人工智能技術(shù)發(fā)展對城鄉(xiāng)收入差距的影響

魏 建，徐愷岳

(1.山東大學(xué) 中泰證券金融研究院，山東 濟南 250100；2.山東大學(xué) 經(jīng)濟研究院，山東 濟南 250100)

一、 引 言

2016年，國家發(fā)改委、科技部、工信部、中央網(wǎng)信辦聯(lián)合發(fā)布《“互聯(lián)網(wǎng)+”人工智能三年行動實施方案》，著重推動人工智能核心技術(shù)攻關(guān)。2017年《新一代人工智能發(fā)展規(guī)劃》的發(fā)布標(biāo)志著人工智能技術(shù)上升至國家戰(zhàn)略層面。之后《促進(jìn)新一代人工智能產(chǎn)業(yè)發(fā)展三年行動計劃(2018—2020年)》發(fā)布，為人工智能重點發(fā)展目標(biāo)和方向做出詳盡規(guī)劃。2019年與2020年，國家通過充分發(fā)展“新基建”與激勵地方創(chuàng)新，使得我國人工智能技術(shù)邁向更高臺階。

隨著我國勞動適齡人口增長放緩，固定投資產(chǎn)能過剩，提升全要素生產(chǎn)率成為促進(jìn)經(jīng)濟健康發(fā)展的重要措施。人工智能技術(shù)在提高全要素生產(chǎn)率方面發(fā)揮積極效果[1-2]，同時也能助力我國供給側(cè)結(jié)構(gòu)性改革，減少低端供給，加快產(chǎn)業(yè)整合，為經(jīng)濟良性發(fā)展打下基礎(chǔ)。從當(dāng)前智能經(jīng)濟、人工智能產(chǎn)業(yè)與人工智能技術(shù)發(fā)展?fàn)顩r來看，我國已將人工智能融入實體經(jīng)濟中，為實現(xiàn)實體經(jīng)濟智能化與國民經(jīng)濟健康發(fā)展創(chuàng)設(shè)良好條件。但人工智能技術(shù)在為經(jīng)濟發(fā)展提供新動能的同時，也可能對就業(yè)結(jié)構(gòu)、收入分配等方面產(chǎn)生負(fù)面影響。

國內(nèi)收入差距主要在城鄉(xiāng)收入差距上展現(xiàn)[3]，黨的十八大至今，全國城鄉(xiāng)收入比值由2013年的2.81逐步下降至2018年的2.69，(1)這里的城鄉(xiāng)收入比值是指城鎮(zhèn)居民人均可支配收入與農(nóng)村居民人均可支配收入比值，其中2014年比值為2.75，2015年比值為2.73，2016年比值為2.72，2017年比值為2.71。數(shù)據(jù)來源為《中國統(tǒng)計年鑒》。其比值仍然維持較高水平。城鄉(xiāng)收入差距過高會使得農(nóng)村消費能力無法提升，農(nóng)村地區(qū)只能提供廉價勞動力，而不能變?yōu)閿U大內(nèi)需的動力。這種城鄉(xiāng)收入差距不利于經(jīng)濟增長方式轉(zhuǎn)變?yōu)橄M驅(qū)動型，也不利于國內(nèi)經(jīng)濟健康發(fā)展。此外，我國是社會主義國家，社會主義的根本任務(wù)是解放并發(fā)展生產(chǎn)力，實現(xiàn)共同富裕，消除兩極分化。長期以來，農(nóng)村部門為城市部門提供大量廉價勞動力，為我國工業(yè)化進(jìn)程做出巨大貢獻(xiàn)，而農(nóng)村居民收入在低位徘徊是與我國社會主義性質(zhì)相悖的。如何縮小城鄉(xiāng)收入差距是我國經(jīng)濟建設(shè)中不可忽視的任務(wù)。

人工智能技術(shù)是對人腦活動的一種模擬，其商業(yè)應(yīng)用也形成對人力勞作的替代，以達(dá)到提高生產(chǎn)效率和節(jié)約人力勞動的目的。人工智能技術(shù)一方面會創(chuàng)設(shè)新的勞動崗位，增加就業(yè)機會；另一方面也會抬高對部分就業(yè)人員技能與受教育程度的要求，使得難以適應(yīng)當(dāng)前技術(shù)發(fā)展的工人退出勞動市場。作為發(fā)展中國家，我國農(nóng)村存在著富余的中低技能勞動力，這是我國的比較優(yōu)勢。人工智能技術(shù)的發(fā)展并不內(nèi)生于國內(nèi)勞動力市場，其發(fā)展卻有可能會使得中低技能勞動力退出原有勞動崗位，而國內(nèi)特殊城鄉(xiāng)經(jīng)濟社會制度背景又使得中低技能勞動力難以在城市中獲得更優(yōu)的就業(yè)機會，出現(xiàn)城鄉(xiāng)收入差距擴大的現(xiàn)象，不利于社會和諧穩(wěn)定，抑制國內(nèi)技術(shù)擴散與良性發(fā)展。因此，在人工智能飛速發(fā)展的背景下，分析人工智能技術(shù)對我國城鄉(xiāng)收入差距的影響具有重要現(xiàn)實意義。

