QQ在線
企業(yè)微信
資訊
416經(jīng)濟學(xué)家們曾很有把握地斷言，一股取代就業(yè)機會的機器人熱潮正席卷勞動力市場。國際貨幣基金組織稱，新冠肺炎疫情“正在加速就業(yè)崗位從較易受自動化影響的行業(yè)轉(zhuǎn)移”。
不管是谷歌、臉書、亞馬遜，還是騰訊、阿里、百度，科技巨頭們都相繼將未來發(fā)展趨勢押在人工智能上，越來越多的公司也在用機器人取代工人。
但是，如果企業(yè)老板都在抱怨請不到人，那由疫情所引發(fā)的自動化浪潮真的產(chǎn)生了大批過剩勞動力嗎？在后疫情時代的社會轉(zhuǎn)型和科技快速迭代帶來的思維轉(zhuǎn)變語境之下，這場有關(guān)自動化的爭論充斥著各種猜測。
失業(yè)大潮將至嗎
經(jīng)過多年的熱捧，現(xiàn)在的人工智能已經(jīng)深入到各個領(lǐng)域：每天都有幾十億人在智能手機和互聯(lián)網(wǎng)服務(wù)中用到它；科學(xué)家們建議停止培訓(xùn)放射科的醫(yī)生，因為計算機已經(jīng)能夠替代他們的工作；無人駕駛汽車的開發(fā)者預(yù)測機器人出租車將徹底改變交通運輸格局；貨車司機或倉庫工人的工作也同樣可以由機器人來代替。
英國《經(jīng)濟學(xué)人》雜志的文章稱，美國俄亥俄州的連鎖餐廳“李氏秘制雞”（Lee’s Famous Recipe Chicken）在免下車取餐窗口安裝了自助語音系統(tǒng)；匹茲堡國際機場最近成為美國首個使用紫外線機器人清潔工的機場；英國農(nóng)民正在使用越來越多的機器采摘草莓和鋤草。
除此之外，人工智能的進步使得為“零工”找到合適的人選變得十分便捷，因為現(xiàn)代人工智能系統(tǒng)不止依靠原始的評分系統(tǒng)，而是通過一系列信號來確定候選人是否適合。專業(yè)社交服務(wù)平臺領(lǐng)英（linkedIn）保證可以在六小時內(nèi)為任何項目找到合適的人員——并且，由于與優(yōu)步達成了協(xié)議，可以確保他們在一個工作日內(nèi)到達現(xiàn)場……有些公司甚至走得更遠，裁掉了執(zhí)行核心業(yè)務(wù)的員工，重新雇用短期合同工來完成特定的任務(wù)。
谷歌CEO桑達爾·皮查依形容人工智能的發(fā)展“比火或電的影響更深遠”。普華永道預(yù)測，到2030年，人工智能將為全球經(jīng)濟增加16萬億美元。
值得關(guān)注的是，同時包含“疫情”和“自動化”兩大關(guān)鍵詞的新聞報道數(shù)量最近一年同比增長了25%。
機器人能替代一切嗎
但《經(jīng)濟學(xué)人》的文章稱，隨著各經(jīng)濟體的重啟，勞工短缺的困局仍在加劇。美國的勞動崗位空缺數(shù)量達到930萬，創(chuàng)歷史新高。加拿大的這一數(shù)字比新冠肺炎疫情前高出20%。即使是在經(jīng)濟重啟速度較慢的歐洲，也有越來越多的雇主抱怨招聘難。對勞動力短缺的討論一直圍繞福利政策和經(jīng)濟動蕩展開。
諾貝爾經(jīng)濟學(xué)獎得主約瑟夫·斯蒂格利茨在近期發(fā)表的一篇文章中表示，新冠肺炎疫情帶來的外部成本正“促使人們加速開發(fā)和采用新技術(shù)以將人的工作自動化”。美國麻省理工學(xué)院的達隆·阿西默格魯去年在美國國會聽證會上表示，越來越多的公司“在用機器取代工人”。
經(jīng)濟學(xué)家確實有充分理由相信取代越來越多就業(yè)崗位的自動化浪潮將洶涌而來。經(jīng)濟衰退往往導(dǎo)致企業(yè)使用更多的機器人，其中的一個重要原因是如果公司收入下降但工人工資不降，勞動力成本就會變得更高。
國際貨幣基金組織的一項研究表明，在大流行病的背景下，企業(yè)老板們還有一個額外的動力來推進自動化——機器人不需要保持社交距離，也不會生病。而由于政府的經(jīng)濟刺激計劃讓企業(yè)也有了一些閑錢，或許他們現(xiàn)在就可以拿這些錢來購置機器人或人工智能軟件。
人類終將失去工作的預(yù)言不絕于耳，關(guān)于自動化的爭論一直沒有停止過。美國《紐約時報》的一篇文章稱，一些研究顯示可被自動化取代的職位在去年大量減少，但這是因為技術(shù)變革還是因為封城措施所導(dǎo)致的還很難分辨。雖然美國的GDP已經(jīng)恢復(fù)到接近疫情前水平，而與此同時就業(yè)數(shù)字仍比疫情之前低700萬。有人認為這表明即便勞動力大量減少，經(jīng)濟仍能正常運行。然而，這可能只是因為勞動者的平均生產(chǎn)率在提高，也可能是因為一些尚未被充分了解的因素，比如遠程工作。
隨著對新冠肺炎病毒恐懼的逐漸消退，許多目前尚未就業(yè)的人會找到適合自己的工作，繼而推動超越疫情前水平的生產(chǎn)力提升。
而機器人興起取代更多就業(yè)機會的說法也顯得牽強——不單單是因為存在企業(yè)招不到人的情況。在美國，收入最低的那些工人被認為最容易被自動化技術(shù)所取代，但他們目前工資上升的速度已超過平均水平，與2008年金融危機后的情況正相反。
