{
  "id": "total-factor-productivity",
  "title": "全要素生产率",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "全要素生产率衡量综合投入转化为产出的效率，反映已测得的投入增长之外技术、组织和资源配置等因素的影响。",
  "category": "economics",
  "subcategory": "macroeconomics",
  "type": "concept",
  "aliases": [
    "TFP",
    "多要素生产率"
  ],
  "generated_at": "2026-11-03",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/total-factor-productivity/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/total-factor-productivity/",
      "json": "https://aiwiki.page/en/total-factor-productivity.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "全要素生产率（TFP）衡量产出与生产该产出所使用的综合投入之间的关系。劳动生产率仅考察产出与劳动投入的关系，而全要素生产率则考虑多种生产要素的贡献，通常包括资本和劳动，在某些应用中还包括原材料、能源和外购服务。全要素生产率的增长，是产出增长中无法由已测得的投入增长解释的部分。\n\n全要素生产率在经济增长研究中居于核心地位，因为生产的持续增长不能仅用机器设备的积累或就业规模的扩大来解释。更先进的技术、更完善的组织方式、更有效的资源配置以及知识的传播，都能使一个经济体在投入组合既定的情况下生产出更多产品和服务。不过，测算出的全要素生产率并非对技术进步的直接观测：它还反映了测量误差、遗漏的投入、产能利用率的变化，以及有关生产和市场的假设。\n\n经济学家会估算单个生产经营单位、企业、行业乃至整个经济体的全要素生产率。这些估算可用于增长核算、生活水平的国际比较、竞争与资源配置研究，以及生产率增速放缓的分析。如何界定产出和投入，如何对其估值、汇总并进行质量调整，对这些估算结果的解读至关重要。"
    },
    {
      "heading": "概念基础与历史发展",
      "text": "全要素生产率的基本思想是，即使所有已测量的投入没有同比例增加，产出也可以增长。工厂重新组织生产线后，可能用同样的机器和工时生产出更多产品；运输公司则可能通过改进调度来减少空驶。这类变化即使不涉及新增实物资本，也能提高测得的生产率。反过来，人均产出也可能仅仅因为每位工人使用了更多设备而上升，而全要素生产率并未提高。\n\n一种常见的表示方式是生产函数 \\(Y=A F(K,L)\\)，其中，\\(Y\\) 表示产出，\\(K\\) 表示资本投入，\\(L\\) 表示劳动投入，\\(A\\) 则是效率项。在这一表述中，\\(A\\) 的变化会改变给定资本与劳动组合所能实现的产出。将 \\(A\\) 称为“技术”固然方便，却也可能产生误导：在实证研究中，与它对应的指标可能包含组织效能、基础设施质量、资源配置以及未被测量的投入特征等因素。\n\n对生产和生产率的定量研究早于现代术语的形成。扬·丁伯根在1942年的研究中，运用生产函数的思路分析了若干经济体的长期发展。摩西·阿布拉莫维茨在1956年对美国经济增长的分析中强调，观测到的产出扩张有很大一部分无法用常规投入指标解释，并将这一残差称为“对无知程度的衡量”。这一说法意在强调：无法解释的增长，并不就自动成为已得到解释的技术进步。\n\n罗伯特·索洛于1957年发表的《技术变迁与总量生产函数》，对残差法作出了影响最为深远的阐述。他对美国1909—1949年的计算表明，每人时产出增量中，约有八分之七可归因于按当时方法测得的技术变迁。这并不是说总产出增长的八分之七来自发明创造；后续对测算方法的改进，也大幅改变了投入增长与残差各自所占的贡献份额。\n\n此后的研究改进了对投入异质性的处理。戴尔·乔根森和兹维·格里利切斯，尤其是在1967年的研究中，强调了资本服务、劳动质量以及测量口径一致性的重要性。此后，官方统计机构和经济合作与发展组织逐步建立了细致的多要素生产率核算框架。“多要素生产率”与“全要素生产率”通常可以互换使用，但无论采用哪个名称，都不意味着所有相关投入实际上已被测量。"
