Scenarios for the Transition to AGI

我们分析了在不同技术进步的情况下产出和工资的变化，这些技术进步可能会导致人工智能系统达到“人工智能通用智能”的境界，即能够执行人类能够执行的所有任务。我们假设人类的工作可以分解为原子化的任务，这些任务在复杂性上不同。技术的进步使得越来越复杂的任务可以被自动化。工资的影响取决于自动化和资本积累之间的竞争。如果任务复杂性的分布呈现出足够厚的无限尾部，则总有足够的工作供人类从事，工资可能会永远上涨。相反，如果人类能够执行的任务复杂性是有限的，并且达到了完全自动化，那么工资将会下降。但是，即使在此之前，如果大规模自动化超过了资本积累，使得劳动力过剩，工资也可能会下降。自动化生产率的增长可能会导致所有要素的回报率普遍增加。相比之下，来自不可再生稀缺要素的增长瓶颈可能会加剧工资下降的趋势。

论文研究了在不同的技术进步场景下，人工智能的发展对于工资和劳动力市场的影响。

在技术进步和资本积累之间的竞争中，工资的变化取决于任务复杂度的分布。如果任务复杂度分布有足够厚的无限尾部，那么人类总是有足够的工作，工资可能会永远上涨。但是，如果人类可以执行的任务复杂度受到限制，会导致工资崩溃。

论文提出了在人工智能领域中的一种新的解决方案，即通过自动化生产率的增长来实现对所有要素回报的广泛收益。此外，论文还探讨了技术进步对于劳动力市场的影响，并提出了一些可能的解决方案。

近期在这个领域中的相关研究包括：《人工智能和经济增长：理论和实证分析》、《机器学习和劳动经济学》、《人工智能与经济》等。