越來越多的經濟學家和人工智能專家建議全社會做好準備，因為大量的工作將會變成自動化的。

如果他們是對的，這將對勞動力市場產生重要影響。容易被機器取代的工作包括超市收銀員和商店助理、服務員、卡車司機和辦公室管理員。根據研究報告，這些工作極有可能在未來十年或二十年內被軟件取代。

這樣的預測雖然并不是每個人都認同，但是卻引發了人工智能領域一些最著名的專家的共鳴。

[[161566]]

Andrew Ng是中國搜索巨頭“百度”的首席科學家，他專門研究深度學習，并曾經參與過google的“谷歌大腦”項目。最近，百度就搞了一個深度學習系統，用來識別圖片內容，準確率可以達到95%。

“我認為，未來幾十年技術人員不會有失業的風險。”Andrew Ng說，“但是，有很多人從事的是程序性的、重復性的工作。不幸的是，計算機技術尤其擅長程序性的、重復性的工作。”

工作崗位消失的速度要快于創造工作崗位的速度。MIT經濟學家Erik Brynjolfsson 和 Andrew McAfee在他們的新書《第二個機器時代》中，研究了信息技術如何改變就業與生產力之間的關系。

這本書概括性的描述了，20世紀下半葉，美國的經濟價值（即生產力）與工人數量同步增長的狀況。但是到了2000年，這兩者開始出現偏差；在世紀之 交，生產力和就業總人數之間出現了差距。到了2011年，這種差距進一步擴大了。這反映出經濟增長與工作崗位（就業）增加之間的關系變弱了。

“在美國，一個很明顯的事實是勞動力參與比已經連續下降了十年。勞動力人口變得更少了，收入中位數的增長也停滯不前。”Brynjolfsson如是說。“我們認為，信息技術是造成這種變化的重要原因。”

Brynjolfsson 并不是一個試圖讓技術倒退的新盧德（neo-luddite）主義者。他指出，我們正在經歷一場由技術驅動的勞動力市場轉型，我們每個人都必須為此做好準備。

“一直以來，科技都是同時創造工作崗位和消滅工作崗位。但是，新創造的工作崗位與舊的被消滅的工作崗位之間的差別也越來越大，”他強調，那些因為工作崗位被取代而失業的工人，并不能適應人工智能和自動化創造的新工作。

Brynjolfsson用卡車司機舉了個例子。在美國，有300萬人從事卡車司機，是美國男性從事最多的職業。考慮到最近無人駕駛汽車技術取得的進步，他認為是時候用自動駕駛來取代卡車司機了。

他關心的是，有哪些工作由于依賴情感認知和復雜的物理操作而不能被自動化取代，又有多少失業的卡車司機能夠很好的適應這些工作。

“所以，現在的問題是，哪些職業將會變得越來越重要？或許是數據科學家、學前教育老師、按摩師。那么有多少失業的卡車司機能夠被再培訓，并且轉換角色進入新的工作呢？更別說高效的完成工作了。所以（失業工人與新崗位之間）必然會出現大量的不匹配。”

積極的方面

那么，這場由技術驅動的轉型有哪些正面效應呢？一些評論者相信，廣泛自動化帶來的負面影響可以通過這樣的方式來抵消，即商品和服務成本的降低以及更多的人能夠享受低價的產品。

ITIF (Information Technology & Innovation Foundation)主席Robert D. Atkinson相信，通過運用更多的技術，能夠節約成本，而這部分節約的成本將會體現在更低的價格和更高的薪資上面。

“在未來十年，如果我們能成三倍地提高生產力（這事兒在古今中外都沒發生過），那么消費者就完全不會將錢花費在這樣一些事物上，像請更多的假期、更大的電視、更多的外出就餐、一個摩托艇等等，而這，將會創造更多新的工作。”

在《第二個機器時代》中，Brynjolfsson 和 McAfee將技術發展節約的成本和增加的工資稱作“獎金”。現代信息技術降低成本的方式可以從多個方面體現。使用一臺廉價的電腦連上網絡，任何人都可以嘗試成為一名作家或者評論員，在家租賃房屋或者發起眾籌。

