陳秋霖1, 許多2, 周羿3

1中國(guó)社會(huì)科學(xué)院人口與勞動(dòng)經(jīng)濟(jì)研究所

2北京大學(xué)國(guó)家發(fā)展研究院

3北京大學(xué)社會(huì)研究中心

【摘要】文章用刻畫(huà)智能化生產(chǎn)水平的工業(yè)智能機(jī)器人安裝指標(biāo)，作為人工智能的代理變量，基于跨國(guó)面板數(shù)據(jù)和中國(guó)省級(jí)面板數(shù)據(jù)，構(gòu)建二階段最小二乘回歸模型，通過(guò)研究人口老齡化如何影響人工智能應(yīng)用以及人工智能應(yīng)用如何影響經(jīng)濟(jì)增長(zhǎng)，檢驗(yàn)在老齡化背景下，人工智能對(duì)勞動(dòng)力是否存在替代效應(yīng)和存在怎樣的替代效應(yīng)。研究結(jié)果表明，老齡化導(dǎo)致的勞動(dòng)力短缺會(huì)促使一個(gè)經(jīng)濟(jì)體更多地應(yīng)用智能化生產(chǎn)，老齡化是人工智能發(fā)展的誘因；智能化生產(chǎn)對(duì)當(dāng)?shù)厣a(chǎn)總值有正向效應(yīng)，有助于抵償老齡化所造成的經(jīng)濟(jì)增長(zhǎng)放緩，人工智能是應(yīng)對(duì)老齡化的重要工具。當(dāng)前人工智能發(fā)展屬于“誘導(dǎo)式創(chuàng)新”，和勞動(dòng)力之間是替代關(guān)系，而且是“補(bǔ)位式替代”，不是“擠出式替代”。如果維護(hù)好這些特征，人工智能將在未來(lái)老齡化大背景下為中國(guó)經(jīng)濟(jì)做出更大的貢獻(xiàn)。

【關(guān)鍵詞】老齡化 人工智能 智能化生產(chǎn) 替代效應(yīng)

JEL Classification:P23; O33

人口老齡化和人工智能的快速發(fā)展，都是當(dāng)前中國(guó)經(jīng)濟(jì)發(fā)生深刻變革的關(guān)鍵原因。一方面，隨著人口逐漸老齡化，人口紅利消失所帶來(lái)的勞動(dòng)力成本增加會(huì)制約經(jīng)濟(jì)的發(fā)展。例如，Li等人 (2012)指出中國(guó)的勞動(dòng)力價(jià)格優(yōu)勢(shì)正在消失，而陸旸和蔡昉(2014)基于人口結(jié)構(gòu)變化預(yù)測(cè)中國(guó)潛在增長(zhǎng)率將會(huì)大幅下降。另一方面，人工智能作為新一輪科技革命和產(chǎn)業(yè)變革的核心力量，正在重構(gòu)包括生產(chǎn)、分配、交換、消費(fèi)在內(nèi)的經(jīng)濟(jì)活動(dòng)每一個(gè)環(huán)節(jié)，被寄予厚望成為中國(guó)經(jīng)濟(jì)新的增長(zhǎng)動(dòng)能。其中，智能化生產(chǎn)[1]是當(dāng)前人工智能在經(jīng)濟(jì)活動(dòng)中的主要應(yīng)用方式。智能化生產(chǎn)能替代一部分傳統(tǒng)崗位，減少經(jīng)濟(jì)體對(duì)勞動(dòng)力數(shù)量的總需求，從而弱化，甚至補(bǔ)償人口老齡化對(duì)經(jīng)濟(jì)增長(zhǎng)所造成的負(fù)面影響（可以稱(chēng)之為“補(bǔ)位式替代”）。但是，智能化生產(chǎn)也可能會(huì)帶來(lái)負(fù)面后果，比如替代傳統(tǒng)就業(yè)崗位、造成失業(yè)和加劇收入兩極分化，進(jìn)而使得一部分人反倒更無(wú)力應(yīng)對(duì)老齡化（可以稱(chēng)之為“擠出式替代”）。

