劉征馳 陳文武 魏思超
(湖南大學(xué)經(jīng)濟(jì)與貿(mào)易學(xué)院)
近年來,由于大數(shù)據(jù)、機(jī)器學(xué)習(xí)算法、云計算等新興信息技術(shù)發(fā)展的驅(qū)動,人工智能被廣泛應(yīng)用于社會經(jīng)濟(jì)的各領(lǐng)域,與社會經(jīng)濟(jì)的各產(chǎn)業(yè)發(fā)展深度融合,正推動人類社會進(jìn)入一個全新的智能經(jīng)濟(jì)時代。在農(nóng)業(yè)經(jīng)濟(jì)時代和工業(yè)經(jīng)濟(jì)時代,社會經(jīng)濟(jì)增長主要依靠勞動、資本投入和技術(shù)創(chuàng)新驅(qū)動。進(jìn)入智能經(jīng)濟(jì)時代,以“數(shù)據(jù)+算法+算力”為構(gòu)成基礎(chǔ)的人工智能已成為驅(qū)動社會經(jīng)濟(jì)增長的新動能[1,2]。在這一現(xiàn)實背景下,一個值得關(guān)注的重要問題是:以“數(shù)據(jù)+算法+算力”為構(gòu)成基礎(chǔ)的人工智能的發(fā)展會如何影響經(jīng)濟(jì)增長路徑?鑒于人工智能對經(jīng)濟(jì)增長的影響程度已明顯超過了機(jī)器人、工業(yè)自動化等傳統(tǒng)技術(shù)進(jìn)步,如何在經(jīng)濟(jì)增長理論框架中納入人工智能技術(shù)特征,以理解其對經(jīng)濟(jì)增長的作用機(jī)制就變得尤其重要。實際上,對該問題的回答和理解不僅具有重要的理論意義,而且對于政府通過加快培育大數(shù)據(jù)、云計算、機(jī)器學(xué)習(xí)算法和人工智能等新一代信息技術(shù)和產(chǎn)業(yè)發(fā)展,助推中國經(jīng)濟(jì)發(fā)展方式轉(zhuǎn)變、經(jīng)濟(jì)結(jié)構(gòu)優(yōu)化與增長動力轉(zhuǎn)換也具有重要的現(xiàn)實指導(dǎo)意義。
為探究人工智能作為一種由數(shù)據(jù)、算法和算力構(gòu)成的新型生產(chǎn)要素參與到經(jīng)濟(jì)社會生產(chǎn)過程當(dāng)中,其影響經(jīng)濟(jì)增長的理論機(jī)制,本研究在新古典經(jīng)濟(jì)增長模型框架的基礎(chǔ)上,構(gòu)建一個包含人工智能服務(wù)部門、人工智能應(yīng)用部門和居戶部門的動態(tài)一般均衡模型,從技術(shù)解構(gòu)視角分析人工智能影響經(jīng)濟(jì)增長路徑的理論機(jī)制。
近年來,常州通過建設(shè)閘站、溝通水系,拓浚清淤等工程,陸續(xù)開展三井河、白蕩河、北市河、橫塘浜、關(guān)河、龍游河等清淤工程、常州市三河三園景觀綜合整治工程(北塘河北段、澡港河?xùn)|支段)、澡港河拓浚工程,對城區(qū)主要河道進(jìn)行了清淤治理,據(jù)統(tǒng)計至2016年,10年整治工程已累計投入40多億元。在實施河道清淤的同時,常州從2008年起逐步試點探索河道生態(tài)修復(fù)。目前已對18條市河進(jìn)行生態(tài)修復(fù),累計完成河道生態(tài)修復(fù)水域面積18萬余m2,修復(fù)河段植物覆蓋面積3萬余m2,增強(qiáng)了水體自凈能力,有效去除了一部分污染物質(zhì),既改善了河道景觀,又豐富了生物多樣性。
關(guān)于人工智能影響經(jīng)濟(jì)增長的理論機(jī)制的研究主要可分為以下3類:①將人工智能視為一種要素擴(kuò)展型技術(shù);②將人工智能視為一種促進(jìn)資本替代勞動的自動化技術(shù);③將人工智能視為一種區(qū)別于資本和勞動的新型生產(chǎn)要素。
在第①類文獻(xiàn)中,一些學(xué)者將人工智能建模為資本擴(kuò)展型技術(shù)[3],認(rèn)為人工智能是一種內(nèi)嵌于資本的技術(shù),通過提高資本生產(chǎn)效率促進(jìn)經(jīng)濟(jì)增長;另一些學(xué)者將人工智能建模為勞動擴(kuò)展型技術(shù)[4],認(rèn)為人工智能可以通過提升勞動生產(chǎn)率促進(jìn)經(jīng)濟(jì)增長[5];還有學(xué)者將人工智能建模為可實現(xiàn)自身擴(kuò)展的技術(shù),認(rèn)為人工智能是擴(kuò)展勞動還是擴(kuò)展資本,取決于行業(yè)性質(zhì)和人工智能在不同行業(yè)的應(yīng)用前景[6]。基于上述理論模型,DECANIO[7]利用美國制造業(yè)行業(yè)層面的數(shù)據(jù)進(jìn)行實證分析發(fā)現(xiàn),人工智能技術(shù)應(yīng)用提高了資本收入份額,降低了勞動收入份額;而GRAETZ等[8]基于全球17個國家行業(yè)層面的數(shù)據(jù)研究表明,人工智能提高了勞動生產(chǎn)率。
水稻是黑龍江墾區(qū)主要栽培作物之一,它具有高產(chǎn)、穩(wěn)產(chǎn)、高效益等特點。但是北方寒地水稻無霜期短、收獲季節(jié)晚,且秋季氣溫低、水份蒸發(fā)量小、機(jī)械收獲困難。同時,由于籽粒和莖稈含水率高(籽粒的含水率為20%~25%,莖稈含水率為33%~75%),采用聯(lián)合收獲脫谷損失率和夾帶損失率比較高[1]。因此,依據(jù)北方寒地水稻收獲季節(jié)短的特點,合理選擇最適宜的收獲方式和收獲機(jī)械,實現(xiàn)最佳的綜合經(jīng)濟(jì)效益有著十分重要的意義。
將人工智能服務(wù)部門的生產(chǎn)函數(shù)式(9)、算法要素的生產(chǎn)函數(shù)式(10),依次代入人工智能應(yīng)用部門的最終產(chǎn)品生產(chǎn)函數(shù)式(1),并在方程兩邊同時除以LAm(t),得到人工智能應(yīng)用部門人均形式的最終產(chǎn)品生產(chǎn)函數(shù):
