皮尤：專家對機器人能否搶走人類飯碗意見不一

導語：美國《哈佛商業評論》上周五撰文稱，盡管很多人都擔心機器人可能搶走人類的工作，但實際上，專家對此莫衷一是，最終的結果恐怕難以預料。

以下為文章全文：

專家對未來生了分歧。這似乎沒什麼特別的，但這卻是皮尤的最新調查結論，而它的實際意義可能比表面看起來更加重大。在最近的調查中，2551位受訪專家對以下問題出現了嚴重分歧：

“到2025年，網絡化、自動化的人工智能應用和機器人設備，所取代的工作能否超過它們所創造的工作？”

48%的受訪專家認同這一悲觀觀點，持有樂觀態度的專家則略高於一半。

最顯而易見的問題或許在於，每當有預言者對哪項工作將實現自動化，哪些工作不會實現自動化作出預測時，我們都應該抱有一絲懷疑的態度。這些預言都很有價值，因為這可以幫助我們更好地認識自動化在社會中所扮演的角色。但事實上，我們根本無法知道具體哪種領域有多少工作崗位會在何時實現自動化。

對於那些擔心自己的工作會被機器人取代的人而言，專家的意見分歧似乎是一種安慰——但不幸的是，這也只是一種安慰。

另外，懷疑者正在逐漸增多。傳統智慧認為，盡管技術可能在短期內取代人類，但從長期來看，卻不會減少工作崗位。

這種共識在芝加哥大學之前的一次調查中得以體現。該校今年2月對多經濟學家進行的調查顯示：只有2%的受訪者認為，自動化會減少美國的就業崗位。

與之相比，皮尤的調查結果令人更加困惑。這兩項調查的差異，或許反映了經濟學家的普遍樂觀。但除此之外，這似乎表明本輪科技浪潮與之前有所不同。

從歷史上看，以往由科技造成的失業之所以未能成型，既有商品和服務需求持續增長的原因，也有人們學習新技能、找到新工作的原因。我們種植糧食時需要的人手或許有所減少，但人們對於更大的房子、更快的汽車和更精緻的娛樂服務的胃口卻越來越大，從而填補了這種差距。農民最終找到了這方面的工作，因而推動社會繼續進步。

在最近出版的《第二機器時代》(The Second Machine Age)一書中，麻省理工學院的埃裏克·布倫喬爾森(Erik Brynjolfsson)和安德魯·麥卡菲(Andrew McAfee)認為，這種情況無法再現。在他們看來，當今超高速的數字化革命可能會令很多人失業。

“倘若這種技能調整需要耗費十年時間怎麼辦？倘若到那時，技術再次發生變革，又該怎麼辦？當人們承認員工和組織需要適應技術變革后卻發現，技術變革速度的加快導致這種差距越來越大，從而增加了技術性失業的可能性。”

這本書的很多篇幅都意在闡述技術變革正在加快，而依據則是摩爾定律——計算能力大約每過18個月就會翻一番。

皮尤此次調查的受訪者，都是來自各種與科技相關領域的專家，他們中的部分人也都認同這種觀點。正如技術顧問兼未來學家布萊恩·亞歷山大(Bryan Alexander)所：“教育系統尚未做好充足的自我變革准備，無法將畢業生塑造成能夠對抗機器的人。無論是從時間還是規模上看，都做不到。自學者可以做得很好，因為他們一直都是如此。但普羅大卻在為錯誤的經濟做准備。”

當然，任何觀點肯定都有對立面。例如，最近在《哈佛商業評論》上發表文章的波士頓大學教授詹姆斯·貝森(James Bessen)就曾表示，技術進步最終甚至可以提升教育水平較低的員工需求。皮尤此次調查的很多受訪者也持有相同觀點，例如，互聯網先驅、谷歌副總裁溫特·瑟夫(Vint Cerf)就言簡意賅地表示：

“從歷史上看，技術創造的工作比它破壞的工作更多，沒有理由認為這一次會有所不同。這些先進的設備都需要專門的人來生，併之提供服務。”

經濟學家泰勒·科文(Tyler Cowen)也曾專門就此總結過自己的觀點，他在博客中寫道：“比較優勢理論並未失效。機器奪走了一些工作，又創造了一些工作，而整體的出則提升了。”

在這裏，比較優勢理論指的是員工會從事他們最適合的工作。但與摩爾定律一樣，比較優勢並非一成不變的。正如布倫喬爾森和麥卡菲所：

“摩爾定律與熱力學和牛頓經典力學中的物理定律不同。后者定律描述了宇宙的運行方式：無論你做什麼，它們都是真理。摩爾定律則是針對計算機行業的工程師和科學家的一種闡述，是對他們持續而成功的努力所作的一種觀察。”

比較優勢不僅是一種觀察，它還是社會科學領域最經久不衰的發現之一。它描述了經濟在廣闊環境中的運行規律，但它仍然需要進行修正。倘若整體經濟結構因為技術進步而發生變化，比較優勢的規則也可能改變。

布倫喬爾森和麥卡菲在他們的書中強調，2004年基於比較優勢作出的推論，未能預測當今的人類與機器之間的分工。經濟學家弗蘭克·萊維(Frank Levy)和理查德·莫南(Richard Murnane)認為，電腦將處理算法和基於規則的工作，而人類則負責模式識別(例如駕駛)和溝通。但如今，無人駕駛汽車甚至都已經出現，而語音識別也已經內置在很多智能手機中。

機器比人類更擅長的工作種類正在不斷增多，令我們的預測難度不斷加大。我們原本認為安全的工作，或許也將不再安全；而我們原本擔心失去的工作，反而可能比我們預想的更加安全。(書聿)