[[248203]]

隨著生物技術的進步，人類壽命不斷延長，社會的家庭結構、婚姻和親子關系、個人職業生涯等都將發生巨變。未來，別說一輩子做同一份工作了，你可能每5年就得換一次行業。——《今日簡史》

[[248204]]

作者：尤瓦爾•赫拉利

01 未來，幾乎所有工作都將改變

我們完全無從得知2050年的就業市場會是什么樣子。人們普遍認為，機器學習和機器人將改變幾乎所有的工作。但談到這項改變的本質及緊迫性，各家觀點卻眾說紛紜。

有人認為，只要10—20年，就會有幾十億人成為經濟上多余的存在。但也有人認為，從長遠看來，自動化的影響還是會為所有人創造新的就業機會，為社會帶來更大的繁榮。

那么，我們究竟是真的處于危險動蕩的邊緣，還是這只是盧德分子歇斯底里的妄言?這很難說。早在19世紀，就有人擔心自動化會造成大量失業，但至今這種情況從未出現。

自工業革命拉開序幕以來，機器每搶走一項舊工作，也會至少創造一項新工作，而且人們的平均生活水平大幅提高。但我們有充分的理由相信這次情況不同，機器學習將會真正讓整個情況徹底改變。

人類有兩種能力：身體能力和認知能力。過去，機器主要是在原始的身體能力方面得以與人類競爭，而人類則在認知能力方面享有巨大優勢。因此，隨著農業和工業邁向自動化，就出現了新的服務業工作。

這些新工作需要人類擁有獨特的認知技能，包括學習、分析、溝通等，特別是必須理解人類的種種情緒。然而，人工智能已經在越來越多的認知技能上超越人類，包括理解人類的情緒。

而且，除了身體能力和認知能力之外，我們并不知道還有什么第三種能力可以讓人類永遠勝過機器。

必須認識到的一個關鍵點是，人工智能革命不只是讓計算機更聰明、運算得更快，還在生命科學和社會科學方面有諸多突破。

我們越了解是哪些生化機制在支撐人類的情感、欲望和選擇，計算機就越能分析人類行為、預測人類決策，并最終取代人類的司機、銀行經理和律師等。

02 科學已經破解人類智慧的密碼

在過去幾十年中，在神經科學和行為經濟學等領域的研究，讓科學家能夠“破解”人類，更清楚地了解人類究竟是如何做出各種決定的。

事實證明，我們從選擇食物到選擇伴侶，都不是出于什么神秘難解的自由意志，而是數十億神經元在瞬間計算各種可能性的結果。過去大受贊譽的“人類直覺”，其實只是“辨識模式”罷了。

優秀的司機、銀行經理和律師，對路況、投資或談判交涉并沒有什么神奇的直覺，只不過是辨識出了某些一再出現的模式，于是能夠躲過漫不經心的行人、拒絕無力償債的借款人和識破圖謀不軌的騙子。

但同時也證明，大腦的生化算法距離完美還有很長一段路。大腦會走捷徑，會根據不完整的信息快速找出答案，而且大腦的回路也顯得過時，整套機制適合的是過去的非洲大草原，而不是現在的都市叢林。

這也就難怪，即便是優秀的司機、銀行經理和律師，也會犯下愚蠢的錯誤。這意味著，就算是那些原本認為依靠直覺的工作，人工智能也能表現得比人類更好。

人工智能不會比人類更有那種難以言喻的第六感，但如果說人工智能比人類更懂得計算概率和模式識別，聽起來可信度就大了許多。

特別是，如果某些工作需要“關于別人”的直覺，人工智能的表現就會優于人類。許多工作(例如在滿是行人的大街上開車、把錢借給陌生人、商務談判等)都需要準確評估別人的情緒和愿望。

那個孩子會不會突然跑到馬路中間?這個穿著西裝的人是不是打算從我這兒一借到錢就消失?那位律師的威脅是認真的，還是只想嚇嚇我?

