社科院-人工智能、就業(yè)與貨幣政策目標(biāo)

吳立元等：人工智能、就業(yè)與貨幣政策目標(biāo)人工智能、就業(yè)與貨幣政策目標(biāo)?吳立元王懺傅春楊龔六堂內(nèi)容提要：本文在標(biāo)準(zhǔn)新凱恩斯貨幣模型中引入人工智能，研究人工智能對最優(yōu)貨幣政策及貨幣政策設(shè)計的影響?；谕茖?dǎo)出的二階福利損失函數(shù)，本文首先分析了央行面臨權(quán)衡的變化，然后以福利為標(biāo)準(zhǔn)分析了人工智能對央行貨幣政策規(guī)則選擇的影響。研究發(fā)現(xiàn)：第一，在標(biāo)準(zhǔn)新凱恩斯貨幣模型中，央行在通脹和產(chǎn)出缺口之間權(quán)衡，而引入人工智能后，就業(yè)與人工智能投資波動也成為央行重要的權(quán)衡項。第二，引入人工智能后，相對于盯住通脹和產(chǎn)出缺口的泰勒規(guī)則，盯住通脹和就業(yè)缺口的貨幣政策規(guī)則帶來更小的福利損失。這主要是因為，在人工智能可以高度替代勞動的情況下，過度重視產(chǎn)出缺口會導(dǎo)致人工智能投資和就業(yè)的巨大波動，并顯著增加名義價格和工資粘性帶來的福利損失。這一發(fā)現(xiàn)改變了央行應(yīng)盯住通脹和產(chǎn)出缺口的結(jié)論，具有明確的政策含義。關(guān)鍵詞：人工智能最優(yōu)貨幣政策福利損失貨幣政策規(guī)則一、引言隨著技術(shù)的不斷突破、市場投資的不斷加大以及政府支持力度的不斷加強，人工智能成為一種新的重要生產(chǎn)要素已經(jīng)是確定的趨勢。在中央政府的高度重視與大力支持下，中國人工智過美國、日本、德國等人工智能大國。根據(jù)2020年中國人工智能產(chǎn)業(yè)年會上發(fā)布的《中國人工智能發(fā)展報告2020》統(tǒng)計，過去十年全球人工智能專利申請量為521264件，呈逐年上升趨勢。的美國申請量的8.2倍。中國科學(xué)技術(shù)信息研究所聯(lián)合北京大學(xué)共同發(fā)布的《2020全球人工智能創(chuàng)新指數(shù)報告》顯示，中國人工智能創(chuàng)新指數(shù)綜合得分從2019年的第3名上升至2020年的第2名，僅次于美國。上述一系列事實表明，中國人工智能發(fā)展已經(jīng)達(dá)到世界領(lǐng)先水平，人工智能在中國經(jīng)濟(jì)生活中已經(jīng)開始發(fā)揮重要作用。那么，一個自然的問題是，人工智能會如何影響貨幣政策制定呢？作為一種新的生產(chǎn)要素，人工智能與傳統(tǒng)資本和勞動都有顯著差異。傳統(tǒng)資本和勞動之間總ugsm．pku．edu．cn。本研究得到國家社會科學(xué)基金重大項目(19ZDA069)、國家自然科學(xué)青年基金項目(72203234)以及中央財經(jīng)大學(xué)標(biāo)志性科研成果培育項目的資助。作者感謝匿名審稿專家的寶貴建議，文責(zé)自負(fù)。雖然能高度替代勞動，但與勞動也有很大差異。例如工資調(diào)整存在很大粘性，而人工智能粘性則小得多。人工智能的積累需要一個過程，而勞動則不需要積累。人工智能與傳統(tǒng)資本和勞動的上述差異會對貨幣政策造成重要影響。首先，人工智能與勞動之間的高度替代性將顯著改變奧肯法則。常明顯的一致性。在人工智能高度替代勞動的背景下，產(chǎn)出缺口與就業(yè)缺口之間可能發(fā)生巨大的背離，導(dǎo)致穩(wěn)定產(chǎn)出與穩(wěn)定就業(yè)之間出現(xiàn)沖突。因此，引入人工智能后，貨幣政策可能面臨新的權(quán)衡，即在充分就業(yè)與產(chǎn)出之間的權(quán)衡，而在沒有人工智能時兩者基本可以同時實現(xiàn)。其次，人工智能會對菲利普斯曲線產(chǎn)生重要影響。菲利普斯曲線刻畫了通脹和實際邊際成本之間的關(guān)系，是影響貨幣政策制定的核心。引入人工智能后，通脹與產(chǎn)出缺口之間的關(guān)系會弱化，這是因為，當(dāng)經(jīng)濟(jì)再次，人工智能會對經(jīng)濟(jì)波動產(chǎn)生重要影響，而貨幣政策的重要目標(biāo)就是穩(wěn)定經(jīng)濟(jì)，熨平經(jīng)濟(jì)波動線以及經(jīng)濟(jì)波動都會產(chǎn)生重要影響，而這些都與貨幣政策密切相關(guān)，因此研究人工智能對貨幣政策的影響具有非常重要的理論和現(xiàn)實意義。然而，當(dāng)前文獻(xiàn)對此的研究還較為缺乏，本文嘗試填補這一空白。粘性是唯一的摩擦(壟斷扭曲可以通過最優(yōu)補貼消除)。當(dāng)發(fā)生TFP沖擊時，最優(yōu)貨幣政策要求在價格通脹、工資通脹和產(chǎn)出缺口之間進(jìn)行權(quán)衡，央行會忍受一定的價格與工資通脹從而實現(xiàn)一個相對較小的產(chǎn)出缺口。在標(biāo)準(zhǔn)新凱恩斯貨幣模型中，勞動作為唯一的生產(chǎn)要素是一個簡化假設(shè)。①現(xiàn)實中，資本和勞動同樣重要，但資本和勞動之間是互補關(guān)系，總體上兩者與產(chǎn)出的變動是一致的，因而對產(chǎn)出、資本和就業(yè)波動的穩(wěn)定具有一致性。當(dāng)只引入傳統(tǒng)資本時，央行可以在穩(wěn)定產(chǎn)出波動的同時較好地穩(wěn)定消費、就業(yè)、傳統(tǒng)資本投資和存量的波動，因而總體來看，央行仍是在價格通脹、工資通脹與產(chǎn)出缺口波動之間進(jìn)行權(quán)衡。