Deep Dive
Shownotes Transcript
0 嗨，我是卡迪夫·加西亚，这是《新集市》。今天节目的内容即将开始。有很多技术例子是出乎意料的，或者技术的实施方向是你事先无法预测的。内森·戈德斯拉格谈论人工智能及其对您工作的影响。大家好，我是卡迪夫。人工智能，AI。
它会帮助你更好地完成工作，让你生产更多你生产的东西，赚很多钱，和你的优秀AI助手一起过上幸福快乐的生活吗？或者说，AI不仅仅是帮助你完成工作，而是直接完成你的工作？不再需要了。
对于我们这些从事知识工作的人来说，你知道的，电脑工作，思考性工作，因为我们根本无法再竞争了。我们的社会效用、就业能力、自我价值、尊严都消失了。还是这一切都会变成别的东西？介于这两个极端例子之间的东西，或者可能是我们现在根本无法预料的东西。
今天的嘉宾是内森·戈德斯拉格。内森是一位经济学家，直到最近，他还在美国人口普查局的经济研究中心工作，他的职务是首席经济学家，在那里，他除了其他工作外，还领导了关于技术（包括人工智能）对经济影响的研究。顺便说一句，任何关于这个主题的世界顶级经济学家的名单都必须包括他，否则你的名单就完全没用了。对不起。
令人高兴的是，他也很容易预订，因为他现在是经济创新集团的研究主管，这个集团恰好制作了这个播客，也恰好是我工作的地方。所以他现在是我的同事。与他一起工作，我了解到他对现有关于人工智能对经济影响的数据有着极其深刻的理解。你可以在他自己的作品、他自己的研究中看到这一点。
但这也使他能够独一无二地过滤掉关于这个主题的许多无稽之谈。相信我，关于这个主题有很多无稽之谈。因此，他也有资格找到真正值得关注的外部分析。所以在今天的节目中，我们不仅会回顾内森自己的研究，他关于人工智能和工作的发现，我们还会回顾其他人所做的工作，对吧？
研究人员、散文家、子堆栈者，我们浏览了他们所有认为值得与听众分享的著作和分析以及漫无边际的思考。当然，我们还将在我们的网站eig.org上链接到所有这些工作。我迫不及待地想让内森来参加这次聊天。开始了。
内森，你在《新集市》上的处女秀。你好吗？感觉如何？太好了。我很高兴来到这里。我认为我在人口普查局做的一些工作为我思考这些问题奠定了良好的基础，所以我非常高兴分享我一路学到的一些东西。当然可以。而且因为你不再在美国人口普查局工作了，所以你可以说出你的想法。我喜欢和刚离开政府的人交谈。没错。没错。手铐解开了。摆脱束缚。我喜欢。你
你是否经常思考人工智能及其对你自身工作的影响？是的。我的意思是，在某种程度上，我认为当前版本的LLM对我所做的工作非常有用。我不认为它能够完成这项工作，你知道的，就像EIG刚刚雇佣我一样。LLM，比如ChatGPT，大型语言模型，你基本上问一个问题，它们会告诉你任何事情。正确的。谢天谢地，它还不能完成我的工作。然而？好吧……
然而，然而，也许吧。也许永远？希望永远不会。所以，你知道的，我认为这些技术现在非常有用，就像头脑风暴的辅助工具一样。头脑风暴的辅助工具。是的，我一直在我的工作背景下思考这个问题。当我看着你和你所做的工作时，你做了很多事情。其中一件是你管理人员，LLM，ChatGPT，做不到这一点。
对吧？你监督员工。你必须运用你的判断力和多年作为经济学家的积累的智慧来管理其他人。你优先考虑为你工作的研究人员和经济学家将要做什么。所以它有一个管理方面的组成部分，但你本身也是一位经济学家。你做了很多你自己的原创研究。人工智能如何帮助你做到这一点？所以它可以帮助你进行头脑风暴。它是否可以帮助你做一些事情，比如
编码？它是否可以帮助你，我不知道，检查你是否犯了错误，诸如此类的事情？是的，绝对可以。所以它在编码方面非常有用。你不再需要把所有这些东西都记在脑子里了。你可以把它放下，让机器帮你记住。这种情况经常发生。你会说，哦，我该如何完成这项任务？你可以直接问它，它会给你一堆你必须串联在一起的东西。
对于我所做的工作，我认为这完全是关于研究品味的问题，对吧？所以对于这些系统来说，很难知道要问什么问题。
这就是为什么它作为头脑风暴工具非常有用，因为你可以从中获得灵感。你会看到它反馈回来的东西，并将更重要和更有趣的部分串联起来。而这正是我幸运地仍然拥有的附加值。我知道很多人使用LLM来辅助他们工作中的编码部分，但他们也都告诉我，他们必须检查代码。
ChatGPT和LLM反馈给他们的代码。所以如果你说，嘿，给我这段代码。我想做以下事情。我相信
这些工具会变得更好。但他们确实会说，你必须做，你必须在你提出请求之后并且它给你返回代码并且它为你节省了时间之后非常小心。然后你必须花一些时间来确保它是正确的。这是你的经验吗？没错。它只是让你走得很远，对吧？它会给你一些仍然有一些错误的东西，而且它忘记做了一些事情。但同样，它为你节省了大量时间，并让你以更少的努力完成大部分你试图编写的代码。是的。一些新的AI也在做一些事情，比如
发布带有虚假AI播客主持人的播客，这些主持人实际上会互相交谈。我认为谷歌去年发布了一个可以做到这一点的新程序。我一直在思考人工智能在我自己工作中的应用。我有一种感觉，我目前工作中的许多单独的子组件
将在五年或十年内由人工智能完成，对吧？比如说话部分，显然我们现在在这个播客中正在做的事情，就像已经开始了。在帮助人们更好地写作方面，因为我做了很多编辑工作，我做了很多写作工作。我不知道。似乎很多工作实际上是可以自动化的。而且
