人工智能是一种选择

《外交事务》杂志近日发表三位人工智能专家的评论－－“人工智能是一种选择”。亚历克斯·伊马斯（Alex Imas）是谷歌深度思维公司通用人工智能经济学部门主任，也是芝加哥大学布斯商学院罗杰·L.与雷切尔·M.戈茨行为科学、经济学和应用人工智能教授。穆罕默德·A.埃尔-埃里安（Mohamed A. El-Erian）是宾夕法尼亚大学沃顿商学院雷内·M.克恩实践教授、安联集团首席经济顾问，以及全球发展中心董事会主席。詹姆斯·马尼卡（James Manyika）是谷歌母公司字母表公司的高级副总裁兼研究、实验室、技术与社会事务总裁。他是斯坦福大学以人为本人工智能研究所杰出研究员，以及牛津大学布拉瓦特尼克政府学院客座教授。他们指出－－这是"通往集体福祉的狭窄但可行之路":

历史上，很少有技术能够像人工智能一样，具有如此巨大的潜力，足以改变其诞生时所处的经济格局。如果得到广泛而有效的应用，人工智能能够提高劳动者的效率，促进更具活力的创业活动，并推动经济增长，而所有这些都可能成为抵御人口老龄化和公共债务不断增加所带来的强大经济逆风的必要屏障。人工智能还能够使科学和医学领域出现革命性的新突破，并使过去只有少数特权人士才能获得的知识得到普及。

但是，人工智能的加速发展也伴随着风险。它可能被以取代劳动者、扰乱学生学习方式、制造新型生物武器和网络武器，以及加重现有能源、水和土地供应压力的方式加以应用。使这些挑战更加复杂的是一种不匹配现象：这项新技术的好处可能需要很长时间才能显现并得到广泛传播。与工业革命等早期变革一样，人们很可能在感受到人工智能带来的好处之前，就已经经历采用人工智能所造成的冲击。而且，尽管用户能够直接感受到聊天机器人等工具的影响，但人工智能间接促成的某些好处，包括更准确地预测自然灾害和改进医学诊断，甚至可能根本不会被人们认为是这项技术带来的成果。

公众舆论已经开始转向反对人工智能，尤其是在美国。主要反对目标之一是数据中心，民意调查显示，绝大多数美国人反对在自己的社区建设数据中心。如今，反对建设新人工智能经济所需的数据中心，已经跨越了党派界限和年龄群体。大量调查发现，居民担心数据中心消耗过多资源、制造无休止的噪音，并推高他们的水电等公用事业账单，而与此同时，开发商却以社区利益为代价获得公共补贴。

尽管其中一些问题具有地方性，但它们也反映了人们对人工智能更广泛的担忧。人工智能领域的一些领军人物发出戏剧性的警告，声称白领工作岗位将面临末日，甚至人工智能可能导致人类灭绝，这无疑加剧了这种焦虑。这些都是真实存在、必须加以理解和解决的问题，但公众对人工智能日益强烈的抵制也表明，存在着一个更深层次的分配挑战：个人、社区和企业被要求帮助引导一项具有变革性、而且可能令人不安的新技术的发展，而此时许多公民却看到，这项技术带来的经济收益正流向少数几个他们越来越不信任的人。人工智能如今已成为美国政治中的一个重大议题：无论属于哪个政党，参加竞争激烈的选举的候选人似乎都越来越不愿意让自己与支持人工智能联系在一起。

这些焦虑是可以理解的。人工智能的应用存在重蹈全球化覆辙的风险。全球化创造了巨大而广泛分布的经济利益，却使特定社区的就业、经济增长和产业遭受了集中的损失。政府对此提供的支持不足，或者来得太晚。尽管整个经济从自由贸易中获益，但政治上的利益安排未能使受到影响的劳动者和社区可信地分享这些收益，即使个人作为消费者从较低的价格中获得了好处。其结果是一场反弹，助长了保护主义和碎片化，而这些问题至今仍在困扰着当今的政治和社会。