從這一意義上說，相對于只有勞動的標(biāo)準(zhǔn)模型，資本的引入并沒有本質(zhì)性地改變央行面臨的權(quán)衡。但人工智能則大不相同，由于人工智能與勞動的高度替產(chǎn)出、消費、就業(yè)、資本波動與穩(wěn)定人工智能投資波動之間存在沖突，因而人工智能的引入將顯著改變央行面臨的權(quán)衡，相應(yīng)的貨幣政策規(guī)則選擇也會發(fā)生改變。因此，研究人工智能對貨幣政策的影響無論在理論上還是現(xiàn)實中都非常重要。2015)中引入人工智能，同時引入價格粘性和工資粘性，研究人工智能對最優(yōu)貨幣政策權(quán)衡以及貨幣政策規(guī)則選擇的影響。模型假設(shè)生產(chǎn)中需要資本、勞動和人工智能，人工智能與勞動是替代關(guān)系，兩者形成復(fù)合勞動，資本與復(fù)合勞動之間是互補關(guān)系。家庭戶進(jìn)行傳統(tǒng)資本和人工智能的積累并提供異質(zhì)性勞動，工資的調(diào)整存在粘性。根據(jù)本文推導(dǎo)出的二階福利損失函數(shù)，央行不僅要考慮穩(wěn)定價格通脹、工資通脹以及產(chǎn)出、消費、就業(yè)與資本的波動，人工智能投資與存量的波動也成為央行需要考慮的重要福利損失來源。同時，穩(wěn)定產(chǎn)出缺口并不會導(dǎo)致就業(yè)缺口、傳統(tǒng)投資缺口的大幅波動，卻會帶來人工智能投資缺口的大幅波動，反過來，穩(wěn)定人工智能投資缺口也會導(dǎo)致產(chǎn)出缺口、就業(yè)缺口、傳統(tǒng)投資缺口等的大幅波動。這驗證了上文的分析，即①為了推導(dǎo)出顯示的福利損失函數(shù)并清晰地分析央行面臨的權(quán)衡，研究最優(yōu)貨幣政策與貨幣政策設(shè)計的文獻(xiàn)常常假設(shè)生吳立元等：人工智能、就業(yè)與貨幣政策目標(biāo)在只有資本和勞動時，央行需要在價格通脹、工資通脹和產(chǎn)出缺口之間權(quán)衡，而引入人工智能后，穩(wěn)定人工智能投資與存量的波動成為央行重要的權(quán)衡項，這顯著改變了標(biāo)準(zhǔn)新凱恩斯貨幣模型的結(jié)論。本文用福利損失函數(shù)作為評價標(biāo)準(zhǔn)，進(jìn)一步研究了如何選擇貨幣政策規(guī)則以更好地實現(xiàn)上述權(quán)衡。具體來說，比較了盯住加權(quán)通脹和產(chǎn)出缺口的泰勒規(guī)則與盯住加權(quán)通脹與就業(yè)缺口的貨幣政策規(guī)則下的福利損失。結(jié)果發(fā)現(xiàn)，在沒有人工智能的情況下，央行應(yīng)該采用盯住通脹和產(chǎn)出缺口的泰勒規(guī)則。而在引入人工智能后，央行應(yīng)該采用盯住通脹和就業(yè)缺口的貨幣政策規(guī)則。這是因為在不存在人工智能的情況下，由于傳統(tǒng)資本和勞動是互補關(guān)系，互相促進(jìn)對方的邊際產(chǎn)出，過度重視就業(yè)缺口不利于資本和勞動的有效配置。而當(dāng)存在人工智能時，人工智能與勞動的高度替代性導(dǎo)致其互相降低對方的邊際產(chǎn)出，因而過度重視產(chǎn)出缺口會導(dǎo)致較大的人工智能投資和就業(yè)波個方面進(jìn)行了穩(wěn)健性檢驗，發(fā)現(xiàn)結(jié)論非常穩(wěn)健。本文剩下部分安排如下：第二部分對相關(guān)文獻(xiàn)做簡要述評；第三部分介紹模型設(shè)定；第四部分進(jìn)行參數(shù)校準(zhǔn)；第五部分分析人工智能對最優(yōu)貨幣政策的影響；第六部分討論貨幣政策規(guī)則的選二、文獻(xiàn)述評與本文密切相關(guān)的有三支重要文獻(xiàn)。首先是人工智能經(jīng)濟(jì)學(xué)方面的文獻(xiàn)。近幾年來，關(guān)于人工智能對經(jīng)濟(jì)影響的研究大量涌現(xiàn)，這些研究主要分析人工智能對經(jīng)濟(jì)增長、結(jié)構(gòu)轉(zhuǎn)型、不長期效應(yīng)，充分強調(diào)了人工智能對就業(yè)的重大影響，為本文從就業(yè)渠道研究人工智能對貨幣政策的影響提供了一定的基礎(chǔ)。此外，近期開始出現(xiàn)少量關(guān)于人工智能對經(jīng)濟(jì)波動影響的研究i試圖用人工智能的發(fā)展來解釋過去十幾年通脹與經(jīng)濟(jì)波動關(guān)系弱化的現(xiàn)象，文章發(fā)現(xiàn)人工智能的迅速發(fā)展弱化了邊際成本對經(jīng)濟(jì)波動的反應(yīng)，從而弱化了通脹與實際變量波動的關(guān)聯(lián)。Leduc＆Liu(2020)研究了人工智能對就業(yè)市場波動的影響，發(fā)現(xiàn)人工智能可以解釋失業(yè)率和空缺職位波動較大而實際工資則相對穩(wěn)定的現(xiàn)象，而這一現(xiàn)象難以用標(biāo)準(zhǔn)的勞動市場搜尋匹配模型來解釋。Lin＆Weise(2019)研究了人工智能對經(jīng)濟(jì)波動的影響，發(fā)現(xiàn)人工智能價格沖擊對工資、產(chǎn)出、就業(yè)的影響不同于傳統(tǒng)資本價格沖擊，而且人工智能的引入也改變了就業(yè)和勞動收入份額對TFP沖擊和貨幣政策沖擊的反應(yīng)。同時，文章還討論了人工智能對貨幣政策制定可能造成的影響，發(fā)現(xiàn)引入人工智能后，央行會增大對產(chǎn)出的反應(yīng)。這些研究提供了寶貴的洞見與啟發(fā)，但沒有系統(tǒng)地分析貨幣政策，也沒有涉及最優(yōu)貨幣政策問題，更沒有研究具體的貨幣政策制定。