    },
    {
      "heading": "增长核算与生产率残差",
      "text": "增长核算将产出增长分解为投入增长的贡献和一个残差项。对于带有乘法形式效率项的可微生产函数，其瞬时核算关系可写为\n\n\\[g_A=g_Y-\\varepsilon_K g_K-\\varepsilon_L g_L,\\]\n\n其中，\\(g_X=d\\ln X/dt\\)，而 \\(\\varepsilon_K\\) 和 \\(\\varepsilon_L\\) 分别为资本和劳动的产出弹性。该公式可由生产函数求导得到；但要根据可观测的经济数据识别这些弹性，还需要额外的假设。\n\n在规模报酬不变、要素市场完全竞争且生产者追求利润最大化的条件下，只要满足相应的核算条件，投入的产出弹性就等于其在生产成本或产出收入中所占的份额。因此，常见的两投入公式为\n\n\\[g_A=g_Y-s_Kg_K-s_Lg_L, \\qquad s_K+s_L=1.\\]\n\n由此得到的残差通常称为索洛残差。如果产出增长 3%，资本服务增长 4%，劳动服务增长 1%，且资本和劳动的份额分别为 0.4 和 0.6，那么全要素生产率的增长率近似为 \\(3-0.4(4)-0.6(1)=0.8\\)%。其余 2.2 个百分点则归因于测得的投入增长。\n\n对于年度数据，统计机构通常采用指数方法，而不是假定固定的函数形式。托恩奎斯特式计算方法以各项投入在相邻两期的平均成本份额为权重，对其对数变化量进行加权：\n\n\\[\\Delta\\ln A_t = \\Delta\\ln Y_t - \\sum_i \\frac{s_{i,t}+s_{i,t-1}}{2}\\Delta\\ln X_{i,t}.\\]\n\n允许权重变化，可以适应生产结构和投入相对价格的变动。该指数具有一些有用的理论性质，但仍然取决于基础数据的质量，以及对成本份额的经济含义如何解释。\n\n一个广泛使用的特例是柯布—道格拉斯函数：\n\n\\[Y=AK^\\alpha L^{1-\\alpha}.\\]\n\n由此可知，劳动生产率增长率等于全要素生产率增长率加上资本深化的贡献：\n\n\\[g_{Y/L}=g_A+\\alpha g_{K/L}.\\]\n\n这一区分将整体效率的提高与人均设备量的增加区别开来。如果对劳动投入进行技能调整，还可以单独识别劳动构成变化的贡献。不过，增长核算只是一种核算分解，并不是完整的因果解释：投资可能会对生产率提高作出反应，而新设备也可能体现新技术。因此，即使这些组成部分在报告中被分别列示，它们在经济上仍可能相互依存。"
    },
    {
      "heading": "产出、资本服务与劳动投入的计量",
      "text": "估算全要素生产率需要衡量产出量，而非当期货币收入。完全由通货膨胀导致的销售额增长，并不意味着产量增加。因此，统计机构使用价格指数，将价格变化与数量和质量变化区分开来。对于计算机等特征变化迅速的产品，以及教育、医疗等质量不易观测的服务，这一点尤其困难。\n\n总产出与增加值的区别至关重要。总产出包含生产中使用的外购中间投入，而增加值则将其扣除。以总产出为基础的生产率指标通常将资本、劳动、能源、材料和服务纳入投入，这通常被称为 KLEMS 框架。以增加值为基础的指标一般只纳入资本和劳动。这两类指标回答的问题相互关联，却有所不同。例如，外包增加会改变外购服务与内部劳动之间的界限，因此保持核算口径一致尤为重要。\n\n理想情况下，资本投入应衡量资本提供的生产性服务，而不只是资产账面上所代表的财富。一台投入生产的机器会持续提供服务，而其资产负债表价值则反映预期未来收益和折旧。研究者通常采用永续盘存法，根据历年投资构建资产存量，再以估算的租赁价格或使用者成本，对各类资产的服务流量进行加权。这些租赁价格或使用者成本综合考虑了融资成本、折旧和预期资产价格变化。\n\n资产构成十分重要，因为货币价值相同的资本存量，所能提供的资本服务量可能不同。