然而，一些觀察家認為，技術發展所帶來的回報會存在兩個問題。一是它的回報是集中式的，二是這回報并不足以抵消它所帶來的成本上升。舉個例子，有一 種理論就認為，互聯網使每個人都能得到網絡上最好的資源，比如最好的著作、最好的軟件、最便宜的零售商品。這就造成了“贏者通吃”的局面，實力最強者擁有 絕大部分的人群，而這些人是不會關注其他同類商家的。在這種情況下，“獎金”并不會在所有參與者之間分享，而是被金字塔頂端的人全部吃掉了。

《第二個機器時代》中的另一個觀點認為，相比于那些被淘汰的傳統企業，軟件開發公司雇傭的職工人數要少得多。就拿Facebooke和它的照片分享服務Instagram來說，Instagram雇傭了大約10,000人，但這僅僅是柯達全盛時期員工人數的極少一部分。

另一方面，個人自我傳播的成本或許是降低了，但是對于人們的生活必需品卻并不然，比如食品、飲用水和能源。Jared Bernstein的做了一個調查（被引用在《第二個機器時代》），他比較了1990 至 2008期間，一個美國中等家庭的收入增長與住房和醫療花費增長之間的關系。他發現，當家庭收入增長大約20%的時候，住房價格和大學學費增長了大約 50%，而醫療價格的增長超過150%。

事實上，工資的增長與技術的發展并不同步。美國在2012年，10%的人獲得超過一半的社會總收入，這是自“大蕭條”以來的第一次。除此之外，在1937年至2011年之間，美國工人的時薪中位數幾乎沒有變過，每年僅僅增長了0.1%。

技術準備好了嗎？

一般來說，人工智能的能力是有限的：它可以識別一張圖片里面的內容，或者學習如何擰開瓶蓋，但它卻不能像人一樣，從這些具體的任務中切換到完全不相關的事務中去，比如做一個三明治。

由于缺乏像人類一樣應對真實世界中各種復雜狀況的能力，要想從事像生產線那種嚴格控制環境之外的工作，機器人（或者軟件）還有許多挑戰需要克服。

舉個例子，盡管谷歌無人駕駛汽車已經行駛超過一百萬公里，但是對于一些情況，人類司機能夠從容處理，而無人駕駛汽車卻顯得困難重重。

“就像無人駕駛汽車一樣，人工智能目前還沒有達到能夠被完全信任的水平。”劍橋大學計算機實驗室機器學習高級講師Sean Holden這樣說到。“不管他們的公關部門怎么說，當一個人在馬路邊揮手的時候，人工智能并不能區分他是在跟朋友打招呼，還是要讓車停下來。”

[[161567]]

一些復雜的物理操作任務，在人類看來輕而易舉，對于機器人卻困難重重。這些缺點是非常明顯的，比如在今年的Darpa 機器人挑戰賽上，很多機器人都直接摔倒，難以保持直立。一些我們覺得簡單的手工任務，比如從貨架上取一些東西，對于機器人來說也十分困難。

但是百度的Andrew Ng指出，自動化并不需要完全取代人類的能力，更有可能用于減少人類的工作量。他用醫院的放射科醫師來舉例，這是一個需要專業技能的工作，但同時也涉及了大量程序性、重復性的工作內容。而自動化可以代替人們做后面這部分工作。

在卡車駕駛的例子中，自動駕駛汽車可以控制高速路的大部分路程，而對于建筑物密集區域，則可以由司機操作。而對于出租車，自動駕駛功能可以限制在那些道路規劃良好并且能夠被很好識別的城市，比如英國的Milton Keynes。

其他一些人工智能專家也表示看好人工智能駕駛的前景，認為相關軟件很快會變得越來越成熟。

“一切都要歸功于機器學習，大部分的自動化操作將會由它們自己學習到的經驗來驅動。”紐約哥倫比也大學機械工程教授Hod Lipson說。“隨著學習的深入，軟件將會變得越來越智能。這并非僅僅指某一個軟件變得更加智能，而同時其他同類軟件之間也會相互學習對方的知識和經 驗。這種復合效應無疑會產生巨大的杠桿作用。”