随着这些工具改进的速度，因为它们一直在改进，似乎我目前工作中的许多部分将来都可以由这些工具完成。因此，我个人也必须发展我在工作中所带来的东西，也许利用这些工具使自己变得更好，而不仅仅是继续以旧的方式做事。你认为这是，作为一个研究工作和劳动的经济学家，你认为这是
这是个好建议吗？不，我认为这是对的。我认为将来，为了成功，你必须，你知道的，利用这些工具来使你更擅长你所做的事情。你所做的任何一件事情。是的，那可能是自动化的。但要记住，整个过程存在一个将许多不同的事情串联在一起的代理问题。因此，每个单独的任务自动
承担其自身的任务，也许人工智能可以完成这部分工作。它也可以帮助你完成这部分工作。所以它既是补充，也是替代。但是将所有这些东西串联起来，我认为这才是你将保留的附加值。但与此同时，你所做的任务将改变你专注于哪些任务，以及你在任务上的时间分配将发生变化。它也可能会创造新的任务。对。所以你可能会做一些你以前没有做过的事情，因为这些工具正在打开新的局面。你认为……
原始智力将不再像以前那样有价值了。撇开你提到的品味问题不谈。我喜欢这一点。判断力、智慧、如何处理原始智力的输出，就像纯粹的认知能力、记住东西的能力、建立某些联系的能力、
似乎随着这些工具的提升，这将不再像过去几十年那样令人印象深刻了。不，没错。但事实也是，在数据中，智商对工资的回报并不像你想象的那么高。
所以劳动力市场并非如此——
对吧？这将会有递减的回报。所以将会有互补的技能和资产，人类将它们带到桌面上，使这个等式成立。是的，最好尽快转向这些方面。对，对。让我们谈谈你的研究，因为你发表了许多关于人工智能和一般技术的论文，以及它们对劳动力市场的影响。让我从这个开始。我们知道
截至目前，有多少或多少百分比的企业实际上正在使用人工智能？最新的可用数据是什么？所以这实际上是我一直在花很多时间研究的事情。在我人口普查局所做的许多工作都集中在这些问题上。
人口普查局有一支非常优秀的经济学家团队，他们正在超前思考这些问题。通常对于联邦统计系统来说，技术在他们提出问题时就已经完全普及了。在这种情况下，我们实际上很早就开始问他们了。我们实际上了解了随着时间的推移，情况会如何。我认为最重要的是，它低于你可能预期的水平。在最新的数据中，大约9%
公司表示他们正在使用人工智能。在GPT之前，可能是3%。所以它随着时间的推移而增加。但是如果你问企业，你是否在生产商品和服务中使用人工智能？只有大约9%的人说是。是的，这真的很有趣，因为考虑到关于人工智能的辩论的突出地位，这个数字听起来很低。
在文化中，在媒体中，这显然是我们俩都非常感兴趣的事情。这比人们想象的要低。但是你认为它会快速增长吗？这与引入之前相比如何？
那些LLM，这些大型语言模型，ChatGPT等等，因为那是几年前的事了。所以我想知道现在采用速度是否会比以前更快。是的，人口普查局正在做的一些工作的好处在于，它是在这些非常高频的调查上进行的。所以我引用的数据实际上来自5月份。所以这些都是非常新的数字。今年5月？今年。好的。对。所以就在最近。是的，就是这样。是的。
这些数据显示了一种趋势。它们正在增加。它们从一年半前的大约4%上升到今天的9%。事实也是，采用这些技术的公司往往规模更大。早些时候，几年前，3%的使用率在就业加权的基础上变成了大约12%，这意味着在
使用这些技术的企业中的员工数量。这很有趣。对吧？它们往往规模更大，所以所谓的接触率高于公司层面的使用率。这真的很有趣。我还想像，不同类型的企业在使用程度方面会有很大的差异，对吧？没错。规模与这些技术的使用之间存在很强的关系。使用这些技术的往往是规模较大的公司。
但它也往往是较年轻的公司。因此，在不同的规模群体中，使用率与年龄之间存在负相关关系。所以它往往是规模更大、更年轻的公司。而我们在后GPT时代最近看到的一件事
时期，是规模分布中的J形，这意味着非常小的公司的使用率略高于中等规模的公司，然后它又回升，最大的公司的使用率非常高。我们认为这可能暗示了这样一个事实，即这些新版本的人工智能非常适合小型公司的生产技术。
如果你只有一两名员工的公司，你就可以使用这些技术。你以前实际上并没有雇佣营销人员。现在你可以使用ChatGPT来做一些看起来很像营销人员的事情。因此，在最小的企业中，回报率可能更高。这真的很有趣。我还想像，如果你是个小企业，并且正在决定是否开始雇佣更多的人，扩大规模，
你会谨慎地做出这个决定。因为如果你是一个小企业，雇佣另一个人是一个非常大的挑战。
所以你可能更愿意先尝试这些技术，看看你是否可以节省不从五个人增加到六个人的钱，这，你知道的，这是你企业规模的20%的增长，而对于一家非常大的公司来说，这可能就像，嘿，我们还有更多工作要做，就像雇佣其他人来做一样。如果你规模较小，你可能更愿意测试这项技术，看看它是否可以为你省钱。没错。这有点像，你知道的，这些技术对就业的影响是什么？是的。
这些调查的好处之一是，我们可以询问公司，你说，你是否因为使用人工智能而增加了或减少了你的员工？就像这是一个自我报告的因果估计。当我们这样做时，大多数公司，绝大多数公司表示，使用人工智能的公司表示，人工智能并没有对其就业产生影响。就增加和减少而言，大约是50-50。就像在少数表示人工智能改变了其就业的公司中，一半表示增加，一半表示减少。