基于此,第②類文獻(xiàn)討論了人工智能作為一種導(dǎo)致資本替代勞動的自動化技術(shù),影響經(jīng)濟(jì)增長的理論機(jī)制[10],并且該理論得到了經(jīng)驗證據(jù)的支持[11]。人工智能引起的資本對勞動的替代性既存在行業(yè)異質(zhì)性[12],也存在技能異質(zhì)性[13]?;谏鲜隼碚?國內(nèi)學(xué)者結(jié)合中國經(jīng)濟(jì)發(fā)展經(jīng)驗,利用任務(wù)模型框架[14],從克服老齡化[15]、促進(jìn)資本結(jié)構(gòu)優(yōu)化[16]和提高全要素生產(chǎn)率[17]等視角分析了人工智能對中國經(jīng)濟(jì)增長的影響。
此外,利用績效指標(biāo)對醫(yī)保費(fèi)用的控費(fèi)管理不能只用平均住院日、患者人均費(fèi)用等單一指標(biāo)。單純追求平均住院日和患者人均費(fèi)用的降低,使得醫(yī)院傾向于收治簡單、病情較輕的患者,臨床科室收治疾病的疑難復(fù)雜程度降低,進(jìn)而導(dǎo)致醫(yī)院整體醫(yī)療技術(shù)水平的下滑。未來可以考慮將DRGs病種費(fèi)用和工作量分解后與CMI值(疾病疑難系數(shù))結(jié)合納入科室的績效考核,在控制平均住院日的同時,根據(jù)疾病難度合理控制病種費(fèi)用,達(dá)到既能控費(fèi)又能合理診療的目的。
除了推動資本替代勞動,人工智能還能作為一種新型生產(chǎn)要素直接參與生產(chǎn)過程,從而影響經(jīng)濟(jì)增長[18]。因此,在第③類文獻(xiàn)中,學(xué)者們將人工智能視為一種新型生產(chǎn)要素并將其引入經(jīng)濟(jì)增長模型框架,比如自動化資本[19]、機(jī)器人[20]等,從而探究人工智能影響經(jīng)濟(jì)增長的理論機(jī)制。在此基礎(chǔ)上,BERG等[21]通過在模型中設(shè)定居戶對物質(zhì)資本和機(jī)器人資本的投資決策,內(nèi)生化了人工智能的發(fā)展動態(tài);LU[22]則進(jìn)一步在模型中加入了居戶對人力資本的投資。
與上述已有文獻(xiàn)不同,本研究基于新古典經(jīng)濟(jì)增長理論框架,創(chuàng)新性地將人工智能解構(gòu)為數(shù)據(jù)、算法和算力,進(jìn)而從技術(shù)解構(gòu)視角探究人工智能影響經(jīng)濟(jì)增長的理論機(jī)制,這在一定程度上深化了人工智能與經(jīng)濟(jì)增長領(lǐng)域的理論研究。此外,本研究還首次提出了源于“數(shù)據(jù)正反饋性”和“算法自我進(jìn)化”的人工智能自學(xué)習(xí)效應(yīng),并將其嵌入增長模型,以考察其對經(jīng)濟(jì)增長的影響。對于人工智能自學(xué)習(xí)效應(yīng)這一典型特征,當(dāng)前鮮有文獻(xiàn)深入討論。
本研究通過拓展新古典經(jīng)濟(jì)增長模型框架,構(gòu)建一個包含人工智能應(yīng)用部門、人工智能服務(wù)部門和居戶部門的動態(tài)一般均衡模型。
在本研究模型中,人工智能應(yīng)用部門由一個將資本和人工智能服務(wù)作為要素投入,生產(chǎn)最終產(chǎn)品的代表性企業(yè)表示;人工智能服務(wù)部門由一個將數(shù)據(jù)、算法和算力作為要素投入,為人工智能應(yīng)用部門提供人工智能服務(wù)的代表性企業(yè)表示;居戶部門由一個提供算法勞動和資產(chǎn)的代表性消費(fèi)者表示。其中,算法勞動是指設(shè)計機(jī)器學(xué)習(xí)算法的“高技能勞動力”,例如在實踐中,互聯(lián)網(wǎng)科技企業(yè)中的算法工程師;居戶的資產(chǎn)既可用于企業(yè)以獲取數(shù)據(jù)要素為目的的投資,也可用于企業(yè)以獲取資本要素為目的的投資[23]。人工智能應(yīng)用部門和人工智能服務(wù)部門的代表性企業(yè),都在完全競爭的市場環(huán)境下進(jìn)行生產(chǎn)決策。值得注意的是,在本研究模型中,人工智能服務(wù)作為人工智能應(yīng)用部門的一種投入要素,是一種流量型要素投入。這是考慮到實踐中,人工智能企業(yè)為實體經(jīng)濟(jì)各部門提供人工智能服務(wù)時,大都是通過云服務(wù)流量的形式。例如,百度智能云、阿里云、騰訊云提供的智能語音、視覺圖像、自然語言處理、增強(qiáng)現(xiàn)實等人工智能服務(wù)。
本研究模型框架可歸納為人工智能服務(wù)部門代表性企業(yè)、人工智能應(yīng)用部門代表性企業(yè)和居戶部門代表性消費(fèi)者3個經(jīng)濟(jì)主體。其中,人工智能服務(wù)部門代表性企業(yè)為人工智能應(yīng)用部門代表性企業(yè)提供人工智能服務(wù);人工智能應(yīng)用部門代表性企業(yè)在應(yīng)用人工智能服務(wù)的過程中,產(chǎn)生人工智能自學(xué)習(xí)效應(yīng);居戶部門代表性消費(fèi)者為人工智能服務(wù)部門代表性企業(yè)提供算法勞動和數(shù)據(jù)要素,獲得工資和利息,為人工智能應(yīng)用部門代表性企業(yè)提供資本要素,獲得利息。本研究模型框架具體見圖1。
圖1 模型框架
人工智能應(yīng)用部門代表性企業(yè)利用資本和人工智能服務(wù)作為要素投入,生產(chǎn)最終產(chǎn)品。假定人工智能應(yīng)用部門代表性企業(yè)的最終產(chǎn)品生產(chǎn)函數(shù)采用柯布-道格拉斯形式,具體為
Y(t)=K(t)α[S(t)·Ai(t)]1-α,
(1)
