技术进步偏离与劳动收入份额下降的经验研究

技术进步对中性技术进步的偏离导致要素相对边际产出的变化,可能是劳动收入份额下降的重要因素。文章基于不变替代弹性CES生产函数,构造反映技术进步方向偏离指标,从而估算了中国分地区技术进步类型。(1)分解显示资本利用型技术进步主导了最近二十年中国经济发展进程,技术进步偏离与劳动收入变迁亦步亦趋;(2)利用系统距估计GMM方法和纠偏LSDV方法对1993-2012年分地区经验研究表明,资本利用型技术进步对劳动收入比重的变化具有显著性、稳健性影响;(3)在此基础之上,文章进一步利用Wan(2006)方法分解了分地区技术进步对劳动收入的贡献,结果显示在样本区间内,资本利用型技术可以解释劳动收入比重变动的20%以上。     

中国企业跨国并购提升了其研发能力吗?——来自“一带一路”沿线国家的证据

基于2001-2014年中国企业对“一带一路”沿线国家海外并购数据,利用PSM方法研究了跨国并购对母公司研发创新的影响。结果表明：总体上来看,中国企业对“一带一路”国家的跨国并购显著提升了其研发水平;相比较于劳动密集型产业,资本密集型产业对资本要素和研发创新技术具有较强的敏感性,跨国并购对其研发创新的影响更明显;相比较于东部地区,由于中西部地区企业创新能力较低且多以要素密集型为主,跨国并购对中西部地区跨国企业研发创新的影响较弱。此外,在考虑目标企业所在国家（地区）的地理分布和创新能力因素时发现,跨国并购对母公司研发创新的提升效用随着目标企业所在国家创新能力的减弱而下降。最后,本文实证研究的基础上提出了相应的对策建议。     

企业入驻高新技术园区提高了创新绩效吗?——基于倾向得分匹配的实证研究

采用倾向得分匹配估计方法从微观视角研究企业入驻高新区的实际效应,研究发现,(1)在控制样本的选择性偏误后发现,企业入驻国家级高新区能够有效提升其自身创新绩效,且结果稳健;(2)相比省级高新区,入驻国家级高新区对于企业创新绩效的提升效果更为明显;(3)高新区政策对于企业创新的影响存在明显的企业异质性,成长期、小规模、民营的东部企业从"入驻行为"中获益最大。     

R&D投资与企业生产率——基于中国工业企业微观数据的PSM分析

将有研发和无研发企业分别作为处理组和控制组,利用倾向得分匹配法(PSM)考察了RD行为对企业生产率的影响,发现有研发企业的生产率水平比与之相匹配的无研发企业高出21.5%,说明RD活动能够显著提升全要素生产率。进而,以连续有研发投入的企业为样本检验了RD强度与生产率的关系,得到研发强度以0.488%为临界值与企业生产率呈正U型关系的结论,约99%的工业企业没有达到门槛值的现实说明,应进一步增加RD投入强度,改善研发投资效率,加大基础研究的比重,发挥RD投资的创新效应,以促进企业生产率的提升。     

产业政策激励了创业孵化绩效吗？——来自中国孵化器的微观证据

基于中国2017—2019年中国孵化器的面板数据,使用倾向得分匹配（PSM）法测算产业政策对孵化器市场、创新、经营3个维度绩效的影响，并探索地区和类型差异。结果表明，单项政策作用有限，仅政府补贴对市场绩效产生显著的正效应；政策组合对市场和创新绩效均有显著的正影响，其中政府补贴和税收优惠组合对市场绩效促进作用最强，三项政策加持才能对创新产出发挥最大作用；产业政策对经营绩效的处理效应均为负；从组群内差异来看，政策对非东部地区的处理效应高于东部地区，对综合孵化器的市场绩效有较为显著的激励作用，对专业孵化器则在很大程度上促进了其创新绩效。     

智能化能否提升企业全要素生产率和技术创新

数字化、网络化和智能化是“中国制造业2025”提出的产业转型的重要方针,而智能化技术作为一种通用技术进步,是否能够真的缩短劳动时间,提高企业全要素生产率和技术创新还值得商榷。本文基于中国工信部、国家发改委和科技部的智能化试点政策,使用 2009-2018年上市公司面板数据,采用倾向得分匹配和双重差分方法（PSM-DID）,研究智能化政策能否促进企业的全要素生产率和创新效率,并分析要素密集度、所有权结构和研发密度产生的异质性。研究结果发现：（1）智能化能够提高当期的企业全要素生产率,但对企业创新效率的影响不明显;（2）智能化对企业全要素生产率和技术创新的影响均存在滞后性和动态性,对全要素生产率的影响呈“U”型趋势,而对企业创新效率的作用从第二年才开始,并呈倒“U”型趋势;（3）考虑要素密集度、所有权结构和研发密度后,智能化对不同类型企业影响不同。简单来说,智能化对劳动和资源密集型企业全要素生产率的作用大于资本密集型,而创新效率相反。国有企业智能化对全要素生产率的作用大于非国有企业,并且创新效率的作用都不显著。研发密度越低的企业智能化对全要素生产率作用最大,但对所有类型企业当期创新效率的影响都不显著。     

