本文摘要：[摘要]实现高质量和充分就业是国家治理体系和治理能力现代化的重要内容。人工智能为有效的劳动力市场治理带来了挑战，促使财富积累方向由资本转向知识，加快了劳动力外部化趋势，改变了工作的技能需求。这进一步造成社会发展不均衡、既有社会保障功能弱化和
[摘要]实现高质量和充分就业是国家治理体系和治理能力现代化的重要内容。人工智能为有效的劳动力市场治理带来了挑战，促使财富积累方向由资本转向知识，加快了劳动力外部化趋势，改变了工作的技能需求。这进一步造成社会发展不均衡、既有社会保障功能弱化和外部性风险加大。本文探讨了税收与转移支付、基本收入保障、积极劳动力市场政策、人力资本投资和再培训账户等政策工具组合的综合治理功能，并提出调整社会财富分配格局、增强劳动者对新技术的适应性、打造多方参与的劳动力市场社会治理格局和促进社区就业并重的政策建议，为增强劳动力市场综合治理能力奠定基础。
[关键词]人工智能;劳动力市场;综合治理;政策工具
一、引言
在我国经济由高速增长向高质量发展转型的新时期，更充分更高质量就业是积极老龄化的重要举措，也是国家治理体系和治理能力现代化的重要组成部分。2019年的政府工作报告首次将就业优先置于宏观政策层面。作为引领新一轮科技革命和产业变革的战略性技术，人工智能也给劳动力市场带来了就业风险。人工智能将知识作为重要的生产要素投入到财富创造过程当中，引致了知识偏向型的财富分配与要素组织方式，重塑了劳动力市场技能需求，替代并创造了工作岗位。人工智能的发展还带来了市场失灵与外部性问题，使得劳动者用来适应新技术的一般性成本被社会所承担。此外，区别于工业化技术与信息通讯技术，人工智能应用规模的增长是非线性的。过去10年期间，全国机器人数量增长了20倍，2017年全国机器人数量是2000年的364倍。
人工智能实现了计算化从服从到认知的转变，计算机得以通过机器学习创造新能力，快速、直接地复制与传播高价值的数字化产品应用于决策领域。伴随着人工智能技术在价值创造与劳动过程的深度渗透，其对劳动力市场的影响也越来越突然、剧烈和难以预测。[1]综上所述，由于人工智能技术轨迹具有高度不可预见性，实现劳动力市场上技术与人的均衡发展需要综合治理。治理要义为利益相关人长期合作与实现共赢的制度安排和实施过程。人工智能为投资者、经营者、劳动者以及教育改革、社会保障等多方利益相关人带来的风险造成了公共问题，需要政府作为公共代理人进行治理。技术冲击的高度不确定性也使得政策的制定者与研究者难以事先评估政策方案的成本、收益，使得技术的短期影响被高估、长期影响却被低估。[2]
因此，综合治理需要增加政府维度和使用政策工具组合，从经济、社会和政治多维度探索实现高质量劳动力市场综合治理。现有研究主要探讨人工智能对劳动力市场的经济影响，如人工智能的就业替代与岗位创造效应。[3]-[6]上述研究的逻辑起点均为人工智能的经济效应。那么，应当如何开展劳动力市场综合治理、选择哪些政策工具，在确保稳定就业的同时防范新技术带来的社会风险?
