人工智能時代的承諾與挑戰(zhàn)

2018年10月，麥肯錫發(fā)布報告《The promise and challenge of the age of artificial intelligence》（人工智能時代的承諾與挑戰(zhàn)）。本報告匯集了麥肯錫全球研究院對人工智能（AI）技術(shù)及其用途、局限性和影響的各種研究結(jié)果。報告總結(jié)了面對人工智能，政策制定者和商業(yè)領(lǐng)袖需要解決的一系列問題，以緩和過渡過程中伴隨其采用可能帶來的破壞性。

摘要

報告中指出，人工智能的時代可能終于來臨，但需要更多的改進，通過提高生產(chǎn)力和創(chuàng)新，企業(yè)和各經(jīng)濟體才能從人工智能中受益。人工智能和自動化將對工作產(chǎn)生深遠的影響，在帶來社會效益的同時帶來挑戰(zhàn)，包括意外后果、濫用、算法偏見以及有關(guān)數(shù)據(jù)隱私問題等。應(yīng)該鼓勵企業(yè)領(lǐng)導者和政策制定者接受并采用人工智能。

與此同時，采用AI帶來的潛在挑戰(zhàn)，包括勞動力影響和其他社會問題也不容忽視。要實現(xiàn)AI良好結(jié)果需要注意三個方面的優(yōu)先事項：

1. 積極應(yīng)對AI部署的挑戰(zhàn)；

2. 解決對未來工作的挑戰(zhàn)；

3. AI為善和AI的責任挑戰(zhàn)。

人工智能（AI）在在過去的60年的發(fā)展中不斷地經(jīng)歷了“發(fā)展浪潮”和“寒冬”，AI的時代可能終于到來了。AI目前支持的應(yīng)用遍及我們的日常生活，有面部識別、語言翻譯、以及Siri和Alexa等智能助手。隨著這些消費者應(yīng)用程序的出現(xiàn)，越來越多的企業(yè)開始應(yīng)用AI。AI的應(yīng)用科研促進生產(chǎn)力的增長和創(chuàng)新，為企業(yè)和經(jīng)濟帶來可觀的利益。同時也對工作產(chǎn)生了深遠的影響，對技能要求較少的職業(yè)需求量將下降，而其他職業(yè)的需求則會較少并隨著技術(shù)的發(fā)展而變化。

本報告將麥肯錫全球研究所的各種研究結(jié)果總結(jié)為人工智能技術(shù)及其用途、局限性和影響，報告總結(jié)了政策制定者和企業(yè)需要解決的一系列問題，以緩和可能伴隨產(chǎn)生的破壞性轉(zhuǎn)型。

報告包括以下幾個部分:

1

AI時代可能已經(jīng)來到，但仍需更多努力

AI’s time may have finally come, but more progress is needed

人工智能經(jīng)過60余年的發(fā)展，仍沒有完成許多預(yù)期的功能，比如如何準確地描述人類智能。近年來機器學習算法已經(jīng)取得了很大的進展，尤其是基于神經(jīng)網(wǎng)絡(luò)的深度學習和強化學習技術(shù)的發(fā)展。

盡管人工智能技術(shù)取得了巨大的進展，但仍有許多需要解決的難題。到目前為止，大多數(shù)進展都發(fā)生在所謂的“狹義AI（narrow AI）”領(lǐng)域，即開發(fā)機器學習技術(shù)來解決特定問題，例如自然語言處理中的問題。更難的問題被稱為“通用智能（artificial general intelligence）”，其中的挑戰(zhàn)是如何開發(fā)出與人類相同的方式來解決一般問題的人工智能。許多研究人員認為距離通用智能的實現(xiàn)還需要幾十年。

深度學習和機器學習技術(shù)正驅(qū)動AI的發(fā)展

許多AI領(lǐng)域的進展都是基于人工神經(jīng)網(wǎng)絡(luò)的深度學習領(lǐng)域的進展。這些AI系統(tǒng)松散地模擬了大腦中神經(jīng)元相互作用的方式。

