笔趣阁

手机浏览器扫描二维码访问

第2章 就业 等你长大可能没有工作（第1页）

一秒记住【xiaoyanwenxue.com】精彩无弹窗免费！“罗辑思维荐书集锦（套装共24册）（.shg.tw）”！

第2章就业：等你长大，可能没有工作

我们完全无从得知2050年的就业市场会是什么样子。人们普遍认为，机器学习和机器人将改变几乎所有的工作，从制作酸奶到教授瑜伽都无法幸免。但谈到这项改变的本质及紧迫性，各家观点却众说纷纭。有人认为，只要10～20年，就会有几十亿人成为经济上多余的存在。但也有人认为，从长远看来，自动化的影响还是会为所有人创造新的就业机会，为社会带来更大的繁荣。

那么，我们究竟是真的处于危险动荡的边缘，还是这只是卢德分子歇斯底里的妄言？这很难说。早在19世纪，就有人担心自动化会造成大量失业，但至今这种情况从未出现。自工业革命拉开序幕以来，机器每抢走一项旧工作，也会至少创造一项新工作，而且人们的平均生活水平大幅提高。但我们有充分的理由相信这次情况不同，机器学习将会真正让整个情况彻底改变。

[1]GregoryR.Woirol，TheTechnologicalUnemploymentandStructuralUnemploymentDebates（Westport:GreenwoodPress，1996），18–20;AmySueBix，InventingOurselvesoutofJobs?AmericasDebateoverTechnologicalUnemployment，1929–1981（Baltimore:JohnsHopkinsUniversityPress，2000），1–8;JoelMokyr，ChrisVickersandNicolasL.Ziebarth，‘TheHistoryofTechnologicalAnxietyandtheFutureofEconomicGrowth:IsThisTimeDifferent?’，JournalofEconomicPerspectives29:3（2015），33–42;JoeMokyr，TheGiftsofAthena:HistoricalOriginsoftheKnowledgeEconomy（Princeton:PrincetonUniversityPress，2002），255–7;DavidH.Autor，‘WhyAreThereStillSoManyJobs?TheHistoryandtheFutureofWorkplaceAutomation’，JournalofEconomicPerspectives29:3（2015），3–30;MelanieArntz，TerryGregoryandUlrichZierahn，‘TheRiskofAutomationforJobsinOECDCountries’，OECDSocial，EmploymentandMigrationWorkingPapers89（2016）;MariacristinaPivaandMarcoVivarelli，‘TechnologicalChangeandEmployment:WereRicardoandMarxRight?’，IZAInstituteofLaborEconomics，DiscussionPaperNo.10471（2017）.

人类有两种能力：身体能力和认知能力。过去，机器主要是在原始的身体能力方面得以与人类竞争，而人类则在认知能力方面享有巨大优势。因此，随着农业和工业迈向自动化，就出现了新的服务业工作。这些新工作需要人类拥有独特的认知技能，包括学习、分析、沟通等，特别是必须理解人类的种种情绪。然而，人工智能已经在越来越多的认知技能上超越人类，包括理解人类的情绪。而且，除了身体能力和认知能力之外，我们并不知道还有什么第三种能力可以让人类永远胜过机器。

