智能化对中国就业会产生什么影响
智能化是信息技术体系的创新，目前正在加速发展，并改变经济社会形态。智能化引发就业形态整体变迁，就业替代和就业创造同时发生，长期的就业数量和质量双提升。随着人工智能、机器学习等智能化最新技术的逐步成熟，产业就业转型会加速，智能化的职业体系将建立，劳动者将转而从事体现自身优势的工作。
数据化就业替代
就业变迁跟随着技术创新同步推进，呈现三个趋势：其一是现有产业技术升级，会导致技术替代就业；其二是新产业、新市场、新消费迭代开发，岗位不断创造；其三是制造业向服务业的转型升级过程保持持续，新形态就业不断出现。
智能化技术会实现就业替代。世界经济论坛发布的《2018未来就业》报告分析，未来的低层次劳动形态将大幅减少，大部分涉及常规认知任务的传统中低端技能，包括部分高学历员工的就业岗位技能将会自动化。
技巧性过强或者需要灵活应对的职业，仍以人工为主，难以替代。对创造性、环境适应性、任务裁量权、社会技能和隐性认知能力依赖性较高的的服务和职业受自动化的影响较小，这些工作往往需要善于思考、交流、组织和决策的人来完成。
中国制造业智能化转型最令人瞩目，就业替代的潜力最大。中国制造业中低端岗位存量大，智能化转型空间巨大，大量劳动密集型的岗位具备替代潜力。但总体上来看，一段时期内的自动化岗位转型趋势平稳。目前，制造业智能化对就业总量影响较小，未来制造业岗位减少幅度轻微。在广东制造业问卷调查中，通过对实施智能化的企业升级前后对比发现，当前企业智能化反而使雇员总量增加2%，将近74%的被调查企业的员工人数变化在5%的增减范围内以内。未来2年，制造业雇员总量预计将减少1%-4%。
智能化就业创造
智能化新技术创造新的生产工具和生产技术环境，形成新的产业链，需要新的工作任务流程和组合、工作方式，具体新岗位开发将随着新技术的成熟和推广而大规模出现。
一是劳动生产率的提高促进就业。
首先，智能化技术刺激经济总量持续扩张，对劳动力的长期需求增量要明显大于被替代的规模。产品和服务市场扩大，社会分工进一步高度细化，在增加社会总收入的同时，创造新岗位总量也在上升。其次，智能化新岗位创造的速度要更快，增量更显著。例如，20世纪80年代以来，移动互联网对传统电报电话产业就业的替代和扩张，电子商务平台对传统批发零售业的替代和扩张，都是智能化转型中的成功例子。未来这一模式还将在物联网、无人驾驶、智能机器人等领域复制。
二是职业体系创新的规模效应更强。
首先，智能化岗位辅助技术在扩大就业能力和领域。例如，网络机器人已广泛替代客服岗位，但客服就业人员依据机器人数据分析转而增加了销售、延伸服务、个性化服务等新职能。
其次，未来智能化发展需要大量中低端数字化岗位。除了部分核心数据高技术性岗位外，傻瓜式数据化操作仍将是新岗位的普遍模式，需要充分发挥人的灵活性和主动性优势。
再次，智能化本身就是服务化的过程。智能化自动化的实现，会使人的服务需求空前增长。
最后，新网络技术平台实现规模化灵活就业。新业态由于工作时间灵活，自由活动空间大，收入水平较高，吸引了大量年轻劳动力。
三是中国总体就业转型升级趋势平稳。
中国多种经济社会转型趋势叠加，产业结构升级与技术升级过程同步，第三产业扩大、智能化、城市化、老龄化多重进程叠加，产生显著而持续的经济和社会变迁。就业转型面临良好的战略机遇期。
中国制造业智能化和服务业扩张并行，就业岗位从第二产业向第三产业转移。服务业升级，生产服务分工高度细化，新就业领域不断开发，这为劳动者转岗流动提供了相对充分的空间。
人工智能产业有内在的创造新岗位的巨大空间。首先，智能化产业处于扩张期，发展速度快，吸纳就业明显。广州306家进行就业登记的人工智能企业，2018年7月底就业人数44871人，比2017年增加了31%。其次，掌握核心技术的人工智能企业形成“平台+产业链”新模式，就业创业规模呈现指数效应。例如，科大讯飞建立讯飞语音开放平台，对社会免费开放使用，平台已经汇集了80万个研发团队，几乎遍及所有行业。
政策建议
第一，向就业治理的思路转变。
智能化是一场自下而上的产业革命，政府需要形成开放而灵敏的就业治理网络，提高政策的开放性和灵活性，政府部门要制定全局性、前瞻性规则，吸引多方主体参与劳动力市场建设，参与具体政策的制定和落实。政府应从管理主体向治理主体转型，政府治理多采用“规则+协商+外包+市场网络”的模式。规则的明确是治理的关键，动态监管体系是基础。
第二，建立产业就业协同机制。
一是扩大智能化人力资源供给。实施人工智能和机器人人才倾斜政策，提高智能制造领域的人才吸引力，通过人才政策和补贴引导专业人才和毕业生入行。对引进外部人才给予人才绿卡、个人所得税方面便利优惠，建立人工智能外国人才的稳定有效招聘渠道。
二是建立产业规划的就业评估机制，分类研究总结智能化影响。不同行业的智能化就业效应不同，对于人工智能、智能制造方面的发展规划战略，需要总结其就业影响。加强人工智能就业效应的研究，建立完善人工智能统计指标体系。
三是高度重视人机协作的技术路径。开发基于劳动者的智能辅助系统更适合中国自身特点。鼓励实现岗位增强型人工智能，智能产业化同时保障就业。岗位智能化辅助增强会使人机协作变得更容易和人性化，有利于普通劳动者学习使用，并推动创造新岗位。
第三，提高人力资源服务的专业性和精准性。
一是加强劳动力市场预测和评估。随着技术应用深化，劳动力市场的结构变化速度会加快，因此要加快统一和细化劳动力市场大数据监测，提高对于劳动力流动情况的监测和分析能力。加强劳动力市场的趋势指导，加强政策的柔性影响力，利用市场预测和评估结果为产业和就业提供标准和参考。
二是提升就业服务智能化水平，提高劳动力市场匹配精准性和效率。鼓励发展专业性人力资源服务市场，同时提升公共就业服务的智能化水平，加强精准性服务。
三是探索平台经济的就业服务制度。新就业形态将常态化发展，人社部门要开展与平台的对接。