本文从一般均衡、局部均衡与微观岗位三个维度梳理人工智能对劳动力市场的影响，在此基础上讨论人工智时代劳动力市场综合治理的三大难题;继而探讨运用税收与转移支付、基本收入保障、积极劳动力市场政策、人力资本投资和再培训账户等一系列混合型政策工具组合，减少技术进步和创新的负面效果;最后提出增强劳动力市场综合治理能力的政策建议。
二、人工智能技术对劳动力市场的影响
(一)劳动力市场财富积累方向的改变：由资本转向知识
从一般均衡角度来看，人工智能技术与信息通信技术的兴起与快速发展促使劳动力市场财富积累方向由资本转向知识。第三次工业革命完成了财富由土地向资本的转变，而以人工智能为技术代表的新一轮科技革命则加快了知识集聚领域财富积累的速度，促使人类社会由工业社会向知识社会的转型。作为人工智能主要支撑基础的算法与数据在多个传统领域的应用能够优化生产流程，提高生产效率，结合消费者偏好为新产品和服务提供基础，已经成为经济增长中重要的生产要素;[7]同时劳动过程则变得非物质化与符号化。
最终的结果是知识的拥有者(如大科技公司)取代了传统的工业阶级，享受了新创造的价值，并掌握了分配这部分价值的权力，加剧了社会和经济分化。[8]技术引致的有偏型财富积累降低了全球劳动收入份额。[9][10]然而关于人工智能对发展中国家劳动收入份额的影响，现有研究的结论并不一致。一方面，受限于数据的可及性以及对自雇群体收入差异化的度量方式，准确测度劳动收入占国内生产总值的比例较为困难;[11]另一方面，由于知识创造的增加价值同时分配给了资本与劳动者，人工智能对劳动份额的影响取决于资本和劳动对该技术的替代弹性。[12]
在应用层面，人工智能作为一种要素扩展型技术，在不同产业部门呈现出差异化的应用方式和浸润程度，加速了自动化取代劳动力的过程，同时辅助劳动者进行技术升级，提升了劳动者在认知性与创造性工作中的劳动生产率。例如，人工智能自动训练计算程序实现在文档和邮件中搜索、标记等功能，优化了办公室工作流程，创造出更高效的数据分析与数据管理的工作岗位。
(二)劳动力市场的结构性变化：由内部转向外部
从局部均衡角度来看，人工智能塑造了一个动态的劳动力市场，增强了“劳动力外部化”的倾向。以大型、科层化的组织为代表的企业内部劳动力市场具有明确的劳动力定价分配体系、层级化的岗位阶梯和清晰的内部晋升机制，吸收了约80%的劳动力。20世纪90年代以来，人工智能技术的发展弱化了劳动者对组织的依附关系，减少了劳动力市场上的永久性工作岗位，扩大了外部劳动力市场规模。主要原因如下：首先，人工智能技术在多个行业提供了基于任务而非岗位的技术支持，使得企业能够选择多元化的雇佣模式。
例如，机器人流程自动化具备成本低、连续性好、灵活性高等特点，适用于白领工作;而基于语音识别、面部识别等技术的高端人工智能技术则被广泛应用于金融和互联网公司。在大多数行业当中，非标准劳动用工、劳务派遣、劳务外包等方式都变得更为常见。劳动力市场当中出现了由大量人力资源中介机构组成的松散网络;临时契约取代了永久的用工制度，成为企业集聚专长资源、规避用工限制、降低工资和福利开支的重要雇佣策略。[13]
其次，人工智能降低了外部劳动力市场的交易成本。人工智能技术为外部劳动力市场上的劳动力供需匹配、项目管理、人力资源管理提供了技术支撑。数字平台(如全球范围内的工作匹配平台)、翻译技术和视频分析系统降低了搜索成本、信息成本和监督成本;增强现实(AR)、虚拟现实(VR)在灵活工作场所的应用则进一步优化了远程工作流程。
最后，作为生产工具的人工智能技术同时具备智能化特性和规律性思考能力，将劳动者原有的部分专有性知识和技能从人力资产中剥离出来，降低了雇主对雇员的依赖度。从理性开放系统来看，这种人力资产专有性程度的系统性下降更有利于形成外部劳动力市场和多元化的社会职业结构。[14]在动态的劳动力市场中，机器学习和自动化算法在体力、重复性劳动以及专业化领域的广泛应用使得蓝领、白领、专业技术人员甚至高层管理人员获得可靠、永久的工作岗位的概率都下降了。[15]