二、 文獻(xiàn)綜述

(一) 技術(shù)進(jìn)步對就業(yè)結(jié)構(gòu)的影響

工業(yè)革命之前，生產(chǎn)過程與勞動過程是一致的。從工業(yè)革命開始，機器代替了人類的部分勞動職能，科技降低了勞動過程中人力的直接參與，部分勞動者與勞動生產(chǎn)過程分離，其工作變成監(jiān)督機器運作。而伴隨著互聯(lián)網(wǎng)與大數(shù)據(jù)技術(shù)發(fā)展，人們可以在遠(yuǎn)程終端獲取機器運行數(shù)據(jù)，并對其運行狀態(tài)進(jìn)行監(jiān)控。隨后又有大數(shù)據(jù)智能分析軟件幫助人們處理數(shù)據(jù)，自動完成維護(hù)與優(yōu)化工作，提高機器設(shè)備生產(chǎn)效率與無人化操作水平。技術(shù)革命與生產(chǎn)資料的進(jìn)步使得生產(chǎn)組織的分工方式不斷創(chuàng)新，勞動力結(jié)構(gòu)也將由以操作型工人與技能型工人為主向以知識型工人為主轉(zhuǎn)變。趨向數(shù)字化與智能化的技術(shù)進(jìn)步使得直接從事勞動生產(chǎn)的人數(shù)減少，同時對新型勞動者的要求也更高。

如果將勞動力分為技能型勞動力與非技能型勞動力，則非技能型勞動力只能從事技能要求較低的工作，而技能型勞動力可以從事技能要求較高的工作也可以從事技能要求較低的工作。技能溢價是技能型勞動力工資水平與非技能型勞動力工資水平之比，依照Schultz的研究，勞動者可以通過正規(guī)或非正規(guī)的學(xué)習(xí)形式由非技能型勞動者轉(zhuǎn)變?yōu)榧寄苄蛣趧诱?，?dāng)勞動者認(rèn)為技能溢價大于學(xué)習(xí)成本時就會進(jìn)行教育投資[4]。

有兩個主流假說來解釋技術(shù)進(jìn)步對就業(yè)的影響?！凹寄芷蛐图夹g(shù)進(jìn)步”假說認(rèn)為，技術(shù)進(jìn)步提升對高受教育水平與高技術(shù)水平工人的需求，而降低對低受教育水平與低技能水平工人的需求，后續(xù)學(xué)者借助西方國家的數(shù)據(jù)證實該假說對勞動力結(jié)構(gòu)新變化的解釋力[5-6]?！俺绦蚱蛐图夹g(shù)進(jìn)步”假說強調(diào)電腦編程對就業(yè)的影響。該假說認(rèn)為，隨著信息技術(shù)的發(fā)展與電腦的普及，電腦編程可以實現(xiàn)程序化工作任務(wù)，這類任務(wù)的特點是可以借助編寫程序按照一定規(guī)則不斷重復(fù)執(zhí)行，這使得一部分受過一定程度教育與培訓(xùn)的中等技能勞動者被電腦程序這一新技術(shù)所替代。

Autor等借助實證研究發(fā)現(xiàn)中等收入階層萎縮，收入兩極化，中等技術(shù)執(zhí)業(yè)人員逐漸減少，原因在于程序化任務(wù)被計算機替代，而以往執(zhí)行程序化工作的中等技術(shù)人員被淘汰，進(jìn)入對工人技能要求不高的行業(yè)中繼續(xù)工作，從而使得就業(yè)結(jié)構(gòu)發(fā)生變化[7]。Goos等實證研究發(fā)現(xiàn)勞動力就業(yè)結(jié)構(gòu)呈兩極化趨勢發(fā)展，低收入、私人服務(wù)型職位和高收入、高技能職位的比重同步上升，工作具有程序化特征的辦公室職員與制造業(yè)工人等中間層崗位的比重不斷下降，技術(shù)的發(fā)展擴大了收入差距[8]。

(二) 人工智能的局限與實際應(yīng)用

自1956年達(dá)特茅斯會議首次提出人工智能這一概念以來，人工智能的研究由定理證明、專家系統(tǒng)等方向轉(zhuǎn)向人腦智能模擬方向。結(jié)合人工智能技術(shù)發(fā)展歷程與未來技術(shù)發(fā)展方向來看，人工智能可以分為弱人工智能與強人工智能。強人工智能指能獨立思考并解決問題的機器，此類機器具備自我意識，有自己的世界觀與價值觀，這意味著人工智能像人類一樣聰明，實現(xiàn)人工智能完備。但就目前人工智能應(yīng)用和發(fā)展來看，相關(guān)技術(shù)仍停留在弱人工智能階段：機器表面上是智能的，但并不擁有自主意識與智能內(nèi)核。