式中,α表示資本產(chǎn)出彈性,0<α<1;Y(t)表示t期的最終產(chǎn)品數(shù)量;K(t)表示t期的資本存量;Ai(t)表示t期的人工智能服務(wù)流量;S(t)表示t期的人工智能自學(xué)習(xí)效應(yīng)。自學(xué)習(xí)效應(yīng)是人工智能與傳統(tǒng)自動化技術(shù)以及信息技術(shù)相比所獨有的特征。人工智能在發(fā)展初期階段對生產(chǎn)效率的提升作用有限,但隨著其進(jìn)一步廣泛應(yīng)用,將顯著提升生產(chǎn)效率。實際上,人工智能自學(xué)習(xí)效應(yīng)的根源,一方面在于機(jī)器學(xué)習(xí)算法本身所特有的進(jìn)化性質(zhì)[24];另一方面則是由于隨著人工智能的普及,經(jīng)濟(jì)中的數(shù)據(jù)質(zhì)量逐步提高,數(shù)據(jù)規(guī)模逐步擴(kuò)大,人工智能能夠從更高質(zhì)量、更大規(guī)模的數(shù)據(jù)當(dāng)中學(xué)習(xí),從而進(jìn)一步提高經(jīng)濟(jì)的生產(chǎn)效率[25]。
由于人工智能具有自學(xué)習(xí)效應(yīng),S(t)將隨時間演化,其演化路徑總體上呈現(xiàn)“先凸后凹”的趨勢。這是因為,在人工智能發(fā)展初期,隨著其在經(jīng)濟(jì)生產(chǎn)當(dāng)中的快速普及,對經(jīng)濟(jì)生產(chǎn)效率的提升作用也越來越大。但與此同時,人工智能不可能無限提高經(jīng)濟(jì)生產(chǎn)效率,而是存在一個上限值。因此,在人工智能發(fā)展后期,其對經(jīng)濟(jì)生產(chǎn)效率的提升作用會逐漸減緩。基于上述分析,本研究假設(shè)人工智能自學(xué)習(xí)效應(yīng)演化函數(shù)S(t)滿足性質(zhì)1。
人工智能應(yīng)用部門代表性企業(yè)的資本存量運(yùn)動方程為
(2)
人工智能服務(wù)部門代表性企業(yè)利用數(shù)據(jù)、算法和算力作為要素投入生產(chǎn)人工智能服務(wù)。具體而言,假設(shè)人工智能服務(wù)部門代表性企業(yè)的生產(chǎn)函數(shù)為
在漢風(fēng)與韓流的互動中,多種教學(xué)模式通過課程縱橫協(xié)同機(jī)制,縱向上銜接好不同語言學(xué)習(xí)階段的價值引領(lǐng)元素,橫向上將這些元素依據(jù)不同課程類型,運(yùn)用不同的教學(xué)模式融會貫通;通過育人時空協(xié)同機(jī)制,實現(xiàn)課上與課下、校內(nèi)與校外的協(xié)同,使教學(xué)過程及教育資源共同建構(gòu)學(xué)生知識、能力及價值觀,體現(xiàn)出富有中國特色的外語課程教學(xué)模式的改革與創(chuàng)新。
Ai(t)=Cp(t)·G(Da(t),Am(t)),
(3)
式中,Cp(t)表示t期的算力生產(chǎn)要素;Da(t)表示t期的數(shù)據(jù)生產(chǎn)要素;Am(t)表示t期的算法生產(chǎn)要素。
值得進(jìn)一步說明的是,在本研究模型中,人工智能的本質(zhì)是提供了一種可以與資本相結(jié)合實現(xiàn)全自動生產(chǎn)過程的服務(wù)(1)式(3)表示人工智能服務(wù)由數(shù)據(jù)、算法和算力3種要素投入生產(chǎn),式(1)表示人工智能服務(wù)與資本作為要素投入生產(chǎn)最終產(chǎn)品,人工智能與資本相結(jié)合實現(xiàn)最終產(chǎn)品生產(chǎn)過程的全自動化。。例如,在小米黑燈工廠、特斯拉無人工廠中,人工智能服務(wù)通過與資本相結(jié)合,就實現(xiàn)了從原材料加工到成品組裝的全自動生產(chǎn)過程。
在人工智能服務(wù)部門代表性企業(yè)的生產(chǎn)函數(shù)中,本研究將算力要素Cp(t)當(dāng)作一個乘數(shù)因子放在了函數(shù)G(.,.)外部。這是因為算力的增長能夠同時提升數(shù)據(jù)要素和算法要素的生產(chǎn)效率。當(dāng)計算技術(shù)不夠先進(jìn)時,生產(chǎn)人工智能服務(wù)需要花費(fèi)大量時間和成本;隨著計算技術(shù)的快速進(jìn)步和算力的快速提升,生產(chǎn)人工智能服務(wù)所需要花費(fèi)的時間和成本大大降低。因此,在人工智能服務(wù)的生產(chǎn)中,與數(shù)據(jù)要素和算法要素不同,算力要素的增長本質(zhì)上是一種希克斯中性技術(shù)進(jìn)步。
性質(zhì)2GDa(Da(t),Am(t))>0,GAm(Da(t),Am(t))>0;GDa,Da(Da(t),Am(t))≤0,GAm,Am(Da(t),Am(t))≤0。
性質(zhì)2表示人工智能服務(wù)關(guān)于數(shù)據(jù)要素和算法要素單調(diào)遞增且邊際遞減。
性質(zhì)3H′(LAm(t))≥0,H″(LAm(t))≤0。
Am(t)=H(LAm(t)),
(4)
式中,H(·)表示算法要素生產(chǎn)函數(shù);LAm(t)表示算法勞動。式(4)表示通過投入算法勞動生產(chǎn)算法要素。這既包括算法勞動開發(fā)全新的算法,也包括算法勞動通過對舊算法進(jìn)行修改來生產(chǎn)新的效率更高的算法。
本研究假設(shè)算法要素生產(chǎn)函數(shù)H:+→+二階可微,且滿足性質(zhì)3。
算法要素由算法勞動生產(chǎn),其生產(chǎn)函數(shù)為
眾所周知,PPP模式是一種公私合作伙伴關(guān)系,社區(qū)居家養(yǎng)老服務(wù)供給的效率和質(zhì)量,合作伙伴選擇的好壞起著重要的作用。首先,在選擇的程序上,通過公開的項目招標(biāo),引入競爭機(jī)制的方法來選擇合適的合作伙伴。公開透明是招標(biāo)的前提條件,通過制定嚴(yán)格的標(biāo)準(zhǔn)進(jìn)行客觀地選擇;其次,準(zhǔn)入標(biāo)準(zhǔn)對于選擇合適的伙伴也是至關(guān)重要的,對社會組織和私人部門的經(jīng)營管理水平、員工的責(zé)任心、能力、信任度等進(jìn)行嚴(yán)格地評估與考核;再次,在選擇的結(jié)果上,要保證招標(biāo)過程的透明性,特別是要將招標(biāo)的內(nèi)容、政府與其未來合作的計劃等人公示,使公眾能夠有效地監(jiān)督招標(biāo)過程,保證公眾的知情權(quán)。