因而，關(guān)于人工智能如何影響最優(yōu)貨幣政策以及貨幣政策規(guī)則選擇目前在文獻(xiàn)中存在空白。與本文研究密切相關(guān)的第二支文獻(xiàn)是關(guān)于貨幣政策規(guī)則的研究。由于最優(yōu)貨幣政策在現(xiàn)實中是無法執(zhí)行的，因而遵循一定的貨幣政策規(guī)則成為央行的普遍選擇。Taylor(1993)提出了央行政策利率對通脹和產(chǎn)出缺口做出反應(yīng)的規(guī)則，即泰勒規(guī)則。泰勒規(guī)則很好地描述了格林斯潘早期美聯(lián)儲的貨幣政策，成為貨幣政策規(guī)則研究的基礎(chǔ)。在泰勒規(guī)則的基礎(chǔ)上，已有文獻(xiàn)進(jìn)行了兩個方向的拓展討論。第一個方向是討論應(yīng)該選擇何種通脹指標(biāo)作為央行的通脹目標(biāo)。在標(biāo)準(zhǔn)新凱恩斯貨幣模型中，唯一的通脹指標(biāo)便是CPI，但現(xiàn)實中有很多其他的通脹指標(biāo)，盯住CPI是否最優(yōu)便成為六堂，2013)。第二個方向是在標(biāo)準(zhǔn)新凱恩斯貨幣模型中加入其他機制，分析討論央行是否要對除通脹和產(chǎn)出缺口以外的相關(guān)變量做反應(yīng)，即貨幣政策規(guī)則中是否要包含其它相關(guān)變量。例如，Cúrdia＆Woodford(2010)研究了信貸摩擦對貨幣政策的影響，發(fā)現(xiàn)貨幣政策應(yīng)在泰勒規(guī)則的基礎(chǔ)上對當(dāng)前和預(yù)期未來的信貸利差做出反應(yīng)。侯成琪和龔六堂(2014)以及Notarpietro＆Siviero(2014)引入房地產(chǎn)部門與金融摩擦討論貨幣政策是否應(yīng)該對房價變動作出反應(yīng)。Campolmi＆Gnocchi(2016)研究了失業(yè)與勞動參與決策對貨幣政策設(shè)計的影響，文章發(fā)現(xiàn)，當(dāng)勞動參與決策內(nèi)生時，對失業(yè)率做出反應(yīng)優(yōu)于不做出反應(yīng)；而當(dāng)勞動參與決策外生時，對失業(yè)率做出反應(yīng)反而帶來更大的福利損失。Davis＆Presno(2017)在小國開放經(jīng)濟(jì)中引入金融摩擦與資本流動，研究了資本控制對貨幣政策獨立性的影響，發(fā)現(xiàn)當(dāng)考慮金融摩擦與資本流動時，最優(yōu)貨幣政策規(guī)則要求利率對國外利率作出反應(yīng)，而資本控制可以降低這一反應(yīng)。鄧貴川和彭紅楓(2019)研究了定價貨幣可變動對經(jīng)濟(jì)波動和貨幣政策的影響，比較了央行對匯率作出反應(yīng)的擴展泰勒規(guī)則與簡單泰勒規(guī)則的優(yōu)劣。由此可見，當(dāng)前文獻(xiàn)主要討論盯住通脹和產(chǎn)出缺口的泰勒規(guī)則，各央行的政策實踐也多重視產(chǎn)出缺口。當(dāng)人工智能成為重要的生產(chǎn)要素的情況下，盯住通脹和就業(yè)缺口的貨幣政策規(guī)則是否更優(yōu)呢？上述文獻(xiàn)均沒有研究這一重要問題。與本文相關(guān)的第三支文獻(xiàn)是關(guān)于生產(chǎn)技術(shù)因素對貨幣政策影響的研究。早期有部分文獻(xiàn)評估了美聯(lián)儲應(yīng)對技術(shù)沖擊的反應(yīng)。Galíetal．(2003)研究了美聯(lián)儲在不同時期對技術(shù)沖擊的不同反應(yīng)以及這種反應(yīng)對產(chǎn)出、就業(yè)等經(jīng)濟(jì)變量的含義并評估了美聯(lián)儲的貨幣政策，研究發(fā)現(xiàn)Volcker?Greenspan時期美聯(lián)儲貨幣政策接近最優(yōu)政策規(guī)則，而在前沃爾克時期，美聯(lián)儲則過于引入投入產(chǎn)出結(jié)構(gòu)研究其對最優(yōu)貨幣政策的影響，發(fā)現(xiàn)各部門之間的投入產(chǎn)出聯(lián)系顯著改變了沖擊的傳導(dǎo)并放大了最優(yōu)貨幣政策下的福利損失。同時，最優(yōu)貨幣政策要求央行兼顧通脹與增加值的穩(wěn)定。文章還發(fā)現(xiàn)，此時盯住消費缺口波動的政策規(guī)則優(yōu)于盯住產(chǎn)出缺口波動的政策規(guī)下，最優(yōu)政策要求央行盯住一個新的加權(quán)價格指數(shù)，該指數(shù)對規(guī)模更大、價格粘性更高、更偏上游的行業(yè)賦予更大權(quán)重。這些研究表明，生產(chǎn)技術(shù)方面的因素會對貨幣政策產(chǎn)生重要影響，而人工智能成為一種新的生產(chǎn)要素改變了生產(chǎn)結(jié)構(gòu)，也必然會對經(jīng)濟(jì)波動與貨幣政策制定產(chǎn)生重要影響。相比于已有文獻(xiàn)，本文有三點主要貢獻(xiàn)。第一，系統(tǒng)研究了人工智能對最優(yōu)貨幣政策和貨幣政策規(guī)則選擇的影響，并推導(dǎo)出包含資本與人工智能的新凱恩斯貨幣模型中顯示的二階福利損失函數(shù)，為人工智能對貨幣政策影響的研究搭建了一個基礎(chǔ)框架。第二，發(fā)現(xiàn)人工智能顯著改變了央行面臨的最優(yōu)權(quán)衡，確認(rèn)了人工智能對貨幣政策具有重要影響，豐富了新凱恩斯最優(yōu)貨幣政策的理論。