四是建立劳动者身份信息管理体系。建立起劳动者身份认定、收入认定、社会认定体系，将其作为就业判断的依据。应尝试建立个人劳动关系信用体系，加速社会保障一体化。强化劳动者个人身份认定，可以使教育培训、就业援助、社会保障制度适应新型就业模式的灵活性。
第四，发展开放、灵活、可持续的培训机制。
首先，可以设立战略性技能专项资金。扩大定向职业技能培训，对包括人工智能、智能制造行业的短缺人才进行针对性培训，技能专项可与规划结合，与机器人规划推进相配套。扩大培训力度，帮助企业延伸储备式人才培训。
其次，智能制造技改项目和创新项目设立配套培训计划。联合工信和科技部门，对于获得首套设备补贴和技改补贴的企业，提供配套智能化员工培训。对于企业新购机器人装备给予配套岗位培训。对于智能化转岗人员提供新产线配套培训补贴。
最后，公共职业培训要加强前瞻性定位，对于技能短缺风险要加强精准预测，适时调整和扩大培训资源供给。鼓励市场端培训供给，要鼓励行业协会和大型企业开展对外培训。职业教育要推广定制人才，定向培养，提前介入教学，后续持续成长。
摘编自《中国就业发展报告（2019）》（就业蓝皮书）
（李宗泽）
人工智能技术对环境污染的影响机制述评
[关键词]人工智能技术；环境污染；全球价值链分工；经济增长；绿色经济
一、引言
人工智能（ArtificialIntelligence，简称AI）技术诞生于20世纪50年代，被称为世界三大尖端技术之一，在第四次科技革命中处于核心地位，为人类社会创造了巨大的经济效益和社会效益。随着数字革命的兴起，德国、日本、中国、美国、欧盟、英国等国家和国际组织先后制定了相关战略和规划，高度重视人工智能的发展，并投入了大量研发资金来打造新一轮产业竞争优势。
目前，社会各界对人工智能的定义尚未达成普遍共识，不同领域的学者给出了不同的解释。传统的人工智能是指开发创造能够模仿、学习和替代人类智能的“思维机器”，驱使机器学习人类行为的思考方式，让机器做本需要人的智慧才能做到的事情[1][2][3]。芬莱森（Finlayson）（2010）则认为，人工智能作为一种战略技术，其核心内容是建立在数字化、信息化基础上的智能化转型[4]。然而随着理论研究和应用领域的扩大，人工智能已成为涉猎广泛的一门科学，其不仅要依靠计算机算法层面的支持，而且更强调思维能力和自主决策能力，即像人一样理性思考和行动的系统[5][6]。
综上可见，虽然目前学术界对人工智能的概念尚未达成共识，但通过总结文献可以发现一些共性：人工智能应能替代人类来完成具体劳动任务；人工智能应具有学习能力。
改革开放以来，在我国经济快速增长的同时，也产生了严重的环境污染问题，如何提升环境污染治理效率成为困扰地方党委政府的重大难题。人工智能作为一项新的前沿技术，为环境污染治理开辟了新的路径，给环境污染治理带来了新的技术革新。但是，人工智能技术影响环境污染的机制是什么？这是一项值得深入研究的课题。基于此，本文拟对人工智能技术如何影响环境污染的相关研究文献进行梳理，以期为理论界和决策部门提供有益的借鉴与依据。
二、人工智能技术影响环境污染治理的机制
（一）促进技术进步的直接效应
研究表明，人工智能技术作为技术进步的一种具体表现形式，是新一代信息技术的代表，是科学技术发展的一次重大革新[7][8][9]。因此，人工智能通过技术进步会对环境污染治理带来直接效应，即人工智能技术的发展促进污染治理技术的提升。人工智能技术的快速发展催生出了一系列新产品并不断延伸到环保领域，为环境治理带来了新的工具，从而有效降低环境污染（见图1），具体而言：
（图1）直接技术进步效应
其次，人工智能与大数据相结合可以扩大环境监测的时空范围。郎芯玉、张志勇（2019）、张旭等（2020）研究发现，人工智能与大数据的结合降低了水污染数据处理的复杂性和成本[11][12]，通过广泛安装环境污染传感器，增加监测的持续时间和频率，扩大了监测的覆盖面积。人工智能技术在自主检测设备中的应用，大大降低了收集环境信息的难度和成本，比如基于人工智能的无人驾驶飞行器、无人潜航器以及专用于监测空气污染物的街景车，可以对大气、水、土壤等污染信息进行长时间动态检测。
最后，人工智能技术可以为政府和非政府组织的环境预测、决策提供优化方案。即人工智能技术通过对各种环境数据进行定量分析，从而为环境治理主体（政府和非政府组织）提供决策依据。张伟、李国祥（2021）探讨了人工智能技术运用于环境数据分析、案例研究和数学建模，得出人工智能技术发展可以进行环境预测和辅助决策，从而为环境污染治理带来积极效应[13]。
从实践应用来看，当前已有不少政府和企业合作将人工智能用于环境污染治理领域的成功案例。例如2014年国际商业机器公司（IBM）借助人工智能，开发出一种可减缓北京严重空气污染的新方法，名为“绿色地平线”（GreenHorizon），通过综合多个不同模型的大量数据，该系统不仅可以提前预测北京不同地区空气污染的严重程度，还能给出如何将污染降低到最小的具体建议；微软在2017年推出“一切为了地球”（AllforEarth）计划，预计投入5000万美元用于人工智能的环境治理领域；阿里巴巴运用阿里云强大的计算能力，于2020年6月推出应对全球环境恶化的技术方案ET（EvolutionaryTechnology）环境大脑，实现对污染源的智能感知，并建立综合评估模型进行交叉分析，等等。这些现实案例充分证明了人工智能技术的发展会给环境污染治理带来积极效应。
（二）促进技术进步的间接效应
1.人工智能技术、经济增长与环境污染。传统的技术进步是通过带来新的经济增长点、扩大经济规模来影响环境污染治理。人工智能技术的发展同样会带来经济的高速发展、经济规模的扩大，从而对环境污染治理产生影响。