性質(zhì)3表示算法要素關(guān)于算法勞動單調(diào)不遞減,且邊際不遞增。該假設(shè)借鑒了經(jīng)典文獻(xiàn)的一貫做法,即勞動作為一種生產(chǎn)要素,其產(chǎn)出單調(diào)不遞減,邊際不遞增。
用于人工智能服務(wù)生產(chǎn)的數(shù)據(jù)要素,來源于人工智能服務(wù)企業(yè)的數(shù)字化投資。因此,人工智能服務(wù)部門的數(shù)據(jù)要素是一個狀態(tài)變量[26],其運(yùn)動方程為
(5)
假設(shè)經(jīng)濟(jì)中存在一個提供算法勞動的代表性居戶,其偏好用CRRA效用函數(shù)表示:
(6)
式中,U表示效用水平;θ>1表示相對風(fēng)險厭惡系數(shù);ρ表示時間貼現(xiàn)率;n表示人口增長率;c(t)表示t期的居戶人均消費(fèi)量。
由于玉米興玉101的百粒重與百粒體積在不同時期中所產(chǎn)生的數(shù)據(jù)也存在不同的差異,當(dāng)種植密度大時玉米興玉101百粒重的與百粒體積較小,反之玉米興玉101百粒重與百粒體積會在授粉期時增大在成熟期時縮小,灌漿0—10d時可以有效加快百粒體積的增長速度,灌漿10—30d時百粒體積增加減緩而當(dāng)灌漿30—50d時則會促使百粒體積不斷縮小,百粒重會隨著灌漿的增加呈現(xiàn)出不斷增加的趨勢,這不僅會對玉米興玉101的產(chǎn)量造成影響同時還會導(dǎo)致玉米籽灌漿特性受到一定的影響。
本研究將初始居戶規(guī)模標(biāo)準(zhǔn)化為1,并假設(shè)居戶在任意時期無彈性地供給單位算法勞動。時期t的居戶規(guī)模為
N(t)=en·t。
(7)
居戶收入包括提供資產(chǎn)獲得利息和提供算法勞動獲得工資兩方面,居戶支出包括消費(fèi)和投資兩方面。因此,居戶面臨的預(yù)算約束為
(8)
從上述兩式可知,數(shù)據(jù)要素和資本要素的利率水平、算法勞動的工資水平,在市場均衡時都為常數(shù)。該結(jié)論與REBELO[27]類似。其中,利率水平關(guān)于人工智能自學(xué)習(xí)效應(yīng)S、算力要素Cp、數(shù)據(jù)要素收入份額γ和數(shù)據(jù)要素生產(chǎn)效率ADa遞增,關(guān)于折舊率δ遞減;工資水平關(guān)于人工智能自學(xué)習(xí)效應(yīng)S、算力要素Cp、算力要素生產(chǎn)效率AAm和算法勞動力生產(chǎn)效率β遞增,關(guān)于數(shù)據(jù)要素收入份額γ和數(shù)據(jù)要素生產(chǎn)效率ADa遞減。這是因為,人工智能自學(xué)習(xí)效應(yīng)S和算力要素Cp的增大提高了人工智能服務(wù)的整體生產(chǎn)效率,既提高了數(shù)據(jù)要素的邊際產(chǎn)出,也提高了算法要素的邊際產(chǎn)出,從而正向影響利率水平和工資水平;數(shù)據(jù)要素收入份額γ和數(shù)據(jù)要素生產(chǎn)效率ADa的增大提高了數(shù)據(jù)的邊際產(chǎn)出,算力要素生產(chǎn)效率AAm和算法勞動生產(chǎn)效率β的增大則提高了算法勞動的邊際產(chǎn)出,從而分別正向影響利率水平和工資水平;在人工智能服務(wù)部門的收入份額(1-α)不變的條件下,數(shù)據(jù)要素收入份額γ和數(shù)據(jù)要素生產(chǎn)效率ADa的增大,意味著算法要素相對收入份額的減小,因此它們負(fù)向影響工資水平。
本文中我們利用自主開發(fā)的結(jié)構(gòu)有限元軟件ATLAS[7-8]建立壓力容器模型,對壓力容器密封法蘭的接觸過程進(jìn)行了數(shù)值模擬,得到了其受力特性和應(yīng)力分布規(guī)律。同時,我們嘗試使用ATLAS完成壓力容器螺栓預(yù)緊的力學(xué)計算。我們首先對壓力容器螺栓建立模型,然后對壓力容器進(jìn)行快速的有限元剖分,接著利用有限元求解器對該模型進(jìn)行計算。最后我們對計算結(jié)果進(jìn)行驗證并討論。
由于本研究主要目的是,在前文模型框架下探究人工智能對經(jīng)濟(jì)增長的影響,復(fù)雜的數(shù)學(xué)形式并不能提供更多洞見,還會使得推導(dǎo)過程復(fù)雜化。此外,當(dāng)前鮮有文獻(xiàn)探討過人工智能服務(wù)在經(jīng)濟(jì)模型中的具體生產(chǎn)函數(shù)設(shè)定形式。因此,出于數(shù)學(xué)上的簡化需要,與REBELO[27]、ROMER[28]經(jīng)典文獻(xiàn)的做法一致,本研究假設(shè)人工智能服務(wù)部門的生產(chǎn)函數(shù)為線性形式,且算力要素外生給定。首先設(shè)人工智能服務(wù)部門的生產(chǎn)函數(shù)為
Ai(t)=Cp·[γ·ADa·Da(t)+
(1-γ)·(AAm·Am(t))]。
(9)