要将人工智能的能力转化为广泛共享、持久的繁荣，仅仅投资于技术本身是不够的。人工智能时代的核心挑战，是在负责开展众多互补性投资的不同群体之间实现协调与合作。这些投资能够促进人工智能的应用，包括技术扩散、增强劳动者的能力、企业重组以及基础设施建设。由于这些互补性投资必须由不同机构在不同时间进行，因此，取得进展既需要通过市场机制鼓励合作，也需要在组织、企业、劳动者、社区和政府之间建立联盟，以便将人工智能带来的技术收益转化为广泛的经济和社会利益。借用博弈论中的一个概念，人工智能是一场“合作博弈”，只有当众多群体相互协调时，才能产生最大的收益；而且，只有当每个群体都预期自己作为共同联盟的一部分会比置身联盟之外获得更好的结果时，这些收益才能持续存在。

但是，建立联盟需要信任，而公众的信任，尤其是对技术以及谁从中受益的信任，已经受到侵蚀。关于科学和医学突破的宏伟承诺无法克服根深蒂固的敌意。持久的合作要求让受到影响的群体切实分享人工智能创造的机会和收益，而不是仅仅承诺未来的好处。如果没有这种利益参与，那些支持人工智能蓬勃发展所必需的个人和群体就可能阻碍其进步。政府可能对这个行业实施令人窒息的监管，或者停止发放数据中心建设许可证；企业可能拒绝采用新的人工智能驱动系统；劳动者可能避免分享使这项技术发挥作用所必需的隐性知识。正如经济学家、诺贝尔奖获得者迈克尔·斯彭斯（Michael Spence）曾经指出的：“你不可能以不合作的方式解决一场合作博弈。”确保社会从人工智能的巨大潜力中受益，同时减轻其风险的方法，就是使合作成为明确的选择。

一个全新的世界

人工智能正在确立自己作为下一代通用技术的地位。这种技术能够应用于广泛的活动，随着时间推移不断改进，并催生互补性创新。电力是一种早期的通用技术。19世纪末，当发明家发现如何将电力用于商业用途时，利用电力驱动多种机器的能力改变了工业生产。计算技术是另一种通用技术，它利用电力处理信息本身，从而彻底改变了从工程到医疗保健等各个不同领域。

但是，人工智能通过一种更强大的投入要素——智能——发挥作用，使解释信息、预测结果、诊断问题、与他人交流以及作出决策成为可能。因此，人工智能能够提高现有行业的生产率：护士可以减少处理文书工作的时间，将更多时间用于照顾患者；工程师可以更快地开发新设计；小企业可以扩大自己的数据分析能力，以便与规模更大的竞争对手竞争。它还能够如此显著地提高效率，以至于使原本因为成本过高或过于复杂而无法提供的全新产品和服务成为可能。

人工智能还通过改变研究和发现的过程，超越了现有的通用技术。通过发明优化科学过程的新方法，人工智能开辟了以前不为人知的可能性，就像早期时代的显微镜和望远镜所发挥的作用一样。阿尔法折叠是一种专门的人工智能模型，德米斯·哈萨比斯（Demis Hassabis）和约翰·江珀（John Jumper）因其共同获得了2024年诺贝尔化学奖的一半奖项，它就是一个鲜明的例子。过去，根据单个蛋白质的氨基酸序列确定其三维结构，需要数月甚至数年的时间；通过使用机器学习，阿尔法折叠已经预测了超过2亿种蛋白质的结构，从根本上改变了生物学家能够研究的问题。

因此，人工智能的潜力是工业革命与启蒙运动的结合。工业革命的通用技术改变了生产，而启蒙运动则带来了用于创造发明的发明——改变发现过程的新工具和新范式。人工智能有望同时提供生产率的提升和为新发现铺平道路的工具，从而解决世界各地人口老龄化、债务负担沉重的社会所面临的许多问题。

