論文の概要: An AI Capability Threshold for Rent-Funded Universal Basic Income in an AI-Automated Economy

• arxiv url: http://arxiv.org/abs/2505.18687v1
• Date: Sat, 24 May 2025 13:08:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-27 16:58:42.592334
• Title: An AI Capability Threshold for Rent-Funded Universal Basic Income in an AI-Automated Economy
• Title（参考訳）: AI自動化経済におけるレンタル型ユニバーサルベーシックインカムのAI能力閾値
• Authors: Aran Nayebi,
• Abstract要約: 我々は、AI資本利益が普遍的なベーシックインカムを持続的にファイナンスできる最初のクローズドフォーム条件を導出する。 我々は、異なる経済シナリオの下で、AI能力がAI前自動化と比較して生産性のレベルとしてしきい値を定義する方法について分析する。
• 参考スコア（独自算出の注目度）: 2.6451153531057985
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We derive the first closed-form condition under which artificial intelligence (AI) capital profits could sustainably finance a universal basic income (UBI) without additional taxes or new job creation. In a Solow-Zeira economy characterized by a continuum of automatable tasks, a constant net saving rate $s$, and task-elasticity $\sigma < 1$, we analyze how the AI capability threshold--defined as the productivity level of AI relative to pre-AI automation--varies under different economic scenarios. At present economic parameters, we find that AI systems must achieve only approximately 5-6 times existing automation productivity to finance an 11\%-of-GDP UBI, in the worst case situation where \emph{no} new jobs or tasks are created. Our analysis also reveals some specific policy levers: raising public revenue share (e.g. profit taxation) of AI capital from the current 15\% to about 33\% halves the required AI capability threshold to attain UBI to 3 times existing automotion productivity, but gains diminish beyond 50\% public revenue share, especially if regulatory costs increase. Market structure also strongly affects outcomes: monopolistic or concentrated oligopolistic markets reduce the threshold by increasing economic rents, whereas heightened competition significantly raises it. Overall, these results suggest a couple policy recommendations: maximizing public revenue share up to a point so that operating costs are minimized, and strategically managing market competition can ensure AI's growing capabilities translate into meaningful social benefits within realistic technological progress scenarios.
• Abstract（参考訳）: 我々は、人工知能(AI)資本利益が、追加税や新たな雇用創出なしに、普遍的ベーシックインカム(UBI)を持続的に融資できる最初のクローズドフォーム条件を導出する。 Solow-Zeira経済では、自動化可能なタスクの継続、一定のネット節約率$s$、タスク-弾力性$\sigma < 1$によって特徴付けられる。 現在の経済パラメータでは、新しいジョブやタスクが生成される最悪の状況において、AIシステムは11%のGDP UBIに資金を供給するために、既存の自動化生産性の5～6倍しか達成しなければなりません。 私たちの分析では、AI資本の公的な収益シェア(例えば、利益税)を現在の15倍から約33倍に引き上げることで、AI能力のしきい値が既存の3倍に向上するが、特に規制コストが増加すれば、公的な収益シェアの50倍を超えます。 独占的または集中的なオリゴポラティクス市場は、経済的賃貸の増加によってしきい値が低下する一方、競争の激化はそれを著しく高めている。 公共収入のシェアを最大化することで、運用コストを最小限に抑えることができ、戦略的に市場競争を管理することで、AIの成長能力が、現実的な技術的進歩シナリオにおいて有意義な社会的利益をもたらすことを保証できます。