顯然式(9)滿足性質(zhì)2。其中,ADa>0,AAm>0分別表示數(shù)據(jù)要素和算法要素的生產(chǎn)效率參數(shù)。具體而言,ADa可以反映實踐中用于生產(chǎn)人工智能服務(wù)的訓(xùn)練數(shù)據(jù)質(zhì)量的提高、數(shù)據(jù)處理相關(guān)技術(shù)的進(jìn)步等方面。例如,數(shù)據(jù)采集的標(biāo)準(zhǔn)化、數(shù)據(jù)要素市場的構(gòu)建、大數(shù)據(jù)存儲與處理技術(shù)的進(jìn)步等,都可以直接或間接地提高數(shù)據(jù)要素生產(chǎn)效率。AAm可以反映實踐中用于生產(chǎn)人工智能服務(wù)的機(jī)器學(xué)習(xí)算法的進(jìn)步、應(yīng)用機(jī)器學(xué)習(xí)算法便利性的提高等方面。例如,神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)等算法的發(fā)明,百度飛槳、谷歌TensorFlow等機(jī)器學(xué)習(xí)平臺的建立,都直接或間接地提高了算法要素生產(chǎn)效率。γ∈(0,1)是收入分配參數(shù),決定了數(shù)據(jù)要素和算法要素在人工智能服務(wù)生產(chǎn)過程中的相對重要性。
其次,假設(shè)算法要素的具體生產(chǎn)函數(shù)也為線性形式,即
Am(t)=β·LAm(t)。
(10)
顯然式(10)滿足性質(zhì)3。其中,β>0表示算法勞動生產(chǎn)效率,其大小反映了實踐中算法勞動力所擁有的算法專業(yè)知識存量和工作經(jīng)驗等方面。
最后,由于人工智能自學(xué)習(xí)效應(yīng)是人工智能自身所具有的演化特征,不受企業(yè)決策的影響。因此,假設(shè)在企業(yè)的利潤最大化決策過程中,人工智能自學(xué)習(xí)效應(yīng)S(t)為常數(shù)S。
第①類文獻(xiàn)存在部分研究缺憾:一方面,將人工智能建模為勞動擴(kuò)展型技術(shù)或資本擴(kuò)展型進(jìn)步得到的理論結(jié)論,與現(xiàn)實證據(jù)存在一定程度的不一致[9];另一方面,實踐中人工智能的發(fā)展造成了一些工作崗位上資本對勞動的替代,如智能客服、物流分揀機(jī)器人、智能制造機(jī)器人、自動檢票機(jī)等,這類情況并未被第①類文獻(xiàn)所考慮。
y(t)=k(t)αS1-αCp1-α[γ·ADa·da(t)+
(1-γ)·AAm·β]1-α,
(11)
式中,y(t)、k(t)、da(t)分別表示人均形式的最終產(chǎn)品、資本存量和數(shù)據(jù)要素。由于市場是完全競爭的,對于居戶來說,將其資產(chǎn)投向人工智能服務(wù)部門還是投向人工智能應(yīng)用部門,是同質(zhì)的。因此,由動態(tài)一般均衡的無套利條件可知,人工智能服務(wù)部門的數(shù)據(jù)投資回報率和人工智能應(yīng)用部門的資本投資回報率相等,即?y/?k-δK=?y/?da-δDa,其中資本邊際產(chǎn)出和數(shù)據(jù)邊際產(chǎn)出分別為
(12)
不失一般性,本研究假定數(shù)據(jù)存量折舊率與資本存量折舊率相等,即δDa=δK≡δ,因而有?y/?k=?y/?da,由此等式可得k(t)=α·(γ·ADa·da(t)+(1-γ)·(AAm·β))/((1-α)·γ·ADa),x(t)=α·(γ·ADa·da(t)+(1-γ)·(AAm·β))/((1-α)·γ·ADa)+da(t)。其中,x(t)≡k(t)+da(t)由人均資本要素和人均數(shù)據(jù)要素構(gòu)成,本研究將其定義為人均復(fù)合要素,相應(yīng)的總量形式為X(t)=K(t)+Da(t)。由此,可進(jìn)一步解得da(t)=((1-α)·γ·ADa·x(t)-α·(1-γ)·(AAm·β))/(γ·ADa)。故利率水平和工資水平分別為
r(t)=ααS1-α(1-α)1-α(Cp·γ·ADa)1-α-δ≡r;
(13)
ω(t)=αα(1-α)1-αS1-α·(Cp)1-α·γ-α·
(ADa)-α·(1-γ)·AAm·β≡ω。
(14)
根據(jù)消費(fèi)者效用最大化問題一階條件,可得消費(fèi)歐拉方程:
本文通過對DNV最新頒布的DP-ER附加標(biāo)志的規(guī)范要求的研究,得到DP-ER海工平臺電力系統(tǒng)應(yīng)采用閉環(huán)母線結(jié)構(gòu)、冗余設(shè)計和熱備機(jī)保護(hù)模式?;谝淹瓿傻哪嘎?lián)閉合型電力系統(tǒng)設(shè)計成果,結(jié)合DP-ER附加標(biāo)志的要求,建立母聯(lián)閉合型海工電力系統(tǒng)仿真模型,仿真分析工況切換和故障條件下電力系統(tǒng)的動態(tài)響應(yīng)特性,驗證系統(tǒng)耐沖擊、抗故障能力。本研究可為母聯(lián)閉合型中壓電力系統(tǒng)的關(guān)鍵技術(shù)研究和關(guān)鍵設(shè)備的研制提供借鑒和參考。
艾爾雙眼一下子瞪大了,在威爾旁邊蹲下來,一只手輕輕拍了拍他的臉。室內(nèi)唰的一下安靜下來,大家期待著威爾能站起來。有幾秒鐘,他躺在地上一動不動,一只胳膊反壓在身下,然后眨了眨眼,很顯然是有些昏沉了。
之所以會出現(xiàn)上述問題,首先是因為市場經(jīng)濟(jì)的價值導(dǎo)向使得許多具備該專業(yè)理論背景、受教育程度高、業(yè)務(wù)能力強(qiáng)的年輕人不愿意選擇該項職業(yè)。其次,民族高校圖書館受制于財力和資源限制,并未構(gòu)建起長效的培訓(xùn)機(jī)制,對館員素質(zhì)的提升產(chǎn)生影響,導(dǎo)致信息服務(wù)工作無法有效迎合廣大讀者的需求。
(15)
將式(13)代入式(15),可得居戶人均消費(fèi)增長率為
因而,總產(chǎn)出增長率為
(16)
基于式(16)可進(jìn)一步求得居戶消費(fèi)時間路徑:
又寫作“留幕”?!夺屆め屢路罚骸傲裟唬街菟?,大褶下至膝者也?!边@里“留幕”指的是冀州這個地方稱“大褶下至膝”這種服飾為“留幕”。也就是說,衣服的“大褶”覆蓋了膝蓋,蘊(yùn)含了“覆蓋”這一義項?!恶壯庞?xùn)纂·卷三》:“留幕,大褶衣也?!笨计湟繇嵉匚唬毫簦瑢賮砟赣软?,“絡(luò)”,屬來母鐸韻?!傲簟薄敖j(luò)”一組詞的韻部聯(lián)系屬“旁對轉(zhuǎn)”,讀音同樣相近,因此可以判斷,二者為一組連綿詞。