我还想像，一些公司会想要雇佣人员来帮助他们使用人工智能。所以人工智能不仅仅是……
自动化一些员工的工作。你可能还会雇佣一些碰巧是该技术专家的人，你也会雇佣他们，对吧？没错。我们对技能构成有估计。所以我们询问公司，他们是否因为使用人工智能而雇佣了更多技术娴熟的工人，答案往往是肯定的。因此，当公司实施这些技术时，它也会增加他们对技能的需求。他们需要
新型技能，他们需要新的熟练工人来实施这些技术并从中获益。是的，这很有趣。我可以理解，正如我们刚才所说，为什么最小的企业愿意尝试人工智能，
规模较大的企业可能在开始时不会像那样认真地尝试，但你说过，规模最大的公司也往往使用得更多。我想知道，就它们而言，这仅仅是因为它们有资金投资，升级系统或其他什么东西，以适应人工智能。因为有些公司确实需要改变它们做事的方式才能使用新技术。不是吗？不，没错。而且肯定会有规模经济。你看到这一点的地方之一是数据。所以这些大型企业，它们往往拥有大量数据。
而这些数据，你可以利用人工智能来增加你基于这些数据的采用回报。你可以对这些工具进行定制，并以利用公司内部信息的方式实施它们。是的，我喜欢这一点。然后，如果公司不使用人工智能来自动化员工的任务，或者也许有些公司这样做，有些公司没有这样做，但这看起来还不是非常普遍，
他们说他们用它来做什么？最常见的回答是改进产品和改进流程。第三个最常见的回答是自动化员工的工作。但在表示正在使用人工智能的公司中，约有27%表示
表示他们正在使用它来自动化任务，但只有5%表示他们正在改变他们的就业情况。所以更常见的情况是，公司使用人工智能来自动化不同类型工人所做的事情的子集，而不是一定做这些工人所做的一切事情。让我们说，一家主要从事，我不知道，互联网方面工作，信息技术也一样，与那些
也许做更多事情的公司相比，我不知道，在物理世界，在有形世界，我想象到那里人工智能的采用率也差异很大。哦，它因行业而异。所以在信息行业中，它可以高达25%，但在住宿和食品服务行业中，它大约为2%。公司不使用人工智能最常见的回应之一是它不适用。许多企业仍然没有看到它如何能够改善它们的生产。
在你进行这项研究的过程中，有什么让你感到惊讶的吗？你和你的同事发布了调查或查看了数据，你看到了它，然后你就像，嗯。
这很有趣。不知道会这样。所以我认为总的来说，低使用率是一个惊喜。大约在一周内，ChatGPT 就拥有了 1 亿用户或类似数量的用户。关于传播，有很多惊人的统计数据。比如他们在哪里工作？他们在什么地方？因此，根据头条新闻，你会认为它到处都是。
根据经济学家谈论它以及对人工智能与劳动力市场之间关系进行建模的方式，你也会期望看到大量的人员流失，在采用这些技术的公司中，就业情况发生大量变化。而这种情况似乎还没有发生。我们已经进入后GPT时期了，对吧？这些技术已经存在一段时间了，但即使在今年早些时候的最新数据中，这些公司似乎也没有改变它们的就业情况，尽管人们期望它们会这样做，你知道的，在接下来的六个月中，大约有35%的公司将使用它来自动化任务。所以我认为，工人正在做的特定类型任务的自动化将会增加。但我认为，你知道的，从表面上看，这些低使用率以及工人的快速流失并不多，这有点令人惊讶。这对于可用的数据来说可能过于细致了，但是
我最近与一位投资公司的高管朋友交谈过。他说的其中一件事是，他们还没有弄清楚如何将人工智能用于他的公司所做的主要事情。
他们使用人工智能来做的事情，比如客户服务或投资者关系，这些更外围的任务，是的，他们可以使用人工智能来自动化员工所做的一些工作，或者他们可以使用人工智能来增强这些公司部门的员工。但直到现在，他们才开始想出方法，将人工智能用于他们所做的主要事情，这实际上是财务分析和投资。对。
我还想知道，许多回复调查的公司在多大程度上也表示，是的，我们使用人工智能，但至少目前，它是用于对我们来说至关重要的事情。它们对我们所做的事情很重要，但它们并不是我们生产的主要东西。你明白我的意思吗？不，我认为这实际上是指——这是一个有趣的观点。我认为它实际上指出了衡量企业人工智能使用情况的挑战之一是
它实际上是关于是否，如果你考虑我们低的人工智能采用率，这可能反映了这样一个事实，即询问他们是否在生产商品和服务中使用人工智能是一个很高的门槛。公司内部可能有很多偶然的使用。其中一些可能嵌入到它购买的产品和服务中，云服务，或者你的电子邮件中嵌入了大量的人工智能。但你不会认为这 necessarily 是你生产商品和服务的一部分。
你可能会用它来总结不同的信息，收到的或发出的备忘录，总结电子邮件链或其他什么东西。这些偶然的使用可能不会在这些百分比中被捕捉到。所以这是真的，传播实际上可能要高得多，但是
我们正在关注的生产商品和服务的特定类型的传播，顺便说一句，我们认为大多数全要素生产率变化将来自这里。全要素生产率，也就是全要素生产率。没错。最本质的技术变革，帮助公司变得更高效、更具创新性、更好、更高效。
是的，当我们考虑将获得最大经济效益并使我们更擅长生产事物的人工智能实施时，它将体现在商品和服务的生产中。它不一定是你的电子邮件中的自动完成功能可以完全正确。尽管我很感激，对吧？每句话结尾都有完美的表情符号，你知道的，对每个人来说。这并不一定会改变生产力的指针。
