🚨新的 @BrookingsInst 论文与 @KordingLab 合作：人工智能饱和与未来的工作。#AI 可以取代智能领域的人工，推动工人转向物理领域。当这两个领域是互补时，AI 的回报会饱和 ➡️没有奇点 + 模糊的工资效应。

为什么要区分物理和智能（1）越来越便宜且丰富的 #AI 可能会在大多数智能任务中取代人类，而机器人的成本仍然相对较高。➡️ 检查 #AI 自动化智能任务对工资和产出的影响。

为什么要区分物理和智能（2）智能饱和：智能可以使物理输入达到最大效率，但影响会饱和。➡️物理和智能领域是互补的，您需要更多的两者才能增加产出。

智力饱和是可能的吗？ (1) 更聪明的人并不成比例地更成功（见图） (2) 增加更多科学研究人员的额外产出越来越低 (3) 之前的技术（信息通信技术）革命对增长的影响有限。

模型： 输出是通过智能和物理部门（CES）产生的，每个部门都由人类和资本驱动（在智能部门中，AI是资本）。 劳动在物理和智能之间进行最佳重新分配，以最大化工资。

结果1：随着 #AI 智能自动化的进展，产出增加，物理部门的工人比例 \beta^*（即，面对面的工作，包括例如烹饪、教学和外科手术）也随之增加。

结果2（模拟）：当智力和物理领域的可替代性更强（rho值较小），智力的自动化在早期对工资的影响更为积极，但在后期影响则更为消极。 ➡️警示故事，早期的工资增长可能不会持续！

结果3（模拟）：当智力和体力更具可替代性时，智力的自动化对产出有更大的积极影响。 ➡️对工人薪资更有利的情况对产出却更糟，即权衡与潜在的经济冲突。

结果 4（模拟）。在这里，我们模拟在自动化期间和之后增加更多的 AI。 （1）AI 工资效应可能会饱和（蓝色）。 （2）物理与智能之间的更高替代性可能导致自动化期间工资下降，但允许无限制的工资增长（绿色）。

要点： 1. 如果物理滞后，AI回报会饱和 2. 随着智能化的自动化，工资往往会上升和下降 3. 工资下降需要缩小智能与工作之间的比例 4. 政策：考虑AI部署的节奏 + 投资于物理能力；不要押注于“奇点”