布林约尔松、洛克和赛弗森提出了几个相互交织的论点。一个是机器学习和人工智能的各个方面在过去几年和未来几年都在跨越重要的门槛。因此，尽管我们倾向于认为“计算机时代”已经存在了几十年，但有一种有意义的感觉是，我们即将进入另一个篇章。另一种观点是，当技术颠覆跨越经济的许多部分时——也就是说，当它是一种“通用技术”，而不是一种更集中的创新时——生产者和消费者通常需要很长一段时间才能完全改变和调整。反过来，这意味着新技术要经过相当长的一段时间才能对可衡量的经济增长产生有意义的影响。
作为机器学习新阈值的一个例子，考虑图像识别。在各种图像识别的标准化测试中，人类的错误率约为5%。在过去的几年里，图像识别算法的错误率现在已经低于人类的水平——当然，算法很可能会不断改进。
当然还有各种类似的例子。作者引用了一项研究，其中一个人工智能系统以及诊断皮肤癌的董事会认证皮肤科医生。无人驾驶车辆爬行。任何使用依赖语音识别的翻译软件或软件的人都可以证明过去几年的更好程度。
作者还指出了一篇文章j经济展望期刊
2015年，其中吉尔普拉特指出了人工智能在分享知识和技能方面潜在的巨大优势。例如，翻译软件可以根据每个人的使用方式进行更新和改进，而不仅仅是针对某一个用户。他们写到普拉特的文章:
[人工智能]机器具有新的能力，没有生物物种：几乎与他人瞬间分享知识和技能的能力。具体来说，云计算的兴起使得比以前更低的成本降低了新想法。这是推进机器学习的经济影响的尤为重要的发展，因为它使云机器人能够：机器人之间的知识分享。一旦机器在一个位置中的机器学习了新技能，它可以通过数字网络复制到其他机器。数据以及技能可以共享，增加任何给定的机器学习者都可以使用的数据量。
然而，诸如基于网络的技术、精确的视觉、推断和交流经验等新技术并不能立即传播开来。两位作者给出了零售业的一个平凡的例子。网上销售的想法或发明在20世纪90年代后半期开始变为现实。但许多在20世纪90年代末网络泡沫时期成立的网络销售公司都以失败告终2000年后扩张最快的零售领域是仓储式商店和超级购物中心，不是在线销售。现在，二十年后，在线销售额几乎达到了总零售额的10％。
为什么要花这么长时间?布林约尔松、洛克和赛弗森强调的主题是，在线销售的革命需要的不仅仅是一个想法。它需要在仓库、分销和电子商务的金融安全方面进行创新。它需要生产商考虑如何生产、包装和运输网络销售。它需要消费者购买这个过程。这需要时间。
由于需要互补的发明，削减许多行业的一般发明的概念将花时间表现出他们的生产率收益，结果是之前发生的模式。
对经济学家来说，过去几十年关于这一过程的经典评论是由于罗伯特·索洛(87年诺贝尔奖获得者)谁在1987年在一篇文章中写道，“你可以看到电脑年龄无处不在，但在生产力统计中”（“我们最好注意，”纽约时报书评引用自第36页)。毕竟,自上世纪50年代以来，IBM一直在大量生产功能性计算机但自上世纪70年代初以来，美国的生产率增速一直较慢。20世纪90年代，当个人电脑革命、互联网和计算机芯片制造业生产率的大幅提高都在猛烈冲击时，生产率确实有过一段时间的提高。布林约尔松、洛克和赛弗森写道:
例如，直到20世纪80年代末，即集成电路发明25年后，计算机资本存量才达到长期稳定水平，约为非住宅设备资本总额的5%(以历史成本计算)。这一数字仅为10年前的一半。因此，当索洛指出了现在以他的名字命名的悖论时，计算机终于到了可以真正无处不在的地步。”
回顾历史，我最喜欢的关于发明扩散的滞后的例子是t他发明了发电机来发电，这个故事最早是由经济历史学家保罗·戴维(Paul David)在1991年的一篇文章中讲述的。大卫指出，1870年代存在用于发电的大型发电机。然而，直到巴黎世界公平为1900年，电力被用来照亮城市的公共空间。直到20世纪20年代，直到20世纪20年代，基于电力的创新对美国的生产力增长做出了巨大贡献。
为什么电力需要很长时间才能传播？将生产远离水管供电的电力为电力是一个漫长的过程，涉及重新思考，重组和搬迁工厂。在洗碗机，无线电和家电中使用电力的产品不能完全或销售，直到人们可以获得房屋的电力。大经济和社会调整需要时间。
当涉及机器学习，人工智能和经济增长时，相信我们比我们到中间或结束的经济转变前端更符合。Brynjolfsson，Rock和Syverson提到的一些更可能的近期后果包括雇用超过20万名美国工人的呼叫中心行业的可能动荡，或者自动无人驾驶车辆（相互连接，共享信息和彼此学习）将直接改变占美国就业岗位的十分之一或更多。我的怀疑是，产品和行业的变化比我易于想象的更深入，更彻底。
当然，向人工智能经济的转型将会有一些坎坷和痛苦，就像向电气化和汽车的转型一样。但世界其他地区正在向前发展。历史告诉我们，那些处于技术前沿，并在发展过程中面临必要的社会调整和权衡的国家，从长远来看，往往比那些停滞不前的国家更乐于做出选择。
