觀點
阮穎嫻：AI撐起增長：從技術奇點 到實務估算
【明報文章】人工智能（AI）是全球未來科技和經濟發展的重心。ChatGPT自2022年面世，用家以億計。與AI關係密切的晶片行業，股價節節上升。中美兩國不少政策與AI相關，例如中國發展「新質生產力」，務求達到算力自主；美國則禁止企業向中國出售高階晶片，背後都跟AI的巨大潛力息息相關。
今年香港政府的施政報告大篇幅講到AI發展，除了大力培育本地及吸引國際和中國大陸人才、撥款資助研發等，政府也成立「AI效能提升組」，統籌和指導各政府部門有效應用AI技術，並研究重組不合時宜的工作流程，推動科技革新。
今天講講AI將會對全球生產力有幾大影響。
對AI生產力的3種觀點
坊間主要有3種觀點。第一種觀點稱為「技術奇點」（technological singularity），即AI的發展達到極高水平，超越人類認知能力，技術增長呈指數式上升，AI做晒人類的工作，人類可以「歎世界」，不用工作仍享受經濟增長。例如Deepmind利用深度神經網絡技術，開發出圍棋程式，通過與自己對弈，開創新思路，實力已拋離人類。當然，圍棋程式跟具備一般能力的AI不同。未來AI要是能夠自行學習、自行修正，毋須人類指導訓練，就有可能達到技術奇點。
第二種觀點是AI發展勝於人類智慧，並擺脫人類控制，反過來操控人類，最終人類滅亡。這個觀點近乎科幻小說，惟科技領域企業家馬斯克（Elon Musk）曾於2023年聯合上千專家發表公開信，呼籲實驗室暫停開發比ChatGPT-4更強大的AI系統，並建議共同制定和實施一套安全標準，以防止AI的潛在風險。雖有論者說是馬斯克自己跑慢了，所以呼籲拖慢大家進度，好讓自己趕上，但他的擔憂不無道理。
然而，近幾年人類利用AI愈來愈多，不過未見上述兩種情况發生。
第三種觀點認為，AI在短期內會令生產力輕微上升。
有經濟學家就AI對生產力的影響做了較有系統的估算。估算基於幾個主要參數，第一個參數是現時有幾多工作會受AI影響。AI和機械人最拿手的，就是一些高度重複、可規則化的工作，例如簡單文書，行政人員、製造業工人等職位比較高危。近年大行其道的生成式人工智能（generative AI，如ChatGPT）能夠產生文字、圖像或其他媒體，取代一些涉及創造的工作，如設計師、作家、音樂家、編輯、翻譯等。在許多已開發的經濟體中，管理、專業等高薪職業的就業份額持續上升；同時，低薪服務業崗位（如餐飲、個人照護、清潔工、家事人員、保安、垃圾收集員等）就業人數正在增加，薪酬接近中位數的職位卻被「掏空」。根據估算，有可能被AI替代的工種，約佔所有工種的40%。
第二個參數，是在有可能被AI替代的工種之中，企業會繼續用人手還是轉用AI呢？舉例說，有些餐廳使用全自動點餐系統，甚至用「AI炒菜機械人」；然而，許多餐廳仍靠人手。是否要轉向使用高科技營運餐廳，不僅是科技可行性的問題，也有商業成本效益的考量。這取決於研發費用、企業的規模效益等因素。研究指出，以現時的AI生產力，在有可能被AI替代的工種中，可能只有四分之一會被替代。
第三個參數，是AI能夠為每個工種提升多少生產力。這視乎工種，也因人而異。例如，研究顯示，大型語言模型能使電話服務中心工作人員每小時成功解決的對話數量增加15%，每個個案處理時間減少，而成功解決的比率增加，AI對技術水平較低和經驗較少的工作人員較有裨益。其他研究發現，AI對寫作、編寫電腦程式、面試等不同工作，各有不同程度幫助，生產力平均提升20%左右。
科技從發明到廣泛應用 有滯後期
根據上述假設，AI對整體生產力的影響可能相對有限，約為2%（0.4×0.25×0.2）。這些數字是基於現時AI的使用狀况得出；如果科技發生突破進展，實際生產力和GDP（本地生地總值）影響可能更大。但總體來說，預計於未來10年內，AI對經濟增長會有所貢獻，惟影響程度可能未去到「技術奇點」那種翻天覆地。
一些能夠大幅提升生產力的科技，從發明到被廣泛採用，往往存在較長滯後期。例如標誌着英國工業革命的「珍妮紡紗機」（spinning jenny），在1770年代一海之隔的法國，竟然無人問津。另外，雖然拖拉機能夠大幅增加農夫生產力，美國的農場竟然花了幾十年才完全替代了馬和騾。
諾貝爾經濟學獎得主索洛（Robert Solow）於1987年提出著名的「索洛悖論」：「你在各處都能看到電腦時代，唯獨在生產力統計中看不到（you can see the computer age everywhere but in the productivity statistics）。」這個悖論描述了資訊科技普及和大量投資的時期，但在官方統計中，卻看不到生產力顯著提升。類似的例子還有很多。
於日常生活或工作採用新科技，並非易事，原因有三。
第一，新科技發明之初，往往未盡如人意，如大型語言模型開發費用高昂，出得起錢自行訓練模型的企業寥寥可數。此外，現時大型語言模型有所謂「幻覺」（hallucination）的弊端，提供貌似事實的虛假或誤導資訊。若企業要應用這些模型，可能要另找人手覆核。
第二，於企業層面，各個工作環節都需因應新科技做調整，不僅要培訓人才，還要配備充足的支援措施。以當年初初引入電腦為例，至少要令員工會打字，而不能只有一兩個專職打字員。據說有企業在引入電子郵件初期，因員工不熟悉，還要求發送電郵的人附上紙本作為證明，結果反而增加不必要程序、降低新科技效率。
最後，新科技往往需要新規範乃至法律框架。數字經濟的發展，要求保障數據安全、防止資料外泄，並保障個人隱私。這方面要做到滴水不漏，非常困難。香港不時有大機構有大量個人資料外泄，令人擔憂。但有法例會拖慢進程，有些地區發展得快，因為監管薄弱。
推動AI發展 需保持耐心
另外，無人「孭飛」（承擔責任）亦會拖慢進度。舉例說，醫療領域中用AI識別腫瘤掃描的技術，已經比人更準確，惟判斷錯誤後的責任，是歸醫生還是AI程式提供者？若不明確，將阻礙技術的廣泛應用。
總結來說，香港政府推動AI的大方向正確，但需保持耐心，生產力不會在一兩年內大幅提升；同時，必須完善工作流程並合理調配資源，才能夠真正體現成效。
參考資料：
Erik Brynjolfsson, Danielle Li, and Lindsey Raymond. (2025) . Generative AI at work. Quarterly Journal of Economics, 140(2): 889-942.
作者是香港大學經管學院講師
（本網發表的時事文章若提出批評，旨在指出相關制度、政策或措施存在錯誤或缺點，目的是促使矯正或消除這些錯誤或缺點，循合法途徑予以改善，絕無意圖煽動他人對政府或其他社群產生憎恨、不滿或敵意）
