《外交事務》雜誌近日發表三位人工智能專家的評論－－“人工智能是一種選擇”。亞歷克斯·伊馬斯（Alex Imas）是谷歌深度思維公司通用人工智能經濟學部門主任，也是芝加哥大學布斯商學院羅傑·L.與雷切爾·M.戈茨行為科學、經濟學和應用人工智能教授。穆罕默德·A.埃爾-埃里安（Mohamed A. El-Erian）是賓夕法尼亞大學沃頓商學院雷內·M.克恩實踐教授、安聯集團首席經濟顧問，以及全球發展中心董事會主席。詹姆斯·馬尼卡（James Manyika）是谷歌母公司字母表公司的高級副總裁兼研究、實驗室、技術與社會事務總裁。他是斯坦福大學以人為本人工智能研究所傑出研究員，以及牛津大學布拉瓦特尼克政府學院客座教授。他們指出－－這是"通往集體福祉的狹窄但可行之路":

歷史上，很少有技術能夠像人工智能一樣，具有如此巨大的潛力，足以改變其誕生時所處的經濟格局。如果得到廣泛而有效的應用，人工智能能夠提高勞動者的效率，促進更具活力的創業活動，並推動經濟增長，而所有這些都可能成為抵禦人口老齡化和公共債務不斷增加所帶來的強大經濟逆風的必要屏障。人工智能還能夠使科學和醫學領域出現革命性的新突破，並使過去只有少數特權人士才能獲得的知識得到普及。

但是，人工智能的加速發展也伴隨着風險。它可能被以取代勞動者、擾亂學生學習方式、製造新型生物武器和網絡武器，以及加重現有能源、水和土地供應壓力的方式加以應用。使這些挑戰更加複雜的是一種不匹配現象：這項新技術的好處可能需要很長時間才能顯現並得到廣泛傳播。與工業革命等早期變革一樣，人們很可能在感受到人工智能帶來的好處之前，就已經經歷採用人工智能所造成的衝擊。而且，儘管用戶能夠直接感受到聊天機器人等工具的影響，但人工智能間接促成的某些好處，包括更準確地預測自然災害和改進醫學診斷，甚至可能根本不會被人們認為是這項技術帶來的成果。

公眾輿論已經開始轉向反對人工智能，尤其是在美國。主要反對目標之一是數據中心，民意調查顯示，絕大多數美國人反對在自己的社區建設數據中心。如今，反對建設新人工智能經濟所需的數據中心，已經跨越了黨派界限和年齡群體。大量調查發現，居民擔心數據中心消耗過多資源、製造無休止的噪音，並推高他們的水電等公用事業賬單，而與此同時，開發商卻以社區利益為代價獲得公共補貼。

儘管其中一些問題具有地方性，但它們也反映了人們對人工智能更廣泛的擔憂。人工智能領域的一些領軍人物發出戲劇性的警告，聲稱白領工作崗位將面臨末日，甚至人工智能可能導致人類滅絕，這無疑加劇了這種焦慮。這些都是真實存在、必須加以理解和解決的問題，但公眾對人工智能日益強烈的抵制也表明，存在着一個更深層次的分配挑戰：個人、社區和企業被要求幫助引導一項具有變革性、而且可能令人不安的新技術的發展，而此時許多公民卻看到，這項技術帶來的經濟收益正流向少數幾個他們越來越不信任的人。人工智能如今已成為美國政治中的一個重大議題：無論屬於哪個政黨，參加競爭激烈的選舉的候選人似乎都越來越不願意讓自己與支持人工智能聯繫在一起。

這些焦慮是可以理解的。人工智能的應用存在重蹈全球化覆轍的風險。全球化創造了巨大而廣泛分布的經濟利益，卻使特定社區的就業、經濟增長和產業遭受了集中的損失。政府對此提供的支持不足，或者來得太晚。儘管整個經濟從自由貿易中獲益，但政治上的利益安排未能使受到影響的勞動者和社區可信地分享這些收益，即使個人作為消費者從較低的價格中獲得了好處。其結果是一場反彈，助長了保護主義和碎片化，而這些問題至今仍在困擾着當今的政治和社會。