第三，發(fā)現(xiàn)人工智能的引入顯著改變了央行的貨幣政策規(guī)則選擇，拓展了現(xiàn)有文獻(xiàn)關(guān)于貨幣政策規(guī)則的研究，同時有助于為貨幣政策制定提供決策依據(jù)。三、模型構(gòu)建和人工智能資本。企業(yè)用勞動、傳統(tǒng)資本與人工智能生產(chǎn)消費品。其中，勞動和人工智能是替代關(guān)系，兩者構(gòu)成復(fù)合勞動，傳統(tǒng)資本與復(fù)合勞動之間是互補關(guān)系。名義價格和工資的調(diào)整存吳立元等：人工智能、就業(yè)與貨幣政策目標(biāo)在粘性。勞動Nt(j)。①假設(shè)存在一個勞動合成商，將不同家庭戶提供的異質(zhì)性勞動合成后再提供給企其中，εw為勞動之間的替代彈性。最小化勞動合成商的成本，可以得到工資指數(shù)：以及家庭戶面臨的勞動需求：家庭戶最大化以下效用函數(shù)：面臨的預(yù)算約束為：(2)(3)(4)(5)際工資。Ikt與I分別為傳統(tǒng)資本投資和人工智能投資，③rkt與r分別為傳統(tǒng)資本和人工智能的實傳統(tǒng)物質(zhì)資本Kt的積累方程為：人工智能資本Zt的積累方程為：(6)(7)工資以Calvo方式進(jìn)行調(diào)整，家庭戶以每期1－θw的概率可以重新確定工資，不能調(diào)整工資時繼續(xù)維持上期的工資。為便于理解，可以假設(shè)存在一個工會替家庭戶做勞動定價決策。 ①參考文獻(xiàn)的常見做法，假設(shè)每個家庭戶有測度為1的成員，提供各種類型的勞動，這可以解釋為在完備的金融市場中，家庭戶之間可以實現(xiàn)完全的風(fēng)險分擔(dān)。②這與企業(yè)直接雇傭各種異質(zhì)性勞動等價。工智能投資。在不考慮更多復(fù)雜因素的情況下，這與企業(yè)進(jìn)行投資的模型設(shè)置具有相同效果，且能夠推導(dǎo)出顯示的二階福利損失函數(shù)，避免了不必要的模型復(fù)雜性。tttttttttttttt(8)(9)其中，a和e分別為資本和人工智能的份額參數(shù)，①At為生產(chǎn)率沖擊，服從AR(1)過程at＝的正態(tài)過程。σ1為資本與復(fù)合勞動之間的替代彈性，σ2為勞動與人工智能之間的替代彈性。假傳統(tǒng)資本的關(guān)鍵區(qū)別。求解廠商成本最小化問題，可以得到如下邊際成本函數(shù)：對異質(zhì)性中間品進(jìn)行CES復(fù)合，可以得到如下最終消費品：(10)(11)(12)其中，εp為異質(zhì)品之間的替代彈性，同時也決定了零售商的壟斷力量的大小。εp越大，表明異質(zhì)品之間的替代彈性越大，因而零售商具有的壟斷力量越小，價格加成越小。對應(yīng)最終00贅述。最終消費品市場出清條件為：tttt傳統(tǒng)資本市場出清條件為：00同樣地，人工智能市場出清條件為：00(13)(14)(15)本文將模型參數(shù)分為三類，分別采用不同的方法確定取值。第一類參數(shù)對本文數(shù)值模擬影響較小，而且文獻(xiàn)中對其取值較為一致，本文參考現(xiàn)有文獻(xiàn)確定tal．(2008)，價格與工資不可調(diào)價概率設(shè)定為0.75。設(shè)定異質(zhì)性勞動與中間品之間的替代彈性為l①a和e雖然直接決定了資本和人工智能的份額，但本身并不是資本和人工智能的份額。②Chirinko(2008)總結(jié)了大量關(guān)于資本和勞動之間替代彈性的估計，指出多數(shù)研究認(rèn)為這一替代彈性的合理取值在0.4—吳立元等：人工智能、就業(yè)與貨幣政策目標(biāo)r第二類參數(shù)雖然在文獻(xiàn)中較為常見，但對其取值存在一些爭議，本文參考權(quán)威文獻(xiàn)確定基準(zhǔn)第三類是對于少量缺乏文獻(xiàn)支撐的參數(shù)，本文用穩(wěn)態(tài)比例反解。取穩(wěn)態(tài)時資本收入占總收入五、最優(yōu)貨幣政策分析本文首先分析人工智能對最優(yōu)貨幣政策的影響。采用最優(yōu)貨幣政策研究中常用的線性二次框其中：(17)上式中：在標(biāo)準(zhǔn)新凱恩斯貨幣模型中，勞動是唯一的生產(chǎn)要素且存在名義工資與價格粘性，對應(yīng)的福利損失來源于價格通脹、工資通脹與產(chǎn)出缺口的波動。從(16)式可以看出，引入傳統(tǒng)資本和人工智利損失不僅來源于價格通脹、工資通脹和產(chǎn)出缺口波動，還來源于消費、就業(yè)、傳統(tǒng)投資以及人工智能投資的波動。但是，引入資本和人工智能有顯著的差異。資本和勞動之間總體是互補的，兩者總體上與產(chǎn)出的變動是一致的，穩(wěn)定產(chǎn)出波動就能較好地穩(wěn)定傳統(tǒng)投資與就業(yè)的波動，因而央行仍是在價格通脹、工資通脹與產(chǎn)出缺口波動之間進(jìn)行權(quán)衡。而人工智能與勞動之間高度替代，穩(wěn)定產(chǎn)出與穩(wěn)定就業(yè)和人工智能投資波動之間具有沖突性，穩(wěn)定產(chǎn)出波動會導(dǎo)致較大的人工智能投資與就業(yè)波動，因而央行要在穩(wěn)定產(chǎn)出、就業(yè)、傳統(tǒng)投資波動與人工智能投資波動之間進(jìn)行權(quán)衡。為了驗證上述邏輯，我們比較了嚴(yán)格穩(wěn)定產(chǎn)出缺口與人工智能投資缺口時的脈沖反應(yīng)，見圖被嚴(yán)格穩(wěn)定時，就業(yè)缺口與傳統(tǒng)投資缺口波動較小，但人工智能投資會出現(xiàn)大幅波動，而當(dāng)人工智能投資缺口被嚴(yán)格穩(wěn)定時，產(chǎn)出缺口、就業(yè)缺口與傳統(tǒng)投資缺口均會產(chǎn)生大幅波動。