人工智能的本質(zhì)是計算機程序，而這也是人工智能發(fā)展的局限所在。以人工智能中的機器學(xué)習(xí)為例，其區(qū)別于以往計算機程序的特點在于機器學(xué)習(xí)能夠計算生成自己的映射，借助于數(shù)據(jù)資源的增長，在不斷的訓(xùn)練與參數(shù)調(diào)整過程中，在模擬人類認(rèn)知與感知方面取得了逼近人類的效果，而認(rèn)知與感知是人類工作所需的基本能力。人工智能雖然是對人類思考模式的模擬，但也未達(dá)到技術(shù)發(fā)展的終點。人工智能相較于人類智能的不足之處在于，人工智能雖然可以對現(xiàn)有數(shù)據(jù)依據(jù)統(tǒng)計原理進(jìn)行建模分析，模仿人類思考邏輯以進(jìn)行“有規(guī)則學(xué)習(xí)”，但其依然是從既有數(shù)據(jù)中挖掘出潛在規(guī)律。這一過程中不能產(chǎn)生新的信息，也因此不具有創(chuàng)造性，更難以像人類一樣實現(xiàn)跳躍式、無規(guī)則的思考，不能做到舉一反三。

Holford認(rèn)為人類認(rèn)知具有系統(tǒng)論與整體論的特點，而人工智能還處于較初級認(rèn)識論層面[9]。于是人工智能在應(yīng)用時出現(xiàn)了“莫拉維克悖論”，具體表現(xiàn)為在處理可以程序化執(zhí)行的任務(wù)上，人工智能只需要少量的計算能力就能達(dá)到目標(biāo)，而實現(xiàn)人類某些低階技能仍需極大運算力。比如，人工智能雖然可以模仿和識別人類感情，但其無法產(chǎn)生真實感情。此外，人工智能可以簡化為完成多種任務(wù)的集合體，但不同任務(wù)和對應(yīng)的算法組合則需要依靠復(fù)雜問題所屬領(lǐng)域的專業(yè)知識，其功能種類仍是有限的。人類自身可以應(yīng)對無數(shù)種任務(wù)與問題，因此人類智能具有無限性的特點，而人工智能的功能局限在預(yù)先設(shè)定的流程中，難以執(zhí)行程序設(shè)定外的任務(wù)。

雖然現(xiàn)階段人工智能技術(shù)尚無法媲美人類思維，但人工智能作為新一代信息技術(shù)的重要領(lǐng)域，是一種具備通用目的的技術(shù)，具有滲透性特征，能夠應(yīng)用于經(jīng)濟社會各個方面。人工智能作為人類智慧的替代與延伸，在提高社會生產(chǎn)效率方面具有極大潛力，在工業(yè)生產(chǎn)中業(yè)已開始發(fā)揮作用。人工智能技術(shù)的工業(yè)應(yīng)用主要涵蓋數(shù)據(jù)收集挖掘與決策智能化，其憑借多知識領(lǐng)域的交叉組合使得工業(yè)制造實現(xiàn)自行決策，自行學(xué)習(xí)。人工智能的基礎(chǔ)發(fā)展使得工業(yè)自動化水平不斷提高，可以實現(xiàn)視覺信息處理與判斷、自行移動、感知觸覺等功能，自動實現(xiàn)生產(chǎn)過程中的測量與決策。

機械設(shè)備把人們從流水線中解放出來，機器學(xué)習(xí)結(jié)合大數(shù)據(jù)實現(xiàn)生產(chǎn)過程的自動優(yōu)化與調(diào)控，把人從生產(chǎn)中完全解放出去。Frey和Osborne應(yīng)用概率分類模型較全面地估計了美國702種職業(yè)將來被機器取代的可能性，結(jié)果發(fā)現(xiàn)接近一半的崗位存在被程序化的可能性[10]。非規(guī)律性勞動被替代的可能性較小，但伴隨著機器智能化程度越來越高，自動化的崗位也不再局限于常規(guī)任務(wù)，非規(guī)律性勞動的范圍有縮小趨勢，更多的工作崗位可能會被自動化，生產(chǎn)勞動將趨向技術(shù)主導(dǎo)化、生產(chǎn)無人化、分工水平化。

(三) 國內(nèi)城鄉(xiāng)收入差距的形成

對于城鄉(xiāng)收入差距的解釋，Kuznets基于對農(nóng)業(yè)部門與非農(nóng)業(yè)部門的分析發(fā)現(xiàn)城鄉(xiāng)收入分配差距與經(jīng)濟增長呈倒U形關(guān)系變動：在經(jīng)濟初期，大量人口由農(nóng)村流入城市，非農(nóng)部門在經(jīng)濟中占比增加拉大收入分配差距；在經(jīng)濟發(fā)展后期，政府出臺一系列政策來限制收入差距擴大，同時社會經(jīng)濟結(jié)構(gòu)發(fā)生變化，富人生育率低、技術(shù)進(jìn)步以及低收入群體的勞動部門更換都會降低城鄉(xiāng)收入差距[11]。Lewis認(rèn)為，從長期來看，農(nóng)業(yè)部門的富余勞動力全會被吸收到工業(yè)部門。這使得農(nóng)業(yè)部門的邊際勞動生產(chǎn)力上升，收入水平進(jìn)而提升，收入差距變小[12]。Fei和Ranis分析城鄉(xiāng)收入差距發(fā)現(xiàn)，在二元經(jīng)濟中，勞動生產(chǎn)率決定勞動者收入，城鄉(xiāng)收入差距趨于縮小[13]。Hertel和Zhai等借助一般均衡模型發(fā)現(xiàn)戶籍制度對城鄉(xiāng)收入差距有影響，戶籍制度改革能縮小城鄉(xiāng)收入差距[14]。