要將人工智能的能力轉化為廣泛共享、持久的繁榮，僅僅投資於技術本身是不夠的。人工智能時代的核心挑戰，是在負責開展眾多互補性投資的不同群體之間實現協調與合作。這些投資能夠促進人工智能的應用，包括技術擴散、增強勞動者的能力、企業重組以及基礎設施建設。由於這些互補性投資必須由不同機構在不同時間進行，因此，取得進展既需要通過市場機制鼓勵合作，也需要在組織、企業、勞動者、社區和政府之間建立聯盟，以便將人工智能帶來的技術收益轉化為廣泛的經濟和社會利益。借用博弈論中的一個概念，人工智能是一場“合作博弈”，只有當眾多群體相互協調時，才能產生最大的收益；而且，只有當每個群體都預期自己作為共同聯盟的一部分會比置身聯盟之外獲得更好的結果時，這些收益才能持續存在。

但是，建立聯盟需要信任，而公眾的信任，尤其是對技術以及誰從中受益的信任，已經受到侵蝕。關於科學和醫學突破的宏偉承諾無法克服根深蒂固的敵意。持久的合作要求讓受到影響的群體切實分享人工智能創造的機會和收益，而不是僅僅承諾未來的好處。如果沒有這種利益參與，那些支持人工智能蓬勃發展所必需的個人和群體就可能阻礙其進步。政府可能對這個行業實施令人窒息的監管，或者停止發放數據中心建設許可證；企業可能拒絕採用新的人工智能驅動系統；勞動者可能避免分享使這項技術發揮作用所必需的隱性知識。正如經濟學家、諾貝爾獎獲得者邁克爾·斯彭斯（Michael Spence）曾經指出的：“你不可能以不合作的方式解決一場合作博弈。”確保社會從人工智能的巨大潛力中受益，同時減輕其風險的方法，就是使合作成為明確的選擇。

一個全新的世界

人工智能正在確立自己作為下一代通用技術的地位。這種技術能夠應用於廣泛的活動，隨着時間推移不斷改進，並催生互補性創新。電力是一種早期的通用技術。19世紀末，當發明家發現如何將電力用於商業用途時，利用電力驅動多種機器的能力改變了工業生產。計算技術是另一種通用技術，它利用電力處理信息本身，從而徹底改變了從工程到醫療保健等各個不同領域。

但是，人工智能通過一種更強大的投入要素——智能——發揮作用，使解釋信息、預測結果、診斷問題、與他人交流以及作出決策成為可能。因此，人工智能能夠提高現有行業的生產率：護士可以減少處理文書工作的時間，將更多時間用於照顧患者；工程師可以更快地開發新設計；小企業可以擴大自己的數據分析能力，以便與規模更大的競爭對手競爭。它還能夠如此顯著地提高效率，以至於使原本因為成本過高或過於複雜而無法提供的全新產品和服務成為可能。

人工智能還通過改變研究和發現的過程，超越了現有的通用技術。通過發明優化科學過程的新方法，人工智能開闢了以前不為人知的可能性，就像早期時代的顯微鏡和望遠鏡所發揮的作用一樣。阿爾法摺疊是一種專門的人工智能模型，德米斯·哈薩比斯（Demis Hassabis）和約翰·江珀（John Jumper）因其共同獲得了2024年諾貝爾化學獎的一半獎項，它就是一個鮮明的例子。過去，根據單個蛋白質的氨基酸序列確定其三維結構，需要數月甚至數年的時間；通過使用機器學習，阿爾法摺疊已經預測了超過2億種蛋白質的結構，從根本上改變了生物學家能夠研究的問題。

因此，人工智能的潛力是工業革命與啟蒙運動的結合。工業革命的通用技術改變了生產，而啟蒙運動則帶來了用於創造發明的發明——改變發現過程的新工具和新範式。人工智能有望同時提供生產率的提升和為新發現鋪平道路的工具，從而解決世界各地人口老齡化、債務負擔沉重的社會所面臨的許多問題。