[2]举例来说，人工智能已在飞行特别是空中战斗中胜过人类：NicholasErnestetal.，‘GeneticFuzzybasedArtificialIntelligenceforUnmannedCombatAerialVehicleControlinSimulatedAirCombatMissions’，JournalofDefenseManagement6:1（2016），1–7;intelligenttutoringandteachingsystems:KurtVanLehn，‘TheRelativeEffectivenessofHumanTutoring，IntelligentTutoringSystems，andOtherTutoringSystems’，EducationalPsychologist46:4（2011），197–221;algorithmictrading:GiuseppeNutietal.，‘AlgorithmicTrading’，Computer44:11（2011），61–9;financialplanning，portfoliomanagementetc.:ArashBaharammirzaee，‘AparativeSurveyofArtificialIntelligenceApplicationsinFinance:ArtificialNeuralNetworks，ExpertSystemandHybridIntelligentSystems’，NeuralComputingandApplications19:8（2010），1165–95;analysisofplexdatainmedicalsystemsandproductionofdiagnosisandtreatment:MarjorieGlassZaudereretal.，‘PilotingIBMWatsonOncologywithinMemorialSloanKetteringsRegionalNetwork’，JournalofClinicalOncology32:15（2014），e17653;creationoforiginaltextsinnaturallanguagefrommassiveamountofdata:Jean-SébastienVayreetal.，‘CommunicationMediatedthroughNaturalLanguageGenerationinBigDataEnvironments:TheCaseofNomao’，JournalofComputerandCommunication5（2017），125–48;facialrecognition:FlorianSchroff，DmitryKalenichenkoandJamesPhilbin，‘FaceNet:AUnifiedEmbeddingforFaceRecognitionandClustering’，IEEEConferenceonComputerVisionandPatternRecognition（CVPR）（2015），815–23;anddriving:CristianoPremebida，‘ALidarandVision-basedApproachforPedestrianandVehicleDetectionandTracking’，2007IEEEIntelligentTransportationSystemsConference（2007）.

必须认识到的一个关键点是，人工智能革命不只是让计算机更聪明、运算得更快，还在生命科学和社会科学方面有诸多突破。我们越了解是哪些生化机制在支撑人类的情感、欲望和选择，计算机就越能分析人类行为、预测人类决策，并最终取代人类的司机、银行经理和律师等。

在过去几十年中，在神经科学和行为经济学等领域的研究，让科学家能够“破解”人类，更清楚地了解人类究竟是如何做出各种决定的。事实证明，我们从选择食物到选择伴侣，都不是出于什么神秘难解的自由意志，而是数十亿神经元在瞬间计算各种可能性的结果。过去大受赞誉的“人类直觉”，其实只是“辨识模式”罢了。优秀的司机、银行经理和律师，对路况、投资或谈判交涉并没有什么神奇的直觉，只不过是辨识出了某些一再出现的模式，于是能够躲过漫不经心的行人、拒绝无力偿债的借款人和识破图谋不轨的骗子。但同时也证明，大脑的生化算法距离完美还有很长一段路。大脑会走捷径，会根据不完整的信息快速找出答案，而且大脑的回路也显得过时，整套机制适合的是过去的非洲大草原，而不是现在的都市丛林。这也就难怪，即便是优秀的司机、银行经理和律师，也会犯下愚蠢的错误。

这意味着，就算是那些原本认为依靠直觉的工作，人工智能也能表现得比人类更好。人工智能不会比人类更有那种难以言喻的第六感，但如果说人工智能比人类更懂得计算概率和模式识别，听起来可信度就大了许多。

特别是，如果某些工作需要“关于别人”的直觉，人工智能的表现就会优于人类。许多工作（例如在满是行人的大街上开车、把钱借给陌生人、商务谈判等）都需要准确评估别人的情绪和愿望。那个孩子会不会突然跑到马路中间？这个穿着西装的人是不是打算从我这儿一借到钱就消失？那位律师的威胁是认真的，还是只想吓吓我？只要我们觉得这些情绪和欲望是来自某种非实体的心灵，计算机就永远无法取代人类的司机、银行经理和律师。原因在于：计算机怎么可能理解“心灵”这种神圣的创造物呢？然而，如果这些情绪和欲望实际上只不过是某些生化算法，计算机就没有理由无法破译这些算法，而且它们的成绩一定比任何智人都要好。

不管是司机预判行人想往哪儿走，银行经理评估借款人的信用好坏，还是律师衡量谈判桌上的气氛，依赖的都不是巫术，而是在他们毫无察觉的情况下，大脑就会通过分析面部表情、声调、手部动作甚至体味来识别生化模式。人工智能只要搭配适当的传感器，绝对可以把这些工作做得比人类更精确、更可靠。