這表明，人工智能投資波動與產(chǎn)出、就業(yè)、傳統(tǒng)投資等的波動有非常顯著的此消彼長關(guān)系。因此引入人工智能后，央行要在價格通脹、工資通脹、產(chǎn)出缺口波動與人工智能投資波動之間進(jìn)行權(quán)衡。這顯著改變了標(biāo)準(zhǔn)新凱恩斯貨幣模型的結(jié)論，同時進(jìn)一步證實了人工智能對最優(yōu)貨幣政策具有重要含義。人工智能不僅對央行的最優(yōu)權(quán)衡有重要影響，而且對貨幣政策規(guī)則的選擇具有重要影響，本文將在下一部分詳細(xì)討論。圖1正向TFP沖擊下相關(guān)變量在三類嚴(yán)格穩(wěn)定政策下的脈沖反應(yīng)六、貨幣政策規(guī)則討論雖然最優(yōu)貨幣政策帶來的福利損失最小，但在現(xiàn)實中是不可執(zhí)行的，因此央行普遍采用簡單貨幣政策規(guī)則。在沒有人工智能的模型中，央行在價格通脹、工資通脹與產(chǎn)出缺口之間進(jìn)行權(quán)衡，對應(yīng)地，盯住價格與工資加權(quán)通脹和產(chǎn)出缺口的泰勒規(guī)則是最優(yōu)的貨幣政策規(guī)則。引入人工智能后，最優(yōu)貨幣政策要求央行在價格通脹、工資通脹、產(chǎn)出缺口波動、就業(yè)波動與人工智能波動之間進(jìn)行最優(yōu)權(quán)衡，上文已經(jīng)證實，穩(wěn)定產(chǎn)出缺口與人工智能波動之間存在顯著沖突，那么如何選擇政策規(guī)則以較好地實現(xiàn)這一權(quán)衡呢？由于人工智能與勞動之間是替代的，穩(wěn)定就業(yè)缺口有利于穩(wěn)定人工智能投資缺口。同時由于勞動也是重要的生產(chǎn)要素，穩(wěn)定就業(yè)缺口也有利于穩(wěn)定產(chǎn)出缺口，因此從直覺上看，盯住就業(yè)缺口的政策規(guī)則可以在穩(wěn)定產(chǎn)出缺口與人工智能波動之間實現(xiàn)較好的平衡。如圖1所示，嚴(yán)格穩(wěn)定就業(yè)缺口的確在兩者之間實現(xiàn)了平衡。具體來說，嚴(yán)格穩(wěn)定就業(yè)缺口雖然小幅放大了產(chǎn)出缺口與傳統(tǒng)投資缺口的波動，但顯著降低了人工智能投資缺口的波動。這啟發(fā)我們，相對于盯住產(chǎn)出缺口的泰勒規(guī)則，盯住就業(yè)缺口的貨幣政策規(guī)則可能會帶來福利改進(jìn)?；谝陨戏治?，下面具體討論兩類貨幣政策規(guī)則，即盯住加權(quán)通脹和產(chǎn)出缺口的泰勒規(guī)則與盯住加權(quán)通脹和就業(yè)缺口的貨幣政策規(guī)則。具體來說，兩類規(guī)則定義如下：吳立元等：人工智能、就業(yè)與貨幣政策目標(biāo)t脹的加權(quán)：①(20)以本文推出的福利損失函數(shù)為評價標(biāo)準(zhǔn)，可以計算出不同貨幣政策規(guī)則下的福利損失，進(jìn)而對兩類貨幣政策規(guī)則的優(yōu)劣進(jìn)行排序。在基準(zhǔn)參數(shù)校準(zhǔn)下，兩種貨幣政策規(guī)則下的福利損失以及兩者的福利差異見表1。表1基準(zhǔn)情形下兩類貨幣政策規(guī)則的福利結(jié)果比較貨幣政策規(guī)則OGTEGTOGT?EGT從表1可以看出，在基準(zhǔn)情況下，采用EGT規(guī)則的福利損失顯著小于采用OGT的福利損失。具體來說，采用EGT規(guī)則可以獲得相當(dāng)于穩(wěn)態(tài)產(chǎn)出0.2379％的福利改進(jìn)，即在有人工智能的情況下央行應(yīng)該采用盯住通脹和就業(yè)缺口的貨幣政策規(guī)則，這與上文的理論分析一致。這一結(jié)果顯著改變了沒有人工智能時央行應(yīng)采用盯住通脹與產(chǎn)出缺口的泰勒規(guī)則的結(jié)論，同時，也從數(shù)量上確認(rèn)了人工智能對貨幣政策設(shè)計具有重要影響。由于人工智能與勞動高度替代，穩(wěn)定產(chǎn)出缺口與人工智能投資波動之間存在沖突，穩(wěn)定產(chǎn)出缺口的規(guī)則會導(dǎo)致人工智能投資與存量的大幅波動。而盯住就業(yè)缺口的政策規(guī)則可以在穩(wěn)定產(chǎn)出缺口與人工智能波動之間實現(xiàn)較好的平衡，使資源配置更加接近有效水平，而資源的更有效配置也降低了通脹波動，這些都有助于產(chǎn)生較小的福利損失。為了進(jìn)一步驗證以上的機制，本文首先對福利損失變動的來源進(jìn)行分解，然后對相關(guān)變量的脈沖反應(yīng)做詳細(xì)分析。根據(jù)福利損失函數(shù)，可以將福利損失劃分為五個不同的來源，即價格通脹波動、工資通脹波動、人工智能投資波動、就業(yè)波動以及其他實體變量波動，并計算出兩種貨幣政策規(guī)則下各個來源的福利損失。通過比較不同來源的福利損失在兩種規(guī)則下的差異，就可以分析出兩類規(guī)則帶來的福利損失差異的來源，進(jìn)而分析政策規(guī)則選擇的背后機制。表2報告了兩類貨幣政策規(guī)則的福利損失來源分解結(jié)果。可以看到，盯住就業(yè)缺口之所以顯著改善福利，主要是因為其能更好地穩(wěn)定通脹、人工智能投資波動與就業(yè)波動。