機器學習有：有監(jiān)督學習、無監(jiān)督學習和強化學習。當前許多AI應(yīng)用的實例都是有監(jiān)督學習的應(yīng)用。在有監(jiān)督學習中，一般使用有標記數(shù)據(jù)和首選輸出變量，訓練的數(shù)據(jù)用于幫助系統(tǒng)學習給定的輸入和輸出的關(guān)系，比如識別圖像中的物體或轉(zhuǎn)錄人類的演講。

無監(jiān)督學習是用沒有標記的訓練數(shù)據(jù)來在給定的數(shù)據(jù)中檢測出模式或聚類，比如檢測出具有相似建筑風格的建筑物。強化學習系統(tǒng)通過評分系統(tǒng)、接收反饋（虛擬的“獎勵”或“懲罰”）和反復試驗來訓練系統(tǒng)。

當前技術(shù)的局限以及新技術(shù)的出現(xiàn)

盡管新技術(shù)正不斷出現(xiàn)并解決人工智能應(yīng)用中一些現(xiàn)實中的挑戰(zhàn)，但人工智能仍然面臨許多實際的挑戰(zhàn)。機器學習需要大量的人力來標記監(jiān)督學習所必需的訓練數(shù)據(jù)。在自然使用過程中用于數(shù)據(jù)標記的流內(nèi)監(jiān)督（In-stream supervision）和其他技術(shù)可以幫助緩解這個問題。

用于訓練的數(shù)據(jù)集的量必須要足夠大，而且數(shù)據(jù)需要比較全面，而獲取這樣的數(shù)據(jù)集是非常有挑戰(zhàn)的，比如創(chuàng)建或獲得足夠的臨床試驗數(shù)據(jù)以更準確地預(yù)測醫(yī)療保健治療結(jié)果。

深度學習技術(shù)的“黑盒”復雜性帶來了另一個挑戰(zhàn)——“可解釋性”，或哪些因素影響了決策或預(yù)測的產(chǎn)生，以及如何影響。這在信任事項和預(yù)測具有社會影響的應(yīng)用中尤為重要，比如刑事司法應(yīng)用或金融借貸。包括當?shù)乜山忉尩哪Ｐ汀豢芍忉專↙IME）等一些新生方法的出現(xiàn)都是為了提高模型的透明度。

另一個挑戰(zhàn)是如何建立廣義的學習技術(shù)，因為人工智能技術(shù)在將經(jīng)驗從一種情況轉(zhuǎn)移到另一種情況時仍然存在困難。遷移學習（transfer learning），是指訓練AI模型以完成某項特定任務(wù)，然后快速將該模型應(yīng)用于類似的其他活動，是應(yīng)對這一挑戰(zhàn)的一種極具潛力的方法。

2

企業(yè)可以從AI中受益

Businesses stand to benefit from AI

人工智能在消費者應(yīng)用中越來越普遍，也有企業(yè)開始在其運營過程中采用AI技術(shù)，有時甚至會產(chǎn)生意外的結(jié)果。

人工智能可能跨越行業(yè)和職能部門

AI可用于改善企業(yè)的整體能力，包括預(yù)測性維護，比如深度學習能夠從音頻和圖像中分析大量高維數(shù)據(jù)，從而有效地檢測工廠裝配線或飛機引擎中的異常情況；在物流方面，AI可以優(yōu)化運送路徑，提高燃油效率并縮短交貨時間。從營銷到供應(yīng)鏈管理，在所有經(jīng)濟部門和多種業(yè)務(wù)功能中都可以找到AI的應(yīng)用。在許多AI用例中，深度學習技術(shù)主要是通過改進傳統(tǒng)分析技術(shù)來增加價值。