新中國成立初期我國優(yōu)先發(fā)展重工業(yè)，這一戰(zhàn)略主要體現(xiàn)在吸收農(nóng)業(yè)剩余為城市和工業(yè)資本積累進(jìn)行補貼，以達(dá)到迅速實現(xiàn)工業(yè)化目標(biāo)。由于優(yōu)先發(fā)展重工業(yè)這一目標(biāo)壓低城市生活成本，為避免農(nóng)村居民大量涌入城市，政府也出臺戶籍制度來限制勞動力在地區(qū)之間與部門之間流動。戶籍制度把國民分為非農(nóng)業(yè)戶口與農(nóng)業(yè)戶口，并依此將國家所承擔(dān)的醫(yī)療、教育、社保等財政負(fù)擔(dān)控制在一定范圍內(nèi)。

事實上，中央政府將落實入城務(wù)工農(nóng)民的社會保障等責(zé)任和義務(wù)轉(zhuǎn)移到地方，地方各級政府也依據(jù)戶籍制度來控制地方財政負(fù)擔(dān)與相應(yīng)生活資源分配。陳映芳指出農(nóng)村人口的國民待遇空洞化情形嚴(yán)重，主要表現(xiàn)是農(nóng)村人口人力資本相對較低以及不利于農(nóng)村人口在城市定居就業(yè)的政策和對農(nóng)村勞動力的歧視始終存在[15]。郭劍雄研究發(fā)現(xiàn)，農(nóng)村的低人力資本水平和高生育率是農(nóng)民增收困難的根本原因，而城市的高人力資本水平和低生育率會使得城市經(jīng)濟持續(xù)增長，居民收入也相應(yīng)提高[16]。李斌等指出剩余農(nóng)村勞動力在就業(yè)市場中處于底層，而擁有一技之長的非農(nóng)戶口人才處于就業(yè)市場的上層，城鄉(xiāng)收入差距將始終存在[17]。

由于農(nóng)業(yè)是一個經(jīng)濟再生產(chǎn)與自然再生產(chǎn)交互的過程，它與專業(yè)化、集中化、規(guī)?；墓I(yè)生產(chǎn)有本質(zhì)區(qū)別，特別是工業(yè)部門的技術(shù)進(jìn)步與資本積累都要更快?；谶@一認(rèn)識，王德文和何宇鵬借助二元模型分析城鄉(xiāng)收入差距時發(fā)現(xiàn)一旦城鄉(xiāng)勞動力市場被分割，勞動力自由流動受阻，工資差距縮小也受到抑制，部門間技術(shù)進(jìn)步不平衡會擴大城鄉(xiāng)收入差距[18]。楊新銘和羅潤東研究發(fā)現(xiàn)助力于提升低人力資本勞動效率的技術(shù)進(jìn)步可以緩解城鄉(xiāng)收入差距，而提升高人力資本勞動效率的技術(shù)進(jìn)步則會擴大城鄉(xiāng)收入差距[19]。陸雪琴和文雁兵的研究指出當(dāng)技術(shù)進(jìn)步的方向與勞動力供給結(jié)構(gòu)不匹配時，收入差距就會擴大[20]。

(四) 人工智能技術(shù)發(fā)展對國內(nèi)城鄉(xiāng)收入差距的影響

工作崗位是不斷推陳出新且升級換代的。從農(nóng)業(yè)社會到工業(yè)社會，勞動者是在不同的體力勞動崗位之間流轉(zhuǎn)的，而人工智能時代，勞動力則是由原來的體力勞動崗位轉(zhuǎn)向腦力勞動崗位。人工智能與以往技術(shù)革命的共同點有很多，都能提高全要素生產(chǎn)率，解放人類勞動。但人工智能的新特點在于它使得原本非常規(guī)工作變?yōu)槌Ｒ?guī)工作，它不僅補充人類的勞動，還能以自動化的形式替代人類勞動，人工智能技術(shù)的發(fā)展使得中低技能勞動力流向高技能要求的工作崗位或者依靠天生稟賦、無需太多后天培訓(xùn)的工作崗位[21]?？紤]到人工智能技術(shù)的學(xué)習(xí)成本對于中低技能人員來說過高，可以推斷人工智能技術(shù)的應(yīng)用會使得中低技能勞動者轉(zhuǎn)向無需太多培訓(xùn)且短期內(nèi)機器無法替代人類的工作領(lǐng)域謀求發(fā)展。此外，人工智能技術(shù)仍處于弱人工智能階段，則自動化程度的提高還未展現(xiàn)出對高技能勞動力的替代效應(yīng)。在這一過程中，中低技能勞動力待遇與高技能勞動力待遇相比不會變得更好，加大高技能勞動者收入與中低技能勞動者收入差距。考慮到青年農(nóng)村勞動力入城務(wù)工、老年農(nóng)村勞動力返鄉(xiāng)這種循環(huán)在戶籍制度下始終存在，國內(nèi)中低技能勞動力更廣泛集中在農(nóng)村，則提出如下研究假設(shè)：