人工智能的效應(yīng)究竟是以“補(bǔ)位式替代”為主還是以“擠出式替代”為主呢？更具體地說(shuō)，人工智能能否作為補(bǔ)償勞動(dòng)力規(guī)模下降的替代手段去緩沖，甚至解決老齡化對(duì)經(jīng)濟(jì)增長(zhǎng)的負(fù)面沖擊呢？政府是否應(yīng)該有針對(duì)人工智能行業(yè)的產(chǎn)業(yè)扶持政策呢？這些問(wèn)題引起了學(xué)者、公眾和政策制定者的廣泛關(guān)注和激烈爭(zhēng)論（Schwab,2017）。因此，厘清人工智能和經(jīng)濟(jì)發(fā)展在老齡化背景下的互動(dòng)關(guān)系不僅在學(xué)術(shù)上有所貢獻(xiàn)，也能為政策制定提供參考。

人工智能和勞動(dòng)力市場(chǎng)如何相互影響，是最近幾年越來(lái)越熱的一個(gè)研究話(huà)題。已有的實(shí)證研究主要使用以下兩種分析方法：

第一種方法邀請(qǐng)專(zhuān)家對(duì)一國(guó)的各種職業(yè)的特征和可替代性進(jìn)行評(píng)分，然后結(jié)合機(jī)器學(xué)習(xí)方法預(yù)測(cè)每種職業(yè)被人工智能替代的可能性。Frey & Osborne（2017)用這一方法預(yù)測(cè)，美國(guó)700多個(gè)職業(yè)中有47%可以在短期內(nèi)被替代。之后的研究又跟進(jìn)預(yù)測(cè)了人工智能在其他國(guó)家對(duì)勞動(dòng)力的替代性(Pajarinen&Rouvinen, 2014; Brzeski & Burk, 2015)。比如陳永偉等(2018)基于這一方法發(fā)現(xiàn)，76.8%的中國(guó)當(dāng)前就業(yè)人口在今后20年將受到人工智能技術(shù)的沖擊。這一方法的優(yōu)點(diǎn)是具有前瞻性，但也有兩個(gè)缺陷。首先，預(yù)測(cè)結(jié)果不夠穩(wěn)健。Arntz等（2016）借鑒Frey & Osborne的方法重新估算得出美國(guó)可被替代的職業(yè)僅有9%。其次，這一框架沒(méi)有考慮勞動(dòng)力市場(chǎng)會(huì)對(duì)技術(shù)變革做出相應(yīng)調(diào)整并達(dá)到新的均衡,因而可能會(huì)高估人工智能對(duì)勞動(dòng)力的擠出效應(yīng)。

第二種方法使用工業(yè)智能機(jī)器人安裝密度作為人工智能的代理變量，在一般均衡的框架下去分析技術(shù)沖擊的后果。Acemoglu& Restrepo（2018a）基于這一方法指出，智能化生產(chǎn)對(duì)就業(yè)的影響機(jī)制是相對(duì)復(fù)雜的。它取決于資本利率和勞動(dòng)力價(jià)格的相對(duì)水平，而勞動(dòng)力價(jià)格又會(huì)受到人工智能化程度的影響。Graetz&Michaels（2015）使用17個(gè)國(guó)家在1993-2007年間的數(shù)據(jù)發(fā)現(xiàn)，由于工資和全要素生產(chǎn)率上升，機(jī)器人技術(shù)的使用讓這些國(guó)家的GDP年增長(zhǎng)率平均上升了0.37個(gè)百分點(diǎn)。基于德國(guó)數(shù)據(jù)的另一項(xiàng)研究也沒(méi)有發(fā)現(xiàn)人工智能會(huì)造成失業(yè)的證據(jù)（Dauth et al., 2017）第二種方法的優(yōu)點(diǎn)是可以全面地分析人工智能對(duì)經(jīng)濟(jì)體的生產(chǎn)率、就業(yè)率、平均工資、工作強(qiáng)度等多個(gè)維度的影響。但是這一系列研究在實(shí)證上主要采用工具變量法進(jìn)行回歸分析，而工具變量估計(jì)得到的只是局部平均干預(yù)效應(yīng)（Local Average Treatment Effect），其結(jié)論只在特定條件下成立。更重要的是，在工具變量法中，人工智能和勞動(dòng)力市場(chǎng)之間的相互作用經(jīng)常被當(dāng)作內(nèi)生性噪音而消除掉，故而無(wú)法討論整體的一般均衡結(jié)果。

