1700411897
卢德党发动下层社会反抗机器，被镇压后不久，幸存的卢德党人就亲眼见证了他们的担忧变成了现实。在短短几年间，纺织和其他产品都经历了从手工生产向产业制造的转变。生产地点从家庭和村镇作坊转移到了大型工厂。为了确保劳动力和原料资源充足，尽可能地接近消费群体，这些工厂通常建在城市内部或分布在城郊地区。随着打谷机和其他农业设备的普及，推动了城市化的进程。在城市化的浪潮中，手工工人随着工作变动大规模地举家迁移。新建的工厂安装了最高效、最先进的机器，推动了生产力，但同时也弱化了机器操作员的责任和权限。技术手工业者沦为没有技术的工厂劳动力。
1700411898
1700411899
亚当·斯密早就认识到了，工厂专业化会导致工人技术退化。在《国富论》中，亚当·斯密写道：“他们一辈子都在重复一些简单的操作，这些操作的功能通常是相同的或非常类似的，工人没有机会理解自己的工作，也没有机会锻炼创造力，在面对前所未有的困难时寻找应急策略。”“因此，他们自然而然地就丧失了这些能力，并且大多数人会变得极其愚笨、无知。”亚当·斯密认为技能退化是不幸的，但这也是工厂生产效率提高不可避免的副产品。他曾举过一个非常著名的关于劳动分工的例子：原来，在一家生产大头针的工厂里，大头针高级工每制作一枚大头针都需要耗费很多精力。但是现在，几个没有技术的工人就取代了高级技工的工作。这些工人各自的任务非常有限：“第一个人将金属拉成丝，第二个人将金属丝拉直，第三个人剪切金属丝，第四个人磨尖针头，第五个人磨圆针顶。要制作大头针的针顶需要两三道独立的工序，制作大头针的形状和漂白大头针是两项特殊工序，甚至将大头针插到纸里也算是一道工序，在这个过程中，制作一枚大头针大概可以分成18道不同的工序。”没有工人知道如何制作一枚完整的大头针，但是工人们负责各自专属的部分并协同工作，就可以大规模生产大头针，这比相同数量的手工工匠单独工作所制作的大头针的总数还要多。并且，因为工人不需要什么技能或训练，制造商可以从大批潜在劳力中雇用工人，避免了为专门技术支付额外费用。
1700411900
1700411901
亚当·斯密还注意到，劳动分工可以推动机械化，进一步弱化工人的技能。制造商将复杂的流程分解成一系列定义清晰的“简单操作”，这样一来，设计一台机器分项执行这些操作就相对简单了。工厂工人的分工可以作为机器的设计说明书。20世纪初，得益于弗雷德里克·温斯洛·泰勒的“科学管理”哲学，在工业领域内，工人的技能退化就已经非常明显了。泰勒同亚当·斯密的观点一样，相信“只有通过最少的人力完成工作”才能实现“最大繁荣”。泰勒建议厂方为每一位机器操作员提供严格的机器使用说明，说明应描述工人所有的身体和思维的活动。泰勒认为，传统工作方式最大的缺点在于赋予个人太多的主动性和空间。只有遵照“规则、定律和惯例”，实现工作流程的标准化，才能达到最优效率，而机器的设计恰恰体现了这一点。
1700411902
1700411903
可以把工厂机械化比作一个系统，在这个系统里，工人和机器紧密相连，组合成一个严格控制的生产单位，机械化的工厂代表着工程技术和效率的胜利。正如卢德党预见的那样，工人成了齿轮，不仅丧失了技术，还牺牲了自主权，而且不只是经济自主权。这一切都是真实存在的，汉娜·阿伦特在1958年出版的《人之境况》（The Human Condition）中写道：“在整个生产过程中，手工工具一直是人类双手的仆人，但是机器就不同了，机器要求工人为它们服务，工人需要调整身体的自然规律以适应机器的机械运动。”技术推动了工具的进步（如果“进步”这个词是正确的），从提高工作能力的简单工具变成了限制人类的复杂机器。
1700411904
1700411905