不管是司機預判行人想往哪兒走，銀行經理評估借款人的信用好壞，還是律師衡量談判桌上的氣氛，依賴的都是在他們毫無察覺的情況下，大腦就會通過分析面部表情、聲調、手部動作甚至體味來識別生化模式。

人工智能只要搭配適當的傳感器，絕對可以把這些工作做得比人類更精確、更可靠。因此，失業的威脅不只是因為信息技術的興起，還因為信息技術與生物技術的融合。

要從功能性磁共振成像(fMRI)掃描儀走到勞動力市場，這條路肯定是漫長而曲折的，但花個幾十年總能走完。腦科學家今天對杏仁核和小腦的研究，就有可能讓計算機在2050年比人類更適合擔任精神病學家和保鏢。

03 人工智能造成的失業，對人類是好事

人工智能不僅能夠在以往認為專屬于人類的技能上打敗人類，更擁有獨特的非人類能力，使得人工智能和人類之間的差異不是程度高低的問題，而是完完全全的兩回事。

人工智能特別重要的兩種非人類能力是“連接性”和“可更新性”。人類都是個體，很難將所有人彼此連接，從而確保他們都能得到最新信息。

相反，計算機并不是彼此相異的獨立個體，因此很容易把計算機集成為一個單一、靈活的網絡。所以這樣說來，我們面臨的不是幾百萬臺計算機和機器人取代幾百萬個工人，而是所有作為個體的工人都會被一套集成的網絡所取代。

因此，討論自動化的時候，不該把“一位司機”的能力拿來和“一臺自動駕駛汽車”比較，也不該把“一位醫生”和“一位人工智能醫生”進行比較，而該拿“一群人”的能力和“一套集成網絡”進行比較。

舉例來說，交通規則時有調整，但許多司機并不熟悉，于是常常違規。此外每輛車都是獨立運作的實體，所以當兩輛車到達同一個十字路口時，司機可能會誤讀彼此的意圖，于是發生事故。

相反，自動駕駛汽車是連接成一個整體的，所以兩輛自動駕駛汽車來到十字路口時并非獨立運作，而是屬于同一套算法的一部分。這樣一來，因溝通不暢而發生事故的機會也就大幅減少。

此外，如果交通部門決定調整某些交通規則，所有的自動駕駛汽車都能輕松地在同一時間更新程序;除非程序出錯，否則大家都會遵守新的規則。

連接性和可更新性可能帶來的優勢巨大，至少對某些工作來說，就算某些個人的工作效率仍然高于機器，但合理的做法將會是用計算機取代所有人類員工。

這很可能會給人類帶來巨大的好處。人工智能醫生能為幾十億人帶來更好、更便宜的醫療保健服務，特別是那些目前根本沒有醫療保健服務可用的人。

憑借學習算法和生物傳感器，就算是某個經濟不發達國家的貧困村民，也可能通過智能手機獲得良好的醫療保健服務，而且比目前最富有的人在最先進的城市醫院所獲得的服務水平有過之而無不及。

同樣，自動駕駛汽車能讓交通服務質量大幅提升，特別是能夠降低車禍死亡率。如今，每年有將近125 萬人死于車禍(足足是戰爭、犯罪和恐怖襲擊死亡人數的兩倍)。而在這些事故中，超過90% 是人為造成的：有人酒駕，有人邊開車邊看手機，有人疲勞駕駛，有人開車的時候只顧著發呆。

根據美國國家公路交通安全管理局2012 年的統計，全美致死車禍中有31% 出于濫用酒精，30% 出于超速，21% 出于駕駛分心。而這些錯誤，自動駕駛汽車永遠都不會犯。

雖然自動駕駛汽車仍有其自身的問題和局限性，也免不了會有些事故，但根據預測，如果把所有駕駛工作完全交由計算機處理，將能夠減少約90% 的道路傷亡。換句話說，只要全面改用自動駕駛汽車，每年就能少死亡100萬人。

因此，如果只是為了保住工作就拒絕交通和醫療保健等領域的自動化，絕對是不明智之舉。畢竟，我們真正該保護的是人類，而不是工作。如果自動化讓司機和醫生變得無用武之地，就讓他們找點兒別的事來做吧。