具體來說，相對于OGT規(guī)則，EGT規(guī)則在穩(wěn)定價格通脹和工資通來的福利改進(jìn)占整體福利改進(jìn)的比例高達(dá)59％，在穩(wěn)定就業(yè)波動上帶來的福利改進(jìn)占整體福利改①在沒有物質(zhì)資本和人工智能的模型中，最優(yōu)貨幣政策規(guī)則應(yīng)該是盯住價格通脹和產(chǎn)出通脹的加權(quán)，其權(quán)重取決于價格粘這與上文關(guān)于貨幣政策權(quán)衡的分析是一致的，引入人工智能后，由于人工智能可以高度替代勞動，盯住產(chǎn)出缺口與就業(yè)缺口之間產(chǎn)生了較大矛盾。穩(wěn)定產(chǎn)出缺口可以通過人工智能的變動來實現(xiàn)，因而OGT規(guī)則帶來了人工智能投資的巨大波動，帶來顯著的福利損失。同時，由于人工智能可以替代勞動，兩者的變動是反向的，人工智能變動的同時帶來就業(yè)的波動，進(jìn)而帶來工資通脹的變動，從而工資通脹扭曲的福利損失也增大。而盯住就業(yè)缺口的政策規(guī)則可以更好地穩(wěn)定就業(yè)，由于人工智能與就業(yè)之間的高度替代性，就業(yè)的穩(wěn)定可以帶來人工智能投資的穩(wěn)定，從而在很大程度上降低了福利損失。同時，更小的就業(yè)和人工智能投資波動也避免了邊際成本的大幅波動，從而減少了由于價格通脹帶來的福利損失。值得注意的是，消費、產(chǎn)出、傳統(tǒng)投資等的波動帶來的福利損失在兩種規(guī)則下并沒有顯著差異，這進(jìn)一步驗證了前文的分析，即傳統(tǒng)資本的加入并沒有從本質(zhì)上改變央行的權(quán)衡，也沒有改變最優(yōu)的貨幣政策規(guī)則選擇，而人工智能的引入顯著改變了央行面臨的權(quán)衡與貨幣政策規(guī)則選擇。表2兩類貨幣政策規(guī)則的福利損失來源分解福利損失來源OGTEGT福利損失變動占比價格通脹人工智能投資波動就業(yè)波動其他總福利損失為了進(jìn)一步闡述上述福利結(jié)果背后的經(jīng)濟(jì)直覺，本文對沖擊的脈沖反應(yīng)進(jìn)行分析。由于福利損失的原因在于資源配置的無效率，首先分析有效均衡下的資源配置，即價格和工資可以靈活調(diào)整且政府對企業(yè)進(jìn)行了最優(yōu)補貼后的均衡。圖2畫出了正向生產(chǎn)率沖擊下有效均衡中產(chǎn)出、就業(yè)等宏觀變量的脈沖反應(yīng)。從圖2中可以看出，勞動投入在短期顯著增加，中長期快速減少，傳統(tǒng)資本投資短期大幅上升而后下降，人工智能短期略有下降而后大幅上升。當(dāng)全要素生產(chǎn)率上升時，收入效應(yīng)占據(jù)主導(dǎo)地位，帶動總需求與產(chǎn)出大幅上升，由于傳統(tǒng)資本與復(fù)合勞動是互補關(guān)系，產(chǎn)出的顯著上升要求增加傳統(tǒng)資本和復(fù)合勞動，因而傳統(tǒng)資本投資大幅上升，而對于復(fù)合勞動中到底是增加勞動還是增加人工智能，需要做出選擇。生產(chǎn)率上升提高了實際工資，因而家庭增加勞動供給，而且勞動可以每期自由調(diào)整，這些都會導(dǎo)致短期勞動投入增加。人工智能則不相同，首先，人工智能作為一種資本，其積累和折舊需要一個過程；其次，由于家庭戶在傳統(tǒng)投資與人工智能投資收益之間做無套利選擇，傳統(tǒng)投資的增加推升了人工智能投資要求的收益率，因而人工智能租金大幅上升，在收入有限的情況下，傳統(tǒng)投資對人工智能投資有一定的擠出效應(yīng)。同時，由于勞動和人工智能之間是替代關(guān)系，短期勞動的增加會降低人工智能的邊際產(chǎn)出，從而降低人工智能投資。但在中長期，人工智能投資會增加，勞動投入會逐漸下降，這是因為短期傳統(tǒng)投資增加了中長期的資本存①有兩點原因會導(dǎo)致上述結(jié)果低估了就業(yè)波動下降對福利改進(jìn)的貢獻(xiàn)。第一，從上表以及本文脈沖圖可以看出，就業(yè)波動(標(biāo)準(zhǔn)差)本身就顯著小于人工智能投資波動(標(biāo)準(zhǔn)差)，因而其帶來的福利損失改進(jìn)占比也相對較小。這也與經(jīng)濟(jì)周期文獻(xiàn)中發(fā)現(xiàn)的投資波動通常大于就業(yè)波動的事實一致。第二，就業(yè)波動下降帶來的福利改進(jìn)不僅限于就業(yè)波動本身，更為重要的是，就業(yè)波動的下降會帶來工資通脹波動的下降。吳立元等：人工智能、就業(yè)與貨幣政策目標(biāo)資需求下降，同時收入提高，對人工智能投資的擠出效應(yīng)下降，人工智能租金下降幅度顯著大于工資，投資人工智能更有優(yōu)勢，而人工智能存量的增加降低了勞動的邊際產(chǎn)出。總體來說，在有效配置下，生產(chǎn)率提升要求短期增加傳統(tǒng)投資和勞動投入，中長期增加人工智能投資以替代勞動。圖2正向TFP沖擊下有效均衡中重要宏觀變量的脈沖反應(yīng)通過圖3可以進(jìn)一步分析粘性價格情況下不同貨幣政策的差異。引入人工智能后，需要考慮傳統(tǒng)資本、勞動和人工智能的有效配置，由于傳統(tǒng)資本和人工智能是存量，其積累和折舊都需要一個過程，因而其配置還要考慮長期和短期。當(dāng)發(fā)生一個正向的TFP沖擊時，正向收入效應(yīng)導(dǎo)致家庭戶需求上升，同時帶來實際利率的上升。生產(chǎn)率上升對企業(yè)的生產(chǎn)要素需求有兩方面的效應(yīng)：一是產(chǎn)出不變情況下導(dǎo)致要素需求下降；二是正向收入效應(yīng)導(dǎo)致需求上升進(jìn)而拉動要素需求，因而要素需求的變動方向并不確定，取決于兩種效應(yīng)的相對大小。當(dāng)價格和工資靈活調(diào)整時，有效配置要求短期增加傳統(tǒng)資本和勞動供給，中長期逐漸增加人工智能投資。