我國人工智能技術(shù)的發(fā)展使得城鄉(xiāng)收入差距擴大。

三、 研究設(shè)計

對應(yīng)提出研究假設(shè)，設(shè)置如下計量模型：

gap=α0+α1AItech+∑Controls+ε

(1)

其中，公式(1)中g(shù)ap是因變量城鄉(xiāng)收入差距，參考國內(nèi)諸多研究做法，選取城市居民人均可支配收入和農(nóng)村居民人均可支配收入的比值來表示。AItech是核心自變量，根據(jù)人工智能專利申請情況來衡量各省份人工智能技術(shù)發(fā)展情況。參照陳軍等的方法對人工智能專利技術(shù)進(jìn)行識別，通過匯集省份當(dāng)年人工智能發(fā)明專利與實用新型專利(2)考慮到不同類別專利的創(chuàng)新程度差別，選取更具有創(chuàng)新性的發(fā)明專利與實用新型專利為研究樣本。人工智能專利涵蓋范圍廣泛，最終確定人工智能的關(guān)鍵詞如下：人工智能、模式識別、語音識別、圖像識別、虹膜識別、機器學(xué)習(xí)、智能處理器、認(rèn)知計算、智能機器人、專家系統(tǒng)、智能搜索、智能駕駛、神經(jīng)網(wǎng)絡(luò)、計算機視覺。以上述關(guān)鍵詞在中國知網(wǎng)中國專利數(shù)據(jù)庫和國家知識產(chǎn)權(quán)局中國專利數(shù)據(jù)庫進(jìn)行搜索并收集整理專利數(shù)據(jù)。申請信息來衡量省份人工智能發(fā)展情況[22]。之所以選取專利來衡量人工智能技術(shù)發(fā)展水平的原因在于，專利反映人工智能技術(shù)的發(fā)展水平與方向，是人工智能發(fā)展所凝聚的人力物力的體現(xiàn)，并且一項專利所包含的信息豐富，包含專利名稱、申請人所在地、專利引文數(shù)量、專利主分類號等信息，能較好地衡量地區(qū)人工智能技術(shù)發(fā)展。由于不同專利之間是有質(zhì)量差異的，專利引證指標(biāo)可以一定程度反映出各專利之間的差異[23]，所以除專利申請數(shù)量外，專利申請的被引數(shù)量也可以用來判斷專利的質(zhì)量和技術(shù)水準(zhǔn)。

專利被引數(shù)量并不能直接比較，因為在先申請專利其公開時間早，因而后續(xù)被引用次數(shù)也較多[24]。一個可行的方法是求出當(dāng)年一項專利申請的被引數(shù)量平均值，用該省份該年所有專利申請的被引用次數(shù)除以被引數(shù)量平均值得到省份人工智能專利標(biāo)準(zhǔn)化被引數(shù)量以消除專利技術(shù)公開時間的影響。這里的具體處理方法參考徐愷岳和魏建在衡量企業(yè)技術(shù)實力方法所使用的計算方式并進(jìn)行修改[25]，公式如下：

(2)

公式(2)中，cited表示一項專利申請被引用次數(shù)，用下標(biāo)a表示某一省份，用t表示某一年份。等式右邊分子表示t年a省份申請的全部k個人工智能專利被引用次數(shù)總和。等式右邊分母中n表示t年我國人工智能領(lǐng)域?qū)＠暾埧偭?，則等式右邊分母表示的是t年國內(nèi)人工智能領(lǐng)域?qū)＠暾埍灰螖?shù)總和與t年我國人工智能領(lǐng)域?qū)＠暾埧偭康谋戎担布磘年單項人工智能領(lǐng)域?qū)＠暾埖钠骄灰螖?shù)。因此公式(2)中等式左邊表示的是經(jīng)過標(biāo)準(zhǔn)化處理的省份a在t年人工智能專利被引總次數(shù)。

公式(1)中加入年份虛擬變量,ε為隨機干擾項，控制變量Controls包括經(jīng)濟發(fā)展水平、創(chuàng)新水平、政府行為、對外開放、工業(yè)化水平、服務(wù)業(yè)水平、農(nóng)業(yè)現(xiàn)代化以及交通運輸水平。結(jié)合地區(qū)經(jīng)濟發(fā)展水平與同期國內(nèi)人工智能技術(shù)發(fā)展水平，基于收集的人工智能專利申請數(shù)量信息與被引數(shù)量信息生成如下四項衡量指標(biāo)：人工智能專利申請水平、人工智能專利被引水平、人工智能專利申請占比、人工智能專利被引占比。變量詳細(xì)定義見表1。