04 人工智能才是最懂你的那個人

至少在短期內，人工智能和機器人還不太可能完全取代整個產業。有些工作專精在小范圍，日復一日做的都是程序化的動作，這種工作就會被自動化取代。

然而，如果是每天都有變化、需要同時運用廣泛技能組合的工作，或者需要應對難以預見的情況的工作，就不太容易用機器來取代人類。

以醫療保健為例。很多醫生的主要工作是處理信息：匯總并分析醫療數據，然后做出診斷。相比之下，護士需要有良好的運動和情緒技能，才能幫患者打針、換繃帶，或者安撫激動的患者。

因此，我們的智能手機上出現人工智能家庭醫生的時間，很有可能會遠遠早于我們擁有可靠的護理型機器人。

人文關懷產業(也就是照顧老幼病殘)大概在很長一段時間仍然會是人類的工作。事實上，隨著人類壽命延長和少子化，養老產業很可能成為人類勞動力市場成長最快的行業類別。

除了養老產業，創意產業也是自動化特別難以突破的領域。盡管如此，最終所有工作都有可能走向自動化，對此就連藝術家也得小心。

現代社會一般認為，藝術與人類的情緒緊緊相連，藝術家引導著人類的心理力量，藝術的目的是讓我們和自身的情緒有所聯系，或者激發出新的感受。因此，當我們品評藝術的時候，通常就是看它對觀眾的情緒起了多大的作用。

但如果真以這個標準來定義藝術，當外部的算法比莎士比亞更能了解和操縱人類的情緒時，又會發生什么事?畢竟，情緒也不是什么神秘的現象，只是生化程序反應的結果。

因此在不久之后，只要用機器學習算法，就能分析身體內外各種傳感器所傳來的生物統計資料，判斷人的性格類型和情緒變化，或是計算某首歌(甚至是某個音高)對情緒的影響。

在所有藝術形式中，最容易受到大數據分析沖擊的可能就是音樂。音樂的輸入和輸出都適合用精確的數學來描述，輸入時是聲波的數學模式，輸出時則是神經風暴的電化學反應模式。

在幾十年內，算法只要經過幾百萬次的音樂體驗，就可能學會如何預測某種輸入如何產生某種輸出。

假設你剛和男友大吵一架，負責音響系統的算法就會立刻發現你內心的情緒波動，并根據它對你個人以及對整體人類心理的了解，自動播放適合你的歌曲，與你的憂郁共鳴，附和你的悲傷。

它放的這些歌可能不適合其他人，但完全符合你的性格類型。算法先把你帶到悲傷的底層，然后放出全世界最可能讓你振作起來的那首歌，原因可能是這首歌在你的潛意識里與某個快樂的童年記憶緊密相連，而你可能根本毫無察覺。

