人工智能的自学习能力、就业冲击与法定工作时间OACHSSCD

近年来,自动化、工业机器人和人工智能对就业的影响受到国内外学术界的高度关注,然而现有研究往往将三者混为一谈。本文在深入比较人工智能与前三次工业革命的技术特征之后认为,人工智能的自学习能力使其与传统的自动化、工业机器人存在本质区别。据此,本文将自学习能力引入阿西莫格鲁和雷斯特雷波(Acemoglu&Restrepo)的任务模型,从理论上重新考察人工智能对就业的影响。结果显示,考虑自学习能力后,人工智能对就业影响的理论预期比不考虑该能力时更加严峻,失业和收入极化问题可能有所加剧,资本与劳动者的关系将面临新的挑战。进一步,本文首次提出通过有计划地缩短法定工作时间来缓解人工智能对就业冲击的应对策略,并从理论上论证了该策略在兼顾效率与公平上的优势。