目前现有研究从理论和实证层面都证明人工智能会带来经济增长。以任务模型为代表的理论模型大多认为工业机器人、自动化与人工智能等新兴生产方式会促进经济增长，这一点也得到了相关实证分析的证实。例如，格雷茨（Graets）、迈克尔斯（Michaels）（2018）基于1993-2007年的行业面板数据的计量检验发现，人工智能等新兴生产方式使得经济增长速度提高了0.37%[14]。杨光、侯钰（2020）使用机器人国际联合会（IRF）发布的工业机器人数据证明机器人的使用确实对经济增长具有促进作用，特别是随着人口红利消失，效果将更加显著[9]。阿西莫格鲁（Acemoglu）、雷斯特雷波（Restrepo）（2017）、陈秋霖等（2018）研究发现，在经历快速老龄化的国家中，年轻和中年劳动力的稀缺可以促进机器人(和其他智能化生产)的充分采用，从而促进总产出的增加[15][16]。程承坪、陈志（2021）认为，人工智能技术可以直接和间接带来经济增长，直接增长效应表现为促进劳动生产率的提升和产业链的延长，间接增长效应表现为人力资本供给的增加、市场效率和政府治理效率的提高[17]。阿吉翁（Aghion）等（2017）将人工智能技术引入到商品和服务的生产函数中，得出人工智能技术会带来经济总的平衡增长。在知识的非竞争性导致收益递增的条件下，人工智能技术还可以产生某种形式的奇点，甚至可能带来经济在有限的时间内获得无限的收入[18]。林晨等（2020）从优化资本结构的角度探讨了人工智能技术对经济增长的影响机制，认为人工智能技术的发展可以降低住房和基建支出对居民消费的挤压，使资本更多流向实体经济，成为新的经济增长点[19]。
环境污染问题与经济增长速度有着非常密切的联系。就现有研究而言，经济增长对环境污染的影响大致可分为三个阶段。第一个阶段是1972年以美国学者梅多斯（Meadows）为代表的罗马俱乐部提出的“增长极限说”，该理论认为工业化必然造成对自然和生态环境的极度破坏，通过模拟计算预计2100年到来之前，工业化将达到最高点，但同时人类将面临严重的粮食缺乏、资源枯竭，人口也将停止增长，社会因此而崩溃。第二个阶段是1991年美国经济学家格罗斯曼（Grossman）和克鲁格（Krueger）提出的环境库兹涅茨曲线假说（EKC），认为经济增长与环境污染呈倒“U”型关系，即环境污染随着经济增长由上升到下降的变化趋势，这是最为主流接受的一种假说。该假说认为新技术诞生之后，随着经济高速发展、人均收入不断提高，从而带来污染排放的增多。但随着技术不断成熟，经济进一步增长，一方面，因生产者环保意识提升，主动减少生产过程中的污染物排放；另一方面，政府加大环境规制力度，倒逼生产者采用清洁生产技术，从而使环境污染得到有效控制。第三个阶段是对环境库兹涅茨曲线假说的质疑，部分研究结论证实经济增长与环境污染之间的关系不仅呈现出倒“U”型形态，而且呈现出“U”型、“N”型、单调上升型、单调下降型等形态，不同污染物的排放与经济增长之间的关系也呈现出差异性，这些都对环境库兹涅茨曲线假说提出了挑战[20][21][22]。
总之，学者们从理论和实证层面都已经证明了人工智能技术的发展会带来经济增长和经济规模的扩大，但人工智能通过经济增长对环境污染产生影响的方向尚不明确（见图2），是否符合环境库兹涅茨曲线假说的倒“U”型还需要进一步的实证检验。
（图2）间接技术进步效应
2.人工智能技术、全球价值链分工与环境污染治理。人工智能技术通过改变国际生产分工和贸易模式，提高一国在全球价值链体系中的分工地位，促进价值链升级，进而对一国的环境污染产生影响。一般来说，处于全球价值链高端的国家，主要从事产品研发、品牌销售运营等高技术、高附加值活动，资源消耗水平低，能源利用率高，污染物排放相对较少。相比之下，处于全球价值链低端的国家，则主要从事低附加值和高能耗的加工、装配和制造过程，容易带来大量污染物的排放。因此，全球价值链分工地位的提升将减少一国的环境污染。
人工智能技术如何影响全球价值链分工？在以人工智能技术为代表的新技术革命背景下，全球价值链中各国的地位和国际分工将面临深刻的调整。第一，从成本角度看，人工智能降低了贸易和生产成本，提高了生产效率，提升一国在全球价值链体系中的分工地位。吕越（2020）基于中国行业层面数据的实证研究发现，人工智能技术的采用会显著提升行业的全球价值链位置。究其原因在于人工智能技术的运用能减少低端生产环节的劳动使用量，进而降低了企业的生产成本，提高了企业的劳动生产率[23]。刘亮等（2020）的研究也得出了类似的结论[24]。第二，从创新角度看，人工智能通过技术创新深化了全球价值链分工。刘斌（2010）认为人工智能技术将一国的创新投入和创新产出发挥其引致效应，即引致创新投入（研发投入）和创新产出（专利申请数量）的增加，从而带来一国价值链分工地位的提升[3]。第三，从资源配置角度来看，刘斌（2010）指出人工智能技术的发展带来了劳动和资本两类核心生产要素的配置效率提升，进而促进一国企业全球价值链分工地位升级[3]。总之，无论是国家、行业还是微观企业层面，人工智能都能显著提升一国的全球价值链分工地位，促进一国全球价值链升级。
全球价值链分工地位和参与程度如何影响一国的环境污染治理？近年来，随着全球投入产出表的编制，全球价值链分工测算方法、指标也在不断改进，使得更多国内外学者们开始关注全球价值链分工对环境污染的影响问题。然而大部分文献均基于格罗斯曼（Grossman）和克鲁格（Kruege）的经典模型，将规模效应、结构效应以及技术效应作为控制变量或门槛变量，分析全球价值链分工对碳排放的影响机制。许统生和薛智韵（2011）、余娟娟（2017）、徐辉和苗菊英（2018）则认为全球价值链分工可通过结构、技术与规模效应影响企业污染的水平[25][26][27]。还有部分文献基于构建全球价值链分工位置和参与度指标，讨论其对环境污染的影响。