20世纪后半叶，工人和机器的关系变得更为复杂。公司规模扩大，技术加速进步，消费者购买力爆炸式增长，随之而来的是，用工形式变得丰富，出现了新的职业。管理类、专业技术型和职员类的工作岗位激增，服务业就业市场也出现扩张。新的机器种类层出不穷，无论是工作中还是下班后，人们都在使用机器。泰勒主义的观点认为，要通过工作流程的标准化实现最优效率。虽然这种观点对企业运营产生了极大影响，但是在某些注重工人独创性和创造力的公司里，泰勒的观点并没有占得上风。像齿轮一样工作的员工不再是公司的理想员工。在这种情况下，计算机迅速扮演了双重角色，它肩负起泰勒所说的监控、衡量和控制工人工作的责任。公司发现，软件应用是实现程序标准化和预防差错的强有力的手段。当以个人电脑的形式出现时，计算机成了灵活的私人工具，赋予人们极大的主动权和自主权。计算机既是执行者也是解放者。
1700411906
1700411907
自动化不断普及，从工厂扩展到了办公室，与此同时，技术发展和工人技术能力下降之间的关联性也成为社会学家和经济学家激烈讨论的话题。社会学家哈利·布雷弗曼曾是一个铜匠，他在1974年出版了《劳动与垄断资本——20世纪劳动的退化》（Labor and Monopoly Capital: The Degradation of Work in the Twentieth Century），这本书的题目看起来很枯燥，但是内容颇富激情，将人们的争论推向了顶峰。回顾职业和工作场所技术进来的发展趋势，布雷弗曼认为，大部分工人都涌向了常规性工作，这种工作无须工人承担责任，没什么挑战性，也无法提供获取专业技能的机会。工人通常作为机器或计算机的附属品而存在。布雷弗曼写道：“随着生产资本主义模式的不断发展，技术的概念变得模糊，工人的技能随之退化，而衡量技能的标准也缩水了，现在人们甚至认为在上岗前接受几天或几星期的培训，就可以被称为技术性工种，接受为期几个月的培训是非常苛刻的要求，而需要经历半年或一年培训的工作——例如计算机编程则会让人心生敬畏。”布雷弗曼指出，相比之下，典型的手工工匠需要经历至少4年的学徒生涯，经常还会持续长达7年之久。布雷弗曼的观点深刻、表述细致，他的论文得到了广泛传播。他从马克思主义的视角看待问题，迎合了20世纪六七十年代初激进的社会氛围，就像榫眼匹配凸榫一样。
1700411908
1700411909
并不是所有人都接受布雷弗曼的论断。许多人批评他的研究，指责他过分强调了传统手工工人的重要性，即使是在18~19世纪，传统的手工工人在劳动力中所占的比重也不是很大。除此之外，他们认为布雷弗曼过于重视蓝领工人在生产过程中所需的手工技能，而忽视了白领和服务岗位所涉及的人际交往技能和分析技能。后一种批评指出了一个较为严重的问题：人们尝试找出并解释经济领域内人类技能的变化，但这一切都会变得复杂。技能是一个非常模糊的概念，有许多种形式，并且我们没有衡量或比较技能的客观方法。18世纪的补鞋匠在工作台前修补鞋子，21世纪的营销人员通过电脑制订产品推广计划，我们能说前者的能力更强吗？我们能说粉刷匠拥有的技能比理发师多吗？如果造船厂的管道工丢掉了原本的工作，但在接受了一些训练后，找到了新的工作——修理电脑，那他在技术的梯子上是升高了还是下降了呢？这类问题需要一个合理的答案，这让我们可以暂时将这个问题搁置一旁。最后，关于技能退化趋势的争辩，只能囿于对价值的判断，更别提技能提高、重获技能或其他技能问题了。
1700411910
1700411911