重审风险投资与初创企业生存状况之间的关系：来自微观层面的最新证据

因准确测度风险投资对初创企业的处理效应存在较大技术难度，风险投资是否有助于改善初创企业的生存环境这一问题尚未形成足够共识。借助大量P2P网贷平台倒闭这一难得的准实验机会，首次系统评估风险投资对P2P平台生存状况的处理效应，为客观认识风险投资对创业企业的影响提供了来自中国微观层面的最新证据。实证结果显示，总体来看，获取风险投资有助于改善被投企业的生存状况。具体地，倾向得分匹配法显示，平均来看，获得风险投资的P2P平台死亡率比未获得风险投资的P2P平台低14%，而存续期长913个月。这种差异在剔除内生性偏误、选择性偏差后依然存在，且在不同的匹配方法下均是稳健的。广义倾向得分法进一步揭示，风险投资额对企业生存状态的影响是非线性的，即通常1000万元以上的投资额才能有效延长P2P平台的生存时间，且风险投资额越高，对P2P平台的生存状况的改善越明显。影响机理模型显示，风险投资会通过提供社会资本、提供声誉、提供资金三种途径改善被投企业的生存状态。需要指出的是，因为筛选效应的存在，风险投资更多地发挥着“锦上添花”而非“雪中送炭”效应，不可盲目夸大风险投资的作用。本文初步揭示了风险投资在初创P2P平台存活和行业演进中的作用，为客观认识风险投资对创业企业的影响提供了微观层面的经验证据。     

组织资本对企业研发支出的影响研究

研发支出作为企业创新的重要一环,对企业的发展起着至关重要的作用,对企业研发支出的研究也是当今学术界研究热点问题。本文从企业的组织资本的角度,以我国上市公司制造业企业数据为样本,通过固定效应模型和倾向得分匹配模型,分析其对企业研发支出的影响。实证研究发现企业的组织资本对研发支出有显著的正向影响,通过倾向得分匹配模型,进一步验证了高组织资本企业的研发支出水平显著高于低组织资本的企业。此外,非国有企业的研发支出率高于国有企业,且在非国有企业中,企业组织资本越高研发支出率也更高,但在国有企业中此效应并不显著。     

风险投资进入时间、技术偏好对创新绩效影响——基于创业板制造业企业的PSM检验

准确评估风险投资的进入时间、技术偏好对创业企业创新绩效的影响,对我国风险投资发展、指导未来我国产业结构转型升级具有重要意义。本文与进入创业企业的时间联系,考虑其技术偏好,构筑了“风险投资进入时间--技术偏好--创业企业创新绩效影响”逻辑链条;并以2009-2012年创业板制造业企业为例,采用PSM方法,分析了不同时间进入的风险投资的技术偏好及其对创业企业创新绩效的影响得到：上市前1年内进入的风险投资的技术偏好不显著,对创业企业创新绩效的动态促进作用不显著,无论是突破式创新还是渐进式创新;上市前1年以上进入的风险投资的技术偏好显著,对创业企业创新绩效存在显著的动态促进作用,但随着时间推移,对创业企业创新绩效的影响程度越来越小,且对渐进式创新影响的持续性和程度大于突破式创新。     

人工智能技术水平能够影响FDI区位选择吗？

选用中国2004—2019年30个省份作为研究对象，构建指标测度区域人工智能技术水平，通过莫兰指数刻画人工智能技术水平与外商直接投资的空间集聚性，并利用空间权重矩阵构建空间杜宾模型实证检验人工智能技术水平对FDI区位选择的影响。研究结果表明，区域人工智能技术水平与外商直接投资都具有正向的空间自相关性；人工智能技术水平的提高不仅对本地区外资进入起到了显著的正向促进作用，对周边相邻地区外资流入的促进作用也是显著的；异质性分析得出，人工智能技术水平对FDI区位选择的影响效应在中部和西部地区要比东部更显著。研究结论对鼓励人工智能技术进一步发展，合理高质量地吸引和使用外资，建立更开放的新型经济体提供了实证依据。     