(三)现有工作的重塑：工作性质的改变
就具体岗位而言，人工智能的多重属性从不同维度重塑了现有的工作岗位。处理多任务、复杂程序工作的人工智能自动化属性使得工作岗位更容易被替代。国际机器人联合会2017年的调查显示，2010-2030年之间，全球工业机器人库存数量将以14%的年均增长率增加;到2030年，全球工业机器人存量将达到1130万个，是2010年的近11倍。根据不同的测算结果，一个工业机器人将替代2-6.2个制造工人。[16][17]
此外，一些需要专业技能的岗位中的非创造性任务也部分地被智能化机器人所替代。由于感官知觉、数据收集与处理、结构化学习、模式识别、优化与预测等智能化应用在不同工作任务当中的需求弹性有所差异，人工智能自动化进一步造成了劳动力市场的岗位空心化，特别增加了中年、低技能与低学历的劳动者被替代的风险。[18][19]除岗位替代以外，人工智能具备的“技术平台”属性还将以岗位创造与人机合作的方式提高劳动生产率，并创造出新的就业机会。
[20][21]大量与数字技术相关的新岗位被创造出来;此外，具备认知属性的人工智能技术制造出的“半专业化”工作能够帮助专业人员进行技能升级，例如辅助教师开展定制化教学服务、帮助医师开展常规检查、病例筛查与病情诊断等。如果人工智能创造出的新岗位产生的社会价值大于其所替代的劳动力的社会价值，那么新技术的辅助将为劳动力市场带来正外部性。
三、人工智能时代劳动力市场的三个主要难题
(一)社会发展不均衡
人工智能时代劳动力市场面临的首要难题是社会发展的不均衡。知识资本的拥有者获取了价值上涨的部分，造成了资本与劳动之间、劳动力市场内部不同群体之间的不均等分配。如果劳动者对新技术的学习与适应速度相对于资本更慢，技术进步将拉大知识工人与低学历、低技能工人创造的价值差距，加剧收入分配不平等。过去几十年期间，城市低学历劳动者的工作技能大大降级，技术引致的工作技能需求变化使得城市劳动力市场出现了不成比例的两极分化。
[22]基于大数据的机器学习算法还记录并加强了训练数据当中的社会偏见，造成了数字红利分配的不均衡。[23]而数据分析本身又生成了数据，原始文本当中针对弱势劳动力群体的歧视性偏见被长期性地嵌入用于训练算法的数据当中，形成了内嵌式的长期歧视。例如，未经规范指导的机器学习算法可能加强劳动力市场上基于性别、种族和健康状况的刻板印象;[24]短期来看，与训练集相差最远的劳动力群体适应新技术的速度最慢。[25]这种少数群体与多数群体之间社会融入的差异性可能造成社会成员之间的信任缺失、脆弱群体的社会隔离与社会凝聚力的下降。
(二)社会保障功能弱化
随着劳动力外部化的加速，社会保障功能弱化是劳动力市场的第二个难题。[26]第一，相较于其他技术，人工智能在“理解”与“认知”方面存在着比较优势，更有可能替代传统的低竞争性服务业劳动者，促使服务行业的公司转向更加灵活的组织结构和用工安排，[27]需要创新企业分配制度和社会治理结构以适应这种情况;第二，各种临时项目以及非正式合作变得更为常见，稳定、长期、常规的工作变成非必需。
现行社会保障制度是围绕工业经济组织，为具有稳定工作的劳动者提供收入保障。在既有制度下，被智能化技术置换出的灵活就业人员缺乏谈判能力和体制保障;第三，社会保障偿付能力取决于劳动力市场上缴费者与领取者的比例。如果在一定时期内岗位创造速度低于岗位替代速度，由此形成的“净替代”将造成待遇领取者的增长率超过缴费者的增长率，社会保障财务可持续性将面临严峻挑战;随之以社会保障为主的社会保护底线将会被打破。[28]
(三)外部性风险加大“体面工作”具有正外部性。