深入應用

最新一波人工智能以前所未有的速度擴散。谷歌的雙子座應用程序和開放人工智能公司的聊天生成式預訓練變換器，如今每個月各自都擁有超過10億用戶。谷歌的《人工智能與經濟圖譜》研究了人們如何使用該公司的人工智能產品，我們三人中的兩位（伊馬斯和馬尼卡）參與了這項研究。該研究分析了150多個國家的1500萬次互動，發現68%的職業所涉及的任務中都使用了人工智能，而這些職業約占美國全部就業人數的90%。甚至汽車技術人員和工業機械師也使用人工智能來解釋測試結果和診斷電氣故障。我們三人中的兩位（伊馬斯和馬尼卡）與麻省理工學院未來技術研究項目合作開展的另一項研究發現，在接受調查的科學家中，近一半每天都使用某種類型的人工智能模型，從而節省了時間，並使更多跨學科研究成為可能。

但是，技術擴散帶來的收益既沒有保證，也不會自動實現。人工智能已經在各個行業之間以及行業內部得到廣泛採用，但迄今為止，其滲透程度仍然相當淺。《人工智能與經濟圖譜》研究發現，在一個典型職業中，只有21%的任務受到這項技術的實質性影響。根據衡量人工智能模型克勞德如何被用於從編寫軟件、分析數據到管理行政工作流程等各種工作任務的安思羅匹克經濟指數，潛在用途遠遠超過實際用途。這表明，獲得人工智能使用渠道的擴展速度遠遠快於實際應用的速度。要將人工智能足夠深入地融入工作，使其充分發揮潛力，就需要更大規模的變革。一家企業不會僅僅因為購買了人工智能編程代理的使用權限，就改變自己的運營方式。它還必須投資於組織改革和員工培訓，而且往往需要重新設計其治理結構或產品線。

人工智能的應用存在重蹈全球化覆轍的風險。

例如，銀行業已經廣泛採用人工智能，但主要將其用於執行表層任務。按照目前的部署方式，人工智能使分析師能夠更快地研究公司、填寫電子表格，以及識別投資回報的來源。另一方面，深度應用則要求改變工作流程和崗位職責。銀行必須決定向模型輸入哪些專有數據、如何保護客戶信息，以及如何驗證其使用的人工智能模型所產生的結果。初級員工可能花更少的時間收集信息，而將更多時間用於解釋信息、形成觀點和向客戶提供建議。但是，人工智能能夠自動化處理的許多任務本身也是培訓的形式。因此，企業需要找到辦法，讓經驗豐富的員工幫助年輕同事獲得那些資深員工過去通過親自完成基礎分析工作而培養起來的技能。

人工智能真正的經濟前景在於深入而具有變革性的應用。這要求徹底改革組織流程，使勞動者做好利用新技術的準備，並以能夠提高生產率、促進創新和改善消費者福利的方式應用人工智能。能夠增加產出並創造新產品和服務的創新，尚未達到具有實質意義的規模。但是，許多新產品和服務存在着巨大的潛在需求，包括個性化輔導、醫療保健以及法律和金融援助等專業化服務，而技術使全新活動成為可能之後，還將產生額外的需求。通過從根本上改變工作的完成方式以及能夠完成哪些工作，人工智能可以降低提供定製化產品的成本，使新的機會在經濟上變得可行。滿足過去在經濟上不合算的需求，將為社會創造新的價值，而不僅僅是重新分配一塊固定大小的經濟蛋糕。

但是，擴大經濟蛋糕並不能保證每一位勞動者都能順利完成轉型。與全球化一樣，人工智能釋放的新需求不一定會出現在現有工作所在的相同崗位、行業或社區。這種潛在的不匹配可能造成勞動力市場的重大混亂和政治反彈。公眾的焦慮已經在加劇，尤其是在尋求入門級職位的年輕勞動者當中，因為這些職位最有可能被人工智能自動化所取代。斯坦福大學經濟學家埃里克·布林約爾松（Erik Brynjolfsson）、巴拉特·錢達爾（Bharat Chandar）和陳如玉（Ruyu Chen）的一項研究發現，在最容易受到人工智能自動化影響的職業中，22歲至25歲年輕人的就業人數，比假設這些職業的就業人數按照受人工智能衝擊較小的職業相同速度增長時應達到的水平低19%。然而，人工智能對就業，包括入門級職位的總體影響，仍然存在不確定性。《經濟學人》估計，人工智能已經在美國創造了約100萬個就業崗位，但也導致了約20萬人被裁員，而且與近幾十年相比，20歲至24歲年輕人的失業率與總體失業率之間的差距較小。最有可能出現的情況是，正如我們三人中的一位（馬尼卡）2023年與斯彭斯在本刊撰文指出的那樣，一些工作崗位將會消失，一些新的工作崗位將會出現，而更多的工作崗位將發生永久性的變化。