使用寿命较短的信息技术设备，其服务价格权重通常不同于使用寿命较长的建筑物。软件、数据库和研究资产也使计量更为复杂。根据2008年版《国民账户体系》，研究与开发通常被视为资本形成，而不再仅仅作为当期费用处理。这类核算调整会同时改变测得的产出和资本贡献，因此，其对全要素生产率的净影响并不能机械地预先确定。\n\n劳动投入最好以实际工作时数而非人数来衡量，并在可能的情况下根据劳动力构成进行调整。劳动者在教育、经验、职业以及其他与生产性服务相关的特征上存在差异。劳动质量指数通常以各群体的劳动报酬份额为权重，对其工作时数的变化进行加权。这样，平均技能水平的提高就会部分体现为投入增长，而非全要素生产率增长。不过，人力资本的计量仍不完善：受教育年限无法充分反映教育质量，而劳动报酬不仅反映生产贡献，也可能受到工资谈判制度或歧视的影响。"
    },
    {
      "heading": "企业层面的估计与识别问题",
      "text": "在企业层面，生产率通常根据生产或营收数据，结合用工、资本及中间投入采购信息推算而得。一种标准的实证模型设定为\n\n\\[\\ln Q_{it} = \\beta_K\\ln K_{it} + \\beta_L\\ln L_{it} + \\omega_{it} + \\epsilon_{it},\\]\n\n其中，\\(Q_{it}\\) 为企业产出，\\(\\omega_{it}\\) 表示企业能够观测、但研究者无法完全观测的生产率，\\(\\epsilon_{it}\\) 则反映暂时性冲击或测量误差。估计的目标是将投入的贡献与企业内在的生产效率区分开来。\n\n普通回归未必能实现这一目标，因为企业会根据生产率调整投入选择。管理者若观察到生产条件格外有利，便可能增雇工人或采购更多原材料。这样一来，投入就与未被观测到的生产率项相关。这种联立性问题可能使估计的生产弹性产生偏误，进而使生产率残差出现偏误。企业退出还会带来另一重困难：存续企业未必能代表所有最初进入市场的企业。\n\n几种颇具影响力的方法利用企业决策来获取有关其不可观测生产率的信息。史蒂文·奥利和阿里尔·佩克斯于1996年提出的方法以投资作为代理变量，并明确处理了与企业退出相关的选择问题。詹姆斯·莱文索恩和阿米尔·佩特林于2003年提出的方法则使用中间投入作为代理变量。丹尼尔·阿克伯格、凯文·凯夫斯和加思·弗雷泽于2015年的研究进一步厘清了代理变量方法中的识别问题。这些方法对决策时序、投入调整的灵活性，以及决策与潜在生产率之间的关系作出了不同假设；但无论采用哪种方法，都仍需考察具体的经济环境。\n\n另一个需要区分的是实物生产率与营收生产率。当研究者观测到的是经价格平减后的销售额，而非各企业具体的产量和价格时，所得到的残差便同时包含生产效率、需求状况、产品质量和定价行为的影响。企业每单位计量投入所带来的营收较高，可能是因为生产效率高，也可能是因为消费者特别看重其产品，或是因为市场势力使其能够维持较高的价格加成。\n\n这一区分对于企业间和国家间的比较十分重要。统一的行业价格平减指数并不能消除行业内企业之间的价格差异。实物数量、详细的产品价格和需求估计有助于改善识别，但这些信息往往无法获得，或难以在经营多种产品的企业之间进行比较。因此，对估计得到的企业生产率，最好将其理解为一种依赖于模型的统计量。按照营收生产率得出的排名，并不自然等同于技术效率排名；排名的变化，也未必意味着生产技术表现发生了变化。"
    },
    {
      "heading": "加总、资源再配置与生产网络",
      "text": "即使没有任何一个生产者改进自身技术，总体生产率也可能提高。如果资源从生产率较低的用途转向生产率较高的用途，经济体就可能利用现有投入创造更多产出。反过来，即使各家企业自身的效率有所提高，总体表现仍可能恶化，原因是劳动和资本转向了测得生产率较低的活动。\n\n企业层面的分解区分了几种机制：持续经营企业内部的生产率变化、这些企业市场份额的变化、生产率与市场份额之间的协方差，以及生产经营单位的进入与退出。各项机制测得的贡献取决于分解方法、权重体系和观察期。因此，对创造性破坏的研究既关注企业内部的改进，也考察改变生产构成的替代或扩张过程。\n\n解读资源再配置时需要谨慎。如果一些企业的高收入反映的是价格加成，而非更高的实物生产效率，那么将资源转向这些测得收入生产率较高的企业，并不一定能提高福利。