研究人員對19個行業(yè)和9個業(yè)務(wù)功能中的400多個用例進行了分析，發(fā)現(xiàn)AI在69％的潛在用例中改進了傳統(tǒng)分析技術(shù)，還有16％的人工智能用例中找到了AI的“greenfield”（綠燈區(qū)）解決方案，可以解決其他分析方法無效的情況。研究預(yù)計基于人工神經(jīng)網(wǎng)絡(luò)的深度學習技術(shù)到2030年可以提供所有分析技術(shù)總潛在價值的40％。此外，研究人員預(yù)估深度學習技術(shù)每年可以實現(xiàn)高達6萬億美元的價值。

截止目前，不同企業(yè)和行業(yè)的應(yīng)用是不平衡的

盡管許多組織已開始開始采用人工智能，但采用的速度和程度并不均衡。2018年，麥肯錫在一項關(guān)于人工智能采用的調(diào)查中，將近一半的受訪者表示，他們的公司在其業(yè)務(wù)流程中至少使用了一項人工智能技術(shù)，另有30％的企業(yè)正在試用人工智能。盡管如此，只有21％的受訪者表示他們的企業(yè)已將AI嵌入到業(yè)務(wù)的多個部分中，僅有3％的大型公司稱已將AI整合到其整個企業(yè)工作流程中。其他調(diào)查顯示，早期人工智能技術(shù)的采用者傾向于考慮更廣泛的使用這些技術(shù)，以增加市場份額，而經(jīng)驗較少的公司更傾向于降低成本。高度數(shù)字化的公司傾向于在人工智能方面投入更多資金，并從其使用中獲得更大的價值。

應(yīng)用存在挑戰(zhàn)

許多公司和部門在人工智能的采用方面是落后的。因此需要制定具有明確利益的人工智能戰(zhàn)略，尋找具有適當技能的人才，克服限制端到端部署的功能孤島（functional silos），以及領(lǐng)導者缺乏對AI的所有權(quán)和承諾，這也是最常被引用的障礙。

在戰(zhàn)略方面，企業(yè)需要開發(fā)企業(yè)范圍內(nèi)令人信服的人工智能機會的觀點，這可能會改變他們當前業(yè)務(wù)流程的一部分。企業(yè)需要強大的數(shù)據(jù)捕獲和治理流程的功能，并要能夠構(gòu)建或訪問必要的基礎(chǔ)設(shè)施。更具挑戰(zhàn)性的是克服“最后一公里”問題，即確保人工智能提供的卓越見解能夠融入到企業(yè)的人員和流程中。

在人才方面，深層神經(jīng)網(wǎng)絡(luò)的大部分構(gòu)建和優(yōu)化仍然是一門需要真正專業(yè)知識的藝術(shù)。但對這些技能的需求遠遠供不應(yīng)求，預(yù)計只有不到1萬人擁有解決嚴重AI問題所需的技能，而且競爭也非常激烈。選擇建立自己的人工智能解決方案的公司需要考慮其是否有能力吸引和留住具有相應(yīng)專業(yè)技能的員工。

3

通過提高生產(chǎn)力和創(chuàng)新，經(jīng)濟體也可以從人工智能中受益

Economies also stand to benefit from AI, through increased productivity and innovation

人工智能和自動化技術(shù)的部署可以為提升全球經(jīng)濟和促進全球繁榮做出很大貢獻。在老齡化和出生率不斷下降的時期，生產(chǎn)率增長對長期的經(jīng)濟增長來說尤其重要。 近年來，發(fā)達經(jīng)濟體的生產(chǎn)率增長也一直比較低迷，與以前的通用技術(shù)相似，AI可以為提高生產(chǎn)力做出貢獻。

人工智能可以通過各種渠道促進經(jīng)濟

人工智能最大的經(jīng)濟影響可能是通過勞動力市場效應(yīng)來提高生產(chǎn)率，包括替代、增加和對勞動生產(chǎn)率的貢獻。

研究表明，勞動力替代可能不到總收益的一半。人工智能可以增強人的綜合能力，釋放工人從事更高效和更高價值的任務(wù)，并增加對與AI技術(shù)相關(guān)的工作的需求。