因此，失业的威胁不只是因为信息技术的兴起，还因为信息技术与生物技术的融合。要从功能性磁共振成像（fMRI）扫描仪走到劳动力市场，这条路肯定是漫长而曲折的，但花个几十年总能走完。脑科学家今天对杏仁核和小脑的研究，就有可能让计算机在2050年比人类更适合担任精神病学家和保镖。

人工智能不仅能够侵入人类，在以往认为专属于人类的技能上打败人类，更拥有独特的非人类能力，使得人工智能和人类之间的差异不是程度高低的问题，而是完完全全的两回事。人工智能特别重要的两种非人类能力是“连接性”和“可更新性”。

人类都是个体，很难将所有人彼此连接，从而确保他们都能得到最新信息。相反，计算机并不是彼此相异的独立个体，因此很容易把计算机集成为一个单一、灵活的网络。所以这样说来，我们面临的不是几百万台计算机和机器人取代几百万个工人，而是所有作为个体的工人都会被一套集成的网络所取代。因此，讨论自动化的时候，不该把“一位司机”的能力拿来和“一台自动驾驶汽车”比较，也不该把“一位医生”和“一位人工智能医生”进行比较，而该拿“一群人”的能力和“一套集成网络”进行比较。

举例来说，交通规则时有调整，但许多司机并不熟悉，于是常常违规。此外，每辆车都是独立运作的实体，所以当两辆车到达同一个十字路口时，司机可能会误读彼此的意图，于是发生事故。相反，自动驾驶汽车是连接成一个整体的，所以两辆自动驾驶汽车来到十字路口时并非独立运作，而是属于同一套算法的一部分。这样一来，因沟通不畅而发生事故的机会也就大幅减少。此外，如果交通部门决定调整某些交通规则，所有的自动驾驶汽车都能轻松地在同一时间更新程序；除非程序出错，否则大家都会遵守新的规则。

[3]SeyedAzimietal.，‘VehicularNetworksforCollisionAvoidanceatIntersections，’SAEInternationalJournalofPassengerCars–MechanicalSystems4（2011），406–16;SwarunKumaretal.，‘CarSpeak:AContent-CentricNetworkforAutonomousDriving’，SIGCOMComputerCommunicationReview42（2012），259–70;MihailL.SichitiuandMariaKihl，‘Inter-VehicleCommunicationSystems:ASurvey’，IEEECommunicationsSurveys&Tutorials（2008），10;MarioGerla，Eun-KyuLeeandGiovanniPau，‘InternetofVehicles:FromIntelligentGridtoAutonomousCarsandVehicularClouds’，2014IEEEWorldForumonInternetofThings（WF-IoT）（2014），241–6.

同样，如果世界卫生组织确认出现某种新的疾病，或者某实验室研制出某种新药，目前几乎不可能让全世界所有人类医生都得知相关的最新消息。但相较之下，就算全球有100亿个人工智能医生，各自照顾一个人的健康状况，仍然可以在瞬间实现全部更新，而且所有人工智能医生都能互相分享对新病或新药的感受。连接性和可更新性可能带来的优势巨大，至少对某些工作来说，就算某些个人的工作效率仍然高于机器，但合理的做法将会是用计算机取代所有人类员工。

有人可能会反驳说，把个体人类转换为计算机运算网络之后，就会失去个性化所带来的优势。举例来说，如果某位人类医生做出了错误判断，并不会因此让世界上所有的患者都丧命，也不会阻碍所有新药的开发。相反，如果所有医生都属于某一系统，一旦该系统出错，结果可能就极其严重。但事实上，集成的计算机系统可以在不失去个性化优势的情况下，把连接性的优点发挥到极致。比如可以在同一个网络上运行多种算法，这样位于偏远丛林山村里的病人通过智能手机能找到的就不只是某位医学权威，而是上百位不同的人工智能医生，而且这些人工智能医生的表现还会不断被比较。你不喜欢那位IBM（国际商业机器公司）医生的诊断吗？没关系。就算你现在被困在乞力马扎罗山上，也能通过搜索引擎轻松找到医生，寻求不同意见。