表1 指標(biāo)名稱與含義解釋

由圖1(3)數(shù)據(jù)來源: 根據(jù)收集到的人工智能專利申請數(shù)據(jù)繪制。可知，從1985年國內(nèi)開始實行專利制度到2009年，國內(nèi)人工智能專利申請活動相對處于沉寂狀態(tài)，自2012年開始，國內(nèi)人工智能專利申請與引用進(jìn)入高速發(fā)展時期。由于農(nóng)村居民人均可支配收入數(shù)據(jù)統(tǒng)計口徑的改變，2012年及2012年之前的農(nóng)村居民人均可支配收入數(shù)據(jù)無法獲得，所以城鄉(xiāng)收入差距數(shù)據(jù)年份為2013年至2018年。最終收集到的面板數(shù)據(jù)包含31個省、自治區(qū)、直轄市，不包含港澳臺地區(qū)。描述性統(tǒng)計結(jié)果在表2呈現(xiàn)，觀察表2可知，從城鄉(xiāng)收入差距的數(shù)據(jù)分布來看，國內(nèi)各省份收入分配差距較小。觀測與人工智能專利相關(guān)變量可知，不同省份人工智能技術(shù)發(fā)展的差距較大。其他控制變量描述性統(tǒng)計詳見表2。

圖1 國內(nèi)人工智能相關(guān)專利申請趨勢圖

表2 主要變量的描述性統(tǒng)計

四、 人工智能技術(shù)與城鄉(xiāng)收入差距回歸結(jié)果

(一) 技術(shù)快速發(fā)展階段人工智能技術(shù)對城鄉(xiāng)收入差距影響

由圖1可知，2013年至2018年是人工智能技術(shù)快速發(fā)展階段，本部分回歸使用數(shù)據(jù)年份在2013年至2018年。在表3與表4中，列1、列2、列4與列6是借助固定效應(yīng)模型所得結(jié)果，列3與列5是借助混合OLS模型所得結(jié)果，列3至列6加入滯后一期城鄉(xiāng)收入差距作自變量。觀察表3第1、2列，從人工智能專利申請水平與人工智能專利被引水平回歸結(jié)果可知，人工智能技術(shù)的發(fā)展使得城鄉(xiāng)收入差距擴大。表4與表3的區(qū)別在于，表4將人工智能指標(biāo)更換為人工智能專利申請占比與人工智能專利被引占比。觀察表4第1、2列，從人工智能專利申請占比與人工智能專利被引占比回歸結(jié)果可知，人工智能技術(shù)的發(fā)展使得城鄉(xiāng)收入差距擴大。

事實上，當(dāng)期城鄉(xiāng)收入差距會受上期城鄉(xiāng)收入差距影響，從表3列3至列6與表4列3至列6的回歸結(jié)果可知，滯后一期城鄉(xiāng)收入差距對當(dāng)期城鄉(xiāng)收入差距影響顯著。有鑒于此，我們需進(jìn)一步引入被解釋變量的滯后值構(gòu)建動態(tài)面板進(jìn)行統(tǒng)計分析。由于模型中存在滯后變量，應(yīng)用普通面板數(shù)據(jù)回歸模型所得到的估計參數(shù)是非一致的與有偏的。此時，廣義矩估計方法(GMM)成為首選。

表3 OLS模型回歸結(jié)果

續(xù)表

表4 OLS模型回歸結(jié)果

動態(tài)面板模型可以選擇更高階的被解釋變量和解釋變量作為工具變量，這有效地克服了尋找模型以外的工具變量的難題，但由于在解釋變量集合中加入了滯后的被解釋變量，這會導(dǎo)致計量模型會出現(xiàn)自相關(guān)問題。與此同時，由于被解釋變量為城鄉(xiāng)收入差距，城鄉(xiāng)收入差距與技術(shù)發(fā)展可能存在反向因果關(guān)系，比如收入差距變大，高收入者開始加大對人工智能等領(lǐng)域技術(shù)的投入，以在競爭中保持自己優(yōu)勢地位。事實上，隨著國內(nèi)互聯(lián)網(wǎng)行業(yè)競爭格局趨穩(wěn)，國內(nèi)外賣、網(wǎng)約車、網(wǎng)購等平臺開始出現(xiàn)平臺利用算法技術(shù)優(yōu)勢獲取不正當(dāng)利益的情況。若是忽略此問題，會產(chǎn)生“聯(lián)立方程偏差”問題。因而，選取廣義矩估計方法(GMM)對計量模型再次進(jìn)行回歸分析。

廣義矩估計方法(GMM)主要分成兩大類：一類是差分GMM，另一類是系統(tǒng)GMM。Arellano和Bond提出一階差分GMM的方法，將變量的滯后項作為工具變量，引入差分方程，通過差分消除固定效應(yīng)[26]。Arellano和Bover以及Blundell和Bond進(jìn)一步提出，引入差分變量的滯后項作為水平方程的工具變量，此時，水平方程與差分方程相結(jié)合的矩條件便構(gòu)成了系統(tǒng)矩估計(SYS-GMM)，能夠很好地解決滯后變量的內(nèi)生性問題，其估計結(jié)果也更準(zhǔn)確[27-28]，故采用系統(tǒng)GMM方法進(jìn)行回歸。