上述兩種方法都隱含外生性假設(shè)，即人工智能的發(fā)展和應(yīng)用完全是由外生的技術(shù)進(jìn)步?jīng)Q定的。這類(lèi)假設(shè)忽略了一個(gè)重要事實(shí)：智能化生產(chǎn)的應(yīng)用和創(chuàng)新是廠商在當(dāng)期要素價(jià)格和技術(shù)可選集條件下，為追求利潤(rùn)最大化所做出的內(nèi)生選擇。當(dāng)勞動(dòng)力成本隨人口老齡化而上升，智能化生產(chǎn)的經(jīng)濟(jì)回報(bào)變得更高，廠商選擇人工智能技術(shù)的動(dòng)機(jī)也相應(yīng)更強(qiáng)。換句話(huà)說(shuō)，人工智能和經(jīng)濟(jì)發(fā)展之間的關(guān)系受到人口年齡結(jié)構(gòu)的影響。數(shù)據(jù)上所顯示的相關(guān)性不可被理解為因果關(guān)聯(lián)，而應(yīng)理解為市場(chǎng)一般均衡下的結(jié)果（Abeliansky&Prettner，2017；Acemoglu&Pascual， 2018）。

國(guó)際上，越來(lái)越多的研究開(kāi)始探討勞動(dòng)力市場(chǎng)如何反過(guò)來(lái)影響人工智能的發(fā)展?；谌斯ぶ悄茉O(shè)備完美替代勞動(dòng)力的理論假設(shè)，Abeliansky & Prettner(2017)預(yù)測(cè)人口增長(zhǎng)率低的國(guó)家會(huì)更先采用智能技術(shù)——人口增長(zhǎng)率每下降1%，機(jī)器人安裝密度增長(zhǎng)率會(huì)上升近2%。Acemoglu & Restrepo（2018）針對(duì)美國(guó)722個(gè)通勤區(qū)的實(shí)證分析也發(fā)現(xiàn)，老齡化程度越高的地區(qū)，其機(jī)器人集成企業(yè)數(shù)量也相應(yīng)越多。這一正向關(guān)聯(lián)在對(duì)中等年齡（24-55歲）勞動(dòng)力依賴(lài)較高的行業(yè)中尤為明顯。不過(guò)，以上研究在實(shí)證分析中對(duì)沒(méi)有充分控制勞動(dòng)力質(zhì)量變量（應(yīng)當(dāng)同時(shí)控制教育和健康水平）。老齡化對(duì)勞動(dòng)力市場(chǎng)的作用是雙重的，既有對(duì)勞動(dòng)力數(shù)量的直接效應(yīng)，還有對(duì)勞動(dòng)力質(zhì)量的間接效應(yīng)，而關(guān)于其間接效應(yīng)是提高還是降低人力資本在學(xué)術(shù)上仍有爭(zhēng)論（Gradstein &Kaganovich, 2004）。在人工智能對(duì)老齡化的回歸方程中如果沒(méi)有控制勞動(dòng)力質(zhì)量（教育和健康）指標(biāo)，那么回歸結(jié)果同時(shí)包含了直接效應(yīng)和間接效應(yīng)，無(wú)法具體詮釋其含義。

顯然，國(guó)內(nèi)現(xiàn)有研究仍缺少對(duì)人口老齡化背景下人工智能發(fā)展及其經(jīng)濟(jì)后果的系統(tǒng)梳理和實(shí)證研究。本文嘗試從老齡化作為人工智能發(fā)展的誘因和人工智能作為應(yīng)對(duì)老齡化的工具這兩個(gè)維度，分別用跨國(guó)面板數(shù)據(jù)和中國(guó)省級(jí)面板數(shù)據(jù)進(jìn)行實(shí)證研究，檢驗(yàn)老齡化背景下人工智能對(duì)勞動(dòng)力是否存在替代效應(yīng)和存在怎樣的替代效應(yīng)。