你发现了一些非常有趣的事情，你最近在一次谈话中向我提到过软件开发人员和程序员之间的区别。所以在这里告诉我们你正在研究的背景，然后告诉我们你发现了什么以及它的重要性。所以这实际上可以追溯到前面关于任务与代理的讨论，以及思考我们与这些技术的关系。
因此，当我们考虑人工智能对劳动力市场的影响时，经常被引用的统计数据之一是软件程序员的流失。而我们在数据中可以观察到的一件非常有趣的事情来自劳工统计局，在那里我们跟踪软件程序员的数量，那就是它实际上是在软件程序员和软件开发人员的变化之间进行划分。
因此，软件开发人员的数量要多得多，他们减少的数量远不及软件程序员。首先告诉我们软件开发人员和软件程序员的区别是什么。因此，软件程序员的主要任务是创建、执行和测试新的脚本和程序。而软件开发人员则更深入地参与到编写程序的原因以及围绕它的要求，并将业务技术的多个部分串联起来。
来解决这些问题。是否可以说软件程序员的工作比软件更侧重于例行工作？完全正确。好的。完全正确。因此，当你发现软件程序员的百分比在劳动力市场上的表现不如软件开发人员时，对吧？
有一个可能的原因，但你也发现软件程序员的数量本身就比软件开发人员少得多。对吧？没错。2013年至2014年间，软件程序员的数量减少了大约，从数量上看，减少了大约8%、9%。好的。顺便说一句，这可不是小数目。是的。这可不是小事。软件开发人员减少的比例不到四分之一
百分点。哦，好的。所以基本上是持平的，但与此同时，2023年软件程序员只有大约12万人，但软件开发人员大约有160万人。因此，当我们考虑这些，你知道的，关于软件程序员和开发人员流失的故事时，你真的必须根据他们正在执行的任务类型来划分不同类型的职业。而绝对正确的是，更例行化的任务是，
比如编写和测试脚本，将比更关注业务流程以及思考编写程序原因的事情更容易受到我们现在拥有的LLM的影响。关于整个对话，对我来说真正有趣的一点，我之前在节目中也提到过，那就是大约在2010年代中期，这个著名的短语开始流行起来，“学习编程”。每个人都应该学习编程，因为那是未来的工作。
现在很多人说，等等，编程是最容易被人工智能取代的任务之一。这几乎让你感到晕头转向，因为10年前负责任的做法是学习编程。不到十年或大约十年后，不要。
不要学习编程。学习其他东西，现在每个人都在这么说，因为这些AI的兴起。我认为你关于开发人员与程序员的发现所做的是为这个故事增加了一些细微之处，那就是即使……
LLM本身现在实际上正在编写很多代码，你仍然可以做与编码相关的任务，与编码相关的职业。是的，如果你要采取这个非常狭隘的版本，只是学习编写和执行脚本，那将是糟糕的建议。对。但如果你同时学习如何思考业务分析以及这些不同程序的要求，思考它如何集成并解决业务问题，
像这些类型的技能，同样，更广泛地说，当你考虑我们将如何与这些技术集成时，你应该考虑拓宽任务以及我们正在执行的任务的构成。所以这有点像一个很好的缩影。所以如果你非常狭隘地关注，你只是编写程序，那将非常容易受到影响。但如果你参与这些补充性任务，这些任务是
非常具有能动性，这意味着你必须整合许多不同的部分和许多逻辑链条，这些部分将不那么容易受到影响。
最近有很多文章写到，年轻人可能没有以你预期的那样高的比例被雇佣，特别是那些二十岁出头或二十多岁的受过大学教育的年轻人。这些人的失业率现在略高于整体经济的失业率。尽管这两种情况下的失业率都相当低。再说一次，我这里只谈论的是最近毕业的大学生。
你对此有什么看法吗？例如，这是否可能与许多企业正在尝试这些新技术有关，至少是为了取代一些入门级的岗位，例如在银行或律师事务所，他们以前会雇佣这些高技能的年轻人来做这些工作？
这是一个非常有趣的趋势。我不知道我是否能给你一个非常明确的答案，但我可以说，它实际上是在金融危机之后开始转变的。当你想到所有就业率与应届毕业生就业率的比率下降时，它在人工智能的时间线上非常非常早。我们在2010年代拥有的那种人工智能远不如我们现在拥有的那么强大。
对吧？因此，该比率的下降并不反映这些特定类型的技术。现在，你知道，我认为这背后可能有非常复杂的原因。你可以考虑一些有趣的事情，比如教育的信号价值是否正在下降。精英过剩假说，我们只是有太多这样的人。你知道，你可以考虑一下应届毕业生所掌握的技能与公司需求的技能之间的错配。有很多不同的解释，但我不知道人工智能是否真的符合要求，因为它与时间序列趋势不符。我正在听泰勒·考恩的播客，一位你和我都在关注的经济学家，他正在与另一位人工智能专家交谈，
泰勒提出的一个问题是，随着人工智能越来越好，仅仅能够将其融入你的生活和工作中，现在最糟糕的年龄是多少？
泰勒自己认为最糟糕的年龄是40岁，因为你的职业生涯已经足够长了，你可能会认为再培训是难以承受的，但你的职业生涯还剩下足够的时间，实际上对你来说能够采用这项新技术并在你的日常生活中使用它非常有用。但我很好奇，内森，想知道你对这个问题的看法。我想说，实际上，也许这是一种哑铃模式。如果这个年龄段的人不太容易改变他们的工作模式以反映这些技术，那么40岁可能真的很糟糕。
但每个人都会度过一段艰难的时期，因为它变化太快了。所以这是一点需要注意的地方。但另一个可能不太好的年龄是我的孩子，对吧？所以他们将进入一个正在考虑采用这些技术的学校系统。而且