関連論文リスト

• Will Neural Scaling Laws Activate Jevons' Paradox in AI Labor Markets? A Time-Varying Elasticity of Substitution (VES) Analysis [0.0]
  我々は,4つの重要なメカニズムを通じて,AI開発と労働代行を結びつけるモデルを構築した。 この研究は、AIがますます人間の労働の代わりになると主張する産業の背景にある経済的理由を評価するための、シンプルなフレームワークを提供する。
  論文  参考訳（メタデータ） (2025-03-04T16:55:30Z)
• Societal Adaptation to AI Human-Labor Automation [0.0]
  本稿では、社会がAIによるヒューマンコラボレーションの自動化にどのように適応できるかを分析する。 脅威モデルは、大量失業とその社会経済的な結果に焦点を当てている。 この分析は、AIの発展方法を形成する「能力改善介入」(CMI)と、社会の調整を支援する「適応介入」(ADI)の両方を探求する。
  論文  参考訳（メタデータ） (2024-12-07T15:08:11Z)
• Hype, Sustainability, and the Price of the Bigger-is-Better Paradigm in AI [67.58673784790375]
  AIパラダイムは、科学的に脆弱なだけでなく、望ましくない結果をもたらすものだ、と私たちは主張する。 第一に、効率の改善にもかかわらず、その計算要求はモデルの性能よりも速く増加するため、持続可能ではない。 第二に、健康、教育、気候などの重要な応用は別として、他人を犠牲にして特定の問題に焦点をあてることである。
  論文  参考訳（メタデータ） (2024-09-21T14:43:54Z)
• In the Shadow of Smith`s Invisible Hand: Risks to Economic Stability and Social Wellbeing in the Age of Intelligence [0.0]
  AI資本と労働者の比率が適度に上昇しても、現在の2倍の労働力不足が増す可能性がある。 未使用量の推定増加による一人当たりの使い捨て所得の減少を防止するためには、新規雇用創出率の少なくとも10.8倍の増加が必要である。
  論文  参考訳（メタデータ） (2024-04-22T06:16:48Z)
• Computing Power and the Governance of Artificial Intelligence [51.967584623262674]
  政府や企業は、AIを管理する手段として計算を活用し始めている。 計算ベースのポリシーと技術は、これらの領域を補助する可能性があるが、実装の準備ができている点で大きなバリエーションがある。 プライバシーや経済的影響、権力の中央集権化といった分野において、ガバナンスの計算方法の素早い、あるいは不十分なアプローチは重大なリスクを伴います。
  論文  参考訳（メタデータ） (2024-02-13T21:10:21Z)
• Finding Regularized Competitive Equilibria of Heterogeneous Agent Macroeconomic Models with Reinforcement Learning [151.03738099494765]
  労働市場に参入する世帯や企業を無限に数える異種エージェントマクロ経済モデルについて検討する。 本稿では,モデルの正規化競争均衡を求めるデータ駆動強化学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-02-24T17:16:27Z)
• Building a Foundation for Data-Driven, Interpretable, and Robust Policy Design using the AI Economist [67.08543240320756]
  AIエコノミストフレームワークは,2段階強化学習とデータ駆動型シミュレーションを用いて,効果的な,柔軟な,解釈可能なポリシー設計を可能にする。 RLを用いて訓練されたログリニア政策は、過去の結果と比較して、公衆衛生と経済の両面から社会福祉を著しく改善することがわかった。
  論文  参考訳（メタデータ） (2021-08-06T01:30:41Z)
• The AI Economist: Optimal Economic Policy Design via Two-level Deep Reinforcement Learning [126.37520136341094]
  機械学習に基づく経済シミュレーションは強力な政策・メカニズム設計の枠組みであることを示す。 AIエコノミスト(AI Economist)は、エージェントと共同適応するソーシャルプランナーの両方を訓練する2段階のディープRLフレームワークである。 単純な一段階の経済では、AIエコノミストは経済理論の最適税制を回復する。
  論文  参考訳（メタデータ） (2021-08-05T17:42:35Z)
• AI and Shared Prosperity [0.0]
  人間の労働を自動化するAIの今後の進歩は、労働市場や不平等に深刻な影響を及ぼす可能性がある。 本稿では,労働市場における特定のタイプのAIシステムの効果を,労働需要がどれだけの規模で生み出すかによって分析する枠組みを提案する。
  論文  参考訳（メタデータ） (2021-05-18T12:37:18Z)
• The AI Economist: Improving Equality and Productivity with AI-Driven Tax Policies [119.07163415116686]
  我々は、経済的平等と生産性を効果的にトレードオフできる税制政策を発見する社会プランナーを訓練する。 競争圧力と市場ダイナミクスを特徴とする経済シミュレーション環境を提案する。 AI主導の税政策は、基本方針よりも平等と生産性のトレードオフを16%改善することを示します。
  論文  参考訳（メタデータ） (2020-04-28T06:57:18Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。