我们以前对新技术有错。我们对AI错了吗？

这一年是1956年。您是一位在国际商务机器（全球领先的制表机公司）工作的研究人员，该公司最近已将其多样化为电子计算机的全新领域。您的任务是确定出于什么目的，您的客户正在使用IBM的巨大大型机。

答案事实非常简单：计算机是为军方和军方而言。1955年，即前一年，到目前为止，IBM计算机部门最大的单一收入来源是鼠尾草项目，国防部的倡议将IBM任务为创建能够在美国提供早期警告的计算机系统，应核军苏联轰炸机袭击该国。这在1955年带来了4700万美元，其他军事项目带来了3500万美元。与此同时，可编程计算机出售给企业，带来了一个微不足道的1200万美元。

您向老板发送备忘录，解释说，计算机对社会的影响将主要是为了使美国在冷战中的​​优势。相比之下，对私营部门的影响似乎很小。您向后靠在椅子上，点燃香烟，并思考防御工业综合体的光荣未来。

当然，您当然会完全错误 - 不仅在很远的未来，而且在很直接的情况下。在1952年至1964年，IBM的每个计算部门的收入是由公司资深人士编写的艾默生·普格（Emerson Pugh）在他的书中建造IBM：

1956年仅两年后，出售给私人公司的可编程计算机将Sage作为收入来源匹配。在那之后的一年，私营部门与整个军队一样。到1963年，甚至在您查看的1955年数据之后的十年还没有十年，军方似乎是IBM激增的私人计算机收入旁边的舍入错误，这些私人计算机收入已逐渐增加，这些计算机已不断增长，以占公司整个美国收入的大部分。

哎呀！

本周，两者都令人印象深刻的经济学家团队Openai和人类发布了有关人们如何使用AI模型的大型，精心设计的报告 - 我想知道IBM关于人们如何使用他们的第一台计算机的报告是什么。对我们的内容没有任何社论输入。）

需要明确的是：AI公司投入工作的护理水平比我们虚构的IBM分析师所显示的很多数量级要大。收入是实际客户兴趣和使用的最佳衡量；即使在1955年，每个人都知道计算机正在迅速改善，其用途将会改变。AI公司可以访问有关其产品如何使用的令人印象深刻的实时数据沃森 家庭运行IBM唾液。

也就是说，我认为IBM示例对于澄清什么是有用的，我们要摆脱这种数据。

AI公司的报告最有用，可以为我们提供一个时间点的快照，以及几年来的近期历史，即将哪种疑问发送给Chatgpt和Claude。你可能有阅读我的同事Shayna Korol在周三的未来完美新闻中，阐述了OpenAI发现，我还建议研究合着者和哈佛大学教授大卫·戴明（David Deming）的摘要 帖子。但是，我从这两个报告中学到的一些大局，非平凡的事情是：

但是我很贪婪。我不想知道有关这些模型如何使用的一阶描述性事实，即使这些是这些论文的问题，以及Openai和Anthropic收集的内部数据可以回答。我真的想回答有关AI使用及其经济影响的问题，更像是：

但是，理论上的工作主要是以：我们可以用来理解正在发生的事情或不久会发生的一些概念？这是理论上的重点！因此，在上面的问题上留下了一个像我这样的贪婪，急躁的人，没有良好的答案，甚至没有特别好的猜测。在这个地方，我希望有良好的实证研究使我有一种理解的理论框架对应于地面现实。

我担心的是，出于IBM Parable解释的原因，有关现在如何使用AI的经验细节会误导我们将来如何使用它，以及它对我们生活的最重要影响。如果您在1956年冻结了我们的IBM分析师，并立即复活了它们以分析OpenAI和人类报告，那么他们会对上述更具投机性的问题有何评论？

他们可能会指出，CHATGPT研究发现了所有信息的大约一半与劳动部所跟踪的相当少数的工作活动相对应，例如记录/记录信息以及做出决策和解决问题的问题。我们的IBM分析师可能会得出结论，AI只能自动执行相当小的工作任务，这意味着人类和AI的劳动将互相补充。

Then again, the analyst could look at the Anthropic report which found that “automation” use cases (where you just tell Claude to do something and it does the whole task, perhaps with periodic human feedback) are vastly more common among businesses using Anthropic’s backend to program their own specific Claude-enabled routines than “augmentation” use cases (where you ask Claude for feedback or for learning, etc., and work in concert with it).增强仍然占用了更大的用法Claude.ai网站，但是自动化份额也在那里增长。我们的分析师可能会考虑这一点，并得出结论，AI和人工的劳动将成为替代品，因为Claude用户将其用作辅助的人要比作为代理商自己进行工作要少。

我认为，所有这些结论都是为时过早。这就是为什么尊敬的是，OpenAI和人类报告的作者都非常谨慎，并且不知道，也不能从他们的工作中推断出来。他们没有声称这些发现可以告诉我们AI对劳动需求，经济增长的分配或受AI影响最大的专业的中等或长期影响正是很多外部观察者在做什么。

因此，让我专注于报告确实告诉我们的事情结束，这一点至关重要。创新经济学中最古老的发现之一是，新技术通常需要很长时间才能在经济中进行“弥漫”。

这里的经典论文是Zvi Griliches于1957年关于混合玉米的传播。杂化玉米不是一种特定产品，而是一种特殊的玉米种子，以最佳的特定区域繁殖玉米种子。曾经在一个州采用混合玉米的几个农民，随后的吸收似乎令人难以置信。看看那些S曲线！

但是，尽管各个状态内的扩散很快，但状态之间的扩散却不是。为什么德克萨斯州在爱荷华州的混合玉米兴起后需要十年才能意识到这可能会大大提高产量？与爱荷华州的普遍吸收相比，为什么它似乎触及了60-80％的使用情况？查看案例时，您还会看到这些滞后电并在涵盖各种发明的数据集。

人类和OpenAI数据清楚地告诉我们，按照历史标准，AI的扩散滞后很短。采用这项技术的速度比较早的在线产品像Facebook或Tiktok一样，更不用说混合玉米了。

过去通用技术（如电或计算）花费了数年或数十年的时间来弥漫在经济中，这限制了它们一段时间的收益，但也使我们有时间适应。我们可能不会花时间这段时间。