按照Trajtenberg(2018)的觀點(diǎn)，人工智能的技術(shù)創(chuàng)新可能是“賦能于人”的創(chuàng)新（Human enhancing innovation），也可能是“人力替代”的創(chuàng)新（Humanreplacing innovation），這兩類(lèi)創(chuàng)新對(duì)勞動(dòng)力市場(chǎng)的影響是不同的：在“賦能于人”的屬性下，人工智能和勞動(dòng)者之間是互補(bǔ)關(guān)系。這意味著隨著人口老齡化，勞動(dòng)力數(shù)量變得短缺，人工智能對(duì)于經(jīng)濟(jì)發(fā)展的推動(dòng)作用將會(huì)變?nèi)?。在“人力替代”的屬性下，人工智能和勞?dòng)者之間是替代關(guān)系。這意味著勞動(dòng)力數(shù)量越短缺、工資成本越高，人工智能的經(jīng)濟(jì)價(jià)值也相應(yīng)越大，其對(duì)于經(jīng)濟(jì)發(fā)展的推動(dòng)作用也會(huì)隨著老齡化水平的提高而變強(qiáng)。正如Hicks(1963)所說(shuō)，“生產(chǎn)要素的相對(duì)價(jià)格變動(dòng)，本身就是對(duì)特定種類(lèi)創(chuàng)新和發(fā)明的激勵(lì)，以節(jié)約使用變得相對(duì)更貴的要素”。隨著工資的上升，發(fā)展和應(yīng)用人工智能技術(shù)去替代勞動(dòng)力變得更有利可圖。這一效應(yīng)被稱(chēng)為“誘導(dǎo)式創(chuàng)新”(Induced Innovation)。

誘導(dǎo)式創(chuàng)新有兩個(gè)層面的政策含義：一方面，它說(shuō)明廠商會(huì)通過(guò)技術(shù)選擇和技術(shù)創(chuàng)新來(lái)對(duì)勞動(dòng)力市場(chǎng)的變化做出反應(yīng)。所以，要想推動(dòng)人工智能產(chǎn)業(yè)的發(fā)展，除了提供稅收優(yōu)惠和科研補(bǔ)貼之外，政府還應(yīng)該完善要素市場(chǎng)，讓價(jià)格信號(hào)充分發(fā)揮其引導(dǎo)資源優(yōu)化配置的功能。另一方面，它也意味著人工智能不太可能會(huì)造成大規(guī)模失業(yè)，因?yàn)槿斯ぶ悄艿膽?yīng)用一定程度上是廠商對(duì)勞動(dòng)短缺的自發(fā)調(diào)整，也就是人工智能對(duì)勞動(dòng)力的替代效用是補(bǔ)位式的，而不是擠出式的。