如何理解非劳动收入

随着我国市场经济的不断发展，非劳动要素对经济发展所作的贡献越来越大，非劳动收入在人们的总收入中的比重也逐步上升，这对于传统的分配理论提出了挑战。本文从介绍非劳动收入这一概念入手，对非劳动收入以及引致这种收入的分配形式作了一些粗浅的探析。     

人工情感与人工智能应用研究

生活世界中人工情感研发得到快速发展,但还不能比及人类情感。语境残破和缺身涉入是人工情感不及人类情感真挚、真切的两个重要原因。建构语境与虚拟身体的协同创新有助于增强人工情感的逼真度。人工情感在教育、客服、营销、制造、安防等领域的应用,将有助于提高人机交互的有效性、体验性和真实性。随着人工情感的增强,我们既要积极支持,同时也要做好应对因人工情感所带来各种风险的防控。     

社会化人工智能的适应性

当前学界对社会化人工智能的探讨较少关涉人工智能所面对的社会化是一个怎样的议题,并缺乏明确的判定标准。随着人工智能的技术进步,人工智能越来越深地嵌入到人、机、环境三重交互的社会化环境中,实现人工智能的社会化是人工智能发展的核心诉求之一,即从求解结构化的简单命题过渡到动态适应非结构化的不完全信息动态博弈命题。具身人工智能凭借身体优势,是实现人工智能从实验室到社会化的可能路径之一,其多功能性和具身交互能力为应对社会化不完全信息动态博弈提供了在环境中摄取多样信息的能力,以及解决复杂问题的多样性方案。通过举例深度进化强化学习,证明具身性为人工智能提供了与现实交互和获取多样信息的通道;社会化算法和多功能方案则证明,具身人工智能的发展应当增强自身的多模态信息处理能力、解决环境中的多模态任务,实现其在社会化环境中适应性的飞速发展。因此应当大力发展如传感器、云计算、材料科学、运行算法等具身人工智能相关产业,同时更重要的是,应形成具身人工智能构造理论。     

人工智能促进人力资本流动与提升

人工智能产生的根源是对重复繁重型劳动的解放和劳动人口不足的“补位式”替代,劳动人口越稀缺,增加劳动力所带来的边际成本会越高,人工智能替代创造的边际价值将越大,对经济促进作用相应越明显。通过青岛市人工智能替代企业劳动力的实证研究,发现：人工智能替代促进制造业人力资本的流出、服务业人力资本的流入,促进人力资本的学历和综合力提升、岗位和工资收入提升。本文建议：提升“智能替代人工”的导向意识,重视人工智能“低成本战略”的有效推动,着力促进“人力资本提升”的精准实施。     

A perspective on natural and artificial intelligence

Abstract

Intelligence is an attribute that has, since time immemorial, drawn the line of distinction between man and machine. Artificial Intelligence (AI) refers to the endeavor of the former to introduce some of this special faculty into the latter. Just as natural intelligence has undergone major changes as regards its definitions and understanding, so has the field of AI. In order to encompass the gamut of this fundamental capability and know its origins, AI researchers have often had to deal with psychological and philosophical viewpoints on the issue. From the point of view of cognitive psychology, the Information Processing (IP) paradigm and IP systems are of special interest, and we present a brief overview of these topics. While the AI community claims to have some understanding of the concept of knowledge, the idea of consciousness, which we consider of finer grain than any other, has received little practical attention. These related terms are discussed at length in the article. Further, of late there has been a movement toward incorporating a background of common‐sense reasoning in AI systems. We emphasize the importance of this trend, especially in distributed AI. The basics of adaptability and learning are also discussed. We sum up the ideas presented and link them to the current progress in AI research with specifics aimed at making it more dynamic.     

Human-aligned artificial intelligence is a multiobjective problem

As the capabilities of artificial intelligence (AI) systems improve, it becomes important to constrain their actions to ensure their behaviour remains beneficial to humanity. A variety of ethical, legal and safety-based frameworks have been proposed as a basis for designing these constraints. Despite their variations, these frameworks share the common characteristic that decision-making must consider multiple potentially conflicting factors. We demonstrate that these alignment frameworks can be represented as utility functions, but that the widely used Maximum Expected Utility (MEU) paradigm provides insufficient support for such multiobjective decision-making. We show that a Multiobjective Maximum Expected Utility paradigm based on the combination of vector utilities and non-linear action–selection can overcome many of the issues which limit MEU’s effectiveness in implementing aligned AI. We examine existing approaches to multiobjective AI, and identify how these can contribute to the development of human-aligned intelligent agents.