XiaoMi-AI文件搜索系统
World File Search SystemZeira
癌症拷贝数演化的零不可知模型
[4] Schwarz，Roland F.等。“截然异质性的系统发育定量”。PLOS计算生物学10.4（2014）：E1003535。[5] El-Kebir，Mohammed等。“复制数字进化问题的复杂性和算法。”分子生物学算法12（2017）：1-11。 [6] Zeira，Ron和Benjamin J. Raphael。 “拷贝数演化，癌症中的加权畸变。” 生物信息学36.Supplement_1（2020）：I344-I352。 [7] Shamir，Ron，Meirav Zehavi和Ron Zeira。 “用于复制号转换问题的线性时间算法。” 组合模式匹配的第27届年度研讨会（CPM 2016）。 Schloss Dagstuhl-Leibniz-Zentrum Fuer Informatik，2016年。 [8] Kaufmann，Tom L.等。 “ Medicc2：全基因组增加了癌症进化的副本系统发育。” 基因组生物学23.1（2022）：241。分子生物学算法12（2017）：1-11。[6] Zeira，Ron和Benjamin J. Raphael。“拷贝数演化，癌症中的加权畸变。”生物信息学36.Supplement_1（2020）：I344-I352。[7] Shamir，Ron，Meirav Zehavi和Ron Zeira。“用于复制号转换问题的线性时间算法。”组合模式匹配的第27届年度研讨会（CPM 2016）。Schloss Dagstuhl-Leibniz-Zentrum Fuer Informatik，2016年。[8] Kaufmann，Tom L.等。“ Medicc2：全基因组增加了癌症进化的副本系统发育。”基因组生物学23.1（2022）：241。
14.452经济增长：第10讲，超越因素提高技术变革
避免这些问题并在澄清可能发生的事情方面取得进展是基于Zeira（1998），Acemoglu和Zilibotti（2000），Autor，Autor，Levy and Murnane（2003），Acemoglu和Autor（2011）以及Acemoglu（2011）以及Acemoglu（Acemoglu（Acemoglu）（2018年）（2018，2018，2019，2019，2019年），基于任务的框架。
劳动力供应和指导技术变革
∗经济学系，耶路撒冷希伯来大学，耶路撒冷91905，以色列。电子邮件：muly.san@mail.huji.ac.il。For their helpful comments, I thank Michael Clemens, James Fenske, Christo- pher Flinn, Raphael Franck, Walker Hanlon, Richard Hornbeck, Alfred Galichon, Ethan Lewis, Petra Moser, Suresh Naidu, Tzachi Raz, Martin Rotemberg, Yannay Spitzer, Kevin Thom, Sharon Traiberman, Miguel Uribe, and Joseph Zeira以及EHS 2021会议的参与者，EHA IHA 2020会议，NBER 2020夏季学院（DAE海报会议），唯一2019次会议，Aasle 2018 2018会议，2018年经济学和经济学会议（Northwestern）2018年，Warwick Ph.D. 2018会议，以及纽约大学和耶路撒冷希伯来大学的研讨会。Yoav Sivor提供了出色的研究帮助。我感谢经济史协会和人道研究研究所的财务支持。
理解人工智能的经济框架
自从亚当·斯密首次观察到机器如何实现劳动分工以来，经济学家们一直在研究技术的经济效应（Smith 1776）。许多技术（如斯密举的针厂工人专业化的例子）能够从相同的投入中获得更多的产出。然而，有些技术能够增加资本以减少劳动力。经济学家称这类技术为自动化（Brozen 1957；Zeira 1998；Acemoglu 和 Restrepo 2018）。1 自动化的定义比工厂机器和计算机更广泛，包括已经存在了几个世纪的技术。例如，根据这个定义，用来磨小麦的风车就是一种自动化。这类技术可以产生广泛的影响——包括对价格、工资、投入使用和产出的影响——进而可能对整个经济产生共鸣。2 正如本章后面所讨论的，人工智能的广泛潜在用途需要这种资本替代劳动力，使其成为一种自动化技术。要了解人工智能发展和应用的动机，必须对该技术有一个基本的共识。人工智能领域广阔且变化迅速。以下是对可能不适用于所有情况的基本概念的程式化表示。
自动化经济中的最低工资
在过去的几十年里，人工智能、机器人和其他形式的自动化等新技术发展迅速。这些新技术可能会对经济产生重大影响。特别是，劳动力市场将在未来发生根本性变化（例如，Brynjolfsson & McAfee，2014；Ford，2015）。Frey 和 Osborne（2017）探讨了工作与自动化之间的敏感性，并估计美国目前约 47% 的工作可能会在一到二十年内实现自动化。实证研究表明，自动化对常规任务产生了重大影响，导致劳动力两极分化，并加剧了经济不平等（例如，Acemoglu & Restrepo，2020a；Autor，2015；Autor & Dorn，2013；Autor 等，2003、2015；Goos & Manning，2007；Graetz & Michaels，2018）。此外，Goos 等人（2019）强调，自动化对失业求职者造成的调整成本在低技能工人和高技能工人之间分配不均。为了减少新出现的不平等，人们讨论了各种政策手段，例如对机器人征税、基本全民收入或最低工资（例如，Acemoglu 等人，2020 年；Costinot 和 Werning，2018 年；Freeman，2015 年；Furman，2019 年；Guerreiro 等人，2017 年；McAfee 和 Brynjolfsson，2016 年；Thuemmel，2018 年）。然而，人们对最低工资与自动化相结合的影响知之甚少。在现有的少数研究之一中，Lordan 和 Neumark（2018 年）通过实证表明，较高的最低工资会减少可自动化工作的就业。此外，他们强调，在有关最低工资影响的实证文献中，有一些工人群体经常被忽视，例如老年人和低技能工人。然而，似乎几乎没有任何理论研究过基于任务的框架中的最低工资的影响，在该框架中，任务越来越多地由机器取代低技能工人。一个例外是 Aaronson 和 Phelan ( 2019 ) 的研究，他们开发了一个基于任务的理论框架来检验最低工资对劳动力市场的影响。本文旨在探讨具有约束力的最低工资对自动化经济中总产出、就业、要素价格和各种收入分配指标的影响。为了分析最低工资与自动化相结合对劳动力市场的影响，我们以 Acemoglu 和 Restrepo ( 2018a 、 2018b 、 2018d ) 以及 Acemoglu 和 Autor ( 2011 ) 的研究为基础，这两项研究是相互关联的，并且基于 Zeira ( 1998 ) 和 Acemoglu 和 Zilibotti ( 2001 )。基于任务的框架采用了劳动力市场的概念，该市场可以通过工作任务内容进行实证表征（例如，Goos 等人，2019 年）。从理论上讲，基于任务的框架使我们能够沿着密集和广泛的边界对自动化进行建模（Acemoglu & Restrepo，2018c），还要考虑引入最低工资后可能产生的影响。在我们基于任务的框架中，单位间隔内的任务由机器、低技能和高技能工人完成。机器和低技能工人可以生产的任务范围受外生阈值的限制。假设每种生产要素在部分任务上都有比较优势，这会导致要素的简单分配。因此，我们的任务间隔被划分为三个复杂度不断增加的间隔，其中机器在第一个间隔生产任务，低技能工人在中间间隔生产任务，高技能工人在最后一个间隔生产任务。通过假设机器、低技能和高技能工人的供给固定且无弹性，我们实施高于均衡低技能工资的最低工资并确定新的均衡。