表5是系統(tǒng)GMM回歸結(jié)果，其中，在列1、列3、列5與列7將人工智能指標(biāo)設(shè)為前定變量，在列2、列4、列6與列8將人工智能指標(biāo)設(shè)為內(nèi)生變量。在列1與列2中人工智能指標(biāo)為人工智能專利申請水平，在列3與列4中人工智能指標(biāo)為人工智能專利被引水平，在列5與列6中人工智能指標(biāo)為人工智能專利申請占比，在列7與列8中人工智能指標(biāo)為人工智能專利被引占比。由表5回歸結(jié)果可知，除列1外，人工智能指標(biāo)回歸估計系數(shù)顯著為正，則人工智能技術(shù)發(fā)展擴大城鄉(xiāng)收入差距。

在表5中，AR(1)和AR(2)的檢驗值分別在10%的水平上拒絕和接受了“模型不存在序列相關(guān)”的原假設(shè)，說明模型不存在二階序列相關(guān)問題。Sargan檢驗結(jié)果顯示，所有回歸模型都沒有拒絕“選擇的工具變量有效”這一原假設(shè)，說明工具變量是合理有效的。此外，由于不可觀測的個體效應(yīng)的存在，混合OLS估計會導(dǎo)致被解釋變量滯后項系數(shù)值偏高，而固定效應(yīng)模型估計則會導(dǎo)致被解釋變量滯后項系數(shù)偏低；只有當(dāng)GMM模型估計的被解釋變量滯后項系數(shù)介于上述兩方法得到被解釋變量系數(shù)估計量之間時，才是合理的。比較表5與表3列3至列6、表4列3至列6可知，滯后一期城鄉(xiāng)收入差距系數(shù)符合上述要求。

表5 GMM模型回歸結(jié)果

(二) 技術(shù)起步階段人工智能技術(shù)對城鄉(xiāng)收入差距影響

由圖1可知，國內(nèi)人工智能技術(shù)從2010年起步，在2012年后進(jìn)入高速發(fā)展階段，前一部分使用2012年之后的數(shù)據(jù)進(jìn)行人工智能技術(shù)與城鄉(xiāng)收入差距關(guān)系的檢驗，而2013年以前人工智能技術(shù)與城鄉(xiāng)收入差距關(guān)系仍未知。在2013年至2018年的回歸模型中，城鄉(xiāng)收入差距由城市居民人均可支配收入與農(nóng)村居民人均可支配收入的比值表示，在2013年以前的回歸模型中，考慮到數(shù)據(jù)可得性，城鄉(xiāng)收入差距由城市居民人均可支配收入與農(nóng)村居民純收入的比值表示。

表6、表7回歸結(jié)果基于2005年至2012年數(shù)據(jù)，檢驗技術(shù)起步階段人工智能技術(shù)對城鄉(xiāng)收入差距影響。在表6與表7中，列1與列4是借助混合OLS模型所得結(jié)果，列3與列6是借助固定效應(yīng)模型所得結(jié)果，列2與列5是借助系統(tǒng)GMM模型所得結(jié)果，將人工智能指標(biāo)與創(chuàng)新水平設(shè)為內(nèi)生變量。表6中人工智能指標(biāo)為人工智能專利申請水平與人工智能專利被引水平；表7中人工智能指標(biāo)為人工智能專利申請占比與人工智能專利被引占比。

從模型設(shè)定角度來看，表6與表7中的滯后一期城鄉(xiāng)收入差距系數(shù)符合要求，從AR(1)、AR(2)與Sargan檢驗值來看，除表6列5中AR(2)的檢驗值未通過10%水平檢驗外，其他模型通過檢驗，回歸結(jié)果具有可信性。觀察表6列2與表7列2及列5可知，人工智能指標(biāo)均非顯著為正。這說明2013年之前的人工智能技術(shù)發(fā)展相對緩慢，此時人工智能技術(shù)發(fā)展還無法擴大城鄉(xiāng)收入差距。

表6 OLS模型與GMM模型回歸結(jié)果

表7 OLS模型與GMM模型回歸結(jié)果

五、 結(jié)論與建議

總結(jié)上述回歸結(jié)果可以發(fā)現(xiàn)，國內(nèi)人工智能技術(shù)飛速發(fā)展的同時也在一定程度上擴大了城鄉(xiāng)收入差距。依靠體力營生的被智能機器人取代的勞動者如何勝任由人工智能創(chuàng)造出的勞動崗位以及他們?nèi)绾螌⒆陨淼募夹g(shù)水平提升到新創(chuàng)設(shè)崗位所需的程度是值得思考的問題。此外，人工智能技術(shù)的發(fā)展創(chuàng)造了技術(shù)資本精英這一特殊階層，這部分少數(shù)人創(chuàng)造了巨大的價值，而其他大多數(shù)人在人工智能技術(shù)成熟的時候很難創(chuàng)造價值。這將使得一批優(yōu)先獲得人工智能技術(shù)的人，憑借一套成熟的算法系統(tǒng)，具有前所未有的創(chuàng)造力和工作能力，并成為算法背后的社會主導(dǎo)。