深入应用

最新一波人工智能以前所未有的速度扩散。谷歌的双子座应用程序和开放人工智能公司的聊天生成式预训练变换器，如今每个月各自都拥有超过10亿用户。谷歌的《人工智能与经济图谱》研究了人们如何使用该公司的人工智能产品，我们三人中的两位（伊马斯和马尼卡）参与了这项研究。该研究分析了150多个国家的1500万次互动，发现68%的职业所涉及的任务中都使用了人工智能，而这些职业约占美国全部就业人数的90%。甚至汽车技术人员和工业机械师也使用人工智能来解释测试结果和诊断电气故障。我们三人中的两位（伊马斯和马尼卡）与麻省理工学院未来技术研究项目合作开展的另一项研究发现，在接受调查的科学家中，近一半每天都使用某种类型的人工智能模型，从而节省了时间，并使更多跨学科研究成为可能。

但是，技术扩散带来的收益既没有保证，也不会自动实现。人工智能已经在各个行业之间以及行业内部得到广泛采用，但迄今为止，其渗透程度仍然相当浅。《人工智能与经济图谱》研究发现，在一个典型职业中，只有21%的任务受到这项技术的实质性影响。根据衡量人工智能模型克劳德如何被用于从编写软件、分析数据到管理行政工作流程等各种工作任务的安思罗匹克经济指数，潜在用途远远超过实际用途。这表明，获得人工智能使用渠道的扩展速度远远快于实际应用的速度。要将人工智能足够深入地融入工作，使其充分发挥潜力，就需要更大规模的变革。一家企业不会仅仅因为购买了人工智能编程代理的使用权限，就改变自己的运营方式。它还必须投资于组织改革和员工培训，而且往往需要重新设计其治理结构或产品线。

人工智能的应用存在重蹈全球化覆辙的风险。

例如，银行业已经广泛采用人工智能，但主要将其用于执行表层任务。按照目前的部署方式，人工智能使分析师能够更快地研究公司、填写电子表格，以及识别投资回报的来源。另一方面，深度应用则要求改变工作流程和岗位职责。银行必须决定向模型输入哪些专有数据、如何保护客户信息，以及如何验证其使用的人工智能模型所产生的结果。初级员工可能花更少的时间收集信息，而将更多时间用于解释信息、形成观点和向客户提供建议。但是，人工智能能够自动化处理的许多任务本身也是培训的形式。因此，企业需要找到办法，让经验丰富的员工帮助年轻同事获得那些资深员工过去通过亲自完成基础分析工作而培养起来的技能。

人工智能真正的经济前景在于深入而具有变革性的应用。这要求彻底改革组织流程，使劳动者做好利用新技术的准备，并以能够提高生产率、促进创新和改善消费者福利的方式应用人工智能。能够增加产出并创造新产品和服务的创新，尚未达到具有实质意义的规模。但是，许多新产品和服务存在着巨大的潜在需求，包括个性化辅导、医疗保健以及法律和金融援助等专业化服务，而技术使全新活动成为可能之后，还将产生额外的需求。通过从根本上改变工作的完成方式以及能够完成哪些工作，人工智能可以降低提供定制化产品的成本，使新的机会在经济上变得可行。满足过去在经济上不合算的需求，将为社会创造新的价值，而不仅仅是重新分配一块固定大小的经济蛋糕。

但是，扩大经济蛋糕并不能保证每一位劳动者都能顺利完成转型。与全球化一样，人工智能释放的新需求不一定会出现在现有工作所在的相同岗位、行业或社区。这种潜在的不匹配可能造成劳动力市场的重大混乱和政治反弹。公众的焦虑已经在加剧，尤其是在寻求入门级职位的年轻劳动者当中，因为这些职位最有可能被人工智能自动化所取代。斯坦福大学经济学家埃里克·布林约尔松（Erik Brynjolfsson）、巴拉特·钱达尔（Bharat Chandar）和陈如玉（Ruyu Chen）的一项研究发现，在最容易受到人工智能自动化影响的职业中，22岁至25岁年轻人的就业人数，比假设这些职业的就业人数按照受人工智能冲击较小的职业相同速度增长时应达到的水平低19%。然而，人工智能对就业，包括入门级职位的总体影响，仍然存在不确定性。《经济学人》估计，人工智能已经在美国创造了约100万个就业岗位，但也导致了约20万人被裁员，而且与近几十年相比，20岁至24岁年轻人的失业率与总体失业率之间的差距较小。最有可能出现的情况是，正如我们三人中的一位（马尼卡）2023年与斯彭斯在本刊撰文指出的那样，一些工作岗位将会消失，一些新的工作岗位将会出现，而更多的工作岗位将发生永久性的变化。