人工智能還可以促進創(chuàng)新，使企業(yè)能夠通過現(xiàn)有產(chǎn)品更有效地到達服務(wù)欠缺的市場來創(chuàng)造全新的產(chǎn)品和服務(wù)。人工智能還將創(chuàng)造積極的外部效應(yīng)，促進更有效的跨境貿(mào)易，并擴大對有價值的跨境數(shù)據(jù)流的使用。經(jīng)濟活動和收入的增加可以再投資于經(jīng)濟，有助于未來進一步的增長。

人工智能的部署也會帶來一些負面效應(yīng)，這些外部因素可能會降低積極的經(jīng)濟影響，但不會抵消。在經(jīng)濟方面，負面效應(yīng)包括競爭的加劇，將市場份額從非采用者轉(zhuǎn)移為領(lǐng)先者，與管理勞動力市場轉(zhuǎn)型相關(guān)的成本，以及失業(yè)期間公民的潛在消費損失，以及部署AI系統(tǒng)的過渡和實施成本。

不同國家的AI準備度不同

研究表明，創(chuàng)新和獲得必要的人力資本技能的能力將是最重要的促成因素，而AI的競爭力可能是影響未來GDP增長的重要因素。

引領(lǐng)人工智能競爭的國家具有獨特的優(yōu)勢，以區(qū)別其他國家。規(guī)模效應(yīng)可以實現(xiàn)更大的投資，網(wǎng)絡(luò)效應(yīng)可以使這些經(jīng)濟體能夠吸引更多人工智能所需的人才。目前，中國和美國是大多數(shù)與人工智能相關(guān)的研究活動和投資的引領(lǐng)者。

第二梯隊國家包括德國、日本、加拿大和英國，這些國家都具有推動大規(guī)模創(chuàng)新的歷史，并可能幫助加速人工智能解決方案的商業(yè)化。比利時、新加坡、韓國和瑞典等規(guī)模較小的全球連通經(jīng)濟體在培養(yǎng)新型商業(yè)模式蓬勃發(fā)展的生產(chǎn)環(huán)境方面也取得了很好的成績。

第三梯隊國家包括巴西、印度、意大利和馬來西亞等，這些國家雖然處于相對較弱的起始位置，但在特定領(lǐng)域具有相對優(yōu)勢。以印度為例，每年有大約170萬名畢業(yè)生獲得STEM學位，超過所有G7國家的STEM畢業(yè)生總數(shù)。

其他國家的數(shù)字基礎(chǔ)設(shè)施、創(chuàng)新和投資能力相對不發(fā)達，數(shù)字技能相對落后，落后于第一二三梯隊國家。

4

人工智能和自動化將對工作產(chǎn)生深遠的影響

AI and automation will have a profound impact on work

即使人工智能和自動化為企業(yè)和經(jīng)濟帶來了很大的利益，但預(yù)期會對工作造成重大干擾性的影響。

大約有一半的工作活動（不是工作）是技術(shù)上可自動化的

通過對“自動化和人工智能對工作的影響”的分析表明，一些類別的活動在技術(shù)上比其他活動更易自動化。其中包括高度可預(yù)測和結(jié)構(gòu)化環(huán)境中的物理活動以及數(shù)據(jù)收集和數(shù)據(jù)處理等，這類工作大約占據(jù)了所有部門開展的日常工作的總數(shù)的一半。

最不易受影響的種類包括管理他人、提供專業(yè)知識以及與利益相關(guān)者交互的工作。高度自動化活動的密度與國家、部門、職業(yè)都有關(guān)系。研究發(fā)現(xiàn)，60％的職業(yè)中有約30％的活動是可以自動化的，只有約5％的職業(yè)中幾乎所有活動都是可以自動化的。換句話說，更多的職業(yè)將部分自動化而不是全部自動化。