首先，通过构建全球价值链位置指标，大部分学者得出了全球价值链位置的提升能显著降低一国污染排放的说法，即一国全球价值链位置越高，越处于上游，污染排放越少。陶长琪、徐志琴（2019）分别从行业和国家层面实证分析全球价值链嵌入位置对贸易隐含碳排放的作用，发现全球价值链位置的提升能有效减少碳排放[28]。曲晨耀等（2020）基于2000-2014年17个制造业的面板数据，探讨了全球价值链位置对中国制造业经济绿色转型的影响，研究发现，提高全球价值链位置能够快速推动中国制造业的经济绿色转型[29]。孙传旺（2019）基于2000-2011年全球60个国家的面板数据的实证研究认为，一国的全球价值链位置与其碳效率（carbonefficiency，是对生产主体产生碳足迹效率的一种量化测度方法）存在显著的正相关关系。全球价值链位置与其碳效率的正相关关系在经济发展较为落后的发展中国家尤为显著，这意味着在发展中国家提高全球价值链位置可以更大程度地减少碳排放，减少环境污染[30]。王腊芳等人（2020）计算了中国制造业全球价值链活动的总平均生产长度并检验了全球价值链生产长度对能源强度的影响，其研究结果发现全球价值链总平均生产长度显著影响能源消耗强度，并呈现倒“U”型非线性关系[31]，这在一定程度上表明一国全球价值链位置对污染排放的影响呈先升后降的趋势。
其次，大部分学者的研究表明全球价值链参与度与环境污染呈非线性关系，即全球价值链参与度对环境污染存在门槛效应。具体而言，王静（2019）基于1995-2011年期间62个国家和地区的面板数据，估算了一国全球价值链参与度对二氧化碳排放的影响，研究发现，全球价值链的参与度与人均二氧化碳排放量之间呈现倒“U”型关系[32]。曲晨耀等（2020）通过阈值回归发现，当参与度超过一定阈值时，全球价值链参与度对绿色经济转型的影响由抑制变为促进[29]。王玉燕等（2015）研究发现，全球价值链参与度通过“链中学效应”促进污染减排，但某些行业可能存在“俘获锁定效应”，即被锁定在附加值低且污染高的生产环节，这些行业的全球价值链参与度与污染排放之间可能表现为“U”型关系[33]。杨飞等（2017）的实证研究发现，中国全球价值链参与度对污染排放的影响存在门槛效应[34]。也有研究认为，全球价值链参与度与一国的环境污染存在线性关系，即全球价值链参与度对环境污染有负向影响。赵国梅等（2020）基于2000-2014年42个国家的数据，研究得出，全球价值链参与度与碳排放强度之间存在负向关系，特别地，与发达国家相比，发展中国家的全球价值链参与对隐含碳排放强度的负向影响更大[35]。总之，关于全球价值链分工对环境污染的影响，由于学者们对全球价值链分工指标选取方法的不同，即部分学者采用全球价值链位置指标，部分学者采用全球价值链参与度指标来衡量全球价值链分工程度，因而得出了不同的结论。
综合以上研究，本文提出人工智能技术发展可以通过提升一国全球价值链分工地位，从而降低污染排放的论断，其机理在于：一国处于全球价值链高端的行业多为知识技术密集型产业，技术含量高，污染程度低，而处于全球价值链低端的行业多为能源和资本密集型行业，污染相对较高。人工智能技术的发展及其在工业生产中的运用，将使得一国更多的从事知识技术密集型行业的生产与分工，显著提升一国的全球价值链分工地位，降低污染物排放（见图2）。
三、未来研究方向与研究趋势展望
人工智能技术正在催生第四次工业革命，是第四次工业革命的新引擎，也引发了该命题的学术研究热潮，使得越来越多的学者关注人工智能与技术进步、经济增长、劳动力就业、全球价值链等的关系。人工智能技术目前已广泛应用于环境治理的各个层面，并将给环境污染治理带来变革。但实际上目前关于人工智能技术如何影响环境污染的相关研究尚不多，特别是关于传导机制的研究仍处于空白，只有少量的定性研究指出人工智能技术能够显著改善环境污染，提高环境治理能力。本文通过梳理人工智能技术与经济增长、全球价值链分工、环境污染等相关文献，得出人工智能技术作为新一代信息技术的代表会对环境污染产生直接和间接影响的结论。直接技术进步效应表现在人工智能技术发展催生出的一系列新技术和新产品可用于环境污染治理领域，减少一国的环境污染。间接技术进步效应一是表现为人工智能技术的发展会扩大经济规模，促进经济增长，从而对环境污染产生影响，但影响方向不明确，是否存在倒“U”型关系需进一步检验；二是表现为人工智能技术会提升一国的全球价值链分工地位，促进全球价值链升级，从而降低一国的环境污染。
目前直接研究人工智能对环境污染影响机制、指标构建、数据获取等方面尚存在如下不足，这些也是人工智能技术影响环境污染的进一步研究方向：
一是人工智能技术对环境污染的影响路径、机制复杂，难以用实证模型加以验证。人工智能技术对环境污染的影响既存在直接影响又存在间接影响，同时，在封闭经济环境和开放环境下的影响机制也不一样。人工智能技术直接运用于环境治理，能有效减少环境污染，但同时随着人工智能技术的发展、工业机器人的大量使用，生产力大幅度提高，生产规模扩大，也有可能加剧环境污染，或者存在非线性关系。在开放经济条件下，人工智能技术发展能显著提高一国全球价值链地位，从而减少该国的环境污染，但这一正向效应存在国家和行业异质性，即对于处于不同发展阶段的国家和不同污染和技术密集度的行业的影响效应是不同的。总之，如何将人工智能技术引入环境污染模型仍需进一步探索。
中国对人工智能应用于环境污染的相关研究还较为有限。中国作为最大的发展中国家，以往靠牺牲环境来获取发展速度的经济增长模式带来了巨大的污染治理压力，经济绿色转型发展迫在眉睫。人工智能技术在中国工业生产中的应用将对环境污染带来哪些效应？显然值得进一步深入探讨。
[参考文献]
[1]Minsky,M.1961,“StepsTowardArtificialIntelligent”，ProceedingsoftheIRE,Vo1.49(1).
[2]Min,H.2010,“ArtificialIntelligentinSupplyChainManagement:TheoryandApplications”,internationalJournalofLogistics:ResearchandApplications,Vo1.13(1).
