人工智能的發(fā)展是生產(chǎn)力進(jìn)步的表現(xiàn),但廣泛使用人工智能技術(shù)的經(jīng)濟(jì)效應(yīng)尚待深入研究�；谌斯ぶ悄軐趧拥奶娲饔�,將人工智能投資引入動態(tài)隨機(jī)一般均衡模型,通過比較靜態(tài)分析和短期動態(tài)分析考察人工智能發(fā)展對通脹動態(tài)的影響。穩(wěn)態(tài)分析表明:人工智能投資效率提高和使用范圍擴(kuò)大均會提升勞動生產(chǎn)率進(jìn)而提高產(chǎn)出水平,但對長期或趨勢通脹沒有影響;在人工智能發(fā)展初級階段人工智能的發(fā)展會引起實(shí)際工資下降,而在相對高級階段人工智能的發(fā)展會引起實(shí)際工資上升。短期動態(tài)分析顯示:人工智能發(fā)展水平的提高,無論是投資效率的提高還是使用范圍的擴(kuò)大,都會導(dǎo)致通脹及實(shí)際邊際成本對偏好沖擊和技術(shù)沖擊等外生沖擊的反應(yīng)變?nèi)�。人工智能的發(fā)展會使通脹動態(tài)與實(shí)際經(jīng)濟(jì)活動變化間的聯(lián)系減弱,其原因是人工智能對勞動的替代作用使工資調(diào)整不再是應(yīng)對外生沖擊的必然選擇,進(jìn)而改變了外生沖擊通過影響工資來影響通脹的傳導(dǎo)機(jī)制。因此,發(fā)展人工智能在促進(jìn)生產(chǎn)率提升和產(chǎn)出增長的同時(shí),還會改變宏觀經(jīng)濟(jì)變量間的傳導(dǎo)機(jī)制,進(jìn)而對通脹等政策調(diào)控目標(biāo)變量的準(zhǔn)確預(yù)測以及政策調(diào)整和實(shí)施的有效性帶來新的挑戰(zhàn),也為金融理論研究提出新的課題。 

【文章來源】：西部論壇. 2020,30(04)北大核心CSSCI

【文章頁數(shù)】：11 頁

【部分圖文】：

不同人工智能投資效率下通脹和邊際成本的脈沖響應(yīng)

圖2給出了不同人工智能使用范圍下通脹及實(shí)際邊際成本對偏好沖擊和技術(shù)沖擊的脈沖響應(yīng)，可以發(fā)現(xiàn):(1)積極的偏好沖擊引起通脹和邊際成本上升，而積極的技術(shù)沖擊則引起二者下降，技術(shù)沖擊對通脹和實(shí)際邊際成本的影響大于偏好沖擊。(2)人工智能使用范圍參數(shù)分別取值為0、0.04和0.08時(shí)，偏好沖擊下通脹最大上升幅度分別為6.5×10-3、5.8×10-3和4.6×10-3個(gè)刻度單位，實(shí)際邊際成本最大上升幅度分別為0.08、0.075和0.06個(gè)刻度單位。(3)人工智能使用范圍參數(shù)分別取值為0、0.04和0.08時(shí)，技術(shù)沖擊下通脹最大下降幅度分別為0.04、0.035和0.03個(gè)刻度單位，實(shí)際邊際成本最大下降幅度分別為0.38、0.33和0.30個(gè)刻度單位。因此，隨著人工智能使用范圍的擴(kuò)大，偏好沖擊和技術(shù)沖擊下通脹及實(shí)際邊際成本的反應(yīng)幅度也逐漸變小。換言之，人工智能使用范圍擴(kuò)大也使得通脹和實(shí)際邊際成本對外生沖擊的反應(yīng)變?nèi)�。結(jié)合圖1與圖2可以認(rèn)為，無論是人工智能投資效率提高，還是人工智能使用范圍擴(kuò)大，人工智能的發(fā)展均使通脹和實(shí)際邊際成本對外生沖擊的反應(yīng)變?nèi)酢＿@一結(jié)論具有重要的意義。在中國貨幣政策實(shí)踐中，通脹是央行關(guān)注的重要宏觀經(jīng)濟(jì)指標(biāo)，這一指標(biāo)不僅關(guān)乎物價(jià)穩(wěn)定，還關(guān)乎整個(gè)宏觀經(jīng)濟(jì)穩(wěn)定。本文研究結(jié)論表明，發(fā)展人工智能會使通脹對外生沖擊的反應(yīng)變?nèi)�。這意味著，在人工智能時(shí)代，央行需要充分考慮人工智能的發(fā)展及其作用，以科學(xué)合理評價(jià)外生因素對通脹的影響，進(jìn)而達(dá)到更好地穩(wěn)定通脹的目標(biāo)。

【參考文獻(xiàn)】：
期刊論文
[1]人工智能發(fā)展的宏觀經(jīng)濟(jì)效應(yīng)：動態(tài)隨機(jī)一般均衡視角[J]. 陳利鋒,鐘玉婷.  上海金融. 2020(01)
[2]環(huán)境保護(hù)稅與環(huán)保技術(shù)進(jìn)步的宏觀經(jīng)濟(jì)效應(yīng)[J]. 陳利鋒.  南方金融. 2019(11)
[3]經(jīng)濟(jì)波動、貨幣超發(fā)與通脹慣性:基于預(yù)期異質(zhì)性和時(shí)變性的視角[J]. 許光建,許坤.  經(jīng)濟(jì)與管理評論. 2019(05)
[4]機(jī)器人對勞動收入份額的影響研究——來自企業(yè)調(diào)查的微觀證據(jù)[J]. 余玲錚,魏下海,吳春秀.  中國人口科學(xué). 2019(04)
[5]人工智能、老齡化與經(jīng)濟(jì)增長[J]. 陳彥斌,林晨,陳小亮.  經(jīng)濟(jì)研究. 2019(07)
[6]人工智能發(fā)展、產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型升級與勞動收入份額變動[J]. 郭凱明.  管理世界. 2019(07)
[7]財(cái)政政策波動性與財(cái)政規(guī)則:基于開放條件DSGE模型的分析[J]. 王立勇,紀(jì)堯.  經(jīng)濟(jì)研究. 2019(06)
[8]貨幣政策不確定性、違約風(fēng)險(xiǎn)與宏觀經(jīng)濟(jì)波動[J]. 王博,李力,郝大鵬.  經(jīng)濟(jì)研究. 2019(03)
[9]美元定價(jià)約束下通貨膨脹目標(biāo)沖擊的國際傳導(dǎo)與福利效應(yīng)[J]. 范愛軍,卞學(xué)字.  世界經(jīng)濟(jì). 2018(02)
[10]財(cái)政分權(quán)、地區(qū)間競爭與中國經(jīng)濟(jì)波動[J]. 朱軍,許志偉.  經(jīng)濟(jì)研究. 2018(01)



本文編號：3309799