c(t)=c(0)·egc·t,
(17)
式中,c(0)=(r-n-gc)(x0+ω/(r-n))表示居戶初始人均消費(fèi)水平。而x0=k0+da0,k0表示給定的初始人均資本要素存量;da0表示給定的初始人均數(shù)據(jù)要素存量。
根據(jù)市場均衡條件as(t)=x(t),以及式(8)、式(13)和式(14),可知均衡時人均復(fù)合生產(chǎn)要素的運(yùn)動方程為
(18)
基于式(18)可知人均復(fù)合生產(chǎn)要素的增長率為
(19)
式中,cs,0≡(r-n)(x0+ω/(r-n))表示人均消費(fèi)增長率gc=0時的初始人均消費(fèi)水平。對式(19)關(guān)于時間t取極限,得到
(20)
根據(jù)人工智能應(yīng)用部門的最終產(chǎn)品生產(chǎn)函數(shù),可知人均最終產(chǎn)品產(chǎn)出增長率為
(21)
綜上所述,lncRNA GAS5在乳腺癌組織中的表達(dá)顯著降低,與腫瘤進(jìn)展有關(guān)。lncRNA GAS5可作為預(yù)測乳腺癌患者臨床結(jié)局的獨立標(biāo)志,其表達(dá)的下調(diào)在乳腺癌進(jìn)展中起關(guān)鍵作用。
(22)
對式(22)取極限可得
(23)
由式(22)可知,模型經(jīng)濟(jì)的產(chǎn)出增長率隨時間遞減;由式(23)可知,模型經(jīng)濟(jì)的長期總產(chǎn)出增長率漸近收斂于人均消費(fèi)增長率與算法勞動增長率之和。長期總產(chǎn)出增長率關(guān)于算力要素Cp、份額參數(shù)γ、數(shù)據(jù)要素生產(chǎn)效率ADa以及算法勞動增長率n遞增,關(guān)于折舊率δ、居戶時間偏好ρ以及居戶風(fēng)險厭惡系數(shù)θ遞減。這是因為,算力要素Cp、數(shù)據(jù)要素生產(chǎn)效率ADa和算法勞動增長率n的增大,都能夠提高人工智能服務(wù)部門的生產(chǎn)效率,進(jìn)而提高人工智能應(yīng)用部門的生產(chǎn)效率,最終提高產(chǎn)出增長率。值得注意的是,數(shù)據(jù)收入份額γ的增大對產(chǎn)出增長率具有正向影響的經(jīng)濟(jì)直覺。數(shù)據(jù)收入份額的增大,同時也意味著算法收入份額的減小。因此,數(shù)據(jù)收入份額對產(chǎn)出增長率有正向影響,就意味著算法收入份額對產(chǎn)出增長率有負(fù)向影響。該結(jié)論本質(zhì)上與宇澤弘文定理具有一致性。原因在于,本研究模型中數(shù)據(jù)是具有可積累性的生產(chǎn)要素,而算法要素由算法勞動提供,不具有可積累性,這導(dǎo)致在長期,可供人工智能服務(wù)生產(chǎn)利用的數(shù)據(jù)要素遠(yuǎn)多于算法要素。因此,數(shù)據(jù)要素相對于算法要素收入份額的增大對產(chǎn)出增長率有正向影響。
比較式(16)、式(20)和式(23)可知,在長期,模型經(jīng)濟(jì)會達(dá)到復(fù)合生產(chǎn)要素、消費(fèi)和產(chǎn)出的增長率相等的穩(wěn)態(tài),穩(wěn)態(tài)增長率為gc+n;比較式(16)、式(19)和式(21)可知,在短期,模型經(jīng)濟(jì)的產(chǎn)出增長率低于復(fù)合生產(chǎn)要素增長率,而復(fù)合生產(chǎn)要素增長率又低于消費(fèi)增長率。
由前述分析可知,本研究基于智能經(jīng)濟(jì)生產(chǎn)實踐,通過在動態(tài)一般均衡中納入人工智能由數(shù)據(jù)、算法、算力3種要素構(gòu)成的技術(shù)特征,得到了一種能夠產(chǎn)生內(nèi)生增長結(jié)論的理論機(jī)制。當(dāng)前已有的能夠產(chǎn)生內(nèi)生增長結(jié)論的經(jīng)典模型主要有兩類:①AK模型,通過在新古典模型中消除資本邊際產(chǎn)出遞減的假設(shè)來得出內(nèi)生增長的結(jié)論,其內(nèi)生增長來源于資本邊際產(chǎn)出的不變性。②種類擴(kuò)張模型和熊彼特增長模型,通過在模型中將技術(shù)進(jìn)步內(nèi)生化為企業(yè)創(chuàng)新決策來導(dǎo)出內(nèi)生增長的結(jié)論,其內(nèi)生增長來源于壟斷企業(yè)受利潤激勵驅(qū)動的創(chuàng)新活動。在本研究基于智能經(jīng)濟(jì)生產(chǎn)實踐構(gòu)建的動態(tài)一般均衡模型中,內(nèi)生增長的結(jié)論來源于人工智能的發(fā)展和應(yīng)用,使得數(shù)據(jù)成為一種新的存量型要素投入,從而對資本要素形成替代作用,進(jìn)而抵消了資本要素的邊際產(chǎn)出遞減特征使經(jīng)濟(jì)收斂到零增長的效應(yīng)。
毛先舒在《自敘》中與友人進(jìn)行辯論時說:“是故含蓄者,詩之正也,訐露者,詩之變也?!薄?〕2反對友人提出的“詩貴性靈”。這是毛氏對詩歌審美特征提出的要求。“含蓄”是中國傳統(tǒng)文論中的一個基本概念,中國歷代文學(xué)批評家,無有不主張文貴含蓄者。最早可以上溯至劉勰的《文心雕龍》有《隱秀篇》,司空圖《二十四詩品》有《含蓄》一品。就詩詞而言,歷代詩話、詞話,言及詩詞貴含蓄之義者數(shù)不勝數(shù)。宋人張表臣《珊瑚詩話》云:“詩以意為主”,“篇章以含蓄天成為上”。宋人姜夔《白石詩說》云:“語貴含蓄?!庇忠K東坡的話說:“言有盡而意無窮者,天下之至言也?!鼻迦松蛑t《填詞雜說》云:“言情貴含蓄?!?/p>
4.2.1轉(zhuǎn)移動態(tài)