在稳定的社会结构中，足够数量且高质量的体面工作创造的社会价值大于其经济价值。人工智能技术对工作性质的改变则为社会带来了外部性风险。在工业革命的大转型之后，自动化技术辅助机器工具快速、灵活地学习与适应新任务，部分地替代了工人的比较优势，迫使大量劳动力流向无法被自动化和机器制造所替代的互动性与认知性岗位，以服务业为主的大量新岗位被创造出来。在这些开放程度相对较低的新部门当中，地方保护主义使得劳动者无需高技能和教育水平也能够获得较为体面的工作和与工作相关的社会福利、培训和职业预期，并产生了大量稳定的社会阶层。
然而，随着经济增长对信息与数据依赖程度的增加，人工智能在服务性岗位当中的广泛应用促使服务业向开放部门转型。[29]短期内，岗位替代效应消灭了低技能、低教育水平劳动者所拥有的“好工作”;长期来看，人工智能应用创造的新岗位对劳动者提出了新的技能需求。结构性失业与适应性技能转型增加了劳动者的心理成本、健康问题与社交退缩;此外，基于机器学习的自主决策降低了劳动者的工作自主性。[30]劳动者失业与自主性的下降造成的负外部性则被全社会所承担了。在人工智能应用广泛、深入的领域，经济价值与社会价值的冲突带来的负外部性更为严重。[31]
四、人工智能时代的劳动力市场综合治理的政策工具
针对以上三个难题，在技术发展高度不确定的情势下，应当通过引入以下政策工具组合支持劳动力市场综合治理，对人工智能技术带来的潜在风险进行规制。
(一)税收与转移支付
税收与转移支付能够缓解人工智能技术引致的不均衡发展。该政策工具组合希望实现的一个模糊的政策目标是通过在高维度的政策空间采取混合性政策工具对各生产要素进行利润再分配来增强劳动力市场对变化的适应性。[32]在使用财政政策对技术进行规制时，需要考虑以下问题：是否应当调和人工智能技术发展与收入分配之间的矛盾?哪些政策工具组合有效，哪些无效?具体而言，可供选择的财政政策工具包括对收入、技术、知识等各种生产要素征税或补贴。
税收政策的有效性取决于政府是否能够对任意要素任意征税。例如，对知识征税能解决政府收入不足和分配难题，但需要数字劳工成立“数据工会”，更好地实现数据治理和对其收益的再分配。在可以对劳动收入征税的前提下，若政府对非劳动要素(新旧技术)均可以征税，则对旧技术而非新技术征税能够更为有效地调节不平等程度;若只能对新技术(如机器人)征税，那么最优税率取决于政府对各个利益群体的重视程度和需求的价格弹性。最优税率与新技术的需求弹性、新技术在生产成本中所占份额和新技术的生产效率成反比，与新技术对收入不平等的影响程度成正比。[33]与此同时，对生产要素的补贴应当促进对人力资本的投资，而非补贴物质资本投资。由于人工智能技术带来了社会总体福利的改善，财政政策无需加以规制;但政府应当设置必要的反垄断审查程序和必要的健康、安全法规，确保劳动力市场的和谐发展。
(二)基本收入保障
作为一种解决“机器人末日”难题的尝试，全民基本收入(UBI)是将部分国家财富从资本及知识持有者向所有劳动者转移、增强劳动力禀赋，以较高工资水平实现劳动力市场与资本市场一般均衡的制度安排。[34]从19世纪60年代起，已有十几个国家或地区开展过或正在开展各种形式的基本收入实验，如印度“中央邦”(2011-2012)、芬兰(2017-2019)、美国密西西比州(2019-2020)等。人工智能应用增加了劳动者非正规就业和短暂失业的概率，因此社会保障不仅要覆盖劳动力市场以外的低技能人群，还要覆盖劳动力市场以内的劳动者。[35]
一个理想的基本收入方案应当为劳动者(而非劳动)提供慷慨而适度的转移支付，构造更加全面的社会安全网络;同时为所有参与经济活动的人提供同等的、与是否正规部门或全职就业无关的保障机会和权力，在现实中，由于一个理想的全民基本收入方案的成本非常高昂，大多数基本收入实验方案均无法满足上述全部条件，各国通常对援助资格进行条件限制、设置短期资助时间或是降低支付水平。在发展中国家能否实施无条件的基本收入方案，转移支付应当以社会保险还是负所得税的方式提供，其政策预期结果如何?还有待于结合预算成本、国家能力与政治条件进行探讨。
(三)积极劳动力市场政策