創新性的激勵機制

要利用人工智能的潛力增加繁榮，同時又不破壞社會穩定，就需要協調。除了人工智能公司開發新的模型、產品和工具之外，基礎設施開發商還必須建設數據中心等支撐人工智能的實體系統。企業需要提供數據並推動組織變革，以充分發揮模型的潛力——不僅要提高效率，還要擴大現有產品和服務，或者創造新的產品和服務。雇主必須決定如何使用這些技術、如何改變工作流程，以及如何使勞動者提高生產率。勞動者必須採用這項技術，並投資於學習與人工智能相關的技能。地方社區必須為數據中心提供土地，並同意這項技術的擴張。政府則需要制定規則、資助基礎研究，並提供社會保險，以支持和管理那些因人工智能而失去工作或生計的人所經歷的轉型。

這些群體中的每一個都承擔着獨特的成本，獲得不同比例的收益，對各自的利益相關群體負責，並對不同的激勵作出反應。這也意味着，除非它們進行協調——無論是通過市場機制還是積極合作——否則這些群體都可能減緩或阻礙人工智能的發展。企業可能對組織變革投資不足，只利用人工智能削減成本，而不是擴大收入；勞動者可能抵制或拖延採用人工智能；社區可能阻止基礎設施建設；政府可能限制技術發展。每一項行動單獨來看可能都有其合理性，但它們結合在一起，就會導致對整個社會而言並非最優的結果。

這是博弈論中一個典型的合作博弈情境：這些群體協調一致地行動時，能夠取得的成果遠遠超過各自獨立行動、缺乏協調時所能取得的成果。具有共同目標的聯盟不一定需要是一個正式組織；它可以是任何一種行為主體的組合，這些行為主體通過契約、政策、標準、投資承諾或政治交易，以能夠協調決策並為共同項目貢獻資源的方式開展活動。通過促進人工智能的採用和擴散，每一種可能形成的聯盟都能夠創造比任何單一行為主體獨立行動時更多的增長和經濟價值。

在一個理想的世界裡，所有這些行為主體都會組成一個單一的“大聯盟”，以便儘可能多地獲取人工智能創造的價值。它們相互補充的行動以及為促進人工智能發展而進行的積極協調，將啟動一個良性循環：更廣泛的應用將推動技術進步，使人工智能對社會更加有用，釋放新的需求和生產率增長，並鼓勵更多個人、社區和企業採用這項技術，支持其擴張。

然而，這樣一個大聯盟是一項衡量標準，而不是一份行動藍圖。進步並非要麼全部實現、要麼一無所獲；規模較小、目標更加集中的聯盟，仍然能夠創造遠遠超過每個行為主體單獨行動所能實現的經濟和社會收益。真正需要的是一個穩定的聯盟——在這個聯盟中，任何參與者或參與者群體都無法通過退出聯盟並獨自採取行動而獲得更好的結果。在人工智能經濟中，退出聯盟並不意味着建立一個與之競爭的人工智能系統。它僅僅意味着對擴大人工智能使用行使否決權，其形式可能包括在地方上暫停數據中心建設、抵制在工作場所採用人工智能，或者阻止出台鼓勵人工智能發展的新法規。由於任何一個參與者的退出所破壞的價值，都將超過該參與者獨自能夠獲得的價值，因此，確保每一個必不可少的群體都更願意留在聯盟內部而不是置身聯盟之外，至關重要。

因此，一個關鍵問題是，如何分享共同合作所產生的收益，使合作能夠長期保持穩定，並且沒有任何聯盟成員願意退出。就人工智能而言，有助於推動合作的一個因素是，這項技術創造了經濟學家所稱的“凸博弈”的條件：由於人工智能所需的各種投入具有互補性，每一個新參與者都會使其他所有參與者的貢獻變得更有價值，從而使加入聯盟所帶來的收益以加速的速度增長。例如，建設更好的計算基礎設施能夠提高人工智能模型和工具的能力；能力更強的模型和工具能夠增加那些希望投資於改造組織流程和重新培訓員工的企業所獲得的收益，從而提高生產率並促進創新；而人工智能在工作場所的更廣泛應用又會推動對額外計算能力的需求，從而激勵更多基礎設施提供商開展建設。一旦一個核心群體開始共同合作，下一個希望加入的行為主體就能夠獲得更大的收益。