對工作的三個影響：失業(yè)，就業(yè)增加，改變就業(yè)機會

采用自動化并影響實際工作的速度和程度將取決于技術(shù)可行性之外的若干因素，包括部署和采用的成本，以及包括勞動力供應(yīng)數(shù)量、質(zhì)量和相關(guān)工資在內(nèi)的勞動力市場動態(tài)。勞動力因素是導致發(fā)達經(jīng)濟體和發(fā)展中經(jīng)濟差別的主要因素。

鑒于所有這些因素的相互作用，很難做出預(yù)測但可以開發(fā)出不同的情景。

首先是失業(yè)問題。2016年至2030年的中點應(yīng)用場景（midpoint adoption scenario）表明，約有15％的全球勞動力（4億工人）可以通過自動化取代。

第二是獲得的就業(yè)機會。我們根據(jù)預(yù)期的生產(chǎn)率增長和考慮工作需求的幾個驅(qū)動因素，制定了2030年的勞動力需求情景。這些驅(qū)動因素包括收入增加（尤其是新興經(jīng)濟體的收入增長），以及人口老齡化、基礎(chǔ)設(shè)施和建筑投資、能源轉(zhuǎn)型支出以及技術(shù)開發(fā)和部署支出增加的醫(yī)療支出。

通過這些因素和其他催化劑獲得的就業(yè)崗位數(shù)量大約在5.55億至8.9億之間，約占全球勞動力的21％至33％。也就是說，除極端情況外，工作需求的增長將抵消自動化失去的工作崗位的數(shù)量。然而，在許多擁有年輕人口的新興經(jīng)濟體中，為進入勞動力市場的工人提供就業(yè)機會已經(jīng)極具挑戰(zhàn)性在發(fā)達經(jīng)濟體中，失去的工作與創(chuàng)造的工作之間的大致平衡也是老齡化的結(jié)果，因此進入勞動力市場的人數(shù)減少了。

隨著機器越來越多地進入工作場所，人類的工作崗位也會發(fā)生變化。由于前面提到的自動化，我們的工作也會發(fā)生變化，受到變化影響的工作比造成的失業(yè)更多。

勞動力轉(zhuǎn)型非常重要

即使在2030年人們有足夠的工作，但伴隨自動化和人工智能應(yīng)用帶來的工作轉(zhuǎn)變也是非常重要的。

首先，數(shù)百萬工人可能需要改變職業(yè)。其中一些改變將發(fā)生在公司和部門內(nèi)部，但大多數(shù)的變化將發(fā)生在部門甚至地區(qū)間。雖然在高度結(jié)構(gòu)化的環(huán)境和數(shù)據(jù)處理中的物理活動相關(guān)的職業(yè)將會減少，但其他難以自動化的相關(guān)職業(yè)數(shù)量將會增長。這些職業(yè)包括經(jīng)理、教師、護士、技術(shù)和其他專業(yè)人士，以及在特殊環(huán)境中工作的工人。這些變化可能并不順暢，可能導致失業(yè)率的上升。

其次，工人在未來的工作中需要掌握不同的技能才能生存。對溝通和同理心等社交和情感技能的需求也會同時增長。自動化也將促進更高認知技能的需求，特別是批判性思維、創(chuàng)造力和復雜信息處理能力；反之，對物理性和手工技能的需求將下降，但在許多國家，這些物理性和手工技能仍將是2030年需求最大的一類勞動力技能。技能轉(zhuǎn)變的步伐一直在不斷加速，這可能會導致對某些技能的過度需求和對其他技能的過度供應(yīng)，造成一種供需不平衡的現(xiàn)象。

第三，隨著越來越多的機器與人一起工作，工作場所和工作流程也會發(fā)生變化。例如，隨著商店引入自助結(jié)賬機器，收銀員將從掃描商品的工作流程轉(zhuǎn)移到為顧客回答問題或?qū)C器故障排除。