积极劳动力市场政策(ALMPs)是缓解人工智能技术风险、减轻不平等与负外部性的另一项政策工具集。无论是以鼓励工作为核心的自由主义式激励政策，还是常见于北欧国家的普遍式激活政策，ALMPs的适应性应用能够增加劳动者的总福利：首先，不同的ALMPs政策工具直接或间接地降低了劳动力市场的不平等程度。例如，工作激励和就业援助解决了低技能劳动力过剩的问题;公共部门或社会组织为失业者提供的就业岗位或过渡性的短期课程从需求侧直接创造了就业;而向低技能劳动者提供的基础教育或职业培训增加了相关群体的雇佣概率、提高了劳动供给质量。[36]
其次，ALMPs增强了针对劳动力市场的社会保护。在促使劳动者进入劳动力市场的同时，为外部化的灵活用工人员提供了缓冲过渡机制;基于工作的税收优惠、与福利相挂钩的退休年龄等政策缓解了全球范围内社会保险制度普遍面临的人口风险，增强了社会保险基金的充足性和可持续性。最后，ALMPs能够有效地降低劳动力市场的负外部性。包括就业安置、工资补贴在内的就业援助项目缩短了失业持续时长，降低了失业成本;而由公共部门主导、购买或补贴的岗位与培训项目通过转移支付的方式弥补了结构性失业对劳动者带来的潜在损失。
人工智能技术的发展也为ALMPs的实施提供了技术支持。例如，机器翻译、机器学习、智能搜索等数字技术在电子政务和职业搜索与匹配平台的应用能够赋能就业援助政策，降低进入劳动力市场的障碍，提升职业匹配效率。由于ALMPs包含一组类型迥异的干预措施，对不同政策的有效性评估与组合使用是不可或缺的。为此，丹麦于20世纪90年代末开始逐步实施的包容而灵活的劳动力市场调整政策具有一定的借鉴意义。
(四)人力资本投资与再培训账户
人力资本投资是增强劳动力市场禀赋和劳动者适应性的中长期混合性政策工具。
第一，继续投资教育，提高全民教育水平。降低义务教育阶段的城乡、区域教育不平等;提升高等教育普及率，加强高校的自主性;促进高等教育与职业教育的整合，为社会流动提供更多的政策空间;利用数字技术提升教育质量，例如人工智能应用通过完善基于过程跟踪与反馈的多维度教育评估系统发展了定制化教育方法，线上教育降低了所有年龄和技能群体的教育成本、提高了教育的效率和可及性。
第二，建立以需求为导向的终身学习和再培训系统。为了适应新的技能需求，需要发展模块化的技能培训和多样化的技能获取途径。同时，动态劳动力市场治理需要政府设置明确的多方监督标准，更新适应市场发展的资格认证体系，鼓励公私合营，发展各利益相关方的协同治理机制，确保私营部门在课程设计、学习和实践培训过程当中的话语权。
第三，促进一般性知识与专业技能的平衡发展，为培劳动者长期发展所需的核心竞争力提供社会环境。一方面，人工智能时代的劳动者需要全方位劳动技能，应当在教育体系中加强对创造、合作、认知与社交能力等社会技能的一般性培训;另一方面，需要设计基于工作需求的技术培训项目，并将绩效与劳动力市场表现相挂钩，实现劳动者技能与职业结构的专业化升级。[37]
五、结语
在人工智能时代，需要结合技术发展与劳动力市场的动态变化，打出多项政策工具的“组合拳”，以完善和提升劳动力市场综合治理能力。近年来，我国实施了积极的就业政策和人才强国战略，先后出台《国家中长期人才发展规划纲要(2010-2020年)》、《国家中长期教育改革和发展规划纲要(2010-2020年)》、《关于深化人才发展体制机制改革的意见》等政策文件，旨在加强人力资本积累、激励与保障人才发展;[38]而《高等学校人工智能创新行动计划》、《高等职业教育创新发展行动计划(2015-2018年)》等行动计划则在教育与职业培训领域结合政府推动与引导社会力量参与，增强劳动者对市场需求的适应能力。
此外，我国社会保障进入体系建设阶段，提高养老保险统筹层次和医疗保障待遇，在一定程度上提升了劳动力抵御风险的能力。而我国现阶段出台的人工智能产业与创新政策目标是推动人工智能产业发展，尚未以是否能促进人力资本投资这一标准对新技术做出区分、也未制定相应的政策对人工智能的劳动力市场风险予以规制。概而言之，公共管理者尚未完全准备好应对技术对劳动力市场带来的风险。短期内，应当采取混合性政策工具对市场进行规制，平滑技术带来的劳动力市场波动，避免变化太过剧烈。长期来看，需要从技术、技能与市场等多方面开展综合治理。