[3]刘斌,潘彤.人工智能对制造业价值链分工的影响效应研究[J].数量经济技术经济研究,2020,(10).
[4]FinlaysonM.A.RichardsW,WinstonP.H.Computationalmodelsofnarrative:Reviewofaworkshop[J].AIMagazine,2010,(2).
[5]Cerka,P.Grigiene,J.andSirbikyte,G.，2015,“LiabilityforDamagesCausedbyArtificialIntelligence”，ComputerLaw&SecurityReview,Vo1.31(3).
[6]Li,D.andY.Du,2017,ArtificialIntelligencewithUncertainty,BocaRaton:CRCpress.
[7]Kromann,L.,J.R.Skaksen,andA.Sorensen.Automation,LaborProductivityandEmployment:ACrossCountryComparison[R].CEBR,CopenhagenBusinessSchool,2011.
[8]Brynjolfsson,E.andL.M.Hitt.Computingproductivity:Firm-levelEvidence[J].ReviewofEconomicsandStatistics,2003,85(4).
[9]杨光,侯钰.工业机器人的使用、技术升级与经济增长[J].中国工业经济,2020,(10).
[10]张文博.环境治理中的人工智能[J].国外社会科学前沿,2019,(10).
[11]郎芯玉,张志勇.浅谈人工智能在水质监测领域的应用[J].计算机产品与流通,2019,(12).
[12]王旭,王钊越,潘艺蓉,罗雨莉,刘俊新,杨敏.人工智能在21世纪水与环境领域应用的问题及对策[J].中国科学院院刊,2020,(9).
[13]张伟,李国祥.环境分权体制下人工智能对环境污染治理的影响[J].陕西师范大学学报(哲学社会科学版),2021,(3).
[14]Graetz,G.andG.Michaels.RobotsatWork:TheImpactonProductivityandJobs[J].ReviewofEconomicsandStatistics,2018,(5).
[15]AcemogluD，RestrepoP.Secularstagnation?Theeffectofagingoneconomicgrowthintheageofautomation[J].AmericanEconomicReview,2017,(5).
[16]陈秋霖,许多,周羿.人口老龄化背景下人工智能的劳动力替代效应：基于跨国面板数据和中国省级面板数据的分析[J].中国人口科学,2018,(6).
[17]程承坪,陈志.人工智能促进中国经济增长的机理——基于理论与实证研究[J].经济问题,2021,(10).
[18]AghionP，JonesB，JonesC.Artificialintelligenceandeconomicgrowth[R].NBERWorkingPaper，2017.
[19]林晨,陈小亮,陈伟泽,等.人工智能、经济增长与居民消费改善：资本结构优化的视角[J].中国工业经济,2020,(2).
[20]OnafoworaOA,OwoyeO.BoundstestingapproachtoanalysisoftheenvironmentKuznetscurvehypothesis[J].EnergyEconomics,2014,(44).
[21]AllardA,TakmanJ,UddinGS,etal.TheN-shapedenvironmentalKuznetscurve:anempiricalevaluationusingapanelquantileregressionapproach[J].EnvironmentalScienceandPollutionResearch,2018,25(6).
[22]LiuK,LinB.ResearchoninfluencingfactorsofenvironmentalpollutioninChina:Aspatialeconometricanalysis[J].JournalofCleanerProduction,2019,206(1).
[23]吕越,谷玮,包群.人工智能与中国企业参与全球价值链分工[J].中国工业经济,2020,(5).
[25]许统生,薛智韵.制造业出口碳排放:总量、结构、要素分解[J].财贸研究,2011,(3).
[26]余娟娟.全球价值链嵌入影响了企业排污强度吗——基于PSM匹配及倍差法的微观分析[J].国际贸易问题,2017,(12).
[27]徐辉,苗菊英.我国制造业承接外包的环境效应[J].环境经济研究,2018,(2).
[28]陶长琪,徐志琴.融入全球价值链有利于实现贸易隐含碳减排吗?[J].数量经济研究,2019,(1).
[29]ChenyaoQu,JunShao,ZhonghuaCheng,CanembeddinginglobalvaluechaindrivegreengrowthinChina’smanufacturingindustry?[J].JournalofCleanerProduction,2020(268).
[30]ChuanwangSun,ZhiLi,TiemengMa,RunyongHe,Carbonefficiencyandinternationalspecializationposition:Evidencefromglobalvaluechainpositionindexofmanufacture[J].EnergyPolicy,2019(128).
[31]LafangWang,YoufuYue,RuiXie,ShaojianWang,HowglobalvaluechainparticipationaffectsChina’senergyintensity[J].JournalofEnvironmentalManagement,2020(260).
[32]JingWang,GuanghuaWan,ChenWang,ParticipationinGVCsandCO2emissions[J].EnergyEconomics,2019(84)1.
[33]王玉燕,王建秀,阎俊爱.全球价值链嵌入的节能减排双重效应——来自中国工业面板数据的经验研究[J].中国软科学,2015,(8).
[34]杨飞,孙文远,张松林.全球价值链嵌入、技术进步与污染排放——基于中国分行业数据的实证研究[J].世界经济研究,2017,(2).
[35]GuomeiZhao,CenjieLiu.Carbonemissionintensityembodiedintradeanditsdrivingfactorsfromtheperspectiveofglobalvaluechain[J].EnvironmentalScienceandPollutionResearch,2020,27(25).
[参考文献]
[1]Minsky,M.1961,“StepsTowardArtificialIntelligent”，ProceedingsoftheIRE,Vo1.49(1).
[2]Min,H.2010,“ArtificialIntelligentinSupplyChainManagement:TheoryandApplications”,internationalJournalofLogistics:ResearchandApplications,Vo1.13(1).
[3]刘斌,潘彤.人工智能对制造业价值链分工的影响效应研究[J].数量经济技术经济研究,2020,(10).
[4]FinlaysonM.A.RichardsW,WinstonP.H.Computationalmodelsofnarrative:Reviewofaworkshop[J].AIMagazine,2010,(2).
[5]Cerka,P.Grigiene,J.andSirbikyte,G.，2015,“LiabilityforDamagesCausedbyArtificialIntelligence”，ComputerLaw&SecurityReview,Vo1.31(3).
[6]Li,D.andY.Du,2017,ArtificialIntelligencewithUncertainty,BocaRaton:CRCpress.