同样，观察到的资本或劳动边际收益产品的差异，也可能反映税收、融资摩擦、调整成本、风险或未被测度的特征。在没有相应模型的情况下，不能将这些差异视为对资源浪费的直接测量。\n\n中间投入网络带来了另一个加总问题。各行业相互供应，因此，发电行业的生产率提高可以通过减少投入需求或降低投入价格，使制造业、运输业和服务业受益。投入产出分析为追踪这些联系提供了一个框架。因此，不能总是仅凭某一部门在最终增加值中所占的份额，推断其对总体生产率的重要性。\n\n多马加总法以各行业总产出与总体增加值之比为权重，对行业生产率增长进行加权。在标准的竞争性框架下，\n\n\\[g_A^{\\mathrm{aggregate}} = \\sum_j D_j g_{A,j}, \\qquad D_j=\\frac{\\text{gross output}_j}{\\text{aggregate value added}}.\\]\n\n这些权重之和通常大于一，因为中间产品的生产会在连续的生产阶段中被计入。这并非总体生产率计算中通常所说的重复计算，而是反映上游行业的改进如何降低整个生产网络的资源需求。不过，对这一公式的解释仍取决于有关竞争、规模报酬以及加总一致性的假设。\n\n贸易和组织边界又增添了复杂性。一家企业将低生产率活动转交给供应商后，其报告的生产率水平可能提高，但整个经济体并未发生相应的技术进步。研究全球价值链时，需要考虑进口中间品、采购来源的变化，以及增加值产生的地点。"
    },
    {
      "heading": "长期增长与国际差异",
      "text": "在索洛—斯旺模型中，资本积累会提高人均劳动产出，但收益递减限制了仅靠资本积累无限期维持增长的能力。在该模型的标准假设下，人均劳动产出的持续增长需要技术不断进步。这也是全要素生产率在长期增长分析中占据核心地位的原因之一。\n\n这一关系取决于技术以何种方式进入生产函数。如果生产函数写为\n\n\\[Y=K^\\alpha(BL)^{1-\\alpha},\\]\n\n那么 \\(B\\) 表示劳动增进型技术。将其改写为 \\(Y=AK^\\alpha L^{1-\\alpha}\\)，可得 \\(A=B^{1-\\alpha}\\)。因此，测算得到的乘法形式全要素生产率项的增长率，在数值上并不等同于劳动增进型技术的增长率。区分这两者，有助于在比较增长核算统计结果与理论模型时避免混淆。\n\n国际发展核算研究的是，不同经济体之间人均劳动产出的差异，有多少与实物资本、人力资本以及剩余的效率项有关。一种典型的表达式为\n\n\\[Y=AK^\\alpha(hL)^{1-\\alpha},\\]\n\n其中，\\(h\\) 表示每名劳动者的人力资本。即使测得的资本和受教育水平相近，不同经济体的产出水平仍可能存在显著差异。罗伯特·霍尔和查尔斯·琼斯于1999年开展的研究，有助于确立这样一种认识：在考察要素积累的同时，也应重视生产率差异。\n\n跨国比较全要素生产率水平，比比较单个经济体内的生产率增长率更为困难。产出必须采用可比价格计值，通常以购买力平价为基础；资本存量则必须利用质量参差不齐的投资序列来估算。受教育程度的衡量方式、工作时长、就业统计覆盖范围以及对非正规经济的处理，都可能存在很大差异。对于依赖矿产开采的经济体，全要素生产率还可能反映资源品质、开采条件以及对自然资源投入的处理方式。\n\n因此，较大的残差表明的是尚待解释的差距，而非某个单一原因。它可能反映技术采用、管理、公共基础设施、制度、资源配置或计量方面的差异。生产率与这些变量之间的跨国相关性，本身并不能确定因果关系的方向。生产率较高的经济体可能有能力为更好的基础设施和教育提供资金，而这些投资又可能反过来促进生产率提高。\n\n与绝对水平的比较相比，生产率增长率的比较可能更为稳健，但也会受到统计修订和结构变化的影响。追赶式增长可能依靠采用现有技术，而非发明新技术。这种技术采用能否成功，部分取决于配套技能、组织能力，以及获取相关设备和知识的渠道。"
    },
    {
      "heading": "生产率提升的来源",