首先，引入人工智能与调整社会财富分配格局并重。探索用区域性、行业性和岗位性财富分配制度保障劳动者获得数字技术与数据所创造价值的合理比例，并鼓励发展提高劳动者生产效率的人工智能，引导技术创造足够多的岗位，以抵消人工智能的岗位替代效应。其次，引入人工智能与提高劳动者适应性并重。实施能够增强劳动者灵活性和新技术适应性的培训、就业和社保制度。帮助劳动者掌握人工智能时代体面工作所需要的工作技能，并设计与之相适应的社会保障网络。不论技术的发展方向如何，未来的工作都是新技术与新的劳动密集型任务之间的竞争与合作。[39]教育与职业培训体系应根据技术对劳动力的需求，对一般性知识与专业化技能的教育方式做出相应调整。在教育体系当中加强对人工智能相关技术的培训、使劳动者能够更好地使用新技术;同时也侧重培养劳动者发展那些无法被人工智能替代的创造性、情感化技能和解决未知任务的能力。
再次，引入人工智能与劳动力市场社会治理并重。由政府、市场、用人单位、劳动者多元参与，打造共建共治共享的治理格局。就业优先的政策目标的实现需要将全部利益相关方视作一个整体的系统，加强产业、社会与工作场所的协作。政府购买市场的教育与培训服务，通过监督结果数据、明确问责标准以确保融资的效率与质量。
同时，将雇主与劳动者都纳入到决策过程中，强化多边信任关系，打造更加人性化的工作场所。最后，引入人工智能与促进社区就业并重。社区作为劳动者长期生活与工作的场所，不仅集聚了具有相似居住特性的居民的一般性知识和专业化知识，还拥有能够适应当地情境、长期嵌入当地文化和行为逻辑的局部知识。2020年初抗击新冠肺炎疫情工作显示，如果有几百万的社区公卫医师、全科医生和社区工作者，经过疫情防控专业培训并及时送达相关物资，一定能够大大提高疫情防控的力度和减少疫情损害。
[参考文献]
[1][8]BaldwinR.TheGloboticsUpheaval：Globalization，Robotics，andtheFutureofWork.Oxford：OxfordUniversityPress，2019.
[2][23]AgarwalPK.PublicAdministrationChallengesintheWorldofAIandBots.PublicAdministrationReview，2018，78(6)：917-921.
[3]AcemogluD，RestrepoP.ArtificialIntelligence，AutomationandWork.No.w24196.NationalBureauofEconomicResearch，2018a.
[4]AcemogluD，RestrepoP.Low-skillandHigh-skillAutomation.JournalofHumanCapital，2018b，12(2)：204-232.
[5][16]AcemogluD，RestrepoP.RobotsandJobs：EvidencefromUSLaborMarkets.No.w23285.NationalBureauofEconomicResearch，2017.
人工智能方向论文范文：论人工智能生成物的可专利性
摘要：随着人工智能深度学习能力的加强，人工智能的创造潜力逐渐突显，甚至可以在人类不介入的情况下自主生成技术成果。人工智能生成物作为一种新型技术成果，将给人类生产生活带来巨大改变，成为科学技术发展带来强大驱动力。人工智能生成物能否获得专利法保护、如何保护，已成为新技术发展趋势下专利法必须面对的现实问题。
转载请注明来自发表学术论文网：http://www.fbxslw.com/jylw/22427.html