經(jīng)歷了科學(xué)計算、編程語言發(fā)展和智能化時代，算法作為人工智能技術(shù)的支撐，發(fā)揮著越來越重要的作用，算法也由計算機術(shù)語轉(zhuǎn)變成為智能化時代社會文化的關(guān)鍵概念。從技術(shù)層次來看，算法是一種技術(shù)解決方案，只關(guān)注理性推理，但是算法“能做的”與其“應(yīng)做的”邊界并不完全重合。僅從技術(shù)層次理解算法就忽略了算法在實際應(yīng)用中產(chǎn)生的社會問題。從廣義的角度看，算法是社會技術(shù)集合的簡稱。該層次中的算法含義包括算法設(shè)計者、算法邏輯、訓(xùn)練數(shù)據(jù)集、算法實現(xiàn)硬件、算法應(yīng)用場景及其社會后果、相關(guān)規(guī)章制度等[29]。從這個意義上說，算法引發(fā)的社會問題也超越了單純的技術(shù)維度，而是涉及整個社會。算法在人類社會實踐中干涉甚至支配人類處理社會事務(wù)的能力引發(fā)人們對算法的擔(dān)憂。由于算法分析的數(shù)據(jù)集越來越多，算法已經(jīng)成為難以觀察和解釋的技術(shù)黑匣子，使得算法責(zé)任劃分陷入困境，算法持有者將在“無意”中造成巨大的社會不平等，而人工智能帶來的就業(yè)壓力主要由以農(nóng)村勞動者為代表的中低技能勞動力承擔(dān)。

在與人工智能技術(shù)競爭中“敗下陣來”的相對過剩的中低技能勞動力，有兩種再就業(yè)途徑。第一種途徑是接受更多教育，掌握更高技能回到融合人工智能技術(shù)的產(chǎn)業(yè)中，但由于接受教育的機會成本過高，使得這一途徑代價過大。第二種途徑是結(jié)合人工智能技術(shù)發(fā)展，依據(jù)社會需要開創(chuàng)新的就業(yè)崗位，這將是促進(jìn)再就業(yè)的主要方法。但勞動者在新舊職位之間的轉(zhuǎn)換通常需要付出一定的搜尋成本，大范圍勞動力要素的重新配置需要付出極大社會成本。而且戶籍等政策的存在使得進(jìn)城務(wù)工農(nóng)村勞動力仍處于一種循環(huán)流動的狀態(tài)：年輕農(nóng)村勞動力進(jìn)入城市尋找工作機會，而年長農(nóng)村勞動力在與城市勞動市場脫節(jié)后就返回家鄉(xiāng)。這反映出我國農(nóng)村勞動力的城市適應(yīng)水平還較低，為此提出如下政策建議：

實現(xiàn)人工智能技術(shù)紅利共享。不同于以往的技術(shù)進(jìn)步，由于人工智能技術(shù)是對人類的智能與意識的模仿，因而兼具復(fù)雜性與風(fēng)險性，其數(shù)據(jù)收集、智能芯片研發(fā)、機器學(xué)習(xí)訓(xùn)練、風(fēng)險防控等過程將涉及多層次與多專業(yè)勞動者，有必要對人工智能技術(shù)產(chǎn)生的社會效應(yīng)開展適當(dāng)干預(yù)。技術(shù)壁壘是工人技能區(qū)分，形成貧富差距的重要原因，只有在勞動秩序中逐步推進(jìn)崗位培訓(xùn)、職位輪換等措施，才能真正在技術(shù)發(fā)展的前提下實現(xiàn)勞動者平等。此外，農(nóng)村治理存在現(xiàn)代信息技術(shù)應(yīng)用不足等問題[30]，要保證人工智能技術(shù)不僅用于城市建設(shè)，而且鼓勵人工智能技術(shù)“下鄉(xiāng)”，這將為實現(xiàn)人的全面發(fā)展創(chuàng)造有利環(huán)境。

著力解決再就業(yè)問題。對中低技能勞動力，應(yīng)加強技能培訓(xùn)服務(wù)和崗位提供，強化就業(yè)引導(dǎo)，確保暫時性失業(yè)不對生活造成大的影響。建立針對不同勞動者群體的失業(yè)補助制度，完善就業(yè)援助制度，健全失業(yè)預(yù)警機制，加大使用失業(yè)保險金幫助企業(yè)穩(wěn)定崗位的工作力度。統(tǒng)籌協(xié)調(diào)技術(shù)、教育、就業(yè)、產(chǎn)業(yè)、社會保障等領(lǐng)域的相關(guān)政策，立足宏觀格局，“以創(chuàng)造平抑破壞”，以培育新興人工智能產(chǎn)業(yè)，創(chuàng)造新就業(yè)機會，提升勞動力素質(zhì)適應(yīng)新崗位為重點，針對不同勞動者群體制定社會保障與就業(yè)促進(jìn)政策，提升就業(yè)質(zhì)量與就業(yè)崗位數(shù)量，使勞動者全體共同分享新一輪人工智能技術(shù)帶來的紅利，實現(xiàn)人與技術(shù)、經(jīng)濟之間的和諧發(fā)展。