為了刻畫模型經(jīng)濟(jì)的轉(zhuǎn)移動態(tài)特征,接下來對模型進(jìn)行數(shù)值分析。根據(jù)已有文獻(xiàn)的習(xí)慣做法,在基準(zhǔn)情形中,將人工智能自學(xué)習(xí)效應(yīng)S、算力要素Cp、數(shù)據(jù)要素生產(chǎn)效率ADa、算法要素生產(chǎn)效率AAm和算法勞動生產(chǎn)效率β均設(shè)為1,將算法勞動增長率設(shè)為0。此外,這里還需要校準(zhǔn)的參數(shù)有{ρ,θ,δ,α,γ}。其中,ρ、θ是與居戶偏好相關(guān)的參數(shù),分別表示居戶的時間偏好和風(fēng)險偏好;δ表示資本和數(shù)據(jù)要素的折舊率;γ表示份額參數(shù)。
本研究的主要目的不是預(yù)測中國經(jīng)濟(jì)的未來增長進(jìn)程,而是為思考智能經(jīng)濟(jì)時代經(jīng)濟(jì)增長的動態(tài)演化過程提供參考框架。因此,本研究重點關(guān)注對模型的理論探討,不關(guān)注變量數(shù)值的實踐意義。此外,本研究構(gòu)建的是包含人工智能的動態(tài)一般均衡模型,鮮有文獻(xiàn)充分探討包含人工智能的結(jié)構(gòu)模型參數(shù)值估計問題。因此,在參數(shù)取值上,遵照NOVALES等[29]的方法,對模型參數(shù)取具有代表性的值,從而對模型經(jīng)濟(jì)進(jìn)行數(shù)值分析。具體而言,居戶時間偏好參數(shù)ρ的取值為0.04,居戶風(fēng)險偏好參數(shù)θ的取值為2,資本收入份額參數(shù)α的取值為0.5,數(shù)據(jù)和資本要素的折舊率δ取值為0.05。本研究考慮穩(wěn)態(tài)消費(fèi)增長率為10%的情形,并校準(zhǔn)參數(shù)得到γ=0.58。模擬模型經(jīng)濟(jì)50期,得到數(shù)據(jù)要素、資本要素、消費(fèi)和產(chǎn)出的增長路徑見圖2(2)需要指出的是,圖中存在數(shù)據(jù)增長率、產(chǎn)出增長率、消費(fèi)增長率和資本增長率4條路徑,其中產(chǎn)出增長率和消費(fèi)增長率較為接近,且存在重合。,資本要素占比和數(shù)據(jù)要素占比的演變路徑見圖3。
圖2 模型內(nèi)生變量增長路徑
由圖2可知,消費(fèi)增長率為常數(shù)10%,數(shù)據(jù)要素、資本要素和產(chǎn)出增長率初始值高于消費(fèi)增長率;隨著時間的演進(jìn),產(chǎn)出增長率漸近收斂于消費(fèi)增長率;數(shù)據(jù)要素增長率隨時間遞減,資本要素增長率隨時間先遞減后遞增,最后二者收斂于一個高于消費(fèi)增長率的常數(shù)。由此可見,模型經(jīng)濟(jì)在長期中存在一條非平衡的穩(wěn)態(tài)增長路徑,其中數(shù)據(jù)要素和資本要素漸近收斂于一個常數(shù)增長率,產(chǎn)出漸近收斂于消費(fèi)增長率,且數(shù)據(jù)要素和資本要素的穩(wěn)態(tài)增長率高于產(chǎn)出和消費(fèi)的穩(wěn)態(tài)增長率。
AGHION等[30]基于熊彼特內(nèi)生增長模型,第一次提出了經(jīng)濟(jì)發(fā)展過程存在非平衡增長路徑的情況。在智能經(jīng)濟(jì)時代,數(shù)據(jù)成為社會經(jīng)濟(jì)生產(chǎn)過程中與資本、勞動等傳統(tǒng)生產(chǎn)要素同等重要甚至更重要的新型生產(chǎn)要素。本研究基于智能經(jīng)濟(jì)實踐,從人工智能技術(shù)解構(gòu)視角將數(shù)據(jù)要素納入到經(jīng)濟(jì)增長模型中,發(fā)現(xiàn)包含數(shù)據(jù)生產(chǎn)要素的智能經(jīng)濟(jì)也存在非平衡的穩(wěn)態(tài)增長路徑。
由圖3可知,初始時資本要素占比高于數(shù)據(jù)要素占比;隨著時間的演進(jìn),資本要素占比逐漸降低,數(shù)據(jù)要素占比逐漸升高;最后當(dāng)模型經(jīng)濟(jì)達(dá)到非平衡的穩(wěn)態(tài)增長路徑時,資本要素占比與數(shù)據(jù)要素占比相等,均等于50%。這意味著,雖然在智能經(jīng)濟(jì)的發(fā)展早期,資本要素在經(jīng)濟(jì)生產(chǎn)活動中所占的比重較高;但隨著人工智能的發(fā)展,數(shù)據(jù)要素對經(jīng)濟(jì)增長的貢獻(xiàn)程度會逐漸增加,最后達(dá)到與資本要素對經(jīng)濟(jì)增長的貢獻(xiàn)度相同的狀態(tài)。此外,需要說明的是,模型之所以會得出資本要素和數(shù)據(jù)要素各占50%的結(jié)果,是因為本研究假設(shè)數(shù)據(jù)要素的折舊率與資本要素的折舊率相等,并且在參數(shù)取值中資本收入份額α的取值為0.5。
4.2.2人工智能自學(xué)習(xí)效應(yīng)的影響
為了進(jìn)一步探討人工智能自學(xué)習(xí)效應(yīng)對經(jīng)濟(jì)增長的影響,這里需要設(shè)定人工智能自學(xué)習(xí)效應(yīng)的具體函數(shù)形式??紤]到Logistic函數(shù)具有“先凸后凹”和存在上下限兩個重要性質(zhì),符合性質(zhì)1,因此假設(shè)人工智能自學(xué)習(xí)效應(yīng)的時間軌跡為Logistic函數(shù),即
(24)
圖4 人工智能自學(xué)習(xí)效應(yīng)對人均產(chǎn)出增長率的影響