人工智能經濟的這些特徵，也使得更加公平地分享增長收益變得更加容易。一種簡單的方法是，根據每個成員對聯盟的貢獻大小來分配收益。按照諾貝爾經濟學獎獲得者勞埃德·沙普利（Lloyd Shapley）提出的框架，每個參與者的貢獻可以通過該參與者加入時各種可能的聯盟所創造的平均額外價值來衡量。例如，如果一個聯盟希望利用人工智能發現治療慢性疾病或罕見疾病的新方法，它就需要包括藥物開發商、人工智能實驗室、研究型醫院、一線醫生、患者團體和政府。人工智能實驗室提供專門的模型和計算能力，研究型醫院整理歷史臨床數據，醫生實施藥物試驗，而患者團體同意分享生物學記錄（在政府制定的隱私保護措施之下）。這些貢獻無法用相同的單位來衡量，而且，儘管規模較小的聯盟能夠取得部分進展，但要使藥物發現的整個流程取得完全成功，就需要所有這些群體參與。按照沙普利方法建立的安排，將根據不同聯盟在擁有某個成員時所獲得的收益，與該成員不在聯盟之內時可能產生的結果之間的差異，來分享收益。正如沙普利的研究所表明的，在人工智能應用這樣的凸博弈中，以這種方式補償每一個合作夥伴，能夠形成一個穩定的聯盟，並激勵所有人加入。

價格、契約和激勵措施對於建立穩定的聯盟不可或缺，而市場設計和競爭則提供了使協調成為可能的架構。但是，僅靠市場是不夠的。就人工智能而言，各種成本和收益不會按照所有參與者相同的時間表出現；其中一些參與者將在其他參與者趕上之前很久就已經獲得收益。公共機構是必要的。例如，只有政策制定者才能建立共同規則，使聯盟中的前沿人工智能實驗室能夠協調行動，提高人工智能的安全性；也只有政策制定者才能為勞動者適應人工智能經濟提供足夠的支持。許多勞動者和社區在全球化過程中經歷的痛苦，使建立聯盟變得更加困難，但同時也使其變得更加必要。

志願者聯盟

一個可行的聯盟不需要讓每一個參與者都坐到同一張談判桌前。全國性的協議可以確立共同條款，並在人工智能安全標準、勞動力轉型支持和基礎設施許可等問題上協調激勵措施，而工作場所和地方社區層面的較小規模協議，則可以促使必要的群體加入合作。在這兩個層面上，原則都是相同的：每一個群體都必須能夠切實分享聯盟通過人工智能整體增長所創造的經濟收益。

在國家層面，合作應當集中於那些其參與將決定人工智能技術能否擴大到足以創造巨大經濟收益的群體。這包括聯邦政府、領先的人工智能實驗室、主要基礎設施建設商和提供商、有組織的勞工，以及部署人工智能的大型企業。大企業之所以重要，是因為它們對技術的使用以及對勞動力的投資創造了推動整個供應鏈發展的需求。勞工組織將希望就勞動力轉型爭取有利條件，例如擴大失業保險和工資保險，以及提供再培訓；如果有組織的勞工不參與，聯盟就會失去促進人工智能應用所需要的支持，尤其是在建築業等工會擁有更大影響力的行業。對於包括電網、電信網絡和支付系統在內的關鍵基礎設施，優先事項必須是網絡安全和可靠性：在將人工智能深度融入核心運營之前，基礎設施提供商必須相信，能力更強的模型不會使它們面臨災難性的風險。

