論文の概要: Governance of Technological Transition: A Predator-Prey Analysis of AI Capital in China's Economy and Its Policy Implications

• arxiv url: http://arxiv.org/abs/2601.03547v1
• Date: Wed, 07 Jan 2026 03:30:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-09 02:15:23.180263
• Title: Governance of Technological Transition: A Predator-Prey Analysis of AI Capital in China's Economy and Its Policy Implications
• Title（参考訳）: 技術移行のガバナンス--中国経済におけるAI資本の捕食者・準備分析とその政策含意
• Authors: Kunpeng Wang, Jiahui Hu,
• Abstract要約: 人工知能の中国経済への急速な統合は、古典的な統治課題を呈している。 本研究では、AI資本、物理的資本、労働の動的相互作用をモデル化することで、この政策ジレンマに対処する。 我々の結果は、AI資本が「準備」として機能し、物理的資本蓄積と労働補償(賃金請求)の両方を刺激する一貫したパターンを明らかにした。 感度分析は、労働市場の均衡がAI関連のパラメータによって圧倒的に引き起こされていることを示している。
• 参考スコア（独自算出の注目度）: 7.7994612323406765
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The rapid integration of Artificial Intelligence (AI) into China's economy presents a classic governance challenge: how to harness its growth potential while managing its disruptive effects on traditional capital and labor markets. This study addresses this policy dilemma by modeling the dynamic interactions between AI capital, physical capital, and labor within a Lotka-Volterra predator-prey framework. Using annual Chinese data (2016-2023), we quantify the interaction strengths, identify stable equilibria, and perform a global sensitivity analysis. Our results reveal a consistent pattern where AI capital acts as the 'prey', stimulating both physical capital accumulation and labor compensation (wage bill), while facing only weak constraining feedback. The equilibrium points are stable nodes, indicating a policy-mediated convergence path rather than volatile cycles. Critically, the sensitivity analysis shows that the labor market equilibrium is overwhelmingly driven by AI-related parameters, whereas the physical capital equilibrium is also influenced by its own saturation dynamics. These findings provide a systemic, quantitative basis for policymakers: (1) to calibrate AI promotion policies by recognizing the asymmetric leverage points in capital vs. labor markets; (2) to anticipate and mitigate structural rigidities that may arise from current regulatory settings; and (3) to prioritize interventions that foster complementary growth between AI and traditional economic structures while ensuring broad-base distribution of technological gains.
• Abstract（参考訳）: 人工知能(AI)の中国経済への急速な統合は、従来の資本市場や労働市場に対する破壊的な影響を管理しながら、その成長の可能性を活用する方法という、古典的なガバナンスの課題を提示している。 本研究は,ロトカ・ボルテラ捕食者・捕食者・捕食者の枠組み内でのAI資本,身体資本,労働の動的相互作用をモデル化することにより,この政策ジレンマに対処する。 年次中国のデータ(2016-2023)を用いて、相互作用強度を定量化し、安定平衡を同定し、大域的な感度分析を行う。 我々の結果は、AI資本が「準備」として振る舞う一貫したパターンを明らかにし、物理的な資本蓄積と労働補償(賃金請求)の両方を刺激し、弱い制約的なフィードバックのみに直面している。 平衡点は安定なノードであり、揮発性サイクルではなくポリシーによる収束経路を示す。 批判的な分析では、労働市場の均衡はAI関連のパラメータによって圧倒的に引き起こされているのに対し、物理的資本均衡は自身の飽和ダイナミクスの影響も受けている。 これらの知見は,(1)資本対労働市場の非対称レバレッジポイントを認識し,AI推進政策を校正すること,(2)現在の規制設定から生じる構造的剛性を予測・緩和すること,(3)AIと従来の経済構造との相補的成長を促進するための介入を優先すること,など,政策立案者にとって体系的かつ定量的な基盤を提供する。

関連論文リスト

• Strategic Self-Improvement for Competitive Agents in AI Labour Markets [45.88028371034407]
  本稿では,エージェント労働市場を形成する実世界の経済力を初めて捉えた,画期的な新しい枠組みを提案する。 我々は,エージェント型大規模言語モデル (LLM) が雇用を競う,誘引可能なギグエコノミーを通じて,我々のフレームワークを説明する。 我々のシミュレーションは、人間の労働市場に見られる古典的なマクロ経済現象を再現する一方、制御された実験はAIによる経済動向を示す。
  論文  参考訳（メタデータ） (2025-12-04T16:57:28Z)
• Agentic Inequality [6.034016224014177]
  アジェンティック不平等(Agentic inequality)とは、AIエージェントへの差分アクセスから生じる権力、機会、成果の潜在的な格差である。 本稿では、エージェントが既存の分割を悪化させ、適切な条件下では強力な等化力として機能するかを考察する。
  論文  参考訳（メタデータ） (2025-10-19T14:32:46Z)
• Modeling AI-Driven Production and Competitiveness A Multi-Agent Economic Simulation of China and the United States [6.345776306229298]
  人工知能(AI)技術の急速な発展に伴い、社会経済システムは「人間とAIの共創」の新たな段階に入った。 本稿では,中国と米国におけるマクロ経済のアウトプット進化のシミュレーションに基づく比較を行った。 その結果、AIが独立した生産主体として機能する場合には、社会的なアウトプットの全体的な成長速度は従来の人間工学モデルよりもはるかに高いことがわかった。
  論文  参考訳（メタデータ） (2025-10-13T07:28:14Z)
• The Economics of Information Pollution in the Age of AI: A General Equilibrium Approach to Welfare, Measurement, and Policy [4.887749221165767]
  LLM(Large Language Models)の出現は、情報生産の経済性に対する根本的なショックである。 高品質な合成コンテンツを生成するための限界コストを非対称に崩壊させると同時に、高品質な生産をコスト的に残すことで、AIは情報汚染を体系的に動機付ける。 本稿では,この課題を解析するための一般均衡フレームワークを開発する。
  論文  参考訳（メタデータ） (2025-09-17T06:31:17Z)
• 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)
• The recessionary pressures of generative AI: A threat to wellbeing [0.0]
  生成人工知能(AI)は、パラドックスを示す変換力である。 経済成長に前例のない機会を提供し、経済の安定と社会福祉に重大な脅威をもたらす可能性がある。 本稿では,両者が真である可能性のある条件について考察する。
  論文  参考訳（メタデータ） (2024-03-26T05:51:05Z)
• Towards Responsible AI in Banking: Addressing Bias for Fair Decision-Making [69.44075077934914]
  責任AI(Responsible AI)は、企業文化の発展におけるバイアスに対処する重要な性質を強調している。 この論文は、バイアスを理解すること、バイアスを緩和すること、バイアスを説明することの3つの基本的な柱に基づいて構成されている。 オープンソースの原則に従って、アクセス可能なPythonパッケージとして、Bias On DemandとFairViewをリリースしました。
  論文  参考訳（メタデータ） (2024-01-13T14:07:09Z)
• Fairness in Agreement With European Values: An Interdisciplinary Perspective on AI Regulation [61.77881142275982]
  この学際的立場の論文は、AIにおける公平性と差別に関する様々な懸念を考察し、AI規制がそれらにどう対処するかについて議論する。 私たちはまず、法律、(AI)産業、社会技術、そして(道徳)哲学のレンズを通して、AIと公正性に注目し、様々な視点を提示します。 我々は、AI公正性の懸念の観点から、AI法の取り組みを成功に導くために、AIレギュレーションが果たす役割を特定し、提案する。
  論文  参考訳（メタデータ） (2022-06-08T12:32:08Z)
• 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)

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。