[7]Kromann,L.,J.R.Skaksen,andA.Sorensen.Automation,LaborProductivityandEmployment:ACrossCountryComparison[R].CEBR,CopenhagenBusinessSchool,2011.
[8]Brynjolfsson,E.andL.M.Hitt.Computingproductivity:Firm-levelEvidence[J].ReviewofEconomicsandStatistics,2003,85(4).
[9]杨光,侯钰.工业机器人的使用、技术升级与经济增长[J].中国工业经济,2020,(10).
[10]张文博.环境治理中的人工智能[J].国外社会科学前沿,2019,(10).
[11]郎芯玉,张志勇.浅谈人工智能在水质监测领域的应用[J].计算机产品与流通,2019,(12).
[12]王旭,王钊越,潘艺蓉,罗雨莉,刘俊新,杨敏.人工智能在21世纪水与环境领域应用的问题及对策[J].中国科学院院刊,2020,(9).
[13]张伟,李国祥.环境分权体制下人工智能对环境污染治理的影响[J].陕西师范大学学报(哲学社会科学版),2021,(3).
[14]Graetz,G.andG.Michaels.RobotsatWork:TheImpactonProductivityandJobs[J].ReviewofEconomicsandStatistics,2018,(5).
[15]AcemogluD，RestrepoP.Secularstagnation?Theeffectofagingoneconomicgrowthintheageofautomation[J].AmericanEconomicReview,2017,(5).
[16]陈秋霖,许多,周羿.人口老龄化背景下人工智能的劳动力替代效应：基于跨国面板数据和中国省级面板数据的分析[J].中国人口科学,2018,(6).
[17]程承坪,陈志.人工智能促进中国经济增长的机理——基于理论与实证研究[J].经济问题,2021,(10).
[18]AghionP，JonesB，JonesC.Artificialintelligenceandeconomicgrowth[R].NBERWorkingPaper，2017.
[19]林晨,陈小亮,陈伟泽,等.人工智能、经济增长与居民消费改善：资本结构优化的视角[J].中国工业经济,2020,(2).
[20]OnafoworaOA,OwoyeO.BoundstestingapproachtoanalysisoftheenvironmentKuznetscurvehypothesis[J].EnergyEconomics,2014,(44).
[21]AllardA,TakmanJ,UddinGS,etal.TheN-shapedenvironmentalKuznetscurve:anempiricalevaluationusingapanelquantileregressionapproach[J].EnvironmentalScienceandPollutionResearch,2018,25(6).
[22]LiuK,LinB.ResearchoninfluencingfactorsofenvironmentalpollutioninChina:Aspatialeconometricanalysis[J].JournalofCleanerProduction,2019,206(1).
[23]吕越,谷玮,包群.人工智能与中国企业参与全球价值链分工[J].中国工业经济,2020,(5).
[25]许统生,薛智韵.制造业出口碳排放:总量、结构、要素分解[J].财贸研究,2011,(3).
[26]余娟娟.全球价值链嵌入影响了企业排污强度吗——基于PSM匹配及倍差法的微观分析[J].国际贸易问题,2017,(12).
[27]徐辉,苗菊英.我国制造业承接外包的环境效应[J].环境经济研究,2018,(2).
[28]陶长琪,徐志琴.融入全球价值链有利于实现贸易隐含碳减排吗?[J].数量经济研究,2019,(1).
[29]ChenyaoQu,JunShao,ZhonghuaCheng,CanembeddinginglobalvaluechaindrivegreengrowthinChina’smanufacturingindustry?[J].JournalofCleanerProduction,2020(268).
[30]ChuanwangSun,ZhiLi,TiemengMa,RunyongHe,Carbonefficiencyandinternationalspecializationposition:Evidencefromglobalvaluechainpositionindexofmanufacture[J].EnergyPolicy,2019(128).
[31]LafangWang,YoufuYue,RuiXie,ShaojianWang,HowglobalvaluechainparticipationaffectsChina’senergyintensity[J].JournalofEnvironmentalManagement,2020(260).
[32]JingWang,GuanghuaWan,ChenWang,ParticipationinGVCsandCO2emissions[J].EnergyEconomics,2019(84)1.
[33]王玉燕,王建秀,阎俊爱.全球价值链嵌入的节能减排双重效应——来自中国工业面板数据的经验研究[J].中国软科学,2015,(8).
[34]杨飞,孙文远,张松林.全球价值链嵌入、技术进步与污染排放——基于中国分行业数据的实证研究[J].世界经济研究,2017,(2).
[35]GuomeiZhao,CenjieLiu.Carbonemissionintensityembodiedintradeanditsdrivingfactorsfromtheperspectiveofglobalvaluechain[J].EnvironmentalScienceandPollutionResearch,2020,27(25).