最后，自動化可能會對發(fā)達經(jīng)濟體的平均工資帶來一定的壓力。目前發(fā)達經(jīng)濟體的許多中等工資崗位都是可以高度自動化的活動，其次是制造業(yè)和會計等領(lǐng)域。高薪工作崗位將大幅增加，特別是對于高技能醫(yī)療和技術(shù)或其他專業(yè)人員。然而預(yù)期創(chuàng)造的大部分工作崗位通常工資結(jié)構(gòu)都比較低，比如教師和護理助理。

鑒于現(xiàn)有技能短缺和教育體系受到挑戰(zhàn)，以及在職培訓和工人過渡支持支出下降的趨勢，許多經(jīng)濟體（尤其是經(jīng)合組織國家）在解決這些轉(zhuǎn)變的過程中，都陷入了困境。還有許多經(jīng)濟體正在經(jīng)歷收入不平等和工資兩極分化的問題。

5

人工智能還將帶來社會效益和挑戰(zhàn)

AI will also bring both societal benefits and challenges

除了經(jīng)濟利益和挑戰(zhàn)外，人工智能還將以積極的方式影響社會，因為人工智能有助于解決從健康和營養(yǎng)到平等和包容在內(nèi)的社會挑戰(zhàn)。但人工智能也會引入濫用等需要解決的新問題。

人工智能可以幫助解決一些社會最緊迫的挑戰(zhàn)

通過將常規(guī)工作、不安全的活動以及人類容易出現(xiàn)人為錯誤的活動自動化，人工智能可以提高人們的工作效率，使人們的生活和工作更加安全和高效。一項針對美國的研究預(yù)測，用更精確的自動駕駛汽車取代人類駕駛員可以減少事故發(fā)生率，每年挽救數(shù)以千計的人類生命。

人工智能可以減少人類在海上石油鉆井平臺和煤礦等不安全環(huán)境中工作的需求。DARPA就正在測試可以部署在災(zāi)區(qū)的小型機器人，以減少人類可能受到的傷害。還有一些相關(guān)的AI功能。比如對手機拍攝的皮膚照片進行圖像識別和分類可以評估痣是否是癌癥，以促進疾病的早期診斷，緩解皮膚科醫(yī)生診療病人數(shù)有限的問題。物體檢測可以通過識別汽車和燈柱等障礙物，幫助視障人士導航和與環(huán)境互動。利用自然語言處理監(jiān)測和分析短信可用于跟蹤疾病爆發(fā)。

AI需要解決包括意外后果、濫用、算法偏見以及數(shù)據(jù)隱私問題在內(nèi)的社會問題

從經(jīng)濟角度來看，需要解決個人、企業(yè)、部門甚至國家之間日益擴大的經(jīng)濟差距的難題，這些差距可能會成為部署的意外后果。其他受關(guān)注的領(lǐng)域包括人工智能的使用和濫用。范圍包括從監(jiān)視和軍事應(yīng)用的使用到社交媒體和政治中的使用，以及具有社會效應(yīng)的領(lǐng)域，例如刑事司法系統(tǒng)。我們還必須考慮人工智能技術(shù)被惡意濫用的潛在可能性，比如在網(wǎng)絡(luò)安全領(lǐng)域。

算法以及用于訓練算法的數(shù)據(jù)可能會引入新的偏見，或使現(xiàn)有的社會和程序偏見長期存在并制度化。例如，開發(fā)者利用有限的面部群體樣本訓練的面部識別模型可能無法應(yīng)用于更廣泛的人群。

數(shù)據(jù)隱私和個人信息的使用也是AI發(fā)展必須要解決的關(guān)鍵問題。歐洲通過“通用數(shù)據(jù)保護條例”在這一領(lǐng)域處于領(lǐng)先地位，該條例對數(shù)據(jù)收集提出了更嚴格的同意要求，為用戶提供了被遺忘權(quán)和反對的權(quán)利，并加強了對收集、控制和處理的組織的監(jiān)督，并對未遵守規(guī)定的企業(yè)處以罰款。網(wǎng)絡(luò)安全和深度偽造技術(shù)可能會被用于操縱選舉結(jié)果或進行大規(guī)模欺詐活動，也是亟需解決的問題。