任何一位人類音樂節目主持人，都不可能與這樣的人工智能相匹敵。而且，有了你的生物統計數據之后，算法甚至可以量身打造出全宇宙只有你會喜歡的旋律。

05 偉大的創造永遠不會被取代

常有人說，人類之所以喜歡藝術，是因為可以在藝術中看見自己。

如果藝術的重點真的在于啟發(或操縱)人類的情緒，那么人類音樂家大概難以再與這樣的算法匹敵。因為算法實在比人類更了解它們所撥弄的這個樂器：人類的生化系統。

這一切會帶來偉大的藝術嗎?這可能要看藝術是如何定義的。如果說聽眾覺得美就是美，而且顧客永遠是對的，那么生物統計算法就有可能創造出歷史上最佳的藝術。

但如果藝術是一種比人類情緒更深層的東西，應該表達出超越生化震動的事實，那么生物統計算法大概就不會成為優秀的藝術家。

然而，大多數人大概也成不了優秀的藝術家。只是為了進入藝術市場，取代許多人類作曲家和表演者，算法并不需要直接打敗柴可夫斯基，先打敗小甜甜布蘭妮就行了。

從藝術到醫療保健行業，許多傳統工作將會消失，但其造成的部分影響可以由新創造出的工作抵消。

例如，診斷各種已知疾病、執行各種常規治療的全科醫生，有可能被人工智能醫生取代，這會省下很多經費，讓醫生和實驗室助理得以進行開創性的研究，研發新藥或手術方案。

人工智能也可能以另一種方式協助人類創造新的工作：人類與其想贏過人工智能，不如把重點放在人工智能的維護和運用上。舉例來說，因為無人機取代了飛行員，有些工作確實消失了，但同時在維護、遠程控制、數據分析和網絡安全等方面也創造出了許多新的工作機會。

美國軍方每派出一架“捕食者”(Predator)無人機或“死神”(Reaper)無人機飛越敘利亞，就需要有30人在幕后操作;至于收集完數據的后續分析則至少還需要80 人。2015年，美國空軍就曾經因為缺少足夠的訓練有素的人而面臨無人操作無人機的窘境。

這樣說來，2050年的就業市場的特點很可能在于人類與人工智能的合作，而非競爭。從警務到銀行等各個領域，“人類+人工智能”的表現都能超越單純的人類或單純的計算機。

在IBM 的“深藍”(Deep Blue)于1997 年擊敗國際象棋特級大師加里·卡斯帕羅夫(Garry Kasparov)之后，人類并沒有停止下棋。相反，在人工智能的協助下，人類的國際象棋大師水平比過去更高。

至少有一段時間，被稱為“半人馬”(centaur)的“人類+人工智能”組合，在國際象棋比賽中的表現比單純的人類或計算機都要出色。很有可能，人工智能也能如法炮制，協助培養出歷史上最優秀的偵探、銀行經理和軍人。

06 未來的“無用階層”和全球性壓力蔓延

然而，這些新工作很可能需要高水平的專業知識，因此無法解決無技能失業者的就業問題。讓失業者接受再培訓之后去做這些工作，可能還不如直接創造完全屬于人類的全新工作。

在過去的自動化浪潮中，勞動者通常可以從某個低技能的工作輕松轉到另一個低技能的工作。比如，1920年，因為農業機械化而失業的農場工人可以在生產拖拉機的工廠里找到新工作;1980年，工廠工人失業后，可以去超市當收銀員。

這種職業轉變在過去是可行的，因為從農場到工廠、從工廠到超市，都只需要稍加培訓即可。但是到了2050年，收銀員或紡織工人的工作全部由機器人接手之后，他們幾乎不可能變身為癌癥研究人員、無人機駕駛員或“人類+人工智能”的銀行團隊中的一員。他們缺少必備的技能。

因此，雖然出現了許多新的人類工作，我們仍然可能看到新的“無用階層”日益龐大。我們甚至可能兩面不討好：一方面許多人找不到工作，另一方面也有許多雇主找不到有技能的雇員。

此外，由于機器學習和機器人技術還會持續進步，所以其實任何人類工作都有可能受到自動化的威脅。因此，創造新的工作、讓勞動者接受再培訓而重新就業，并不是能夠一勞永逸的方法。

人工智能革命不會是一個單一的分水嶺，可別以為在這之后就業市場就會達到新的平衡狀態。相反，破壞只會像雪崩般擴大。

現在已經很少有人認為自己能夠一輩子都做同一份工作。而到了2050年，別說同一份工作，就連同一個專業領域也不太可能讓人待一輩子。

就算我們真的能夠不斷創造出新工作，讓勞動者接受再培訓，但像這樣生活永無寧日，一般人的精神又是否能撐得下去?變化總會帶來壓力，21世紀初的紛紛擾擾，已經造成全球性的壓力蔓延。

而隨著就業市場和個人職業生涯的波動不斷加劇，人類是否真能應對?或許，人類將會需要更有效的減壓方式(從藥物、神經反饋到冥想等)，來避免智人精神崩潰。

到2050年，“無用階層”的出現可能不只是因為找不到工作、沒受過相關教育，還可能因為精神動力不足。