它并不一定很好地考虑了这将在教育系统中如何运作。所以现在年纪很小，接触到这可能是将人工智能技术纳入公共教育系统的一个巨大的社会实验，然后在职业生涯的后期在职场上工作，并且不太能够改变。你将处于一个试图实时跟上其运作方式的教育系统中，并且可能无法做到。对。是的。太吸引人了。所以就像……
40岁出头的人和五岁的孩子。其他人都会没事的。我想和你一起做一些长期的推测，因为到目前为止，我们一直在讨论我们所知道的事情。但是
你对这个故事发生变化持开放态度，对吧？例如，我们应该随着时间的推移关注哪些事情，以了解例如这些人工智能的能力是否会从补充技术转变为具有良好品味和良好判断力的人，并且它会消除一些原始的智力或常规任务，而转向更多存在于创造领域的东西，对吧？
我们必须对这个故事持开放态度，对吧？我们应该对许多不同的未来持开放态度。我只是很好奇想知道，我们应该关注什么才能看到人工智能的采用轨迹及其对劳动力市场的影响是否会发生巨大变化？我认为我会关注几件事。我会关注公司层面的使用率变化。这些将非常重要。它们可能不会告诉你全部故事，正如我们所讨论的那样。它们可能只捕获了公司内部这些技术实施的某种类型。
个人层面的使用率，我认为这些是这类研究，这些研究会询问人们是否正在使用这项技术。这将非常重要。劳动力参与率和不断变化的职业就业分布，对吧？因此，劳工统计局发布了这些非常好的矩阵，告诉你随着时间的推移有多少人在不同的职业中工作。因此，你可以将它们串在一起，并了解职业组合如何响应这些技术的实施。
我认为我想让你从中学到的一个要点是，它非常不确定，对吧？目前尚不清楚这将如何影响这些劳动力市场的未来轨迹。部分原因将反映出
这些技术的实施可能会创造新的任务。它可能会创造新的就业机会，对吧？这在几个世纪的技术变革史上都是如此，一旦这些大型通用技术出现，它们就会彻底重组社会和劳动力市场，对吧？因此，它们创造了您以前可能不会认为存在的新工作。几年前，我在这档播客《新集市》上与一位名叫阿维·戈德法布的经济学家进行了交谈。而且
我问他这个问题，我说，嘿，伙计，假设我的具体任务实际上已经被自动化了。例如，在播客中知识渊博地谈论经济，能够，我不知道，一次评估大量信息，一些管理技能，诸如此类的事情。但是
但我仍然保留一个或几个仍然有用的品质，那就是人际交往能力，你知道，魅力，让别人开怀大笑的能力，等等。这能救我吗？
他说，也许吧，但要记住的是，现在许多做你同样工作的人也将突然在这个相同的领域竞争。所以你将有很多其他人也被自动化解雇了。所以你认为你有了这个优势，因为你有一件事没有被自动化，但你也有更多来自其他人的竞争，他们现在也将尝试做你正在做的事情，原因正是如此，对吧？
我认为，这令人沮丧，不是吗？是的，没错。我认为这是一个有趣的观点，不同类型技能的回报将随着这些技术的出现而发生变化。但同样，我要指出的是，在技术变革的历史中，新的工作和新的任务一直在被创造出来。因此，从某种意义上说，这将是拯救局面的一件事，那就是随着社会劳动力供应的增加，
公司与之互动的方式也将增加。它也可能只是我们尚未想象到的超级随机的事情，正是因为我们无法预测它。你知道，我有时会想到国际象棋，呃，
因为，我不知道，截至三十年前，机器仍然无法击败人类。现在，即使是中等水平的国际象棋机器，也没有人类能够击败它。然而，人们仍然对人与人之间的国际象棋感兴趣。正是因为他们不想看到机器这样做。他们想看到两个人以某种方式竞争。类似于，我不知道，体育运动。你可以设计出一台从不失误的机器。
你知道，从30英尺外，如果你正在投篮等等，但我们观看伟大的运动员互相竞争，因为我们想看到人类元素本身。但关于这一点，还有更多的是关于，
我们的娱乐，我们的消遣，我们向彼此展示自己。这与劳动力市场目前的样子和过去的样子有点不同，我们是在生产我们买卖的东西。相反，我们将买卖我们吸引彼此注意力的能力。当我环顾四周时，我看到了一些看起来可能是开端的东西。我在这里要非常推测性地说明，但你可以在网红之类的活动中看到这一点。你可以在国际象棋本身和其他地方看到这一点。我没有特别要问这个问题，我只是觉得它很有趣。我很想知道你的想法。是的。我认为，你知道，一切都是文化的下游，对吧？因此，这些技术的实施将在社会和文化背景下进行。嗯，
对我来说，人们会更加重视人类创作的内容是完全有道理的，对吧？所以可能是这样的，人工智能可以创作音乐或其他什么东西，但我仍然可能会支付更多费用，以便知道在参与的另一端有一个人。是的。我现在想和你一起做一些事情，我们围绕着
其他学者和其他作家所做的其他研究，因为你给了我这份清单。你发现值得参与的东西真的很有趣。这并不意味着你同意这份清单上的所有内容，但你认为这一切都非常值得参与。所以我们将逐一讨论它们。然后我们将，是的，我们将与节目的听众分享它。所以
首先，一些被称为比克、布兰丁和德明的经济学家发现了一些东西，至少表面上似乎与你之前关于企业低使用率的发现相矛盾，但你有一种调和它们的方法。我认为很多人也会有这个问题，那就是你的数字对他们来说听起来很低。
所以，调和比克、布兰登和德明发现的东西与你发现的东西，首先告诉我们他们实际上发现了什么。是的。所以他们进行了一种类似于当前人口风格的个人层面调查，他们发现大约40%的适龄劳动人口报告使用人工智能，大约23%的受雇人员在一两周前在工作中使用过它。