本文參考Abeliansky&Prettner（2017）的理論思路來(lái)設(shè)定本文的實(shí)證假說(shuō)，從一般均衡的視角去理解人工智能和勞動(dòng)力市場(chǎng)的互動(dòng)關(guān)系。在人口老齡化的背景下，勞動(dòng)力的增長(zhǎng)逐漸放緩，勞動(dòng)力市場(chǎng)越來(lái)越多地出現(xiàn)供不應(yīng)求的現(xiàn)象，短期內(nèi)均衡工資上升；同時(shí)，招工難將會(huì)提升企業(yè)用工成本、降低企業(yè)的最優(yōu)用工量和最優(yōu)產(chǎn)量，在宏觀層面表現(xiàn)出經(jīng)濟(jì)增長(zhǎng)放緩。從長(zhǎng)期來(lái)看，隨著勞動(dòng)力成本的逐步升高，人工智能的性?xún)r(jià)比也會(huì)越來(lái)越顯現(xiàn)出來(lái)；原先在經(jīng)濟(jì)上不劃算的人工智能技術(shù)逐漸得到應(yīng)用，企業(yè)用智能化設(shè)備來(lái)填補(bǔ)了人類(lèi)勞動(dòng)力的缺口，實(shí)現(xiàn)了產(chǎn)出的增長(zhǎng)，在宏觀層面表現(xiàn)出人工智能設(shè)備被廣泛使用、經(jīng)濟(jì)增速得到提升，抵償老齡化所造成的經(jīng)濟(jì)增長(zhǎng)放緩。人工智能和自動(dòng)化技術(shù)在制造業(yè)中的應(yīng)用更為廣泛，同時(shí)制造業(yè)的年輕勞動(dòng)力人口更為集中（楊偉國(guó)等，2018）。所以，本文的研究主要聚焦在工業(yè)制造業(yè)，用刻畫(huà)智能化生產(chǎn)水平的工業(yè)智能機(jī)器人安裝指標(biāo)，作為人工智能的代理變量?；谝陨嫌懻?，本文具體提出了兩個(gè)實(shí)證假說(shuō)：第一，人口老齡化會(huì)促進(jìn)工業(yè)智能機(jī)器人的安裝；第二，當(dāng)人口結(jié)構(gòu)越趨向于老齡化，工業(yè)智能機(jī)器人對(duì)于經(jīng)濟(jì)增長(zhǎng)的邊際促進(jìn)作用也就越大。

這一部分使用國(guó)際機(jī)器人聯(lián)盟(后簡(jiǎn)稱(chēng)IFR)公布的數(shù)據(jù)集和世界銀行數(shù)據(jù)庫(kù)中的國(guó)別數(shù)據(jù)來(lái)估計(jì)人口老齡化對(duì)各國(guó)工業(yè)智能機(jī)器人安裝應(yīng)用的影響，從而對(duì)第一個(gè)實(shí)證假說(shuō)進(jìn)行檢驗(yàn)。這一部分的工作參考了Abeliansky & Prettner(2017)和Acemoglu & Restrepo（2018）的研究設(shè)計(jì)。由于研究重心的不同，我們一方面控制了勞動(dòng)力質(zhì)量的相關(guān)變量（教育和健康），而另一方面關(guān)注了人工智能的效應(yīng)是否會(huì)因一國(guó)的制造業(yè)占比不同或者經(jīng)濟(jì)發(fā)展水平不同而存在差異。前述提及的兩項(xiàng)研究，尤其是Acemoglu & Restrepo（2018）的研究，對(duì)發(fā)展中國(guó)家關(guān)注不足，而將這一話(huà)題的討論拓展到發(fā)展中國(guó)家是尤為重要的，因此本文做了重新分析。

IFR數(shù)據(jù)包含50個(gè)國(guó)家1993至2016年分年度分行業(yè)的工業(yè)智能機(jī)器人[2]安裝量和存量，覆蓋了全球工業(yè)智能機(jī)器人市場(chǎng)90%的安裝信息。為了匹配不同數(shù)據(jù)庫(kù)數(shù)據(jù)，本文采用14個(gè)安裝工業(yè)智能機(jī)器人較多的國(guó)家[3]從2007年至2016年的數(shù)據(jù)。我們又從世界銀行數(shù)據(jù)庫(kù)選取相應(yīng)年份的如下國(guó)家層面變量：15-65歲年齡人口數(shù)、65歲以上人口數(shù)、勞動(dòng)力規(guī)模、就業(yè)率、人均GDP、中學(xué)毛入學(xué)率、出生時(shí)預(yù)期壽命、粗出生率，以及制造業(yè)增加值占GDP的比重。

我們關(guān)心的因變量是機(jī)器人安裝密度，其定義為一國(guó)累積的工業(yè)智能機(jī)器人安裝數(shù)量除以同年總就業(yè)人數(shù)。這一指標(biāo)越高，表明該國(guó)的智能化生產(chǎn)水平越高。關(guān)鍵自變量則是潛在支持比（Potential Support Rate，后簡(jiǎn)稱(chēng)PSR），其定義為15-64歲年齡人口數(shù)[4]除以65歲以上老齡人口數(shù)的比例。這一指標(biāo)越低，說(shuō)明該國(guó)的老齡化程度越高。相較于支持比（SupportRate），它的優(yōu)點(diǎn)是能區(qū)分老年人和未成年人對(duì)工作年齡人口造成的不同負(fù)擔(dān)。