创新性的激励机制

要利用人工智能的潜力增加繁荣，同时又不破坏社会稳定，就需要协调。除了人工智能公司开发新的模型、产品和工具之外，基础设施开发商还必须建设数据中心等支撑人工智能的实体系统。企业需要提供数据并推动组织变革，以充分发挥模型的潜力——不仅要提高效率，还要扩大现有产品和服务，或者创造新的产品和服务。雇主必须决定如何使用这些技术、如何改变工作流程，以及如何使劳动者提高生产率。劳动者必须采用这项技术，并投资于学习与人工智能相关的技能。地方社区必须为数据中心提供土地，并同意这项技术的扩张。政府则需要制定规则、资助基础研究，并提供社会保险，以支持和管理那些因人工智能而失去工作或生计的人所经历的转型。

这些群体中的每一个都承担着独特的成本，获得不同比例的收益，对各自的利益相关群体负责，并对不同的激励作出反应。这也意味着，除非它们进行协调——无论是通过市场机制还是积极合作——否则这些群体都可能减缓或阻碍人工智能的发展。企业可能对组织变革投资不足，只利用人工智能削减成本，而不是扩大收入；劳动者可能抵制或拖延采用人工智能；社区可能阻止基础设施建设；政府可能限制技术发展。每一项行动单独来看可能都有其合理性，但它们结合在一起，就会导致对整个社会而言并非最优的结果。

这是博弈论中一个典型的合作博弈情境：这些群体协调一致地行动时，能够取得的成果远远超过各自独立行动、缺乏协调时所能取得的成果。具有共同目标的联盟不一定需要是一个正式组织；它可以是任何一种行为主体的组合，这些行为主体通过契约、政策、标准、投资承诺或政治交易，以能够协调决策并为共同项目贡献资源的方式开展活动。通过促进人工智能的采用和扩散，每一种可能形成的联盟都能够创造比任何单一行为主体独立行动时更多的增长和经济价值。

在一个理想的世界里，所有这些行为主体都会组成一个单一的“大联盟”，以便尽可能多地获取人工智能创造的价值。它们相互补充的行动以及为促进人工智能发展而进行的积极协调，将启动一个良性循环：更广泛的应用将推动技术进步，使人工智能对社会更加有用，释放新的需求和生产率增长，并鼓励更多个人、社区和企业采用这项技术，支持其扩张。

然而，这样一个大联盟是一项衡量标准，而不是一份行动蓝图。进步并非要么全部实现、要么一无所获；规模较小、目标更加集中的联盟，仍然能够创造远远超过每个行为主体单独行动所能实现的经济和社会收益。真正需要的是一个稳定的联盟——在这个联盟中，任何参与者或参与者群体都无法通过退出联盟并独自采取行动而获得更好的结果。在人工智能经济中，退出联盟并不意味着建立一个与之竞争的人工智能系统。它仅仅意味着对扩大人工智能使用行使否决权，其形式可能包括在地方上暂停数据中心建设、抵制在工作场所采用人工智能，或者阻止出台鼓励人工智能发展的新法规。由于任何一个参与者的退出所破坏的价值，都将超过该参与者独自能够获得的价值，因此，确保每一个必不可少的群体都更愿意留在联盟内部而不是置身联盟之外，至关重要。

因此，一个关键问题是，如何分享共同合作所产生的收益，使合作能够长期保持稳定，并且没有任何联盟成员愿意退出。就人工智能而言，有助于推动合作的一个因素是，这项技术创造了经济学家所称的“凸博弈”的条件：由于人工智能所需的各种投入具有互补性，每一个新参与者都会使其他所有参与者的贡献变得更有价值，从而使加入联盟所带来的收益以加速的速度增长。例如，建设更好的计算基础设施能够提高人工智能模型和工具的能力；能力更强的模型和工具能够增加那些希望投资于改造组织流程和重新培训员工的企业所获得的收益，从而提高生产率并促进创新；而人工智能在工作场所的更广泛应用又会推动对额外计算能力的需求，从而激励更多基础设施提供商开展建设。一旦一个核心群体开始共同合作，下一个希望加入的行为主体就能够获得更大的收益。

