AI焦慮是否導致了“氛圍衰退”？一項調查
本文探討了人工智能焦慮是否導致了所謂的“氛圍衰退”，即自2022年以來經濟情緒與基本面之間的脱節。作者通過消費者調查數據檢驗了假設，但發現AI失業焦慮並不能解釋情緒低迷。文章梳理了不同觀點，並提出了自己的分析。
自2022年以來，經濟Twitter和Bluesky上頻繁出現一個概念——“氛圍衰退”。簡而言之，它指的是自2022年起，公眾對經濟的感受顯著惡化，與實際經濟基本面（至今仍然相當強勁）嚴重脱節。對於這一現象是否存在，各方觀點不一。本文旨在探討一個可能性：如果氛圍衰退確實存在，那麼對AI導致失業的焦慮或許在其中扮演了角色。
關於氛圍衰退的爭論主要分為幾個陣營。以Will Stancil為首的一派認為，情緒與實際經濟表現之間的差距源於社交媒體上誤導性的虛假內容以及新聞消費的日益碎片化。另一派以G Elliot Morris為代表，主張差距可以用物價水平來解釋——人們不滿的不是通脹（即價格同比上漲），而是東西比2021年更貴了。最後一派則認為，經濟確實糟糕，通脹率、失業率等基本面指標無法反映全貌，他們指出信用卡債務上升和大量美國人難以負擔基本生活必需品。經濟學家Matt Darling是這場爭論中的重要人物，他似乎傾向於第一派，但大部分時間在反駁第三派。本文的靈感正來源於他的文章。
我傾向於認為各方都有道理。基本面和情緒之間的分歧顯得突然且奇怪，但我不認為誤導性的病毒式傳播是全部原因。我比較認同Elliot Morris的理論，但也覺得經濟中存在一些更深層次的問題未被 headline 數字捕獲，例如汽車貸款違約率創歷史新高就是一個令人擔憂的信號。
通常人們用密歇根大學消費者調查的情緒指數來評估氛圍。我仿照Matt Darling的方法，用新冠疫情前的失業率、通脹率和聯邦基金利率預測了情緒指數。結果顯示，預測值與實際值在2022年前大致吻合，但此後實際情緒持續低迷，而基本面保持強勁。看到這個圖時，我想到2022年也是ChatGPT發佈的時間點，不禁懷疑關於AI將導致大規模失業的報道是否讓人對經濟產生了不應有的負面感受。
密歇根調查還詢問受訪者未來五年內失業的概率。2025年，這一概率的平均值達到了異常高的水平，儘管失業率很低。我的理論是，這背後是AI的影響，進而導致了經濟情緒低迷。
為了檢驗理論，我效仿Elliot Morris的方法，在預測模型中加入了五年失業概率變量。如果失業焦慮導致整體情緒更負面，那麼包含該變量的模型應該更貼近實際情緒。然而，比較兩個模型的預測誤差後發現，加入失業變量幾乎沒有任何改善。數據並不支持AI焦慮是氛圍衰退的顯著原因。
這個結果讓人略感失望，但或許失業概率變量並不能很好地捕捉AI焦慮。我原本希望能為氛圍衰退之爭帶來一個和平的解決方案，但遺憾的是未能如願。無論如何，感謝閲讀！