政府可以建立一個可預測、以風險為基礎的監管框架，在生物安全等具有潛在危險的領域制定明確標準，並幫助協調先進人工智能系統的測試。全國性框架將優先於各州各自製定的、零散而各具特色的針對人工智能低風險商業用途的禁令。政策制定者還可以通過資助人工智能基礎性問題的研究，以及擴大高技能勞動者的移民和簽證渠道，吸引全球頂尖人才進入美國實驗室，從而支持人工智能的發展。與此同時，人工智能模型和應用程序開發商可以參與安全測試，而建設人工智能能力的企業可以向小企業、非營利組織和地方政府提供更多計算能力。基礎設施提供商可以建設新的數據中心，並通過實施公用事業費率支付者保護措施和繳納地方稅收，表明它們對所在社區的支持；大型企業則可以投資於員工培訓、組織轉型和新的商業模式。最後，有組織的勞工可以提供建設人工智能應用所依賴的實體基礎設施所需的熟練員工，幫助重新設計企業內部的組織工作流程，並運用其政治影響力推動人工智能在全國的發展。

每個群體獲得的收益都超過其預期需要作出的貢獻。人工智能模型和應用程序開發商以及基礎設施提供商獲得了一條可預測的發展道路和一支技術熟練的勞動力隊伍。大型企業能夠獲得更深入地採用人工智能並提高生產率所需要的支持。勞動者在經濟轉型期間獲得新的機會和就業保障。隨着經濟增長以及美國保持其全球技術領先地位，華盛頓也將從中受益。

關於科學突破的承諾無法克服根深蒂固的敵意。

人工智能模型開發商和人工智能生態系統中的其他企業，已經開始共同努力，推動人工智能得到更廣泛的傳播。包括安思羅匹克、谷歌和開放人工智能公司在內的領先開發商，連同合作夥伴組織，已經向大型組織派駐工程師，以確定人工智能具有價值的用途、重新設計工作流程，並將新的技術系統整合到生產之中。這些努力表明，僅僅能夠使用模型是不夠的：人工智能的應用需要技術援助、組織知識和持續參與。聯盟可以將這種能力擴展到規模較小的企業、學校、診所和市政機構。對於人工智能模型和應用程序開發商來說，支持技術擴散能夠擴大市場，並為應對潛在的政治反彈提供保障。只有當人工智能應用帶來的收益由廣泛的組織和普通公眾共同分享時，公民才會支持這項技術在社會中的擴張。

與勞工群體建立聯盟的框架也正在出現。技術開發商、行業協會和政策制定者並不是通過與個別企業合作簽訂專門協議，而是通過現有工會、學徒制度和再培訓計劃來支持勞動者之間的合作。例如，國際電氣工人兄弟會正在動員其成員反對暫停數據中心建設，同時呼籲達成更好的勞動協議。谷歌正在與國際電氣工人兄弟會的合作夥伴組織共同開展工作，培訓10萬名電氣工人和3萬名學徒，使勞動者能夠獲得薪酬優厚的工作崗位，同時為開發商提供熟練勞動力來源，以及開展建設所需要的政治支持。

在地方層面，新的數據中心可能給社區帶來集中的成本，即使它們為人工智能用戶創造了全國性的利益。因此，開發商應當通過談判達成協議，保護公用事業費率支付者，並通過增加地方收入、改善基礎設施和提供更多就業機會，為社區帶來切實的好處。美國許多州正在形成如何做到這一點的範例。包括亞馬遜、谷歌和微軟在內的領先人工智能公司和“超大規模雲計算服務提供商”，已經簽署了《費率支付者保護承諾》，自願承諾在它們建設數據中心的地區，承擔新增發電設施和電網升級的全部成本，以確保家庭電費不會上漲。這些公司還資助地方勞動力培訓計劃和水資源恢復項目，並繳納財產稅，使社區能夠支付建設新學校和道路的費用。

只要人工智能帶來的經濟利益得到分享，就會增強新興聯盟的穩定性。利益分配不需要完全平等，但是，對於提供互補性投入的群體，必須根據每個群體的貢獻來分配收益，而且還必須隨着技術的發展作出調整。在實踐中，確定每個群體的貢獻並不是一門精確的科學，而是一個持續進行的結構化談判過程：公用事業費率、勞動協議和支持性政策等工具，可以按照不同群體在支持人工智能擴張和應用方面所發揮的作用來分配收益。每個聯盟成員獲得的收益份額必須足夠大，使參與合作比阻礙發展更具吸引力。讓關鍵參與者切實分享所創造的經濟剩餘，就是使那些原本可能成為人工智能發展障礙的群體轉變為這項新技術擴大應用的參與者，甚至可能成為倡導者的方法。