人工智能经济的这些特征，也使得更加公平地分享增长收益变得更加容易。一种简单的方法是，根据每个成员对联盟的贡献大小来分配收益。按照诺贝尔经济学奖获得者劳埃德·沙普利（Lloyd Shapley）提出的框架，每个参与者的贡献可以通过该参与者加入时各种可能的联盟所创造的平均额外价值来衡量。例如，如果一个联盟希望利用人工智能发现治疗慢性疾病或罕见疾病的新方法，它就需要包括药物开发商、人工智能实验室、研究型医院、一线医生、患者团体和政府。人工智能实验室提供专门的模型和计算能力，研究型医院整理历史临床数据，医生实施药物试验，而患者团体同意分享生物学记录（在政府制定的隐私保护措施之下）。这些贡献无法用相同的单位来衡量，而且，尽管规模较小的联盟能够取得部分进展，但要使药物发现的整个流程取得完全成功，就需要所有这些群体参与。按照沙普利方法建立的安排，将根据不同联盟在拥有某个成员时所获得的收益，与该成员不在联盟之内时可能产生的结果之间的差异，来分享收益。正如沙普利的研究所表明的，在人工智能应用这样的凸博弈中，以这种方式补偿每一个合作伙伴，能够形成一个稳定的联盟，并激励所有人加入。

价格、契约和激励措施对于建立稳定的联盟不可或缺，而市场设计和竞争则提供了使协调成为可能的架构。但是，仅靠市场是不够的。就人工智能而言，各种成本和收益不会按照所有参与者相同的时间表出现；其中一些参与者将在其他参与者赶上之前很久就已经获得收益。公共机构是必要的。例如，只有政策制定者才能建立共同规则，使联盟中的前沿人工智能实验室能够协调行动，提高人工智能的安全性；也只有政策制定者才能为劳动者适应人工智能经济提供足够的支持。许多劳动者和社区在全球化过程中经历的痛苦，使建立联盟变得更加困难，但同时也使其变得更加必要。

志愿者联盟

一个可行的联盟不需要让每一个参与者都坐到同一张谈判桌前。全国性的协议可以确立共同条款，并在人工智能安全标准、劳动力转型支持和基础设施许可等问题上协调激励措施，而工作场所和地方社区层面的较小规模协议，则可以促使必要的群体加入合作。在这两个层面上，原则都是相同的：每一个群体都必须能够切实分享联盟通过人工智能整体增长所创造的经济收益。

在国家层面，合作应当集中于那些其参与将决定人工智能技术能否扩大到足以创造巨大经济收益的群体。这包括联邦政府、领先的人工智能实验室、主要基础设施建设商和提供商、有组织的劳工，以及部署人工智能的大型企业。大企业之所以重要，是因为它们对技术的使用以及对劳动力的投资创造了推动整个供应链发展的需求。劳工组织将希望就劳动力转型争取有利条件，例如扩大失业保险和工资保险，以及提供再培训；如果有组织的劳工不参与，联盟就会失去促进人工智能应用所需要的支持，尤其是在建筑业等工会拥有更大影响力的行业。对于包括电网、电信网络和支付系统在内的关键基础设施，优先事项必须是网络安全和可靠性：在将人工智能深度融入核心运营之前，基础设施提供商必须相信，能力更强的模型不会使它们面临灾难性的风险。