當(dāng)存在價格粘性與工資粘性時，由于名義工資的上漲和名義價格的下降受到阻礙，實際工資不能充分上漲，因而勞動供給上升不足，從而出現(xiàn)負(fù)向的就業(yè)缺口。同時，價格粘性導(dǎo)致價格不能充分下降，有效需求不足導(dǎo)致產(chǎn)出缺口也為負(fù)。但從圖3可以看出，短期就業(yè)缺口顯著大于產(chǎn)出缺口，因而相對于OGT規(guī)則，EGT規(guī)則短期的刺激力度更大，這有利于更好地實現(xiàn)資源有效配置?？傂枨蟮母髷U張導(dǎo)致資本和復(fù)合勞動投入更多，因而傳統(tǒng)投資在EGT規(guī)則下上升更多，缺口更小。在復(fù)合勞動中，由于勞動調(diào)整更快，但實際工資相對于人工智能租金的上升幅度也較大，①因此就業(yè)與人工智能投資均有所增加。當(dāng)采用OGT規(guī)則時，由于短期對總需求刺激不足，資本與復(fù)合勞動的增加較少，因而傳統(tǒng)投資缺口更大，這不利于充分使用TFP進(jìn)步帶來的短期更加有利的生產(chǎn)條件。較少的消費和傳統(tǒng)投資為短期人工智能投資提供了更多的空間，這導(dǎo)致短期人工智能投資的大幅上升和勞動的大幅減少。在中長期，產(chǎn)出的快速上升要求投資快速上升，同時工資的調(diào)整帶動了勞動投入的增加，短期過多的人工智能投資也降低了人工智能的邊際回報，這些都會導(dǎo)致人工智能投資的快速下降?？傊琌GT規(guī)則導(dǎo)致短期勞動下降過多，而人工智能投資短期大幅增加替代勞①這是因為相對于實際工資的上升，寬松的貨幣政策抑制了資本和人工智能租金的上升。動，中長期大幅下降，同時資本投資短期增加不足，這些明顯違背了資源有效配置的要求。由于資源配置無效率，隨著時間的推移，OGT規(guī)則下的生產(chǎn)成本高于EGT，進(jìn)而推升更大的通脹，同時較低的人工智能資本存量導(dǎo)致較高的勞動需求，從而推升更大的工資通脹，這些都導(dǎo)致較大的福利損失。圖3正向TFP沖擊下不同貨幣政策均衡中重要宏觀變量的脈沖反應(yīng)上述基準(zhǔn)情形存在多個簡化假設(shè)，為了檢驗上述基準(zhǔn)結(jié)論的穩(wěn)健性，本文進(jìn)行了多方面的穩(wěn)健性檢驗。本小節(jié)主要進(jìn)行三方面的穩(wěn)健性檢驗。第一，對沖擊的穩(wěn)健性檢驗?；鶞?zhǔn)結(jié)果中，為了更加清晰地分析機制，本文只考慮了生產(chǎn)率沖擊，而現(xiàn)實中會發(fā)生多種沖擊，因此很有必要檢驗當(dāng)多種沖擊同時發(fā)生時上述結(jié)論是否仍然成立。第二，對政策規(guī)則反應(yīng)系數(shù)的穩(wěn)健性檢驗。本文基準(zhǔn)模型中對OGT和EGT規(guī)則中產(chǎn)出缺口和就業(yè)缺口的反應(yīng)系數(shù)取相同值，即央行對產(chǎn)出缺口與就業(yè)缺口的反應(yīng)力度相同，這是為了在控制反應(yīng)力度的情況下比較兩種政策效果的差異。但要論證OGT優(yōu)于EGT，這顯然是不夠的，因為央行可以改變兩種規(guī)則下的政策反應(yīng)力度。因此，要想證明哪個規(guī)則更好，對政策反應(yīng)系數(shù)進(jìn)行穩(wěn)健性檢驗也是必要的。①第三，對人工智能相關(guān)參數(shù)的穩(wěn)健性檢驗。關(guān)于人工智能的數(shù)據(jù)還比較缺乏，因此人工智能與勞動之間的替代彈性以及人工智能份額的取值并無權(quán)威的結(jié)論，而且人工智能所占份額是不斷增多的，因此有必要對這兩個參數(shù)進(jìn)行穩(wěn)健性檢驗。為了避免繁冗，將以上三方面的穩(wěn)健性檢驗結(jié)合起來，即同時引入多種沖擊，并考慮政①例如，如果固定EGT中對就業(yè)缺口的反應(yīng)系數(shù)，央行調(diào)整OGT中產(chǎn)出缺口的反應(yīng)系數(shù)能夠取得更好的福利效果，則說明此時央行應(yīng)該盯住產(chǎn)出缺口，本文結(jié)論不再成立。同理，央行也可以調(diào)整EGT規(guī)則中對就業(yè)缺口的反應(yīng)系數(shù)。因此固定一個規(guī)則中的反應(yīng)系數(shù)而調(diào)整另一個規(guī)則中的系數(shù)，然后比較福利結(jié)果的做法難以證明哪種規(guī)則更好。吳立元等：人工智能、就業(yè)與貨幣政策目標(biāo)策反應(yīng)系數(shù)的調(diào)整，同時對關(guān)鍵參數(shù)進(jìn)行敏感性分析。①本沖擊、人工智能技術(shù)沖擊與偏好沖擊，代表了供給和需求方面的重要常見沖擊。②其次，參考大量文獻(xiàn)(Petrella＆Santoro，2011；反應(yīng)系數(shù)，對于每種政策規(guī)則，找出使福利損失最小的政策反應(yīng)系數(shù)，然后比較兩種規(guī)則帶來的最小福利損失，從而評價哪個規(guī)則更好。這一方法有效地避免了政策反應(yīng)系數(shù)可以調(diào)整帶來的難以比較不同貨幣政策規(guī)則的問題。最后，對于人工智能與勞動的替代彈性σ2，參考Bergetal．(2018)，考慮σ2在2—10之間變化；對于人工智能份額，考慮穩(wěn)態(tài)時人工智能占總收入份額為2％—20％?