Lipson舉了一個無人駕駛汽車之間相互分享“智慧”的例子。

“在相對較短的時期內，無人駕駛汽車將會累積十億小時的駕駛經驗，這比一千個人一輩子的時間加起來還要長。對于醫療診斷、戰略投資、農業、藥學等領域的情況也是一樣。人工智能醫生能夠迅速看完數百萬計的具有相同癥狀的病人，這比一個最具經驗的醫生一生看的病人還要多。”

并非全都是失望與悲觀

另外一種關于自動化更加樂觀的觀點認為，企業會使用自動化來幫助員工更好的完成工作，而不是取代他們。在這種情況下，人們將會從枯燥和死板的工作中解放出來，從而去從事那些計算機軟件做不了的創造性工作。

對于這種情況，Brynjolfsson將其稱為人機合作，而不是人機對抗。

2015年Playchess.com象棋錦標賽，充分展示了人機合作的力量。兩名業余運動員與一臺人工智能電腦組成一隊，分別打敗了一位象棋大師和一臺超級計算機。

牛津大學商學院戰略學教授Teppo Felin認為，人機合作互補是廣受歡迎的Uber公司成功的關鍵所在。用戶使用智能手機軟件發起乘車呼叫，Uber則利用計算機系統將司機引導至離他最 近的乘客。計算機系統依賴司機運送乘客，而司機則依賴計算機系統為其引導。這個例子很好的說明了，人機合作比互相單獨工作更加有效。

Brynjolfsson認為，盡管Uber對傳統的出租車司機以及無人駕駛汽車的研發造成了沖擊，但這依然是一個創造就業而不是消滅就業的例子。

“到目前為止，Uber正在創造非常多的工作機會。并不僅僅是因為人們學到了新的技能，更因為一些企業家，發明了新的商業模式，使得我們原有的技能有了新的用途。”

“在一些地方，比如舊金山，目前Uber司機總人數比以前出租車和私家車加起來還要多。所以這是凈增長。”

對于自動化能夠帶來積極影響的觀點，Brynjolfsson并非完全不認同。他并沒有認為廣泛的失業和社會動蕩是不可避免的，或者自動化會在一夜之間發生。他只是希望對于這場由技術驅動的轉型，全社會都需要為此做好準備。

“并不僅僅是對勞動力的需求下降了，還會有對其他一些技能的需求也會下降；同時也有對一些技能的需求會增加。如果不改善我們的體制機制來為此做好準備，那么我們的失敗者將會和成功者一樣多。”

在這樣的準備中，教育改革是其中的重中之重。要讓人們更加容易的進行終生學習。其中，要重點著眼于像創意、大框架下的模式認知能力、復雜形式的交流等電腦不能勝任的方面。

Andrew Ng對此表示認同。同時，他認為還應該致力于將世界上最好的大學的資源發布到互聯網上，就像他與人聯合創始的開放的在線課程服務Coursera所做的那 樣。“我們的教育系統目前存在一些問題，并不能培養出大量的創造性人才。世界上最頂尖的大學在這方面做得很好，但是卻沒能進行大規模的普及。”

但是哥倫比亞大學的Lipson強調，改革學校教育系統，以及使常青藤聯盟的教育資源為全世界所用并非一夜之間就能實現的，我們必須正視這個問題。

“經常有人向我詢問人工智能的危險性，他們認為，有一天人工智能機器人會取代人類而統治世界。然而事實卻微妙得多。實際上并不會出現鈦合金機器人在 大街上射殺人類的現象。人工智能會逐漸學習我們的一切，當機器人幾乎每件事都做得比大多數人好的時候，我們的社會結構就會開始解體了，而這才是我們真正要 準備應對的。”

譯文鏈接：http://www.codeceo.com/article/machines-can-do-your-job.html
英文原文：Why it's time to prepare for a world where machines can do your job