向通用人工智能过渡的情景分析

我们分析了在可能导致通用人工智能（AGI）的不同技术进步情景下，产出和工资如何表现。通用人工智能被定义为AI系统能够执行人类所能执行的所有任务的能力。我们假设人类工作可以分解为复杂度各异的原子化任务。技术进步使得越来越复杂的任务能够实现自动化。对工资的影响取决于自动化与资本积累之间的竞赛。如果任务复杂度的分布呈现出足够厚的无限尾部，那么人类始终有足够的工作，工资可能永远上涨。相比之下，如果人类能够执行的任务复杂度存在上限，并且实现了完全自动化，那么工资将崩溃。但即使在此之前，如果大规模自动化的速度超过资本积累并使劳动力变得过于充裕，工资也可能下降。自动化的生产率增长可能导致所有要素回报的广泛增长。相比之下，来自不可复制的稀缺要素的增长瓶颈可能加剧工资的下降。