原文引用：喻春娇,李奥.人工智能技术对环境污染的影响机制述评,2022,（01）：50-57
来源：《决策与信息》2022年第01期
作者：喻春娇（1971-），女，湖北京山人，湖北大学商学院教授，博士生导师，经济学博士，湖北开放经济研究中心副主任，主要从事国际贸易理论与政策、国际生产网络研究；李奥（1997-），女，湖北宜昌人，湖北大学商学院硕士研究生。
责编：李利林、编辑：邓汝濛返回搜狐，查看更多
人工智能对汽车制造业的影响
作者：PaulEichenberg 2018年9月11日
人工智能（AI）在过去几年中已经取得很大进展，缩小了理论研究与实际实现可能性之间的鸿沟，其中尤以汽车业的各种可能性更让人激动。对于我们目前驾驶的汽车（以及未来拥有的汽车），其设计与制造过程之间有很大的发展空间供人工智能大施拳脚，提升汽车制造效率，提高汽车制造过程和整体驾驶安全性。人工智能迟早会在汽车行业一统天下，这只是时间问题-那么制造商、供应商和汽车制造商是否已对此做好了准备？
人工智能分类
与汽车行业最相关的人工智能可以分为四类。第一类是机器学习，即从实例和经验中学习的算法，而不是预先确定的过程。机器学习是人工智能的基本框架之一，我们日常生活中目前运用的许多技术中都含有机器学习。第二类是深度学习。深度学习是机器学习的一部分，正式成形是在人类神经网络出现之后。计算机通过深度学习，能够对行为做出准确的预测；随着通过社交网络和智能手机提供的数据越来越多，深度学习已经成为人工智能发展最快的一部分。
第三类是自然语言处理，即计算机识别、解释和响应各种人类语音的能力，包括有口音的讲话、方言和俚语-故名“自然”。自然语言处理的发展只有短短十年，但已经取得了长足的进步。第四类也是最后一类是机器视觉，即计算机能够感知和处理图像、空间距离、缺陷和速度等视觉线索的能力，甚至能感知和处理人类力所不及的视觉线索。
自动驾驶汽车
一说到人工智能的能力，许多人最先想到的会是自动驾驶汽车，即汽车在人类驾驶员干预最少的情况下正常行驶。多种人工智能过程目前正在综合各类数据，以便学习如何根据驾驶状况最好地进行响应以及人类驾驶人员对此是如何应对的。在汽车中，这类人工智能包括预测其他汽车的行为方式、如何测量天气状况、了解道路问题等等。最终，人工智能会改变许多与汽车驾驶相关的行业，包括出租车、拼车、快递公司和公共交通。
汽车制造商也寄望于人工智能帮助避免导致事故的人为错误。例如，与自动制动、防撞系统、行人和单车骑手提醒、交叉路口提醒和智能巡航控制相关的安全功能都可基于人工智能实现，这只是人工智能可实现的其中一部分功能。作为人类驾驶员的助手，这些人工智能方面的进步将使所有出行人受益。
生物识别技术
人工智能的另一个重要贡献是利用生物识别技术来分析驾驶员的安全性。这种技术要求只有在识别出特定声音时汽车才可行驶，从而可用于提高乘坐拼车安全性。人工智能还可以跟踪和综合与驾驶员清醒程度和注意力相关的生物识别数据，在检测到驾驶员操作不安全时予以提醒，避免可能发生的事故。
所有运用人工智能的汽车应用中有一个共同点，那就是为了提高每位出行人的道路安全性；这是人工智能开发中的一个趋势，可以预见，这很可能成为未来的发展焦点。如支持联网汽车相互通信的车联网（V2V）技术等概念目前处于开发阶段；利用这项技术，可以使汽车联网，在出现问题时提醒网络，并允许司机（甚至汽车）采取预防措施，从而减少事故发生。
人工智能的要求和优点
基于人工智能技术的软件、机器和部件运行所需的组件可能更少，但是要求更专业的员工进行编程和故障排除。如今，采用自动驾驶汽车的一个巨大瓶颈是软件工程师资源短缺，开发算法并将人工智能应用于这些复杂的系统都离不开软件工程师。目前许多公司设法通过“购聘”来克服这一障碍，或者收购拥有成熟团队的小规模科技公司，帮组织构建面向未来的能力，为将来截然不同的汽车发展格局做好准备。
对大多数人来说，人工智能利大于弊。提高安全性和效率的诱惑难以抵制-尤其是人工智能超越汽车范畴，一路延伸到整个制造业。据一项研究估计，制造业中采用人工智能后，可使工时减少0.5-1.5%，同时显著提高生产率；人工智能还可以提高安全性、生成概念、预测校准数据、进行维修等等。例如，制造业中正在开发的机器视觉能正确识别人眼无法检测到的微观误差（尤其是在电路板中）。
另一个例子是预防性维护。大多数工业设备通常按固定的时间表进行维护，而不管实际运行状况如何，这会导致人工浪费以及发生意外故障和未诊断到设备故障的风险。现在，可以通过为设备配备传感器并联网，对这些设备进行监控、分析和建模，从而提高设备的性能和维护水平。如今使用人工智能可以分析由此产生的大量数据，进而生成预测分析，以最大限度地提高设备效率，避免不必要的设备停机。
结论
当然，如果有足够的时间，可以利用人工智能来重新设计制造过程，使制造过程中不再需要人工，至少可以省去执行相同工作的人工。机器人技术和人工智能流程最终可以取代对低技能工人的需求，当然，这在短期内可有对劳动力产生负面影响。但从长远来看，这种构想有利于重新培训这些工人，使其具备完成更高层次任务的能力。人工智能将从根本上改变汽车业的格局；从制造到车辆运营，效率、安全性和生产力的提高展现的未来很可能与我们目前对汽车业运作方式的认知截然不同。汽车制造商和汽车供应商最明智的选择是考虑利用人工智能技术的优点来改善日常运营和未来前景，实现全面成功。
人工智能对传媒业的影响有哪些
0分享至人工智能是引领新一轮科技革命和产业变革的战略性技术。从传感器获取信息，到自动生成图像、音频、视频，再到沉浸化、智能化传播，人工智能技术不断重塑与赋能传媒行业。目前，人工智能技术比较广泛应用于传媒行业，主要包括基础层、感知层、认知层、平台层和应用层。基础层提供AI服务所需的算力、数据和基本算法，极大地降低了对本地硬件设备和软件系统的要求，运维成本和风险。感知层模拟人的听觉、视觉，实现语音识别、图片识别、视频分析、HDR、VR/AR配准渲染等功能。认知层模拟大脑的语义理解功能，实现自然语言处理、知识图谱的记忆推理和用户画像分析等功能。平台层通过开放服务接口，为视频创作、视频生产、内容分发、社交互动、商业变现等应用赋能。AI技术引领传媒业内容生产与传播模式的革新人工智能已经渗透至信息采集、内容生产、内容分发到与用户互动等全链条。数据表明，国内新闻工作各业务环节中，人工智能应用渗入程度最高的环节集中在舆情监测/线索收集、内容精准传播、用户画像等方面，提升了新闻报道的时效性、个性化新闻分发的精确度、新闻生产效率。例如，新华社推出的智能化编辑室持续追踪人工智能技术前沿成果，主要包括“鹰眼”智能监测系统、“现场云”、AI合成主播、智能版权评价系统和区块链技术，对新闻生产进行全环节、全流程、全系统再造。AI技术促进媒介融合催生新业态，多元平台竞合共生万物互联、万物皆媒趋势越来越明显，央视网、人民网等网络媒体运用人工智能技术，构建现代传播体系，打造适应“全程、全息、全员、全效”媒体特点的新业态。从竞争态势来看，今日头条、一点资讯、快手等互联网企业运用人工智能技术实现算法推荐分发，并积极打造内容生态平台，业已成为具有媒体属性的新兴业态。如今网络媒体之间的竞争从之前的内容、产品、营销、渠道竞争上升到平台之争；从传播及影响来看，凭借用户基数大、信息传播快、互动功能强等特点，网络媒体日益成为内容传播的重要力量。新时代的传媒业将更加数字化、智能化，形成资源集聚、结构合理、多元包容、协同高效的传播体系，大量的新生技术将进一步促使网络媒体沟通现实世界与虚拟世界，提升信息传递效率，推动形成社会治理合力，让新时代的声音传得更广、更深、更远。AI技术双刃剑效应愈加明显，引发系列问题挑战人工智能技术对传媒业的颠覆性变革仍在持续，专业媒体、自媒体、平台、用户等努力适应日益混合型媒介环境。人工智能技术的双刃剑效应愈加明显，失序失范现象频现，一系列新问题新挑战接踵而至。推荐算法基于用户精准画像进行内容筛选推送，提升了新闻生产个性化和新闻推送准确率，同时，由于侧重迎合个人偏好，导致“信息窄化”，形成“信息孤岛”。长此以往，舆论趋于分化、极化、碎片化，形成社会共识、增强社会凝聚力难度加大。与此同时，人工智能技术滥用误用引发虚假新闻危害，基于深度学习、虚拟现实等的换脸技术、语音合成技术、视频生成技术大大发展，虚假文本及音视频成为“新型谣言”。基于广泛数据分析的人工智能技术大大增加了公民隐私受侵犯的风险，对个人信息的非法使用和采集，对数据来源缺乏安全有效保护，易于造成隐私泄露，出现信息安全问题。特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice:Thecontentabove(includingthepicturesandvideosifany)isuploadedandpostedbyauserofNetEaseHao,whichisasocialmediaplatformandonlyprovidesinformationstorageservices.