此外,圖4展現(xiàn)出的另一個值得注意的特征是,人工智能自學(xué)習(xí)效應(yīng)扭轉(zhuǎn)了產(chǎn)出增長率遞減的傾向,導(dǎo)致產(chǎn)出增長率在短期中遞增,但在長期中仍收斂至穩(wěn)態(tài)水平。本研究對不同情形下產(chǎn)出增長率的時間序列數(shù)據(jù)進(jìn)行差分一期處理,得到人工智能自學(xué)習(xí)效應(yīng)對產(chǎn)出增長率的邊際影響(見表1)。表1第2列中的數(shù)值小于0,第3~5列中的數(shù)值大于0,并且第2~5列中的數(shù)值最后都收斂至0。這說明,當(dāng)模型經(jīng)濟(jì)中不存在人工智能自學(xué)習(xí)效應(yīng)時,經(jīng)濟(jì)增長率邊際遞減,最后趨于穩(wěn)態(tài)水平;當(dāng)模型經(jīng)濟(jì)中存在人工智能自學(xué)習(xí)效應(yīng)時,產(chǎn)出增長率先邊際遞增,在一定時期后再邊際遞減,最后趨于穩(wěn)態(tài)水平。在長期中,存在人工智能自學(xué)習(xí)效應(yīng)時的產(chǎn)出增長率穩(wěn)態(tài)水平,高于不存在人工智能自學(xué)習(xí)效應(yīng)時的產(chǎn)出增長率穩(wěn)態(tài)水平。上述結(jié)果表明,人工智能自學(xué)習(xí)效應(yīng)在短期中具有將經(jīng)濟(jì)增長率遞減趨勢扭轉(zhuǎn)為遞增的作用,在長期中具有提高經(jīng)濟(jì)增長率穩(wěn)態(tài)水平的作用。
表1 人工智能自學(xué)習(xí)效應(yīng)對產(chǎn)出增長率的邊際影響
人工智能是引領(lǐng)新一輪科技革命和產(chǎn)業(yè)變革的戰(zhàn)略性技術(shù),人工智能的發(fā)展對社會經(jīng)濟(jì)增長勢必產(chǎn)生重要影響?;诖?學(xué)者們基于經(jīng)濟(jì)增長理論,從自動化、要素擴(kuò)展、新型生產(chǎn)要素等方面探究了人工智能影響經(jīng)濟(jì)增長路徑的理論機(jī)制。與已有研究不同,本研究則從技術(shù)解構(gòu)視角探究人工智能影響經(jīng)濟(jì)增長的理論機(jī)制。這一方面豐富了人工智能影響經(jīng)濟(jì)增長的理論研究,另一方面也為從經(jīng)濟(jì)理論上把握人工智能的技術(shù)特征及其對經(jīng)濟(jì)增長的影響機(jī)理提供了框架參考。
本研究主要結(jié)論有:①模型經(jīng)濟(jì)長期內(nèi)會收斂到一條非平衡的穩(wěn)態(tài)增長路徑,其中數(shù)據(jù)要素和資本要素的穩(wěn)態(tài)增長率高于消費(fèi)和產(chǎn)出的穩(wěn)態(tài)增長率,且模型的這種內(nèi)生增長源于數(shù)據(jù)要素通過人工智能應(yīng)用對資本要素形成的替代性;②算力要素、數(shù)據(jù)收入份額、數(shù)據(jù)生產(chǎn)效率,以及算法勞動增長率對產(chǎn)出增長率有正向影響;③隨著時間的演進(jìn),模型經(jīng)濟(jì)中數(shù)據(jù)要素占比逐漸提高,資本要素占比逐漸降低,最終達(dá)到數(shù)據(jù)要素占比和資本要素占比都為常數(shù)的穩(wěn)定狀態(tài);④當(dāng)在模型中考慮人工智能自學(xué)習(xí)效應(yīng)時,人工智能自學(xué)習(xí)效應(yīng)能夠在短期中扭轉(zhuǎn)產(chǎn)出增長率遞減的趨勢,促使產(chǎn)出增長率在短期內(nèi)遞增,并且在長期中提高產(chǎn)出增長率的穩(wěn)態(tài)水平。
本研究為中國經(jīng)濟(jì)進(jìn)入新時代后政府推動人工智能技術(shù)發(fā)展,及其與經(jīng)濟(jì)社會深度融合應(yīng)用提供了理論依據(jù),并為如何應(yīng)對未來中國經(jīng)濟(jì)增長動能轉(zhuǎn)換挑戰(zhàn)提供以下政策啟示:①數(shù)據(jù)、算法和算力是推動人工智能技術(shù)發(fā)展及其應(yīng)用的基礎(chǔ),而數(shù)據(jù)要素的積累則是人工智能技術(shù)應(yīng)用推動經(jīng)濟(jì)持續(xù)增長中的關(guān)鍵。因此,政府在推動人工智能技術(shù)的發(fā)展的同時,要注意推動大數(shù)據(jù)產(chǎn)業(yè)、云計算產(chǎn)業(yè)和算法人才培養(yǎng)協(xié)同發(fā)展。②人工智能技術(shù)在社會經(jīng)濟(jì)各產(chǎn)業(yè)深度融合應(yīng)用,是驅(qū)動中國經(jīng)濟(jì)發(fā)展方式轉(zhuǎn)變和增長動能轉(zhuǎn)換的前提。因此,政府要推動人工智能技術(shù)與各行業(yè)融合創(chuàng)新,以培育發(fā)展智能制造、智能農(nóng)業(yè)、智能物流、智能金融等新業(yè)態(tài)新模式,全面提升產(chǎn)業(yè)發(fā)展智能化水平。
當(dāng)前對人工智能的經(jīng)濟(jì)建模還處于初步階段,其在理論層面的研究還存在巨大的發(fā)展空間。人工智能在經(jīng)濟(jì)上的含義不應(yīng)該被視為黑箱,其獨有的技術(shù)特征應(yīng)該被納入經(jīng)濟(jì)理論模型,以便能夠更細(xì)致地把握人工智能對社會經(jīng)濟(jì)發(fā)展的影響機(jī)理。本研究基于這一想法,對人工智能的經(jīng)濟(jì)理論建模研究進(jìn)行了初步嘗試?;诒狙芯磕P涂蚣?未來還可以從以下幾個方面做深入擴(kuò)展研究: ①對于人工智能服務(wù)部門的生產(chǎn)函數(shù),未來可探究其他非線性形式,從而更細(xì)致地把握人工智能對經(jīng)濟(jì)增長的影響機(jī)理;②可將本研究的理論研究拓展至實證層面,結(jié)合參數(shù)估計和計量回歸等實證方法,將模型應(yīng)用于解釋中國現(xiàn)實經(jīng)濟(jì)的發(fā)展,并對中國未來經(jīng)濟(jì)發(fā)展做出預(yù)測;③可以考慮將數(shù)據(jù)要素等納入人工智能自學(xué)習(xí)效應(yīng)的演化函數(shù),從而內(nèi)生化人工智能的自學(xué)習(xí)效應(yīng)。