      "text": "技术变迁可以通过改进生产方法、推出更好的产品，或使全新的生产活动成为可能来增加产出。正式的研究与开发是其来源之一，但生产率提升也来自工程调整、试验、维护，以及对其他地方开发的技术加以改造和应用。随着劳动者和组织积累经验，干中学可以减少产品缺陷、缩短生产时间并改善协调。\n\n知识与许多实物投入不同：一个生产者使用某项知识，并不必然妨碍另一个生产者使用它。知识溢出可以通过员工流动、供应商关系、科学出版物以及对竞争对手的观察而发生。内生增长理论将知识、技能或创新投资能够维持增长的机制纳入分析，而不是仅仅将技术进步视为一种未经解释的外生趋势。这些机制对生产率的影响，取决于创造知识的激励以及制约知识传播的条件。\n\n管理和组织实践影响着技术的利用效率。库存管理系统、质量控制、绩效监测、员工培训和授权，都可能在不需要全新机器的情况下改变产出。结构化管理调查和实地实验的证据表明，某些具体的管理变革与运营绩效的改善存在联系。这些发现并不意味着某一种管理制度对所有企业都是最优的；生产方法和组织需求会因行业、规模和环境而异。\n\n外部条件也会影响生产效率。可靠的基础设施可以减少生产中断并缩短运输时间。集聚经济有助于专业化供应商的发展、劳动力市场的供需匹配以及知识交流。与此同时，拥堵、高昂的土地成本和污染也可能抵消其中一部分收益。产权、合同执行以及融资渠道会影响投资激励和资源流动，不过，要通过实证分析分别识别它们对全要素生产率的贡献并不容易。\n\n贸易可以通过多种渠道影响生产率，包括获得更优质的中间投入品、进入更大的市场、面临更强的竞争压力，以及生产效率更高的企业扩大经营。进口机器可能蕴含国内尚不具备的技术，而出口可以使企业接触到要求严格的买家和新的技术要求。然而，出口企业往往在进入国外市场之前就已具有更高的生产率，因此必须将这种选择效应与出口带来的生产率提升区分开来。\n\n这些机制会相互作用。安装先进设备后，可能还需要培训、引入新软件、调整工作流程并进行配套投资，才能提高产出。吸收能力是指识别、吸纳和利用外部知识的能力。因此，同一项技术在不同组织中带来的实测生产率提升可能不同，具体取决于技能、现有系统以及配套变革的程度。"
    },
    {
      "heading": "经济周期与生产率增长放缓",
      "text": "测算出的全要素生产率往往随经济周期而波动，但有用技术知识的存量不太可能变化得如此迅速。在经济衰退期间，工厂可能减少生产班次，设备可能闲置，员工也可能把更多时间用于维护或培训。如果投入的计量未能充分反映利用率和工作强度的这些变化，部分产出下降就会表现为全要素生产率降低。\n\n劳动力囤积是其中一种机制。在暂时的经济低迷期间，企业可能会保留员工，因为解雇后再重新招聘的成本较高。这样一来，产出的降幅就可能超过记录在案的工作时数降幅。资本利用率也会造成类似问题：账面上的机器存量可能保持不变，但这些机器实际提供的资本服务却有所减少。经利用率调整的指标试图区分这些效应与基础生产效率的变化。\n\n如何解释生产率的周期性变化，在实际经济周期研究中变得尤为重要。芬恩·基德兰德和爱德华·普雷斯科特在1982年的研究中，将技术冲击置于经济波动定量模型的核心位置。后续研究表明，传统的索洛余值可能反映利用率变化、不完全竞争、规模报酬递增，以及其他偏离基本核算假设的情况。因此，不能直接将测算出的全要素生产率冲击认定为外生技术冲击。\n\n较长期的生产率增长放缓则提出了另一个问题。美国的生产率增长在20世纪70年代初之后明显放缓，在20世纪90年代后半期随着信息技术的发展而加快，又在2000年代中期前后再度走弱。许多发达经济体在2007—2009年全球金融危机之前，也已出现生产率增长放缓。不同经济体、行业和统计序列呈现的时间节点各不相同，因此，没有一个统一的转折点能够概括所有情况。\n\n对此提出的解释包括：某些行业的技术进步放缓，领先企业的技术与实践向其他企业扩散的力度减弱，企业活力下降，人口结构变化，以及配套投资滞后。金融危机还影响了需求、投资、信贷条件和企业存续。这些渠道可能产生持续影响，但若干经济体的生产率增长在危机前就已走弱，这一事实意味着，不能完全用这场危机来解释生产率增长放缓。\n\n数字化带来了一个看似矛盾的现象：创新清晰可见，测算出的生产率增长却较为平缓。有些收益难以体现在市场产出中，但仅凭计量误差未必足以解释增长放缓。新技术可能需要大幅调整组织方式才能产生收益，而且其影响起初可能集中在规模相对较小的行业。要确定新技术对总体经济的贡献，就需要将真实的产出改善与价格、产品质量、市场结构及配套投资时点的变化区分开来。"