这很可能会给人类带来巨大的好处。人工智能医生能为几十亿人带来更好、更便宜的医疗保健服务，特别是那些目前根本没有医疗保健服务可用的人。凭借学习算法和生物传感器，就算是某个经济不发达国家的贫困村民，也可能通过智能手机获得良好的医疗保健服务，而且比目前最富有的人在最先进的城市医院所获得的服务水平有过之而无不及。

同样，自动驾驶汽车能让交通服务质量大幅提升，特别是能够降低车祸死亡率。如今，每年有将近125万人死于车祸（足足是战争、犯罪和恐怖袭击死亡人数的两倍）。而在这些事故中，超过90%是人为造成的：有人酒驾，有人边开车边看手机，有人疲劳驾驶，有人开车的时候只顾着发呆。根据美国国家公路交通安全管理局2012年的统计，全美致死车祸中有31%出于滥用酒精，30%出于超速，21%出于驾驶分心。而这些错误，自动驾驶汽车永远都不会犯。虽然自动驾驶汽车仍有其自身的问题和局限性，也免不了会有些事故，但根据预测，如果把所有驾驶工作完全交由计算机处理，将能够减少约90%的道路伤亡。换句话说，只要全面改用自动驾驶汽车，每年就能少死亡100万人。

[4]KristoferD.KusanoandHamptonC.Gabler，‘SafetyBenefitsofForwardCollisionWarning，BrakeAssist，andAutonomousBrakingSystemsinRear-EndCollisions’，IEEETransactionsonIntelligentTransportationSystems13:4（2012），1546–55;JamesM.Andersonetal.，AutonomousVehicleTechnology:AGuideforPolicymakers（SantaMonica:RANDCorporation，2014），esp.13–15;DanielJ.FagnantandKaraKockelman，‘PreparingaNationforAutonomousVehicles:Opportunities，BarriersandPolicyRemendations’，TransportationResearchPartA:PolicyandPractice77（2015），167–81;Jean-FrancoisBonnefon，AzimShariffandIyadRahwan，‘AutonomousVehiclesNeedExperimentalEthics:AreWeReadyforUtilitarianCars?’，arXiv（2015），1–15.关于车辆如何建立车际网络以避免车祸，参见：SeyedR.Azimietal.，‘VehicularNetworksforCollisionAvoidanceatIntersections’，SAEInternationalJournalofPassengerCars–MechanicalSystems4:1（2011），406–16;SwarunKumaretal.，‘CarSpeak:AContent-CentricNetworkforAutonomousDriving’，SIGCOMComputerCommunicationReview42:4（2012），259–70;MihailL.SichitiuandMariaKihl，‘Inter-VehicleCommunicationSystems:ASurvey’，IEEECommunicationsSurveys&Tutorials10:2（2008）;MarioGerlaetal.，‘InternetofVehicles:FromIntelligentGridtoAutonomousCarsandVehicularClouds’，2014IEEEWorldForumonInternetofThings（WF-IoT）（2014），241–6.

因此，如果只是为了保住工作就拒绝交通和医疗保健等领域的自动化，绝对是不明智之举。毕竟，我们真正该保护的是人类，而不是工作。如果自动化让司机和医生变得无用武之地，就让他们找点儿别的事来做吧。