如前文所述，老齡化不僅會(huì)改變勞動(dòng)力規(guī)模，還與勞動(dòng)力質(zhì)量之間有較復(fù)雜的關(guān)聯(lián)。本文將主要關(guān)注老齡化造成的勞動(dòng)力數(shù)量下降對(duì)人工智能應(yīng)用的影響，所以需要控制勞動(dòng)力質(zhì)量的相關(guān)變量。所以我們?cè)诨貧w中又加入了滯后6期的中學(xué)毛入學(xué)率和出生時(shí)預(yù)期壽命衡量。表1是對(duì)主要變量的統(tǒng)計(jì)描述。

[1]Uhlmann等人（2017）在關(guān)于德國(guó)工業(yè)4.0的討論中，提出將智能化生產(chǎn)理解為一種以機(jī)器的認(rèn)知能力（或者說(shuō)“智能”）作為有效互動(dòng)基礎(chǔ)的生產(chǎn)系統(tǒng)。所謂智能化生產(chǎn)，是指人和機(jī)器在分布式工業(yè)生產(chǎn)環(huán)境中以更為復(fù)雜、更為數(shù)字化的形式展開(kāi)合作。與傳統(tǒng)工業(yè)生產(chǎn)的模式不同，智能化生產(chǎn)中的人機(jī)合作所采取的是一種基于信息物理系統(tǒng)和因特網(wǎng)的數(shù)據(jù)驅(qū)動(dòng)模式。

[2]根據(jù)IFR的定義，工業(yè)智能機(jī)器人是“自動(dòng)控制的、可重復(fù)編程的、多用途操作器，可在三軸或更多軸上編程，在智能化生產(chǎn)應(yīng)用時(shí)可以固定在位或移動(dòng)。（automatically controlled, reprogrammable, multipurpose manipulator,programmable in three or more axes, which can be either fixed in place ormobile for use in industrial automation applications.）”

[3]這14個(gè)國(guó)家分別是：巴西、德國(guó)、法國(guó)、韓國(guó)、加拿大、美國(guó)、墨西哥、日本、泰國(guó)、西班牙、意大利、印度、英國(guó)和中國(guó)。這些國(guó)家工業(yè)智能機(jī)器人安裝量較大，在2016年的機(jī)器安裝量占到IFR所有會(huì)員國(guó)安裝量的84.8%。

[4]根據(jù)人口數(shù)據(jù)的統(tǒng)計(jì)口徑，為保證數(shù)據(jù)可得性，將工作年齡人口定為15-64歲。

參考文獻(xiàn)：

1.陳永偉等(2018):《人工智能的就業(yè)影響》,《比較》,第2期。http://bijiao.caixin.com/2018-06-21/101273992.html

2. 陸旸、蔡昉(2014):《人口結(jié)構(gòu)變化對(duì)潛在增長(zhǎng)率的影響: 中國(guó)和日本的比較》,《世界經(jīng)濟(jì)》,第1期。http://kns.cnki.net/KCMS/detail/detail.aspx?dbname=cjfd2014&filename=sjjj201401002&dbcode=cjfq

3. 楊偉國(guó)等（2018）:《人工智能應(yīng)用的就業(yè)效應(yīng)研究綜述》，《中國(guó)人口科學(xué)》，第5期。

4.田巍等(2013):《人口結(jié)構(gòu)與國(guó)際貿(mào)易》,《經(jīng)濟(jì)研究》,第11期。http://kns.cnki.net/KCMS/detail/detail.aspx?dbname=cjfd2013&filename=jjyj201311007&dbcode=cjfq

5.Abeliansky, A., Prettner, K. (2017),Automation and Demographic Change.Available at SSRN:https://ssrn.com/abstract=2959977

6.Acemoglu, D., Restrepo, P. (2017), SecularStagnation? The Effect of Aging on Economic Growth in the Age of Automation. AmericanEconomic Review, 107(5):174–179.