在人工智能取代現有任務而不是對其形成補充的領域，政策制定者也可以從全球化過程中出現的問題吸取教訓。幫助失業勞動者的公共計劃可以發揮作用，但這些計劃必須足夠容易獲得，使其能夠在技術衝擊發生時提供支持。聯邦政府貿易調整援助計劃中針對受到全球化影響的勞動者提供補償和再培訓的定向措施，在得到實施的地方取得了成功——紐約聯邦儲備銀行的研究發現，符合該計劃工資保險領取資格的勞動者重新就業的可能性提高了，失業時間縮短了，累計收入也增加了——但該計劃只覆蓋了一小部分勞動者。其他研究發現，大部分支持是通過要求勞動者永久退出勞動力市場才能領取的殘疾福利提供的。面對人工智能，政策制定者需要建立擴大後的工資保險和失業保險計劃，並支持由雇主主導的再培訓計劃，幫助勞動者在失去工作之前轉向需求旺盛的崗位，而不是等到勞動者開始遭受損失之後才臨時設法應對。

正向強化

聯盟不需要一次性全部建立起來。合作應當從互補性收益最為明顯、參與限制條件最容易確定的領域開始，包括在醫療保健或技術工種等特定行業促進人工智能應用和勞動者培訓，以及鼓勵支持建設新的數據中心。在國家層面，安全合作可以從聯盟與政府之間的夥伴關係發展起來。由於人工智能的發展軌跡仍然存在不確定性，合作協議應當以那些能夠在多種合理情景下產生回報、並且可以隨着人工智能發展軌跡變得更加清晰而加以修訂的投資為中心。

國際合作也可以按照同樣的方式發展。儘管人工智能最終很可能需要對手與盟友之間的合作，但華盛頓可以首先建立一個由美國領導、以願意接受共同安全與保障標準的可信賴夥伴為基礎的聯盟。例如，美國可以在可信賴的夥伴之間建立一個聯盟，以獲得技術使用權和合作機會作為交換條件，就原則和框架達成一致。隨着聯盟的條款被證明切實可行，而且越來越多的國家看到參與其中的好處，這個聯盟自然會擴大。它最終可能包括中國。鑑於中國擁有先進的人工智能能力，中國對於解決人工智能安全問題至關重要；然而，這將需要處理複雜的協調一致與核查問題，包括如何建立可信賴的驗證機構和機制。

我們有理由對人工智能時代的合作保持謹慎樂觀。

巴塞爾銀行監管委員會提供了一個具有啟發性的國際合作範例。它於1974年成立，最初是由12個先進工業化國家的國家監管機構組成的一個小型論壇，隨着時間推移，在不賦予一個強大的超國家機構權力的情況下，逐步制定了監管全球銀行的共同標準，並隨着這些標準被證明具有價值而擴大其適用範圍。巴塞爾委員會是如今占主導地位的國際架構的起點，該架構旨在識別和儘量減少金融不穩定的風險，包括制定銀行需要持有多少資本的標準，以及如何對銀行資產負債表上所持證券的風險程度進行分類。未來的人工智能標準聯盟，可以通過明確的加入條件與可信承諾相結合的同樣方式發展壯大，而正是這種結合使巴塞爾委員會以及發布自願性技術標準的國際標準化組織取得了成功。

發揮人工智能的潛力並非易事。批評者會立即得出結論，認為有許多理由可以說明這樣的聯盟在實踐中無法發揮作用。人工智能實驗室可能認為獨立行動能夠賺取更多利潤，現有企業可能試圖將合作轉變為保護其市場份額的工具，而政府可能承諾向勞動者和社區提供支持，卻未能兌現承諾，就像全球化時期發生的情況一樣。

但是，我們有理由對人工智能時代的合作保持謹慎樂觀。由於這項技術仍然處於相對早期的發展階段，因此有可能確定啟動合作所需要的群體，而且人工智能實驗室、政府、社區、雇主和勞工組織已經對這一利益安排的不同部分表現出興趣。歸根結底，社會不需要在創新與共同繁榮之間作出選擇。兩者可以相互補充：合作將推動增長，而分享這種增長帶來的收益，將維持使增長得以持續所需要的合作。