自IBM深蓝超级计算机战胜国际象棋冠军加里卡斯帕罗夫—这一标志着人工智能技术发展的历史性时刻到来已经有21年了。从那时起，人工智能就逐渐进入了人们的日常生活，如手机，汽车，冰箱和电视机。但世界经济似乎没有显示出人工智能的作用。在发达经济体中，现在的生产率增长速度比过去五十年的任何时候都要慢。与此同时，国民生产总值和生活水平多年来也一直相对停滞不前。
这样的情况不由得让人心生疑惑。技术创新往往伴随着生产力提高，同时又会带来了经济增长和社会福祉的飞跃。例如，20世纪电力在美国普及，劳动生产率开始以每年4％的速度增长，这几乎是之前的四倍。
关于今天的生产力难题，有两种思想流派。一方面是技术悲观主义者，如西北大学教授Robert Gordon，他认为人工智能技术是问题所在。从1870年到1970年总共有6项创新推动经济增长分别为电力，城市环境卫生，化学品，制药，内燃机和现代通信技术，这些比人工智能像是Siri，Alexa更具变革型。
另一方面，技术乐观主义者反驳说，今天的云计算，大数据和“物联网”是人工智能革命的核心，它们的好处已经被世界各地的公司和消费者所享受。英国经济学家Jonathan Haskel和Stian Westlake等学者认为，问题在于国民会计统计数据根本无法捕捉到这些利益。国内生产总值的概念最初出现在20世纪30年代，用于衡量用于生产有形商品的经济体。相比之下，无形商品和服务日益成为当今经济的主导。如果GDP可以反应当地无形经济，那么当地生产力增长看起来会好很多。
两种理论都有一些道理，诚然，电力改变了工作和家庭生活的结构，Google Home却没有。同样正确的是，国内生产总值不包括谷歌，脸书和苹果等免费在线服务，这些服务大大促进了消费者的福祉。但是，生产力之谜可能会有第三种更直接的解决方案。即使是第三种解决方案存在，我们也必须承认，最新的人工智能革命还没有开始。
实际上，经济学家Erik Brynjolfsson，Daniel Rock和Chad Syverson在美国国家经济研究局的一份工作文件中表示，企业需要花费大量时间来充分利用新技术，特别是通用技术。实际上，只有在新技术的量存充足，有形和无形的互补创新开始之后，技术革命才会出现，这通常至少需要25年的时间。
经济学家Boyan Jovanovic和Peter Rousseau 在撰写的通用技术中写道，创新可以随着时间的推移而改进，并产生进一步创新。大量的创新刺激了自19世纪以来的经济革命，蒸汽机在19世纪90年代到20世纪20年代推动了第一波工业化浪潮；，电力为19世纪90年代到20世纪30年代的第二次浪潮提供动力，信息技术带来了第三个，它始于20世纪70年代，并随着2000年代互联网的爆炸而达到顶峰，从而为目前正在进行的第四次工业革命铺了道路。其关键驱动因素是人工智能，它使机器人更加智能化便于大数据分析，几乎可以定制任何产品控制复杂的工业流程。
由于通用技术可以应用在方方面面，因此它们的采用需要很长时间才能达到临界质量。例如，电力超过蒸汽需要二十多年的时间，并且近四十年才成为无可争议的发电来源。这是有道理的，为了利用电力，政府不得不投资全国范围的电网；企业家必须发明诸如灯泡，电缆和开关等硬件；官僚们必须就电流电压和电源形态达成一致；最终，企业必须创造与新能源兼容的可销售产品。
现代信息和通信技术也采用了类似的过程。这种设备花了大约20年时间才超过所有资本存量的1％。然后，在1991年至2001年之间，该份额上升至5％，在2008年再次上升至8％，并大致稳定下来。同样，人工智能革命的第一次现代推动发生在2011年，当时IBM Watson计算机系统在Jeopardy上赢得了100万美元。五年之后，谷歌DeepMind团队开发的AlphaGo计算机系统以4：1击败了下世界上最伟大的围棋选手之一李世石。从那时起，皮肤癌和语音识别也有了重大突破，但大多与人工智能相关的活动仍然是科技巨头或高度专业化快速成长的初创企业特权。
Jovanovic和Rousseau记录了生产力统计中的匹配模式。在电力和IT的历史案例中，新的通用技术爆发后的前25年，生产率增长仍然低迷。接下来是长达十年的加速期，其间增长率跃升至4％左右，然后再次减速至约1％。生产率增长的滞后并不令人惊讶。通用技术的真正潜力需要时间才能变得清晰，此后公司需要更多的时间来决定如何相应地调整生产过程。
因此当前世界同时处于人工智能的繁荣期和生产力增长的萧条期，这一点也不足为奇了。好消息是人工智能相关的商业活动正在加速，目前在美国发展人工智能系统的公司是2000年的14倍。同样工业机器人也比以往更加普遍，从2003年到2010年，全球工业机器人的数量大致停滞不前。该数字在2010年至2014年间几乎翻了一番。到2020年，机器人库存预计将比2014年增加近三倍。
（免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。 ）
