文献来源：Brynjolfsson, E., Hui, X., Liu, M., 2019. Does Machine Translation Affect International Trade? Evidence from a Large Digital Platform. Management Science 65, 5449–5460.
译者：中央财经大学经济学院2019级本科生 戴溪
核稿：胡思佳 杨旭泽
图片来源：百度搜索
一、引言
机器学习（ML）是人工智能的一个重要的应用，并极大地提高了许多领域的智能预测能力，如语音识别、图像识别和信用评分等等。Brynjolfsson等人的文章研究了跨国电商平台引入机器翻译系统对国际贸易的影响，拓展了关于人工智能的经济结果的研究。
文章以大型国际电子商务平台eBay为研究对象。eBay在2014年引入了基于机器学习的eMT新型翻译系统，能够显著提高翻译的质量。该系统主要用于翻译eBay上的国际贸易产品标题列表，涉及200多个国家之间超过140亿美元的跨境贸易。文章研究了在引入eMT系统后，美国通过eBay向拉丁美洲的西班牙语区国家出口商品的变化。
文章利用不同国家机器翻译的可用性或者质量的差异进行比较，以评估机器翻译的有效性。但是有两个问题亟待解决：一是具有较好贸易前景的国家更有激励选择引进或者改进机器翻译系统；二是与机器翻译系统改进同期发生的事情可能会造成遗漏变量问题，从而使估计产生偏差。为了解决这一问题，文章采用了一个国家内部的连续变量双重差分（DID）方法，利用商品标题的长短即单词数量的多少，来检验新型机器翻译系统的引入对于美国向拉丁美洲国家出口的影响。根据文章假设，商品标题越长意味着翻译成本越高，因此引入新的机翻系统后翻译成本下降的幅度更大。
估计结果显示，引入eMT系统后，美国通过eBay向拉丁美洲的出口整体提升了10.9%，且商品标题每增加一个单词，对出口的平均影响增加1.06%。此外，产品的差异性、产品价格和买家的经验等因素均会影响eMT系统引入的效果。
二、数据与回归模型
eBay在2014年5月和2014年7月在美国和拉丁美洲间的贸易专区分别推出了eMT的两个主要应用——“查询翻译”和“标题翻译”。标题翻译的的引入比查询翻译迟两个月，因此作者缩小了估计的时间周期以排除二者间的互相影响。
拉丁美洲的买家可以访问eBay网站查看卖家提供的商品，当eBay识别买家的IP地址来自拉丁美洲，将用西班牙语向买家展示商品。2014年，eBay在俄罗斯和欧盟之间也推出了eMT，但是由于克里米亚事件的爆发对两者之间贸易造成的冲击，因此文章选择以美国和拉丁美洲之间的贸易作为研究对象，同时利用俄罗斯和欧盟之间的数据进行稳健性检验。
文章数据来源：使用来自eBay的管理数据，包括详细的产品、清单和买家特征。因为无法直接观察翻译成本，所以采用标题中的字数和符号作为成本的替代量，重点观察了商品列表中的单词数量。例如：如果eMT将每个单词的翻译成本降低了x，那么包含n个单词的清单将一共减少nx。不同标题长度的商品在贸易份额中的占比如图1所示：
文章的回归模型如下：
其中Yclt表示在时期t中出口到国家c标题长度为l的商品，Num_Wordsclt表示标题长度，Postt代表eMT系统被引入，XRct是t时刻的日均双边汇率，ηc是进口国的固定效应，ξt表示时间固定效应，用于消除时间变化带来的影响，系数β表示在列表标题中增加一个字符所产生的边际政策效应。
此外，为了排除被遗忘变量带来的影响，文章通过对eMT引入之前的时期进行回归，作为安慰剂检测。最后，文章还利用跨国的双重差分（DID）回归，对模型进行了稳健性检验。跨国DID回归模型如下：
其中Yct是在时间t出口到国家c的贸易额，Tc是国家是否采用eMT系统的虚拟变量。
三、回归结果
3.1 基准回归结果
文章首先将商品按照标题的单词数量分成四组，并分别绘制了各组月度贸易额。如图2（a）所示，eMT系统引入后，各组的贸易额增长趋势出现分化，标题越长的组别贸易额增长越快。其中t=0表示eMT系统引入“查询翻译”的时间，而t=2表示引入“标题翻译”的时间，两者间隔2个月。“查询系统”的引入对于各组没有明显的分化影响。
基准回归结果如表1的Panel A显示。本部分样本涵盖了18个拉丁美洲国家12类商品共14个月的贸易数据，并采用t=2，即“标题翻译”的引入作为Postt=1的临界点。根据第一列的回归结果，标题每增加一个单词，商品出口额增加1.06%。考虑到样本商品标题的平均长度为10.26，因此可以估测总出口额提升了约10.9%。在控制了产品基本特征（包括平均价格、二手商品比例等）和市场基本特征（如头部卖家的比例，交易纠纷的比例等）后，回归结果仍然显著。此外，文章把样本时间缩短至“标题翻译”系统引入的前后六周，仍然得出了显著的回归结果。
文章还比较了美国和拉丁美洲国家的交易情况与美国和其他没有引入eMT系统的国家的交易情况的差异。如图2（b）所示，无论在引入“查询翻译”还是引入“标题翻译”后，美国对18个拉丁美洲国家的出口增长都明显大于对86个没有引入该翻译系统的非拉丁美洲国家的出口。
3.2 异质性检验
文章首先检验了产品种类内部的差异化大小的影响。差异化小的产品，如手机和书籍，标题差异较小，因此对翻译的要求和翻译成本也相对较小；内部差异化大的产品，如古董和服装，标题差异和翻译成本也相对更大。如果回归模型假说成立，则eMT系统对于差异化大的产品的影响也应该更大。如表1的Panel B所示，文章把商品按照种类内部的差异大小分组，并进行交互项回归。回归结果表明，差异化的产品标题每增加一个单词，出口增长为1.85%，而同质化产品的增长仅为0.65%，和假说预计的相一致。