；谝陨戏治觯疚脑谕瑫r考慮多種沖擊的情況下，計算出當(dāng)替代彈性σ2與人工智能份額RzZ／Y在相應(yīng)區(qū)間變化時最優(yōu)OGT規(guī)則與最優(yōu)EGT規(guī)則的福利損失之差，即EGT相對于OGT的e0)，最優(yōu)EGT規(guī)則相對于最優(yōu)OGT規(guī)則帶來正的福利沒有人工智能時(e＝0)，最優(yōu)EGT規(guī)則相對于最優(yōu)OGT規(guī)則帶來負(fù)的福利收益，因而央行應(yīng)該盯住通脹和產(chǎn)出缺口。③這說明，在引入多種沖擊并考慮最優(yōu)貨幣政策規(guī)則的情況下，本文基準(zhǔn)結(jié)論仍然成立。第二，隨著人工智能與勞動替代彈性的增EGT帶來的福利收益單調(diào)遞增，當(dāng)替代彈性很大時，福利收益開始下降。這是因為：一方面，當(dāng)人工智能成為生產(chǎn)要素后，盯住就業(yè)缺口之所以能帶來福利收益是因為其可以較好地穩(wěn)定就業(yè)波動從而降低工資粘性帶來的福利損失；但另一方面，人工智能的充分使用有利于企業(yè)較好地應(yīng)對沖擊以減小邊際成本的波動，從而減小價格粘性帶來的福利損失。當(dāng)人工智能與勞動的替代彈性變大時，由穩(wěn)定就業(yè)導(dǎo)致人工智能難以充分波動而帶來的生產(chǎn)效率損失也在加大，當(dāng)替代彈性足夠大時，不利效應(yīng)可能會超過正向效應(yīng)從而降低福利收益，但仍顯著為正。第三，隨著人工智能所占份升，盯住就業(yè)缺口規(guī)則的福利收益在上升，這表明，隨著人工智能滲透率的快速上升，央行貨幣政策更應(yīng)該穩(wěn)定就業(yè)。表3對沖擊、政策反應(yīng)系數(shù)及人工智能相關(guān)參數(shù)穩(wěn)健性檢驗的福利結(jié)果參數(shù)福利收益參數(shù)福利收益zzzzzzzzzz①顯然，這是一種更加嚴(yán)格的穩(wěn)健性檢驗。還有一種相對寬松的檢驗方法，即每次檢驗一個方面，另外兩個方面與基準(zhǔn)模型相同。例如在檢驗人工智能關(guān)鍵參數(shù)的穩(wěn)健性時，仍然保持一個沖擊的假設(shè)和基準(zhǔn)模型中對產(chǎn)出缺口與就業(yè)缺口相同的假設(shè)。②引入投資沖擊、成本沖擊與偏好沖擊的方法都是文獻(xiàn)中的標(biāo)準(zhǔn)方法。③值得說明的是，嚴(yán)格來說，并不是當(dāng)沒有人工智能時，福利結(jié)果發(fā)生了突然逆轉(zhuǎn)。隨著人工智能所占份額的下降，EGT規(guī)則帶來的福利改進(jìn)越來越小，這是一個漸變的過程。實際上，當(dāng)人工智能所占份額非常小的時候(0.1％以下)，福利收益就已經(jīng)變?yōu)樨?fù)值。這顯然更符合事實，但這并不影響上述基本結(jié)論，因為如果人工智能占比非常小，在現(xiàn)實中可以忽略不計。值得說明的是，本文還從其他角度進(jìn)行了穩(wěn)健性分析。(1)基準(zhǔn)情形中沒有考慮投資調(diào)整成本，現(xiàn)實中傳統(tǒng)物質(zhì)資本與人工智能投資均存在調(diào)整成本。大量研究發(fā)現(xiàn)，投資調(diào)整成本會對經(jīng)濟(jì)波動產(chǎn)生顯著影響，因而可能影響本文結(jié)論。對此本文引入傳統(tǒng)物質(zhì)資本與人工智能的投資調(diào)整成本進(jìn)行穩(wěn)健性分析。(2)基準(zhǔn)情形中只考慮了一類勞動，假設(shè)人工智能高度替代勞動。現(xiàn)實中勞動具有異質(zhì)性，人工智能在替代某些類型勞動的同時還會創(chuàng)造新的勞動，即人工智能同時具有就業(yè)替代效應(yīng)與就業(yè)創(chuàng)造效應(yīng)。因此，基于就業(yè)替代效應(yīng)得到的基準(zhǔn)結(jié)論在考慮就業(yè)創(chuàng)造效應(yīng)后是否成立需要檢驗。對此本文考慮兩類勞動，其中人工智能與一類勞動高度替代，而與另一類勞動互補。當(dāng)人工智能與勞動互補時，人工智能的增加會提升該類勞動的邊際報酬，因而提升對該類勞動的需求，即刻畫了就業(yè)創(chuàng)造效應(yīng)。(3)人工智能帶來就業(yè)極化的情形。一種較為符合現(xiàn)實的情形是，人工智能將促進(jìn)對高技能勞動的需求，更傾向于替代程式化的中等技能勞動力，而對低技能勞動影響較小，從而導(dǎo)致就業(yè)與工資的極化。為了檢驗基準(zhǔn)結(jié)論在這種情況下是否仍然成立，本文考慮三類勞動，構(gòu)建能夠刻畫就業(yè)極化的模型并進(jìn)行貨幣政策分析。①對于這些拓展情形的分析均表明，本文的基準(zhǔn)結(jié)論依然成立。因而，引入人工智能后，盯住通脹與就業(yè)缺口的政策規(guī)則優(yōu)于盯住通脹與產(chǎn)出缺口的政策規(guī)則的結(jié)論是較為穩(wěn)健的。七、結(jié)語標(biāo)準(zhǔn)新凱恩斯貨幣模型表明，央行要在通脹和產(chǎn)出缺口之間進(jìn)行權(quán)衡。與此對應(yīng)，采用盯住通脹和產(chǎn)出缺口的泰勒規(guī)則是央行在現(xiàn)實中的普遍選擇。本文研究發(fā)現(xiàn)，引入人工智能顯著改變了這一結(jié)論。本文在標(biāo)準(zhǔn)新凱恩斯貨幣模型中引入人工智能，推導(dǎo)出了顯示的二階福利損失函數(shù)。在標(biāo)準(zhǔn)新凱恩斯貨幣模型中，福利損失來源于通脹和產(chǎn)出缺口的波動。引入人工智能后，人工智能投資和存量的波動成為新的福利損失來源，因此央行還需要考慮人工智能投資的波動。以這一福利損失函數(shù)為評價標(biāo)準(zhǔn)，