但是，如果布雷弗曼和其他人的广泛技能转变理论注定具有争议性，那么，当我们将关注点转移到个别职业和专业上，眼前的图景就变得更清晰了。此类案例层出不穷，我们发现随着机器精密度的提高，需要人类从事的工作变得越来越少了。很多人都忘记了，关于自动化影响人类技能的实验有很多，其中哈佛商学院教授詹姆斯·布莱特在20世纪50年代进行的实验的严谨度最高。该实验的对象是一组工人，他们来自13个不同的行业，从发动机制造工厂、面包房到饲料加工厂。布莱特极其详尽地研究了自动化对工人的影响。通过案例研究，布莱特对自动化进行了详细的分级。简单的手工工具是第一级，其间可分为17个层级，位于最高层的是通过传感器、反馈回路和电子控制来调节自运行的复杂机器。随着机器自动化程度的提高，技能要求（包括体力、脑力、灵敏度和概念理解等）会发生变化，布莱特对此进行了分析，他发现只有在自动化最初阶段（引入电动手工工具的时候），技能要求会有所提高。但是，随着机器复杂程度的提高，自动化对技术的要求有所降低。最终，工人开始使用高度自动化的、自动调节的机器以后，技能要求急剧下降。布雷弗曼在1958年出版的《自动化和管理》（Automation and Management）中写道：“看起来，机器的自动化程度越高，操作员的任务就越少。”
1700411912
1700411913
为了研究技能的退化过程，布莱特以金属工人为例子。当工人使用简单的手动工具，例如锉刀和切割机时，对工人的技能要求主要是工作知识，工作知识包括了解金属的质量和用途以及工人的身体灵敏度。引进了电动手动工具以后，工作的复杂性提高了，出错成本也随之增加。工人需要“更灵敏、更具决策力”、更专注。他成了一个“机械师”。机器可以完成一系列操作，例如铣床可以将金属块切割磨削成精确的三维立体形状，当机器取代了手用工具，工人的“注意力、决策力和控制责任被部分或大部分地削弱了”，也不再需要具备“机器功能、机器调整等技术性知识”。机械师成了“机器操作员”。当机器真的实现自动化——能通过编程实现自我控制，工人“对生产活动的贡献，无论是体力贡献还是脑力贡献都会减少，甚至没有贡献”。工人甚至不需要具备很多工作知识，因为这些知识已经通过设计和编码存储在机器里了。如果工人还需承担什么工作的话，也仅限于“巡视”了。金属工人变成了“看守人、监视器或帮工”，顶多算作是“机器和操作管理之间的联络员”。总之，布莱特总结道：“自动化具有一定的进步意义，首先是将操作员从手动工作中解放出来，接下来，操作员不再需要耗费大量的脑力劳动。”
1700411914
1700411915
在布莱特的研究之前，企业主管、政客和学者普遍认为，自动化机器对工人技能和培训的要求更高。布莱特惊讶地发现，情况往往相反：“并没有按照人们假设的那样出现升级效应。相反，更多的证据表明，自动化降低了对操作员的技术要求。”1966年，美国政府自动化和就业委员会公布了一份报告，在报告中，布莱特对他早期的研究进行了回顾，并讨论了在研究结束后的几年间技术的发展变化。布莱特表示，大型计算机在商业和工业领域的迅速普及推动了自动化持续快速发展。早期的证据显示，计算机的广泛使用非但没有阻止技术退化，反而起到了推动作用。布莱特写道：“教训会越来越明了——高度复杂的设备不一定需要具有专业技术的操作员。‘技术’可以内置在机器里。”
1700411916
1700411918
计算机的新技能
1700411919
1700411920
工厂里工人操作嗡嗡作响的机器，受过高等教育的专业人士在安静的办公室里通过触摸屏和键盘进入神秘的信息领域，这两者看起来没有什么相同之处。但是在这两个例子中，我们可以发现，人同自动化系统——另一方，共同承担某项工作。并且，布莱特的研究以及对自动化的后续研究均清楚地表明，无论是机器操作系统还是电子操作系统，系统的复杂程度决定了角色和责任的分配方式，以及所需的技能。机器的功能越来越强大，对工作的控制权也逐渐增加，工人专注培养高水平技能的机会在减少，例如理解和判断所需的专业技能。当自动化达到最高水平并控制了工作，技术熟练的工人将无路可走，只能退居其次。我们一定要注意，根据效率和质量的结果，人机结合劳动的直接产物可能凌驾于其他事物之上，但是人的责任和作用却被削弱了。科技历史学家乔治·戴森在2008年提出了这样一个问题：“如果会思考的机器的诞生将以人的思考被剥夺作为代价，那将怎么办？”我们继续把分析和决策的责任转交给计算机，这个问题逐渐显现出来。
