種說法，有點抬槓的意思了。
不是增長的不夠，是你們的期望太高。不是增長的不行，而是測算方式有誤。
所以論文的作者提出了對於悖論的第四種解釋，來說明人工智能這樣的新技術發展與經濟低迷之間的悖論是正常不過的。
這種解釋斷言，我們有充分的事實表明，新技術的發展對提升未來潛在生產率的增長，是樂觀的；然而，新技術帶來的當期生產率的增長卻很低，沒有那麼顯著。這種解釋的核心在於，新技術的充分利用，要比通常認為的時限，要歷經更長的時間。
這種解釋，意味著新技術要成長到對經濟社會潛在的變革產生影響，會耗費不少時日，儘管其對近期生產率的增長並沒有顯著的影響。只有等到與新技術相關的通用性技術，全面發展起來，並得到應用，新技術的發展，才會對生產率的增長帶來顯著影響。
新技術的潛力，與其可測量效應之間的延遲，主要受兩個因素的影響。
一個原因在於，新技術要對總體效應產生影響，會耗費不少時間，有時滯；
另一個原因在於，要獲得新技術的利益，需要後續的持續投資，但需要時間來識別後續的投資，到底應該投到何處，並實現它們。
這種理論，對技術發展與生產率增長之間的悖論，做出了有效地解釋：實際上，兩者看似矛盾，但並不衝突。相反，在某種意義上，甚至可以說，這是新技術發展的自然表現（即新技術的發展，並不會立刻促進生產率的提升）。
這種說法當然不是胡亂假設的。我們對於未來的預期，會想當然的認為，現在的增速過緩，未來增速也會變緩。實際上，根據現在的經驗和數據，去評估未來是不準確的。
以十年為單位，美國1950年戰後生產率高速增長時，是不會想到1970年的增長降低的。同樣，經過1970、1980年代的低迷，也不會預料到1990年後計算機時代生產率的增長速度。作者通過一系列統計學公式的推算，得到十年和下一個十年之間的生產增長率之間的相關係數只有0.009，在統計學上相關性不大。
說人話就是，你不能說人工智能在這十年內沒有促進生產率的增長，就斷言在下一個十年也不會促進增長。
論文還舉了兩個樂觀的例子，一個是自動駕駛技術的應用，美國在2016年有350萬人從事駕駛行業（出租車、卡車等司機）。假如自動駕駛能讓人數降低到150萬（這在未來不難實現），那麼美國非農業生產者的總勞動生產率將會增長1.7%(美國非農業從事者有一億兩千萬)。僅自動駕駛這一單一的技術，在未來十年內，就能為美國帶來0.17%的平均勞動生產增長率。
另一個例子是電話客服中心，在2015年美國有220萬電話客服，如果語音識別的改進，像IBM沃森這樣的語音問答技術能夠減少60%或者更多的人工客服。那美國的勞動生產率有望增長1%，這在10年後很可能實現。
從更大的意義上看，人工智能技術是一種通用技術。所對生活和經濟的影響將遠遠大於我們所想。
通用技術一定是應用廣泛的，並在很長一段時間，都能得到廣泛發展，而且也會促進其他互補式創新的發展。蒸汽機、電力、內燃機和計算機都是重要的通用型技術。它們不但能直接提升生產率，而且還能刺激重要的互補式創新的發展。
作者通過一系列的例子來說明，人工智能這樣可能的通用技術，雖然出現在當下，但是並不會立即產生社會效應，需要厚積薄發，需要有大量的資本和人力前仆後繼的投入才會產生最終的效應。
技術的進步，將會在一段時間內和低的生產效率並存，因為新技術行業資本存量的積累，需要很長時間。
想想計算機的發展，
1958年集成電路的誕生，
1964年IBM的第一臺通用計算機，
其真正的應用也是到了2000年之後。
在上世紀80年代，美國學者查斯曼(Strassman)調查了292 個企業，結果發現了一個奇怪的現象，這些企業的IT投資和投資回報率 (ROI)之間沒有明顯的關聯。
索洛(Robert Solow)將這種現象稱為"生產率悖論"，我們到處都看得見計算機，就是在生產率統計方面卻看不見計算機 。雖然企業在IT 方面投入了大量的資源，然而從生產率的角度看，收效甚微。
電氣化的擴散，也有類似的情景，就算到了1919年，至少有一半的美國製造業企業，仍然沒有實現電氣化，直到大約30年後，才開始轉向彼此交流。
以史為鏡，以電氣時代和信息時代勞動生產率增長為參照的話，我們發現，人工智能時代，只不過重複歷史的腳步罷了。
在這兩個時代一開始，生產率的增長都出現了減速。
便攜式電氣時代是1915年到1924年；
信息時代是1995年到2004年；
而隨後的十年內，二者的生產率增長都得到了快速的增長。
到這裡，事情的脈絡變的清晰。論文最後的結論也充滿辯證思維和富有人文氣息。
在談論人工智能時，
當我們在與技術樂觀主義者交談時，
我們相信，最近人工智能和機器學習的發展，是真實的，也是無比重要的！
當我們與技術悲觀主義者交談時，我們深信近來生產率的增長已逐步放緩，而且收益分配也不均勻，同時伴隨著許多人收入停滯，健康和福祉的下降，這種趨勢頗為令人擔憂。
人們對未來不確定，並且曾經主導就業和市值排行榜的許多工業巨頭，在艱難的時日，也減少了僱傭的人員，市值也大幅縮水。
其實，這兩種既成的事實，並不矛盾。在經濟轉型中，這種爭議的存在是慣常的。我們的分析表明，即使現在道路險阻，但並非絕境。
以史為鏡，我們能夠不謙卑的對未來充滿憧憬。雖然現在的人工智能就像一個剛出世的嬰兒，隨著其成長，隨著其擴散，會對生產率產生更深遠的影響，待其成人時，必將會更好的反哺人類。
而這一切，並不會自己實現，需要個人和企業的不斷努力創新，快速適應。
從理論上講，未來的時代，必將屬於那些適應能力最快的企業和個人，其調整成本最小。
這聽起來有點運氣成分在內，但是隻要我們有理論指導，堅持正確的路線圖，那麼這是值得我們每一個人，認真準備的事情。
閱讀更多 行為魔思 的文章