    },
    {
      "heading": "解读、福利与扩展的生产率指标",
      "text": "全要素生产率衡量的是特定核算惯例下的生产绩效，并非社会福利的综合指标。在既定的已计量投入组合下，更多的市场产出可能提高物质生活水平，但这一统计指标并不直接衡量闲暇、分配、安全、环境质量或无偿家务活动的价值。因此，提高全要素生产率的变化可能对不同家庭产生不同影响，也不一定带来福祉的同比例增长。\n\n环境因素的遗漏体现了这一区别。如果不将污染计为非期望产出，也不将自然资源完整计入投入，生产活动即使造成了巨大的外部成本，仍可能显得生产率很高。环境调整后的生产率核算框架尝试将资源使用和排放纳入其中。其结果既取决于实物量数据，也取决于对环境影响的估值，而后者往往使用估算的影子价格。这类指标是对传统全要素生产率的补充，而不只是给同一个统计指标换个名称。\n\n公共服务和非市场服务带来了另一项难题。当产出主要按生产成本估值时，核算方式本身就可能掩盖或部分排除生产率的提高。直接指标——例如提供的诊疗服务量或教授的学生人数——可以改善对产出量的计量，但需要针对成效、个案复杂程度和质量进行调整。活动量增加并不一定意味着服务更有价值，成效的变化也不总能完全归因于提供服务的机构。\n\n还需进一步区分向现有最佳实践靠拢与最佳实践本身的进步。生产前沿分析估计给定投入所能实现的最大产出，或接近这一水平的基准。随机前沿方法在特定分布假设下，将单侧的无效率成分与统计噪声区分开来；数据包络方法则根据观测到的生产者构建前沿。这些方法可以区分技术变化与效率变化，但结论取决于生产集合、样本以及对测量误差的处理方式。\n\n无形资本仍是计量范围界定中的一个重要问题。组织发展、品牌建设、企业专用培训和数据方面的支出，可能产生超出当期的持续收益，即便传统核算并未将这些支出全部确认为投资。扩大资本化范围，可以将部分表面上的全要素生产率增长重新归类为累积资产的贡献。这也可能改变所计量的产出以及生产率增长在时间上的分布，因此确保各项核算之间的一致性至关重要。\n\n对于人工智能等技术，同样的区分也具有重要意义。软件、计算设备、培训和组织重构方面的支出，代表生产中使用的资源，而不是无需付出成本的效率提升。随后的改进可能一部分体现为资本服务，另一部分体现为全要素生产率。要确定两者如何划分，需要依据观测到的产出，进行适当的价格和质量调整，并明确核算互补性投入，而不能仅凭该技术的显著程度作出推断。"
    }
  ],
  "links": [
    "labor-productivity",
    "factors-of-production",
    "economic-growth",
    "production-function",
    "inflation",
    "value-added",
    "depreciation",
    "system-of-national-accounts",
    "human-capital",
    "market-power",
    "creative-destruction",
    "global-value-chain",
    "diminishing-returns",
    "purchasing-power-parity",
    "causation",
    "technological-change",
    "research-and-development",
    "knowledge-spillover",
    "endogenous-growth-theory",
    "infrastructure",
    "agglomeration-economies",
    "property-rights",
    "trade",
    "business-cycle",
    "recession",
    "global-financial-crisis",
    "artificial-intelligence"
  ],
  "sources": [],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}