这些数字显然远高于公司层面的使用率。我认为这指出了衡量议程的一个有趣问题，并思考我们如何衡量这些技术的传播。它回到了这种偶然性，可能是这些是偶然的使用。因此，你知道，工人们会报告说，是的，我使用了人工智能，因为我，你知道，
我的文本从它那里反弹以查找错别字或其他任何东西。但是当公司考虑的是这项技术是否被用于生产商品和服务时，他们可能会说不是。因此，我认为为了调和这两件事，我们需要考虑这些个人使用这项技术是为了什么，以及这如何与公司的生产技术相互作用。
这是你说的另一篇非常酷且非常有趣的论文。它的标题是詹姆斯·费根鲍姆和丹尼尔·格罗斯的《回应自动化的呼唤》。它介绍了“马马虎虎自动化”的概念。所以首先告诉我们这是什么。“马马虎虎自动化”是什么，为什么它很重要？所以我喜欢这篇论文。所以“马马虎虎自动化”，他们实际上指的是达罗尼斯·莫格鲁和帕斯夸莱·雷斯特雷波的一些工作。
他们谈论“马马虎虎自动化”技术，这种技术减少了对劳动力的需求，因为它们正在取代工人，但它们并没有产生足够大的生产力冲击
在经济的其他地方创造补偿性劳动力需求。你只会失去经济中的工人，而不会在其他工作中获得他们。对。因此，如果这项技术取代了一些工人，但由于生产力的提高而允许你大幅度地扩大规模，那么你实际上最终可能会拥有更多工人，对吧？劳动力需求净额可能会增加。嗯哼。
但是“马马虎虎自动化”技术是一种你正在取代工人的技术，但实际上并没有生产力效应。你只是把这些任务拿走，做得不好也不坏，可能更糟一点。好的。但这实际上并没有影响你的规模、你的扩展能力或你的劳动力需求。
有趣。因此，这篇来自詹姆斯·费根鲍姆和丹尼尔·格罗斯的论文《回应自动化的呼唤》，它研究了其中一项“马马虎虎自动化”技术。它是什么，他们的发现是什么？所以他们正在研究自动电话交换机的引入所带来的自动化冲击。因此，在……
20世纪30年代，美国女性最常见的职业之一是电话交换机操作员。你有时会在电影中看到这一点。没错。你打电话，某个交换机上的某人接起电话说，是的，我会把你连接到詹姆斯街554或其他什么地方。没错。因此，AT&T在20世纪30年代引入了自动化该过程的新技术。
而且，你知道，简而言之，他们发现的是，现任工人，那些工人，那些在这些职业中工作的年长的女性，他们的工资确实受到了损失，工资下降，将来不太可能工作。
但是，在他们之后出现的年轻女性群体，并没有受到这些技术的永久性伤害，这表明当地劳动力市场能够重新平衡并适应这些技术，公司能够找到新的工作和新的方式与这些年轻工人互动，而不会永久性地降低工资。
这是一篇非常引人入胜的论文，我认为它提出了一个问题，即对现任工人的差异性影响以及市场如何吸收技术以及如何适应它，以及这些调整对某些人和某些工人子集可能造成的相当大的成本。
但这并不一定对每个人来说都是代价高昂的。或者对经济来说净额代价高昂。没错。所以有些人在这方面损失了，那些失去交换机操作员工作的现任年长工人。
总的来说，经济仍然适应了，即使你没有从这项技术中获得巨大的生产力爆发。因此，它让你产生这样的疑问，好的，那么，当出现这样的调整时期时，你会做什么？我们稍后会谈论政策，但我希望确保这是这篇论文的背景介绍，这非常有趣。太好了。好的。接下来是一个网站，AI-Polite。
它是由一系列人创建的，丹尼尔·科科塔希洛（如果我发音正确的话）、斯科特·亚历山大和其他三人。他们基本上回顾了一些关于人工智能的更像繁荣的，不是厄运的，而是繁荣的预测，以及它将如何加速经济增长。对吗？是的，在硅谷人工智能类型中存在这种非常有趣的二分法。你知道，有繁荣者和厄运者。
呃，你知道，厄运者正在谈论人工智能安全以及我们是否会被变成回形针，然后是那种，你知道，繁荣者认为，你知道，我们将在未来几年获得AGI或人工通用智能，甚至ASI或人工超级智能，所以这个网站这意味着什么，因为它听起来像我们只是在这里给出形容词
是的，就是这样。
就是他们思考的方式。所以基本上，你所说的几乎是准无限的经济增长。是的。所以在这个世界中有很多人都认为，哦，在这种环境中，认为，哦，好吧，我们每年可能会获得10%、30%的经济增长。撰写这篇论文的团队，值得称赞的是，他们非常漂亮地描绘了从现在到那时每个阶段的情况，按月计算，
在我们和他们之间。我认为，你知道，对于我们经济学界的人来说，从经济建模的角度来看待创新和技术变革，这似乎有点古怪和离谱。但我认为这是一件非常值得关注的事情，就像，你知道，聪明的人正在这样思考它。我认为这是，你知道，值得参与的。
是的。我还想对我们的听众说，在此处提供一些背景信息，在过去的四分之一个世纪里，经济增长平均每年约为2%，即美国的实际GDP增长。所以增长到10%或30%是一个巨大的、巨大的增长。我们以前从未见过，甚至从未想象过的经济增长。所以这将是惊人的。我有点认为，就像你说的那样，值得把这样的可能性放在你的后兜里。
是的，没错。即使概率非常低，就像，嘿，你知道，低概率的事情总是会发生。所以在这些不确定的时期，保持广阔的视野是值得的。对。然后接下来是播客主持人多尔克什·帕特尔和我们的朋友泰勒·考恩之间的谈话。
泰勒基本上是那些说经济将像我们从未见过的那样繁荣的人的反驳。泰勒说，实际上，我们现在所处的世界和那个世界之间存在巨大的障碍。是的，我认为这是一次非常有趣的谈话。多尔克什，值得称赞的是，