7.Acemoglu, D., Pascual, R. (2018), TheRace between Man and Machine: Implications of Technology for Growth, FactorShares, and Employment, AmericanEconomic Review, 108 (6): 1488-1542.

8.Acemoglu, D.,Restrepo, P. (2018), Demographics and automation (No. w24421).National Bureau of Economic Research.http://xintu.nber.org/papers/w24421.

9.Arntz, M., Gregory, T., Zierahn, U. (2016),The risk of automation for jobs in OECD countries: A comparative analysis. OECDSocial, Employment, and Migration Working Papers, 189(1).

10. Brzeski,C., Burk, I. (2015), Die Roboterkommen.FolgenDer AutomatisierungFür Den DeutschenArbeitsmarkt. INGDiBa Economic Research.http://xintu.carespektive.de/pdf/economic-research-FolgenIndustrie%204.0.pdf

11. Dauth, W., Findeisen, S., Südekum, J., and Woessner, N.(2017), German robots-the impact of industrial robots on workers, (CEPR Discussion Paper No. DP10477),Available atSSRN: https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3039031

12.Frey,C. B., and Osborne, M. A. (2017), The future of employment: How susceptible arejobs to computerisation? Technological Forecasting and Social Change, 114(C): 254–280.

13.Gradstein,M.,Michael, K.(2004), Aging population and education finance,Journal of Public Economics, 88(12):2469-2485.

14.Graetz,G., Michaels, G.(2015),Robots at Work,CEPRDiscussion PaperNo. DP10477,Available at SSRN: https://ssrn.com/abstract=2575781

15.Goolsbee,A. (2018), Public Policy in an AI Economy(Working Paper No. 24653). NationalBureau of Economic Research.https://doi.org/10.3386/w24653

16.Hicks, J. (1963),The theory of wages.Springer.https://books.google.com/books?hl=zh-CN&lr=&id=nhmwCwAAQBAJ&oi=fnd&pg=PR5&dq=The+theory+of+wages&ots=lpYn-P1yrJ&sig=rty_S-Vpr89Y89opbrPvkKJVhDk#v=onepage&q=The%20theory%20of%20wages&f=false

17.Japanese Strategic Council for AITechnology (2017), Artificial intelligence technology strategy.http://xintu.nedo.go.jp/content/100865202.pdf

18. Lee, R., Zhou, Y.(2017), Does fertility or mortality drive contemporary population aging? Therevisionist view revisited. Populationand Development Review, 43(2): 285-301.

19. Li, H., Li, L., Wu, B., Xiong, Y. (2012), The end of cheapChinese labor. Journal of Economic Perspectives, 26(4): 57–74.

20.Lu, S. F., Rui, H., Seidmann, A. (2018),Does Technology Substitutefor Nurses? Staffing Decisions in Nursing Homes.Management Science, 64(4): 1842–1859.

21.Pajarinen,M., Rouvinen, P. (2014), Computerization threatens one third of Finnishemployment. ETLA Brief, 22(13.1).https://xintu.etla.fi/wp-content/uploads/ETLA-Muistio-Brief-22.pdf

22.Schwab, K. (2017), The fourth industrialrevolution. Crown Business.http://xintu.inovasyon.org/pdf/WorldEconomicForum_The.Fourth.Industrial.Rev.2016.pdf

23.Trajtenberg, M. (2018),AI as the next GPT: a Political-EconomyPerspective (Working Paper No. 24245). National Bureau of Economic Research. https://doi.org/10.3386/w24245

Uhlmann, E., Hohwieler, E., &Geisert,C. (2017)， Intelligentproduction systems in the era of Industrie 4.0–changing mindsets and businessmodels. Journal of Machine Engineering,17.https://xintu.researchgate.net/publication/317834627_Intelligent_production_systems_in_the_era_of_industrie_40-Changing_mindsets_and_business_models