/阅读下一篇/返回网易首页下载网易新闻客户端人工智能带给各行业的冲击和机遇
随着科技的发展和社会的进步，高新技术正在慢慢地改变人类的生活方式，在这些巨大变化的背后是无数科研人员辛勤努力的结果。下面结合人工智能领域的文本理解研究方向，介绍人工智能领域近些年的发展和带给各行各业的变化。
人工智能技术指的是获取某一领域的海量信息，并利用这些信息对具体案例做出判断，以达成某一特定目标的技术。这些技术在给定任务中所展现出的工作能力已经被证明可以完全超越人类的表现。例如目前的信贷风险评估已经逐渐从人为评估转变为自动化评估，如何做到的呢？金融机构利用大量的历史借贷记录以及分析后的借贷的结果作为训练集，让计算机学习并理解如何评估是否实施借贷，也就是学习一系列的规则。当计算机学习完毕后，我们再给计算机一些新数据时，计算机就会利用原有的规则分析这个机构或者人的借贷条件，最后判断是否给予借贷。从而解放了人为的繁复工作，仅仅依靠计算机就能轻松解决。再例如，传统的客服行业都是雇佣大量的人员接线，成本巨大，目前随着人工智能的迅猛发展，已有很多公司如微软、百度、阿里率先实现了智能客服服务，用户输入问题后，计算机先理解问题然后在答案库里匹配答案，将结果反馈给用户。
今天，这样的人工智能技术正在被广泛应用于各个领域。随着它的进一步发展，会不可避免地对就业造成冲击。很多岗位和职业会逐步消失，如银行出纳员、客户服务代表、电话销售员、股票和债券交易员等；甚至律师助理和放射科医生这样的工作也会被这类软件所取代。假以时日，人工智能技术还会学会控制如无人驾驶汽车和机器人这类半自主或全自主硬件设施，逐步取代工厂工人、建筑工人、司机、快递及许多其他职业。人工智能技术所带来的冲击并非单纯指向
某些特定岗位和职业，如传统制造业中的手工艺者被流水线工人所取代；或只会使用纸张和打字机的秘书被精通电脑的个人助理所替代等；人工智能所带来的是对现有职业和工作版图大规模地颠覆。简而言之，就是大量重复性肌肉劳动将会被人工智能取代，并且一些高难度的具有一定危险性的工作也会被人工智能取代，例如目前研制出的手术机器人可以为艾滋病患者、乙肝患者等具有传染性疾病的病人手术，从而降低了医护人员的危险性。
但随着人工智能的发展，除去传统行业被高新技术取代，创新型工作也面临着巨大的危机。音乐领域，索尼巴黎计算机科学实验室研究人员盖坦•哈杰里斯(GaetanHadjeres)与弗朗索瓦•帕切特(FrancoisPachet)编写的“DeepBach”(深度巴赫)的神经网络，通过学习352部巴赫的作品之后几乎可以能创造出以假乱真的巴赫曲目；编剧领域，一个人工智能程序名为“Benjamin”，通过学习大量剧本后，创造出一个9分钟短片。“Benjamin”目前没法做到像人类写的剧本那样逻辑通顺，刚出来的稿子有很多让人啼笑皆非的地方，不过整体而言，人工智能创作的具备还是很有意义。同时，让人惊讶的是，Benjamin根据剧本的情节，创作了相应的背景音乐；在围棋领域，谷歌创造的阿尔法狗横扫李世石等顶级高手，颠覆了人类对于围棋中“棋谱”的认识，打击了棋类的最后堡垒。
以此看来，人工智能显然是有能力和潜力取代人类现有的各类工作的，梁建章先生说的30年，显然是非常保守的判断。
随着一些行业的被取代，同样会出现一些“新兴”的行业，如已被行业认可的“自然语言处理”、“语音识别工程师”等，还有业内人都没意识到的职位，比如人工智能/机器人产品经理；脑洞再大一点，未来可能会有“机器人道德/暴力评估师”等职位。那么在人工智能时代，社会亟需的是哪些人才呢？
1.专才+创造力。
无论是上述三类需求来源的哪一种，浮于行业表面的人，都会被AI替代。只有具备深度的专业能力和创造力，才能有立足之地。
2.如果做人工智能行业，还需要极强的多领域理解力+沟通合作能力。
如服务机器人行业，会是人工智能+互联网+机器人硬件等多领域的交集，同时能懂这三方面的人是可遇不可求的。实际工作中，一定会需要和其他背景的牛人共同协作，这时，一方面，需要多领域的知识储备，另一方面，沟通合作能力尤其重要。
综上所述，我们需要不断学习，积累更多技能，不断适应社会对于职业的需求，才能让自己立于不败之地。