文章还探讨了不同价格的商品对于eMT系统引入的不同敏感性。回归结果如表1的Panel C所示，廉价产品标题每增加一个单词，出口增长为1.44%，而同等情况下价格昂贵的产品的出口增长只有0.92%。这是因为由于翻译成本可视为固定成本，因此对于廉价的商品而言，固定成本占商品价值的比例更高，因此相对成本更大。
最后，文章探讨了不同买家特性对于eMT系统引入的反应。虽然无法直接观察买家的成本，但是可以通过买家使用eBay的时间作为代理变量，考察买家的网购经验和熟练程度。经验越丰富的买家，对于商品标题描述的依赖度越低。Panel D的回归结果也映证了这一点。对于缺乏经验的买家，商品标题每增加一个单词，交易额增加1.24%，而这一增长对于经验丰富的买家只有0.69%。引入eMT翻译系统对新手买家的益处更大。
四、安慰剂检验
为了排除遗漏变量的影响，文章进行了一系列安慰剂测试，以检验在eMT系统引入之前产品出口的变化与标题长度无关。
文章分别采用eMT“标题翻译”系统引入前两个月（即“查询翻译”引入的时间）、六个月和十二个月作为样本来进行安慰剂检验，回归结果如表2的Panel A所示：在“标题翻译”系统引入之前，商品标题长度的变化与出口额之间不存在显著的相关关系。此外，文章还分别对美国和拉丁美洲国家以及非拉丁美洲国家的交易进行了回归，并发现在引入“查询翻译”后，对拉丁美洲国家的整体出口已经得到了提升，且在引入“标题翻译”后出口额得到了进一步提升。虽然“查询翻译”的引入对向拉丁美洲国家的整体出口额有提升作用，但其提升水平与商品标题长度关系不大。这说明在“标题翻译”系统引入之前，不存在由于商品标题长度差异而造成的出口额变化。
五、稳健性检验
文章指出，商家有在翻译系统引入后调整商品命名策略的可能性。如果商家为了利用eMT系统，在系统引入后调整了商品标题的长度，则会对估计结果造成一定偏差。因此，文章进一步地将样本范围缩小在那些已经上市了至少四周的商品，并保证这些商品词条没有修改。回归结果如表3的Panel A所示，结果仍然显著且回归系数变化很小，因而排除了卖方主观行为的影响。
在Panel B中，文章控制了更多的固定效应，包括国家、月份、每个月份和每个国家的商品标题长度等，并发现回归结果基本保持显著且估计值稳健。随后，文章又研究了商品列表中照片的数量是否会对估计结果产生影响，因为照片和标题都提供了商品特征的信息，二者互为替代品。在表3的Panel C中，作者分别使用拥有0-8张照片和1-4张照片的两组样本进行回归，结果表明：清单中每增加一张照片会降低引入eMT系统0.04%-0.06%的效果。由于回归系数极小，说明标题翻译提供的信息相较于照片更重要。
最后，文章还分别研究了不同产品类型和不同买家类型对引入eMT系统的反应，回归结果如表3 的Panel D所示。商品种类内部差异越大，买家越缺乏经验，引入eMT翻译系统对商品出口量的影响越大。这与基础回归的估计结果是一致的。
六、结论
文章利用基于eBay设计的一系列准自然实验研究了基于人工智能的机器翻译工具对国际贸易的影响。结果表明，通过引入质量更高的机翻系统eMT，美国通过eBay向拉丁美洲国家的出口增加了10.9%。对于标题较长、内部差异化较大和更便宜的产品，以及经验较少的买家，出口增加的变化更大。
文章得出了两个主要的研究结论：首先，语言沟通障碍极大地阻碍了跨国贸易，即使是对于贸易摩擦已经比线下交易小很多的数字平台而言也是如此。如果不考虑出口管理和物流成本，通过引入eMT机翻系统，eBay的出口收入将因此增加12.3%，改进的机器翻译使eBay和世界的联系更加紧密。
其次，人工智能已经开始对生产和贸易产生影响，而且有进一步提高生产率和贸易的巨大潜力。除了机器学习，人工智能也在逐步应用于其他的领域，比如语音识别、计算机视图、医疗诊断、客户支持、雇佣决策和自动驾驶汽车等等。
Abstract
Artificial intelligence (AI) is surpassing human performance in a growing number of domains. However, there is limited evidence of its economic effects. Using data from a digital platform, we study a key application of AI: machine translation. We find that the introduction of a new machine translation system has significantly increased international trade on this platform, increasing exports by 10.9%. Furthermore, heterogeneous treatment effects are consistent with a substantial reduction in translation costs. Our results provide causal evidence that language barriers significantly hinder trade and that AI has already begun to improve economic efficiency in at least one domain.
声明：推文仅代表文章原作者观点及推文作者的评论观点，不代表中央财经大学互联网经济研究院公众号平台的观点。
