6

我们的经济未来已经落后了吗?

芝加哥—全球经济尚未从2008年经济危机中恢复,而关于未来——特别是发达经济体的未来——的担忧日益加剧。我的西北大学同事罗伯特·戈登(Robert J. Gordon)说出了很多经济学家的心声,在他的新书《美国增长的兴衰》(The Rise and Fall of American Growth)中指出,此前一百五十年中的众多提高生产率的创新是无法逾越的。果真如此的话,发达经济体应该预计未来几年增长放缓和停滞。但未来真的如此黯淡吗?

也许不是。事实上,几百年来,经济学家的展望几乎总是悲观的。1830年,英国辉格派历史学家托马斯·麦考莱(Thomas Macaulay)观察道,“在每个时代,每个人都知道,截止到他所生活的时期,进步性改进一直在发生;没人会认为下一代还会发生任何改进。”——他问道,为什么人们会预测“只能走下坡路”?

Chicago Pollution

Climate Change in the Trumpocene Age

Bo Lidegaard argues that the US president-elect’s ability to derail global progress toward a green economy is more limited than many believe.

不久,麦考莱的远见就被铁路时代的黎明所证实。钢铁、化工、电力和工程的变革式进步接踵而来。

至于我们的技术未来,我预期也会有类似的结果。事实上,我敢说“我们什么也预见不到。”技术进步将为大部分发达经济体掀起一场飓风当量的顺风。

我的乐观不是基于一些关于未来的一般化的信仰,而是基于科学(或“命题性知识”)和技术(“规范性知识”)的相辅相成。正如科学突破能够促进技术创新,技术进步也能促成科学发现,并由后者推动更多技术变革。换句话说,科学与技术进步之间存在正反馈环。

技术市中充满了这一反馈环的例子。十七世纪科学革命部分是技术进步性新工具带来的,如望远镜、气压计和真空泵。要讨论19世纪70年代微生物理论的兴起,就无法绕过此前显微镜的改进。罗莎林·富兰克林(Rosalind Franklin)的X射线晶体成像技术对于DNA结构和其他产生了20多个诺贝尔奖的的发现至关重要。

今天,科学能够使用的工具包括一些旧工具的现代版,哪怕在二十五年前,这样的版本更新也是不可想象的。望远镜被发射到太空中,与高性能自适应光学计算机相连,揭示了一个与人类曾经想象的截然不同的宇宙。2014年,贝齐格-赫尔(Betzig-Hell)显微镜被授予诺贝尔奖,因为它克服了曾经被认为不可逾越的障碍,让光学显微范围挺进到纳米级。

如果这还不足以击碎技术悲观论的话,我们再来看看近几年中涌现出来的革命性工具——几十年前的人类做梦都想不到还能出现这样的工具。从计算机开始。经济学家花了巨大的力气评估计算机对商品和服务生产的影响,以及测量它们对生产率的贡献。但所有这些测量手段都无法充分显示计算机为科学研究所带来的难以用语言形容的好处和机会。

如今,没有一家实验室不依靠计算机。在实验工作中,“硅片”的地位已经与“活体”和“试管”等量齐观。全新领域,如“计算物理学”和“计算生物学”完成了从无到有的蜕变。根据摩尔定律,科学计算的进步将在未来多年中继续加速,原因之一便是量子计算的出现。

另一个新工具是激光。当第一束激光出现时,人们几乎不知道能用它来干什么。如今,它们与计算机一样无处不在,从文档扫描到眼科医学几乎所有日常应用中都有它的身影。

目前需要依赖激光的研究领域也同样广泛,横扫生物、化学、遗传学和天文学。LIBS(激光诱导击穿光谱)是蛋白质分析的关键,而蛋白质分析又是大量分子生物化学研究的基础。最近,激光让人们确认了物理学的圣杯之一——引力波的存在。

另一项正在改变科学的技术创新是基因编辑工具CRIPR Cas9。目前,基因测序已经是一个快速且相对廉价的过程,其成本从2007年的每基因组1,000万美元下降到今天的1,000美元。

CRISPR Cas9将这一技术带到了一个新的、真正具有革命性的水平,并让科学家能够编辑和操纵人类基因组。这一概念也许会让一些人就此放弃,但该技术的潜在受益应用——如使重要作物能够抵挡气候变化和水的盐化——是无法估量的。

此外,数字化大大降低了研究者的获得成本(access cost)。所有研究都依赖于能否获得已有知识;我们都站在前辈巨人(甚至普通人)的肩膀上。我们以新奇的——有时是革命性的方式重组他们的发现、思想和创新。但是,直到最近,学习跟上科学和技术创新步伐所需要的知识需要耗费巨大的工作量,其中花在检索图书馆和百科全书中的时间就不可胜数。

Fake news or real views Learn More

如今,研究者可以在蒙大拿州那么大的信息干草堆中找到纳米级别的细针。他们可以接入大型数据库,找到模式和经验性规律。十八世纪分类学家林奈将对此艳羡不已。

我们的科学知识正在大步向前,带来数不胜数的新应用。毫无疑问,技术也将在众多预期和预期外的领域勇往直前。这将带来经济增长,尽管如果我们继续依赖于过时的国民收入统计方法,这种经济增长无法被充分认识到。