政府可以建立一个可预测、以风险为基础的监管框架，在生物安全等具有潜在危险的领域制定明确标准，并帮助协调先进人工智能系统的测试。全国性框架将优先于各州各自制定的、零散而各具特色的针对人工智能低风险商业用途的禁令。政策制定者还可以通过资助人工智能基础性问题的研究，以及扩大高技能劳动者的移民和签证渠道，吸引全球顶尖人才进入美国实验室，从而支持人工智能的发展。与此同时，人工智能模型和应用程序开发商可以参与安全测试，而建设人工智能能力的企业可以向小企业、非营利组织和地方政府提供更多计算能力。基础设施提供商可以建设新的数据中心，并通过实施公用事业费率支付者保护措施和缴纳地方税收，表明它们对所在社区的支持；大型企业则可以投资于员工培训、组织转型和新的商业模式。最后，有组织的劳工可以提供建设人工智能应用所依赖的实体基础设施所需的熟练员工，帮助重新设计企业内部的组织工作流程，并运用其政治影响力推动人工智能在全国的发展。

每个群体获得的收益都超过其预期需要作出的贡献。人工智能模型和应用程序开发商以及基础设施提供商获得了一条可预测的发展道路和一支技术熟练的劳动力队伍。大型企业能够获得更深入地采用人工智能并提高生产率所需要的支持。劳动者在经济转型期间获得新的机会和就业保障。随着经济增长以及美国保持其全球技术领先地位，华盛顿也将从中受益。

关于科学突破的承诺无法克服根深蒂固的敌意。

人工智能模型开发商和人工智能生态系统中的其他企业，已经开始共同努力，推动人工智能得到更广泛的传播。包括安思罗匹克、谷歌和开放人工智能公司在内的领先开发商，连同合作伙伴组织，已经向大型组织派驻工程师，以确定人工智能具有价值的用途、重新设计工作流程，并将新的技术系统整合到生产之中。这些努力表明，仅仅能够使用模型是不够的：人工智能的应用需要技术援助、组织知识和持续参与。联盟可以将这种能力扩展到规模较小的企业、学校、诊所和市政机构。对于人工智能模型和应用程序开发商来说，支持技术扩散能够扩大市场，并为应对潜在的政治反弹提供保障。只有当人工智能应用带来的收益由广泛的组织和普通公众共同分享时，公民才会支持这项技术在社会中的扩张。

与劳工群体建立联盟的框架也正在出现。技术开发商、行业协会和政策制定者并不是通过与个别企业合作签订专门协议，而是通过现有工会、学徒制度和再培训计划来支持劳动者之间的合作。例如，国际电气工人兄弟会正在动员其成员反对暂停数据中心建设，同时呼吁达成更好的劳动协议。谷歌正在与国际电气工人兄弟会的合作伙伴组织共同开展工作，培训10万名电气工人和3万名学徒，使劳动者能够获得薪酬优厚的工作岗位，同时为开发商提供熟练劳动力来源，以及开展建设所需要的政治支持。

在地方层面，新的数据中心可能给社区带来集中的成本，即使它们为人工智能用户创造了全国性的利益。因此，开发商应当通过谈判达成协议，保护公用事业费率支付者，并通过增加地方收入、改善基础设施和提供更多就业机会，为社区带来切实的好处。美国许多州正在形成如何做到这一点的范例。包括亚马逊、谷歌和微软在内的领先人工智能公司和“超大规模云计算服务提供商”，已经签署了《费率支付者保护承诺》，自愿承诺在它们建设数据中心的地区，承担新增发电设施和电网升级的全部成本，以确保家庭电费不会上涨。这些公司还资助地方劳动力培训计划和水资源恢复项目，并缴纳财产税，使社区能够支付建设新学校和道路的费用。

只要人工智能带来的经济利益得到分享，就会增强新兴联盟的稳定性。利益分配不需要完全平等，但是，对于提供互补性投入的群体，必须根据每个群体的贡献来分配收益，而且还必须随着技术的发展作出调整。在实践中，确定每个群体的贡献并不是一门精确的科学，而是一个持续进行的结构化谈判过程：公用事业费率、劳动协议和支持性政策等工具，可以按照不同群体在支持人工智能扩张和应用方面所发挥的作用来分配收益。每个联盟成员获得的收益份额必须足够大，使参与合作比阻碍发展更具吸引力。让关键参与者切实分享所创造的经济剩余，就是使那些原本可能成为人工智能发展障碍的群体转变为这项新技术扩大应用的参与者，甚至可能成为倡导者的方法。

