というDigitopolyブログエントリをJoshua GansがAjay AgrawalとAvi Goldfarbと共同で書いている（原題は「The Simple Economics of Machine Intelligence」；H/T Economist's View）。
The year 1995 was heralded as the beginning of the “New Economy.” Digital communication was set to upend markets and change everything. But economists by and large didn’t buy into the hype. It wasn’t that we didn’t recognize that something changed. It was that we recognized that the old economics lens remained useful for looking at the changes taking place. The economics of the “New Economy” could be described at a high level: Digital technology would cause a reduction in the cost of search and communication. This would lead to more search, more communication, and more activities that go together with search and communication. That’s essentially what happened.
Today we are seeing similar hype about machine intelligence. But once again, as economists, we believe some simple rules apply. Technological revolutions tend to involve some important activity becoming cheap, like the cost of communication or finding information. Machine intelligence is, in its essence, a prediction technology, so the economic shift will center around a drop in the cost of prediction.
The first effect of machine intelligence will be to lower the cost of goods and services that rely on prediction. This matters because prediction is an input to a host of activities including transportation, agriculture, healthcare, energy manufacturing, and retail.
When the cost of any input falls so precipitously, there are two other well-established economic implications. First, we will start using prediction to perform tasks where we previously didn’t. Second, the value of other things that complement prediction will rise.
As machine intelligence lowers the cost of prediction, we will begin to use it as an input for things for which we never previously did. As a historical example, consider semiconductors, an area of technological advance that caused a significant drop in the cost of a different input: arithmetic. With semiconductors we could calculate cheaply, so activities for which arithmetic was a key input, such as data analysis and accounting, became much cheaper. However, we also started using the newly cheap arithmetic to solve problems that were not historically arithmetic problems. An example is photography. We shifted from a film-oriented, chemistry-based approach to a digital-oriented, arithmetic-based approach. Other new applications for cheap arithmetic include communications, music, and drug discovery.
（拙訳）
1995年は「ニューエコノミー」到来の年としてもてはやされた。デジタル通信は市場を引っ繰り返してすべてを変える、とされた。しかし経済学者の大半はそうした喧伝を受け入れなかった。何かが変わったことを我々が認識しなかったわけではない。起きている変化を見る際に古い経済学のレンズが依然として有用であることを我々は認識していた、ということである。「ニューエコノミー」の経済学は、専門的に言えば、デジタル技術はサーチとコミュニケーションのコストを削減するだろう、ということになる。それはサーチとコミュニケーションの増大をもたらし、サーチとコミュニケーションと連動する活動の増大をもたらすだろう。実際に起きたのは基本的にそういうことだった。
今日、機械知能について同様の喧伝が見られる。しかし今度もまた、経済学者として、単純な規則が当てはまるものと我々は考えている。技術革命は何らかの重要な活動を安価にするものであり、コミュニケーションのコストや情報を発見するコストなどを低下させた。機械知能は、本質的に、予測技術である。従って、経済的変化は予測コストの低下を巡るものになるだろう。
機械知能の最初の効果は、予測に依存する財やサービスのコストの低下である。輸送、農業、医療、エネルギー製造、小売など多くの活動で予測が入力となっているので、この効果は重要である。
どんな入力コストでも、これほど急激に低下すると、それ以外に2つの良く知られた経済的帰結が生じる。一つは、以前は予測を使っていなかった業務に予測を使うようになる、ということである。二つ目は、予測を補完するそれ以外のことの価値が上昇する、ということである。
機械知能が予測コストを低下させると、我々が以前には決して予測を入力しなかったようなことに使うようになるだろう。ある分野の技術進歩が別の入力コストを大きく低下させた歴史的な事例としては、半導体がある。その別の入力とは、計算である。半導体によって計算が安価になったため、データ分析や会計のように計算を主要な入力とする活動がかなり安価になった。その一方で我々は、過去には計算問題ではなかったことの解決のためにも新たに安価になった計算を使うようになった。写真がその一例である。我々は、フィルムを使った化学ベースの手法を、デジタルを使った計算ベースの手法に切り替えた。それ以外の安価な計算の応用先としては、通信、音楽、創薬がある。
予測コストの低下でそれを入力に使うことが可能になった例として記事では、自動運転を挙げている。
そして、予測の補完財として判断を挙げている。
All human activities can be described by five high-level components: data, prediction, judgment, action, and outcomes. ...
As machine intelligence improves, the value of human prediction skills will decrease because machine prediction will provide a cheaper and better substitute for human prediction, just as machines did for arithmetic. However, this does not spell doom for human jobs, as many experts suggest. That’s because the value of human judgment skills will increase. Using the language of economics, judgment is a complement to prediction and therefore when the cost of prediction falls demand for judgment rises. We’ll want more human judgment.
...
Interpreting the rise of machine intelligence as a drop in the cost of prediction doesn’t offer an answer to every specific question of how the technology will play out. But it yields two key implications: 1) an expanded role of prediction as an input to more goods and services, and 2) a change in the value of other inputs, driven by the extent to which they are complements to or substitutes for prediction. These changes are coming. The speed and extent to which managers should invest in judgment-related capabilities will depend on the how fast the changes arrive.
（拙訳）
人のすべての活動は、5つの大枠の要素で記述することができる。データ、予測、判断、行動、そして結果である。・・・
機械知能が進化すると、人の予測技術の価値は低下するだろう。というのは、機械が計算についてそうだったように、機械による予測は人の予測より安価で優れた代替となるからである。しかし、多くの専門家が言うようにそれで人間の仕事が終わる、というわけではない。というのは、人の判断技術の価値が増すからである。経済学の用語を使うならば、判断は予測の補完財であり、従って予測のコストが下がると判断への需要は増す。我々は人の判断をもっと欲するようになるだろう。
・・・
機械知能の台頭を予測コストの低下として解釈することは、技術がどう展開するかについてのすべての具体的な質問に回答を与えるものではない。しかし2つの重要な帰結が得られる。１）予測の入力としての役割が拡大し、より多くの財とサービスにおいて使われること、２）どの程度予測の補完財もしくは代替財であるかに応じて、他の入力の価値が変化すること、である。そうした変化は訪れつつある。経営者が判断に関連する能力にどの程度のスピードと規模で投資すべきかは、変化がどの程度早く訪れるか次第である。