他在他的节目中体现了这种不确定性，他甚至承认，他每周都会从一个极端转向另一个极端，你知道，他是否是繁荣者还是厄运者。所以他试图提出这个论点，并说，好吧，如果，你知道，为什么我们不会获得，你知道，这些超常的增长率，30%的增长率？他所要表达的部分原因是，我们在宏观经济学中写下的这些经济模型，它们通常取决于人口增长。
所以，你知道，GDP增长的变化与这些模型中的一些人口增长有关。因此，对于人工智能来说，如果你可以复制它们数百万次，你就会得到一个相当大的有效人口增长。那么，这难道不应该转化为经济增长吗？所以，你知道，泰勒我认为正确地指出了系统中存在许多摩擦。有很多瓶颈。你知道，有很多事情，包括社会、文化监管问题。
等等，这些都会减缓这些技术的传播。这与技术变革的历史也是一致的，对吧？所以，当你对制造工厂进行电气化时，整个工厂都必须重新排序。这不会是一夜之间就能实现的事情。坚持这个例子，因为这是一个很好的例子。这是我最喜欢的例子之一，那就是
在19世纪后期，随着电力的出现，每个人都认为，哦，这将立即改变一切。起初，它确实有意义地改变了一些事情。因此，如果你使用电力来改变工厂所做的事情的一部分，你可以看到改进。这是一个不错的边际变化。但实际上需要的是对工厂首先做什么以及如何设计进行彻底的重新思考。这实际上花了数十年时间。
所以你拥有这项令人难以置信的技术以及极大地加速经济增长的潜力。但首先，你必须把人的因素做好，那就是让人们以这种彻底变革的方式尝试这项技术，而不是仅仅用它来改进我们已经知道如何做的事情。
没错。有，我的意思是，有很多实验需要进行。人们需要考虑如何将这些技术融入他们的生产过程。这不是一件容易的事。对于人工智能来说，你知道，随着它的快速发展，这使得考虑如何有效地整合这些技术变得更加困难。这将使我们更接近这样一个世界：它的传播需要一些时间。但你还会遇到许多监管和其他障碍。
是的，顺便说一句，这让我们想到了人们应该阅读的下一个例子，那就是蒂莫西·李的一篇文章，他撰写了《理解人工智能》，这是我最喜欢的Substack时事通讯之一。每个人都应该订阅它。他写了一篇题为《无人驾驶卡车来了，工会不高兴》的文章。我知道你对这篇也反应非常积极。你告诉我们这个故事，因为你爱这个故事。我喜欢这个故事。它体现了瓶颈故事中最有趣的部分。因此，在无人驾驶卡车的情况下，那些正在创造这些新技术的公司遇到了关于当卡车在路边发生故障时可以放出的反光三角形的法规。
顺便说一句，这是法律规定的。换句话说，如果你驾驶一辆大型卡车，而卡车运输是美国的一项重要职业，如果你驾驶一辆大型卡车并停在路边，你必须……
走出卡车，你必须在街上放下这些反光三角形，以便人们被警告说有一辆大型卡车停了下来并停在了路边。好的，这就是背景介绍。继续说。没错。没错。因此，生产这些无人驾驶卡车的公司要求对这些法规进行豁免，他们提供了一种替代方案，那就是卡车侧面的一堆灯或其他什么东西。他们试图证明他们的说法，即这些灯一样好或更好。
其中一个有趣的小细节是，好吧，三角形可能会被风吹倒，而灯不会。但底线是他们没有获得这些豁免。那么现在他们在做什么呢？他们想，好吧，我们如何自动化取出这些小三角形的过程？也许我们有一个从卡车下面出来的小机器人来把它放出去。或者我们可以付钱给某人驾驶卡车后面，我想，然后他们将成为三角形放置者。
这是那些最好理解为代理斗争的事情之一，对吧？那些反对实施这些技术的人，他们会找到这些你可以创造的地方
创造瓶颈并加剧瓶颈。他们利用现有的法规来帮助他们。没错。他们利用法律来帮助他们找到或引入这些瓶颈，以便减缓自动化。你可以在很多例子中看到这一点。在港口自动化方面存在一场大规模的斗争，工会非常——
非常强烈地反对那里的自动化，因为他们担心工人会失业。但结果是这些港口没有生产力增长，你知道，所以到处都是瓶颈。即使存在使所有这些都能更好地运作的技术。
是的，再说一次，回到费根鲍姆和格罗斯的论文，他们认为这些自动化技术可能会损害现任工人，对吧？所以情况将会是这样，但这并不一定意味着我们应该让经济停滞不前。这让我们想到了你认为我们的听众应该了解的下一个例子，这是一篇名为《工作中的生成式人工智能》的论文。它是由埃里克·布林约尔夫森和另外几位学者共同撰写的。
告诉我们关于这篇论文的信息。这是一个非常好的例子，我认为我们需要更多这样的例子。这是一篇研究人工智能使用和实施相对狭窄例子的论文，但你可以开始学习一些可能可以推广的经验教训。因此，他们研究了在约5000名客户支持代理商中生成式人工智能的分阶段推出。
他们发现它提高了工人的生产力。但非常有趣的是，经验最少的工人获得了最大的提升，对吧？它实际上减少了工人之间的不平等。因此，对于那些拥有最少工龄的工人来说，拥有这种生成式人工智能来帮助他们并促使他们完成工作，他们看到了最大的提升。
我想以讨论我们应该对人工智能做些什么来结束。好的。你偶尔喜欢深入探讨的主题之一是，我们是否应该尝试引导这项技术或不引导这项技术？所以告诉我们你所说的意思以及你的立场。是的。我认为这是一个这样的情况
很容易理解为什么人们担心这些技术的置换效应。它们可能相当大。但我认为有几个原因说明，从前端尝试微调创新系统不一定是最好的主意。
一个原因是这些技术还处于起步阶段。关于它们将如何随着时间的推移而变化存在很多不确定性。技术变革的历史是，你知道，有很多技术的例子是出乎意料的，或者技术的实施走向了你事先无法预测的方向。因此，当我们开始尝试，你知道，将我们的拇指放在上游创新过程的规模上时，