6

需要優(yōu)先考慮的三件事

Three priorities for achieving good outcomes

人工智能對企業(yè)和經(jīng)濟的潛在好處以及技術(shù)應(yīng)對某些社會挑戰(zhàn)的方式，應(yīng)鼓勵企業(yè)領(lǐng)導者和政策制定者接受并應(yīng)用人工智能技術(shù)。與此同時，人工智能技術(shù)的潛在挑戰(zhàn)也不容忽視，包括勞動力影響和其他社會問題。亟需解決的主要挑戰(zhàn)包括：

應(yīng)用挑戰(zhàn)

考慮到人工智能帶來的商業(yè)價值，以及對經(jīng)濟增長和社會利益的潛在好處，我們有興趣擁抱人工智能。企業(yè)和國家有強烈的意愿追隨美國和中國等全球領(lǐng)導者的步伐。人工智能應(yīng)用的增加和廣泛部署需要技術(shù)進步作為基礎(chǔ)，并確保所有潛在用戶都可以從AI中受益?？赡苄枰拇胧┌ǎ?/p>

1.進一步投資并繼續(xù)推進人工智能研究和創(chuàng)新，確保所有人都能分享AI紅利。

2.擴大可用數(shù)據(jù)集的范圍，尤其是在其對經(jīng)濟和社會帶來更廣泛利益的領(lǐng)域。

3.投資人工智能相關(guān)的人力資本和基礎(chǔ)設(shè)施，以擴大能夠創(chuàng)建和執(zhí)行人工智能解決方案的人才基礎(chǔ)，以跟上全球人工智能領(lǐng)導者的步伐。

4.鼓勵企業(yè)領(lǐng)導者和政策制定者提高對AI技術(shù)的認識，以指導其決策。

5.支持現(xiàn)有的為組織和國家的最終AI部署奠定基礎(chǔ)的數(shù)字化工作。

未來的就業(yè)挑戰(zhàn)

從解決自動化帶來的潛在破壞性影響出發(fā)，就是要確保經(jīng)濟和生產(chǎn)力的增長，這也是就業(yè)增長和日益繁榮的先決條件。政府還需要培養(yǎng)商業(yè)活力，因為創(chuàng)業(yè)和更快速的新業(yè)務(wù)的形成不僅可以提高生產(chǎn)力，還可以推動創(chuàng)造就業(yè)機會。解決與技能、工作和工資相關(guān)的問題需要采取更具針對性的措施。包括：

1.通過關(guān)注STEM技能以及創(chuàng)造力、批判性思維和終身學習來不斷發(fā)展教育系統(tǒng)和變革學習場所。

2.鼓勵私人和公共部門對人力資本的投資，可以通過類似于研發(fā)投資的激勵和信貸來實現(xiàn)。

3.通過支持更好的資格認證和匹配以及支持各種形式的工作來改善勞動力市場活力。

4.重新思考收入問題，除了考慮金錢外，還要考慮工作的意義和尊嚴等因素。

5.借鑒世界各地的最佳做法和新方法，重新考慮受影響工人的過渡支持和安全網(wǎng)（safety net）。

AI的責任挑戰(zhàn)

如果公眾因人工智能侵犯隱私、存在偏見或被惡意使用而對人工智能失去信心，或?qū)⒉黄降鹊募觿w咎于人工智能，那么人工智能將不會履行其承諾。在解決濫用問題的同時應(yīng)該建立對其為善能力的信心。具體方法包括：

1.加強消費者、數(shù)據(jù)、隱私和安全保護。

2.建立一個共享的通用框架和一套有益和安全使用AI的原則。

3.共享最佳實踐和持續(xù)創(chuàng)新以解決安全性，偏見和可解釋性等問題。

4.在業(yè)務(wù)和國家競賽中取得適當平衡，以引領(lǐng)AI，確保人工智能的優(yōu)勢得到廣泛應(yīng)用和共享。