机器里的莫扎特

至少在短期内，人工智能和机器人还不太可能完全取代整个产业。有些工作专精在小范围，日复一日做的都是程序化的动作，这种工作就会被自动化取代。然而，如果是每天都有变化、需要同时运用广泛技能组合的工作，或者需要应对难以预见的情况的工作，就不太容易用机器来取代人类。以医疗保健为例。很多医生的主要工作是处理信息：汇总并分析医疗数据，然后做出诊断。相比之下，护士需要有良好的运动和情绪技能，才能帮患者打针、换绷带，或者安抚激动的患者。因此，我们的智能手机上出现人工智能家庭医生的时间，很有可能会远远早于我们拥有可靠的护理型机器人。人文关怀产业（也就是照顾老幼病残）大概在很长一段时间内仍然会是人类的工作。事实上，随着人类寿命延长和少子化，养老产业很可能成为人类劳动力市场成长最快的行业类别。

除了养老产业，创意产业也是自动化特别难以突破的领域。现在，我们可以直接从iTunes（苹果数字媒体播放应用程序）下载音乐，而不需要由真人店员来销售，但作曲家、音乐家、歌手和音乐节目主持人都还是活生生的人。我们需要这些人的创意，除了是要制作全新的音乐，也是为了在多到让人头昏脑涨的诸多选项当中进行选择。

尽管如此，最终所有工作都有可能走向自动化，对此就连艺术家也得小心。现代社会一般认为，艺术与人类的情绪紧紧相连，艺术家引导着人类的心理力量，艺术的目的是让我们和自身的情绪有所联系，或者激发出新的感受。因此，当我们品评艺术的时候，通常就是看它对观众的情绪起了多大的作用。但如果真以这个标准来定义艺术，当外部的算法比莎士比亚、弗里达·卡罗（FridaKahlo，墨西哥女画家）或碧昂丝更能了解和操纵人类的情绪时，又会发生什么事？

毕竟，情绪也不是什么神秘的现象，只是生化程序反应的结果。因此在不久之后，只要用机器学习算法，就能分析身体内外各种传感器所传来的生物统计资料，判断人的性格类型和情绪变化，或是计算某首歌（甚至是某个音高）对情绪的影响。

在所有艺术形式中，最容易受到大数据分析冲击的可能就是音乐。音乐的输入和输出都适合用精确的数学来描述，输入时是声波的数学模式，输出时则是神经风暴的电化学反应模式。在几十年内，算法只要经过几百万次的音乐体验，就可能学会如何预测某种输入如何产生某种输出。

假设你刚和男友大吵一架，负责音响系统的算法就会立刻发现你内心的情绪波动，并根据它对你个人以及对整体人类心理的了解，自动播放适合你的歌曲，与你的忧郁共鸣，附和你的悲伤。它放的这些歌可能不适合其他人，但完全符合你的性格类型。算法先把你带到悲伤的底层，然后放出全世界最可能让你振作起来的那首歌，原因可能是这首歌在你的潜意识里与某个快乐的童年记忆紧密相连，而你可能根本毫无察觉。任何一位人类音乐节目主持人，都不可能与这样的人工智能相匹敌。

你可能会提出异议，认为这样一来，人工智能不就扼杀了所有的偶然，把我们束缚在一个狭隘的音乐“茧”里，一丝一缕都是由我们自己的好恶织成的？你是想探索新的音乐品位和风格吗？没问题。你可以轻松地调整算法，让它完全随机地挑选5%的内容，为你播放印度尼西亚的甘美兰（Gamelan）合奏、罗西尼的歌剧，或者最新的韩国流行音乐。慢慢地，通过监测你的反应，人工智能甚至能判断出对你来说理想的随机性程度，可能是上调至8%，也可能是下调到3%，让你既能探索新音乐，又不会觉得厌烦。

另一种可能的异议，则是认为算法不见得知道该让情绪把我们带到哪里。刚和男友大吵一架之后，算法究竟是该让你高兴还是难过？它对于“好”情绪和“坏”情绪的判断，会不会过于武断？或许有时候，它觉得伤心也不见得是件坏事？当然，这些问题就算是人类音乐家和音乐节目主持人也会遇到。但放到算法领域，这个难题就会有许多有趣的解决方案。