我们最终可能会切断某些东西。我们可能会说，哦，看，这个东西看起来像一个“马马虎虎自动化”技术，所以我们试图对其进行监管或以其他方式阻止它。但是，如果你让它在系统中发展，那件事实际上可能会在以后产生一些促进劳动力需求的技术。
经济中也有一些部分，我认为即使是平庸的自动化技术，我们也希望拥有。因此，经济学中有一个很好的想法，我的一些GMU同事写过，那就是巴尔马尔的成本疾病。
所以，你知道，这个想法是这样的，当某个部门的生产力增长相对于其他部门非常缓慢时，即使该部门的生产力增长缓慢，低生产力增长部门的劳动力成本也会上升，因为他们的外部选择更好。
是的。所以他们可以拥有工人。是的。该低生产力行业的工人，他们可以去高生产力行业工作，后者可以负担得起高工资，对吧？因此，低生产力部门唯一能够负担得起支付这些工人工资的方法是提高他们的工资。
他们产品的价格。因此，你会在这些部门看到通货膨胀。所以，你知道，这是对的。所以在这些情况下，你实际上可能会说，好吧，不，我的意思是，我会接受平庸的东西。我会接受那些在没有提高生产力的前提下取代劳动力的技术，因为它会对价格施加急需的向下压力。价格。是的，很有趣。你提到的例子是
我们没有预料到技术会朝着某种方式发展，但它确实做到了，而且令人惊叹。告诉我们其中一两个。所以有一个关于激光器的精彩例子。发明激光器的先生曾说过：“这是一个寻找解决方案的问题。”现在它被嵌入到许多通信技术和其他许多事物中。
触摸屏早期版本的创造者，对吧？我认为，它们最初是为空中交通管制系统发明的。我们得到了什么？我们得到了愤怒的小鸟，对吧？所以创新有很多出人意料的方式。需要明确的是，你对愤怒的小鸟表示赞扬，对吧？嗯，或多或少。或多或少，有点。
不是针对愤怒的小鸟本身，而是针对该技术的其他用途。
它是组合式的，就像事物相互建立一样。一种创新建立在另一种创新之上，你以新的和复杂的方式组合你拥有的新事物。它很复杂，它是组合式的，它是涌现的。因此，由于所有这些原因，很难预测它将走向哪个方向。我认为这在医学领域也经常发生，你开始服用某种药物来治疗某种疾病，但你没有意识到它之后会产生这些其他影响。
我认为这在科学领域经常发生。青霉素是不是也是偶然发现的？没错。培养皿，对吧？放在窗台上之类的地方？是的，差不多。是的，这很有趣。而且我认为如果我理解你的观点的话，你是在说如果我们过度监管人工智能，
在其开始流行的时候，我们就有可能错过它可能发展的令人着迷的新方向以及由此带来的所有收益。没错。我的意思是，更重要的是，我们根本不知道。我们不知道
一般均衡效应将如何发挥作用。关于劳动力市场的影响和工人被取代有很多预测。我们不知道公司将如何反应。我们不知道劳动力市场将如何调整。我们不知道创新生态系统本身将如何改变和适应。
这些新技术带来的变化。所以很难知道它会走向哪个方向。因此，如果你开始对上游创新体系施加压力，你可能会切断真正有益于人类的事物。是的。
是的。而且我经常阅读很多关于社会或政策制定者应该如何应对人工智能兴起的内容。正是由于你刚才提到的这种不确定性，我们似乎总是以……
一项政策告终，你可以就其好坏进行辩论，而完全不考虑它是否是针对人工智能的回应。你之前提到了那些因电话接线员工作岗位流失而经济净收益仍然受益于这项新技术的例子，但也有一部分工人确实受到了损失。所以也许你制定了正确的安全网来帮助这些工人，但是
这不再是关于技术或人工智能的对话了。你可以对任何因任何原因失去工作或遭受任何痛苦的工人提出这样的论点。就像你可以就如何组织社会以及如何建立一个能够响应失业或遭受特定劳动力市场影响的人们的良好政治制度进行辩论，这与……
是的，鉴于所有这些不确定性，我认为你应该关注无论如何都是好主意的政策。对吧？
是的。所以，你知道，也许有一些物理基础设施的变化，你可以做的事情。你可以加固基础设施。你可以增加能源传输，所有这些其他的，你知道，物理基础设施的事情。也许这些事情补充了人工智能的使用，但它们本身可能也是好主意。
你可以对劳动力市场的影响说同样的话。因此，你可能会想出一些你可能想要的政策，无论人工智能最终是否会取代劳动力。所以你想关注那些无论如何都是好主意的东西。为什么？因为我们不知道它会如何发展。内森·戈德斯鲁格，你在政府后的第一个播客节目中玩得开心吗？是的，这与我过去在人口普查的数据矿中所做的事情有点不同，但这很有趣。很好。很高兴有你。
我们现在应该回去工作了。是的。这就是我们今天的节目。你不仅可以在节目说明中找到内森的优秀作品的链接，还可以找到我们今天节目中提到的许多其他学者的作品。这些其他的研究、报告、文章可以在本集的节目说明中找到，你可以在EIG.org找到。
《新集市》是经济创新集团制作的节目。艾德里安·利利是我们的音响工程师，我们的音乐由斯科特·莱恩和DJ哈里森（来自Subfloor工作室）创作。特别感谢鲁本·弗朗西斯和史蒂文·莱弗顿提供的制作帮助。请在您选择的应用程序上关注或订阅《新集市》。如果您喜欢今天的节目，请给我们留下评论或告诉您的朋友。
如果您想联系我们，我的推特是@Cardiff Garcia，或者您可以发送电子邮件至[email protected]。一个词，[email protected]。我们下集再见。