在人工智能取代现有任务而不是对其形成补充的领域，政策制定者也可以从全球化过程中出现的问题吸取教训。帮助失业劳动者的公共计划可以发挥作用，但这些计划必须足够容易获得，使其能够在技术冲击发生时提供支持。联邦政府贸易调整援助计划中针对受到全球化影响的劳动者提供补偿和再培训的定向措施，在得到实施的地方取得了成功——纽约联邦储备银行的研究发现，符合该计划工资保险领取资格的劳动者重新就业的可能性提高了，失业时间缩短了，累计收入也增加了——但该计划只覆盖了一小部分劳动者。其他研究发现，大部分支持是通过要求劳动者永久退出劳动力市场才能领取的残疾福利提供的。面对人工智能，政策制定者需要建立扩大后的工资保险和失业保险计划，并支持由雇主主导的再培训计划，帮助劳动者在失去工作之前转向需求旺盛的岗位，而不是等到劳动者开始遭受损失之后才临时设法应对。

正向强化

联盟不需要一次性全部建立起来。合作应当从互补性收益最为明显、参与限制条件最容易确定的领域开始，包括在医疗保健或技术工种等特定行业促进人工智能应用和劳动者培训，以及鼓励支持建设新的数据中心。在国家层面，安全合作可以从联盟与政府之间的伙伴关系发展起来。由于人工智能的发展轨迹仍然存在不确定性，合作协议应当以那些能够在多种合理情景下产生回报、并且可以随着人工智能发展轨迹变得更加清晰而加以修订的投资为中心。

国际合作也可以按照同样的方式发展。尽管人工智能最终很可能需要对手与盟友之间的合作，但华盛顿可以首先建立一个由美国领导、以愿意接受共同安全与保障标准的可信赖伙伴为基础的联盟。例如，美国可以在可信赖的伙伴之间建立一个联盟，以获得技术使用权和合作机会作为交换条件，就原则和框架达成一致。随着联盟的条款被证明切实可行，而且越来越多的国家看到参与其中的好处，这个联盟自然会扩大。它最终可能包括中国。鉴于中国拥有先进的人工智能能力，中国对于解决人工智能安全问题至关重要；然而，这将需要处理复杂的协调一致与核查问题，包括如何建立可信赖的验证机构和机制。

我们有理由对人工智能时代的合作保持谨慎乐观。

巴塞尔银行监管委员会提供了一个具有启发性的国际合作范例。它于1974年成立，最初是由12个先进工业化国家的国家监管机构组成的一个小型论坛，随着时间推移，在不赋予一个强大的超国家机构权力的情况下，逐步制定了监管全球银行的共同标准，并随着这些标准被证明具有价值而扩大其适用范围。巴塞尔委员会是如今占主导地位的国际架构的起点，该架构旨在识别和尽量减少金融不稳定的风险，包括制定银行需要持有多少资本的标准，以及如何对银行资产负债表上所持证券的风险程度进行分类。未来的人工智能标准联盟，可以通过明确的加入条件与可信承诺相结合的同样方式发展壮大，而正是这种结合使巴塞尔委员会以及发布自愿性技术标准的国际标准化组织取得了成功。

发挥人工智能的潜力并非易事。批评者会立即得出结论，认为有许多理由可以说明这样的联盟在实践中无法发挥作用。人工智能实验室可能认为独立行动能够赚取更多利润，现有企业可能试图将合作转变为保护其市场份额的工具，而政府可能承诺向劳动者和社区提供支持，却未能兑现承诺，就像全球化时期发生的情况一样。

但是，我们有理由对人工智能时代的合作保持谨慎乐观。由于这项技术仍然处于相对早期的发展阶段，因此有可能确定启动合作所需要的群体，而且人工智能实验室、政府、社区、雇主和劳工组织已经对这一利益安排的不同部分表现出兴趣。归根结底，社会不需要在创新与共同繁荣之间作出选择。两者可以相互补充：合作将推动增长，而分享这种增长带来的收益，将维持使增长得以持续所需要的合作。