1700411921
1700411922
决策支持系统的功能越来越强大，它能引导医生的想法，接管部分医疗决策工作，这反映了计算领域近来取得的巨大进步。当医生诊断患者时，会从大量专业信息里提取所需的知识，这些信息都是他们通过多年的严格训练、实践学习以及阅读医学杂志和相关文献积累而来的。如今，虽然计算机能够复制深层的、专业的隐性知识，要真正做到这一点，难度还是很大的。但是，处理速度迅速提高、势不可挡，数据存储成本和网络成本大幅下降，人工智能技术（如自然语言处理和图像识别技术）取得突破性进展，这一切都使得天平向计算机倾斜。现在，计算机查阅和理解大量文本及其他信息的能力比过去要强得多。通过发掘数据之间的内在联系——被动发现或同时、相继自动出现的特征或现象，计算机经常能做出准确的预测。例如，根据病人的种种症状，判断该病人是否已经患有某种疾病，或计算该病人患病的概率，以及判断某种药物或治疗方法具有一定疗效的概率。
1700411923
1700411924
机器具有学习能力，例如决策树和神经网络，可以不断规范现象间复杂的统计关系。随着处理数据总量的增加，计算机会收到有关之前预测准确性的反馈，计算机可以通过自身的学习能力，根据反馈，对后续的决策加以优化，不同变量的权重比例越来越精确，可能性预测能够更好地反映现实状况。现在，就像人一样，随着经验的累积，计算机变得越来越聪明。部分计算机科学家认为，新的“神经形态”微芯片可以在电路中嵌入机器的学习协议，在未来几年，将大幅提升计算机的学习能力。机器的识别能力将得到增强。我们可能不希望计算机变得“聪明”或是具有“智慧”，但事实却是，虽然计算机缺少医生的理解力、移情和洞察力，但它们能够对大量的数字信息进行统计和分析，复制医生的许多判断——这就是逐渐被人们熟知的“大数据”。现在，数字处理机器具有强大的数字运算能力，这使得过去对“智力”含义的争辩失去了意义。
1700411925
1700411926
计算机的诊断技术只会越来越强。计算机收集和存储的个体患者的数据越来越多，这些信息以电子病历、数字影像、数字检查结果以及药房记录的形式出现，在不远的将来，还会有私人生物传感器读数和健康监控应用数据，计算机越来越擅长寻找事物之间的联系，对概率的计算也会精确到前所未有的程度。模板和指导将越来越全面、详细。现在，医疗效率的提高带来了许多压力，我们很可能会看到泰勒提出的最优化理论和标准化理论占据整个医疗领域的局面。用号称基于实证的机器输出的统计数据替代人类的临床判断已是大势所趋，并且具有强劲的增长势头。如果没有全面的管理规定，软件会越来越多地接管诊断和治疗的控制权，这样一来，医生面临的压力就会越来越大。
1700411927
1700411928
客观、准确地说，医生们可能很快就会发现，他们扮演了人类传感器的角色，收集信息，帮助电脑做出决策。虽然医生负责为病人做检查，将数据输入计算机，形成电子病历，但诊断病情和提出治疗方案的任务却由计算机主导。计算机自动化沿着布莱特提出的机器等级理论节节爬升，而医生的技能则注定要一步步退化。过去，技能退化只困扰工厂工人，而现在，医生也在某种程度上面临这一问题。
1700411929
1700411930
医生并不是特例。计算机对精英行业的入侵正在四处蔓延。我们已经看到了，专业系统可以预测风险和其他可变因素，影响了公司审计员的思维方式。其他金融类职位，从信贷员到投资经理，都要依靠计算机模型做出决策。现如今，计算机和程序员相互通联，控制了华尔街的大部分业务。尽管华尔街的公司经常缔造利润新纪录，但是2000~2013年，纽约市的证券交易员骤减了1/3，从15万人降至10万人。一位金融产业分析员向彭博社记者透露，经纪公司和投行的最高目标是“实现系统的自动化，摆脱交易员”。至于现在在岗的交易员，“他们的工作不过是点击计算机屏幕上的按钮罢了”。
