人工智能经济学

课程内容

• AI生产率效应

  AI有望显著提升全要素生产率，成为新的经济增长引擎。AI通过自动化、优化决策和创新推动生产率增长。生产率效应具有行业差异性，数据密集型行业受益更大。AI扩散需要时间，存在吸收能力和人才门槛。生产率提升可能带来收入分配效应，需要配套政策应对不平等。AI生产率效应的量化评估和预测是重要研究方向。

• 自动化与就业替代

  AI驱动的自动化可能替代部分工作岗位，引发结构性失业。常规性、重复性工作最容易被替代。就业替代程度取决于技术进步速度和成本。自动化同时也创造新职业，但需要技能转换。劳动力市场政策需要加强职业培训和再就业支持。AI时代的就业前景存在不确定性，需要前瞻性的政策设计。

• 技能偏向型技术进步

  技能偏向型技术进步（SBTC）理论认为技术进步偏向高技能劳动者，提高高技能劳动力的相对需求。AI可能加剧这种趋势，扩大技能溢价。技能需求变化要求教育体系相应调整，加强STEM和AI相关技能培养。技能重配是关键挑战，需要终身学习和灵活的教育体系。收入分配政策需考虑技能偏向型技术进步的影响。

• AI创新经济模型

  AI改变了创新范式，加速发现和发明过程。AI辅助研究降低创新成本，提高创新效率。开源AI促进创新扩散，但也带来商业化的挑战。创新竞赛和专利策略在AI时代需要重新思考。AI创新可能重构产业价值链和竞争格局。创新政策需要平衡开放与激励，构建健康的AI创新生态。

• 机器学习与经济预测

  机器学习技术显著提升经济预测的准确性和时效性。大数据和算法改进了宏观预测、市场预测和政策评估。机器学习可以处理非线性关系和高维数据，捕捉传统方法难以发现的模式。预测模型需要平衡精度和可解释性。AI预测可能改变市场行为，创造自我实现预言。预测工具的透明度和公平性是重要考量。