新冠肺炎疫情前，可被自動化技術(shù)取代的崗位相對呈減少趨勢，到2019年降至占崗位總數(shù)的57%。疫情發(fā)生之后這個趨勢仍在繼續(xù)，而且有證據(jù)顯示它因疫情而加速。目前有55%的澳大利亞人從事容易被自動化取代的工作，在新西蘭也有類似的趨勢。然而，澳大利亞的失業(yè)率幾乎和疫情之前一樣低，雇主們對勞動力短缺的抱怨甚至比美國還要大。這樣看來，自動化并沒有把人丟進“垃圾堆”。
也許認為機器終將取代工人的悲觀主義情緒是因為人們對機器進軍就業(yè)市場的長久恐懼，而并非基于冷靜的分析，畢竟幾個世紀(jì)以來的技術(shù)進步從未導(dǎo)致廣泛的結(jié)構(gòu)性失業(yè)。擁有更多機器人的國家失業(yè)率往往更低而非更高。
對技術(shù)性失業(yè)的擔(dān)憂是另一種表現(xiàn)，反映出人們對技術(shù)根深蒂固的迷戀和恐懼，也反映出許多經(jīng)濟學(xué)家希望政策制定者能多關(guān)注一個群體的就業(yè)前景——他們?nèi)狈晒┰谑袌錾贤其N自己的技能，總是最容易受到經(jīng)濟轉(zhuǎn)型和危機的影響。
人工智能的短板同樣明顯
毫無疑問，人工智能領(lǐng)域已經(jīng)取得了顯著進展，在諸多以前難以解決的問題上，計算機的表現(xiàn)已大幅改進。2010年年初，新的機器學(xué)習(xí)技術(shù)推動圖像識別和語言處理等得到快速改進，學(xué)術(shù)界為之興奮，之后便開始推廣到企業(yè)。最先擁有人工智能技術(shù)的是互聯(lián)網(wǎng)巨頭。這些巨頭擁有大量計算資源和海量數(shù)據(jù)，因而他們擁有更好的條件使用這項技術(shù)。
如今，現(xiàn)代人工智能技術(shù)驅(qū)動了搜索引擎和語音助手、解鎖智能手機和人臉識別系統(tǒng)以及嘗試識別社交媒體上不受歡迎的帖子的算法。從皮查依拿它類比電和火就可以看出，機器學(xué)習(xí)是一種通用技術(shù)，能夠影響整個經(jīng)濟走向。該技術(shù)擅長識別數(shù)據(jù)中的模式，而且在任何地方都適用。比如，銀行可以用它評估信用風(fēng)險，防范詐騙；政府可以用它監(jiān)控社會福利支付；人們可以“刷臉”消費；鳥類學(xué)家可以用它來分辨不同的鳥叫；天文學(xué)家可以用它來尋找行星……
不過，今天的人工智能技術(shù)真的可以帶來翻天覆地的變化嗎？《經(jīng)濟學(xué)人》指出，人們已經(jīng)開始意識到人工智能的局限——盡管取得了這樣大的成功，但關(guān)于人工智能的斷言再度成空。研究人員開始懷疑人工智能是否已經(jīng)遇到了瓶頸，人們的信心也開始動搖——無人駕駛不斷更新技術(shù)，但離能滿足人們的日常需求、足夠安全地上路始終還差一步。同樣，將人工智能整合到醫(yī)學(xué)診斷中的努力比預(yù)期花費的時間更長，全球范圍內(nèi)人類放射科醫(yī)師仍然短缺。
心臟病學(xué)家、熱衷于人工智能研究的艾瑞克·托波爾在2019年調(diào)研了醫(yī)療人工智能領(lǐng)域后寫道：“人工智能炒作的水平遠遠超過了其自身的科學(xué)水平，尤其是在患者護理方面?！?
那些預(yù)測人工智能會改變世界的學(xué)者們也在報告中說，許多公司的管理者發(fā)現(xiàn)人工智能并不像預(yù)想中那么好，對它的熱情也正在降溫。研究機構(gòu)高德納公司表示，從2020年開始，在其公司提出的著名“炒作周期”理論中，人工智能技術(shù)可能進入到了下行階段。投資者開始意識到了市場的跟風(fēng)效應(yīng)：風(fēng)投基金MMC對歐洲人工智能創(chuàng)業(yè)公司的一項調(diào)查發(fā)現(xiàn)，有四成公司似乎根本沒有用到任何人工智能技術(shù)。“投資營銷絕對是個重要因素”，一位分析師含蓄地表示。
盡管當(dāng)前的人工智能技術(shù)功能強大，但其局限性也明顯存在。首先是實際操作上的。機器學(xué)習(xí)革命建立在三個事物基礎(chǔ)上：改進的算法、運行算法更強大的計算機以及更多可讓算法從中學(xué)習(xí)的數(shù)據(jù)。但數(shù)據(jù)并不總是現(xiàn)成的，即使數(shù)據(jù)存在，數(shù)據(jù)本身也存在“假設(shè)性”。其次，人工智能并不具有大多數(shù)人所理解的那種“只會”，它們是強大的模式識別工具，算法只是基于對過往大數(shù)據(jù)的梳理，但對劇變時代的前瞻性不夠，沒有對生物大腦而言理所當(dāng)然的認知能力，難以做出推理、歸納和總結(jié)，也難以獲得應(yīng)變能力。它們可以在清晰界定的任務(wù)上表現(xiàn)杰出，但如果遇到意料之外的事物則可能錯得離譜。如果不出現(xiàn)一項新的突破，這些弊端就從根本上限定了人工智能可以做什么、不可以做什么。