1700411931
1700411932
上述情况不仅出现在简单的股票和证券交易方面，复杂的金融工具的组合和交易也是如此。技术分析员、前投资银行家阿什维尼·帕拉梅斯瓦兰表示：“银行已经尽了很大的努力，来减少金融衍生品定价和交易所需要的技能和专业知识。交易系统大幅升级，将尽可能多的知识嵌入软件。”预测算法甚至已经进入了风险投资领域，这是金融业的最高殿堂，顶尖的风险投资人员一直以自己卓越的商业和创新嗅觉为傲。著名的风险投资公司，例如铁石集团和谷歌风投，现在都在使用计算机从记录中挖掘企业的成功模式，依此进行相应的投资决策。
1700411933
1700411934
法律领域也存在类似的趋势。多年以来，律师通过计算机在法律数据库里搜索资料，准备文件。而今，软件在律师办公室里的地位逐渐提高。原来，初级律师和律师助手通过传统的方式搜集资料，他们需要阅读大量的信函、电子邮件和记录，而现在，这一道关键工序已经大部分实现了自动化。计算机可以在数秒内对上千页的电子文档进行阅读和分析。通过具有语言分析算法的电子搜索软件，机器可以找到相关的单词和短语，还能识别出连锁事件、人物关系，甚至个人情感和动机。一台计算机就能取代几十名高薪专业员工。文件准备软件也得到了优化。律师通过填写简单的检查事项，就可以在一两个小时内整理出一份复杂的合同，而原来这可要花上好几天的时间。
1700411935
1700411936
更大的变革即将到来。法律软件公司正在着手开发统计预测算法，通过分析数千个过往案例，这种算法能提供庭审策略建议，例如审判地点的选择或和解协议条款等，成功率很高。很快，软件就将拥有判断力，到目前为止，高级诉讼律师要具备一定的经验和洞察力才能做出判断。斯坦福大学的法学教授和计算机科学家于2010年创立了法律机器（Lex Machina）分析公司，对即将发生的事情进行预测。该公司的数据库存储了超过15万的知识产权案例，他们借助计算机，对法庭、首席法官、参与诉讼的律师、诉讼当事人、相关案件结果以及其他因素进行分析，预测在不同的情境下，专利案可能出现的结果。
1700411937
1700411938
预测算法也将逐步取代企业家的决策。现在公司每年在“人员分析”软件上花费数十亿美元，实现雇佣、薪酬和晋升决策的自动化。施乐公司完全依靠计算机进行招聘，筛选出5万名电话中心工作人员。应聘者需要坐在电脑前进行一个半小时的性格测试，招聘软件会立即给出分数，这个分数将反映应聘者未来的工作表现、工作可靠性和坚持工作的可能性。公司向得分较高的应聘者发放入职通知，对于得分较低的应聘者，只能说再见了。UPS[1]使用预测算法为司机绘制每日的行车路线。零售商借助预测算法，决定货架上商品的最佳布局。营销商和广告公司利用预测算法，决定发行广告的时间和地点，并在社交网络上发送推广信息。经理们渐渐发现，他们扮演了软件帮手的角色。对于计算机做出的计划和决策，他们会简单检查一下，然后就不假思索地予以通过。
1700411939
1700411940
有一个具有讽刺意味的故事。在20世纪最后的10年里，经济的重心从物质商品转变为数据流，在这一过程中，计算机给信息工作者带来了新的身份和财富。他们以操控屏幕上的标记和符号为生，成了新型经济的主角，而此时，长期以来支撑中产阶层的工厂工作被转移到了海外，或是交由机器人去完成。20世纪90年代末出现了互联网泡沫，在那几年里，经济一片欣欣向荣，财富从计算机网络涌出，进入个人经纪账户，似乎开启了一个充满无限经济机会的黄金时代——技术推动力被打上了“长期繁荣”的标签。但是美好的日子转瞬即逝。现在，我们发现，正如诺伯特·维纳预测的那样，自动化并没有厚此薄彼。计算机擅长分析符号，解析管理信息，也能向工业机器人发号施令。软件甚至夺走了那些复杂的计算机系统操作员的工作，例如数据中心，就像工厂一样，不断提高自动化的程度。如谷歌、亚马逊和苹果这样的公司操控的大型服务器群组，基本可以实现自运行。虚拟化作为一种工程技术，通过软件复制硬件（如服务器）的功能，正是得益于这项技术，人们可以通过算法监控设备的运行，并能在几秒钟内自动检测并解决网络问题和应用程序的小故障。意大利媒体学者提出了“劳动智能化”的概念，很可能20世纪末的“劳动智能化”只是21世纪“智力自动化”的序幕。
1700411941
1700411942
我们很难预测，在模仿人类视角和判断的征程上，计算机到底能走多远。根据计算机近来的发展趋势推断，这一切可能只是空想。但是，即使我们不认同大数据狂热分子夸张的鼓吹，认为基于关系的预测和其他形式的统计分析在应用性和实用性方面还存在种种局限，有一点却很明确：计算机离突破这些局限还差得远呢。2011年年初，IBM的超级计算机Watson彻底打败了两名顶尖选手，获得了智力竞赛节目的冠军，那一刻，我们看到了计算机分析技术的未来。Watson解读线索的能力惊人，但是按照当时人工智能程序的标准来看，计算机的胜利并不是个意外。事实上，计算机在庞大的文档数据库里搜索可能的答案，然后同时从多条推测路径进行预算，最终确定可能性最高的正确答案。但是，计算机运转得非常快，以至于它能在一些需要技巧的比赛，如知识问答、文字游戏和记忆力比赛中战胜聪明的人类选手。
1700411943
1700411944
Watson标志着实用新型人工智能的成熟。回顾20世纪五六十年代，数字计算机还是个新事物，许多数学家、工程师、心理学家和哲学家认为，人类大脑应该像数字计算机器那样工作。他们将计算机比作人类大脑，是一种思维模型。这样一来，创造人工智能就顺理成章了：首先得到大脑内运行的算法，然后将这些程序转变为软件代码。然而，仅仅做到这些还不够。最初的人工智能以悲剧收场。结果证明，不管大脑如何运行，我们都不能将其简化成计算机算法。现在，计算机科学家正在采用另外一种完全不同的方法研究人工智能。起始阶段，这种研究方法可能不会显示出强劲的势头，但是效果更好。研究人员不再以复制人类的思维过程为目标——这仍然超出了我们的知识范畴，而是复制人类思维产生的结果。科学家们注重思维的特殊产物。例如人员雇用决定或知识竞赛的答案，然后编写计算机程序，用计算机独有的无意识的计算方式，得到同人类思维相同的结果。虽然Watson的工作原理和人类参加智力竞赛时思维的运转方式完全不同，但是Watson还是能取得较高的分数。
1700411945
1700411946
20世纪30年代，英国数学家、计算机先驱阿兰·图灵在写博士论文的时候萌发了“预言机”的想法。这种计算机通过“不确定的方式”，应用显性规则获取存储的数据，它能回答的问题通常需要运用人类的隐性知识才能解答。图灵想知道“是否可能移除直觉，但保留智慧”。为了进行这项关于思维的实验，图灵假设机器进行数字运算的能力是无限的，运算速度也没有上限，可以承载无穷多的数据。图灵表示，“我们不设定需要多少智慧，所以假定智慧是无穷尽的”。同往常一样，图灵具有预见性，他知道算法内部隐藏着智慧，并预测借助计算机的高速运算，算法将发挥它的智慧。但是当时，很少有人同他持有相同的观点。计算机和数据库总是存在局限性，但是在某些系统（例如Watson）中，我们发现，预言机真的来了。原来这只是图灵的设想，现在工程师们将其变成了现实。智慧正在取代直觉。
[
上一页 ]
[ :1.700411897e+09 ]
[
下一页 ]