1700514069
1700514071
经济学家的研究结果
1700514072
1700514073
预测人工智能会引发的失业规模，已经成了全球经济学家和咨询公司的主流研究课题，使用不同的研究模型会得出不同结果。这些结果的数字有的大到令人恐惧，有的看起来还算安全。因为针对中国市场的优秀研究少之又少，因此我们在此主要介绍对美国的研究，然后通过这些结果来推导中国的情况。
1700514074
1700514075
2013年，牛津大学两位研究人员的论文做出了一个可怕的预测：在未来10年或20年内，美国47%的工作可能实现自动化。(17) 论文的作者卡尔·本尼迪克特·弗雷（Carl Benedikt Frey）和麦克尔·奥斯本（Michael A.Osborne）请机器学习专家评估70种职业在未来几年实现自动化的可能性。之后，他们将此数据与机器学习的主要“工程瓶颈”清单（类似于指示上图“安全区”的特征）相结合，使用了一个概率模型来预测另外632种职业实现自动化的难易程度。结果显示，在未来几十年中，美国近一半的工作都处于“高风险”区。尽管两位作者反复提醒：该研究最重要的是评估哪些工作“在技术上可以”由机器执行，而不是实际的工作流失和失业规模。但一石激起千层浪，后续的媒体报道基本上没有说明这些重要细节，而是发出警告：“有半数的劳动者很快就会失去工作。”
1700514076
1700514077
不过，2016年，经济合作与发展组织（OECD）的三名研究人员利用另一个模型，得出的预测似乎直接反驳了上述研究的结果：美国只有9%的工作面临自动化的高风险。(18) 两项研究的结果为何差距如此之大？原因是奥斯本和弗雷采用了“职业分析法”。这种分析模型请机器学习专家判断的是单一工作岗位可实现自动化的可行性。而OECD团队认为，被“自动化”的不是整个工作岗位，只是岗位职责中的一部分。OECD团队论证称，以岗位为最小单位的方法忽略了那些人类可以执行，但算法不能执行的许多任务，如与同事展开团队合作、与客户面谈等。对此，OECD团队提出了“工作任务分析法”，将每个工作岗位分解为许多不同的活动，然后看有多少活动可以自动化。在此模型中，报税人不仅是一个岗位，还拆分成了一系列可以自动化的任务（如审查收入文件、计算最大扣减等），以及一些不可自动化的任务（如会见新客户、向客户解释决定等）。之后，OECD团队使用概率模型找出“高风险”的工作比例（至少70%的岗位职责可自动化）。如上所述，他们发现在美国仅有9%的工作属于“高风险”类别。将同一模型用于其他20个OECD国家，高风险工作的比例范围也只是在6%（韩国）到12%（奥地利）。
1700514078
1700514079
“工作任务分析法”基于岗位职责划分进行研究，这一方法得到了多数研究人员的认可。但不是所有人都同意OECD团队的乐观结论。2017年年初，普华永道的研究人员使用“工作任务分析法”得出了自己的估算：到21世纪30年代，美国38%的工作都存在被自动化的高度风险。(19)
1700514080
1700514081
在参考了这些大相径庭的预测之后，麦肯锡全球研究院（McKinsey Global Institute）的研究人员得出了一个折中的估算结果。我协助麦肯锡全球研究院进行了与中国相关的研究，并共同撰写了关于中国数字化现状的报告。麦肯锡团队同样使用“工作任务分析法”得出的结论是，全球大约50%的“工作任务”在技术上已经实现自动化。(20) 中国的这个数字是51.2%，美国为45.8%。但是他们不认为人的工作会那么快被人工智能取代，他们预测2030年会有30%的任务和14%的工作被人工智能取代。
1700514082
1700514083
结合不同研究方法的结果，美国各类工作被自动化的可能性在9%到47%。即便只采用“工作任务分析法”，结果仍为9%到45.8%。如此大的数据差，代表未来既可能实现社会繁荣发展，也可能发生彻底的就业危机。面对差异性如此大的预测，我们应该认真思考这些研究究竟告诉了我们什么，以及我们可能忽略了什么。
1700514084
1700514086
这些研究忽略了什么
1700514087
1700514088
我尊敬做出以上预测的经济学家的专业水平，但我并不认可OECD团队的预测。这种差异源于两种分歧：一是输入的数据，二是我对人工智能改变就业市场的设想。
1700514089
1700514090
我对输入数据不认同，原因是他们用2013年人工智能的技术水平来评估未来。经过了5年，机器学习的准确性和能力已有重大进步。当时，极少有专家能够预测到深度学习会发展得如此出色、如此快速。这些令人意想不到的巨大进步，扩展了人工智能在真实世界应用的可能，也增加了对就业率的影响。
1700514091
1700514092
例如在ImageNet图像识别算法大赛中，我们就可以看到明显的进步。在这场竞赛中，各个团队需要提交不同的算法，在成百上千万张不同的图片中，识别几千种不同的对象：鸟、棒球、螺丝刀和清真寺。它很快成为最受推崇的图像识别算法大赛，同时也成了人工智能计算机视觉领域进步的公认标杆。当牛津机器学习专家在2013年年初预测技术能力时，深度学习才第一次出现在刚结束的2012年ImageNet大赛。那一届比赛，杰弗里·辛顿的团队利用深度学习技术实现了低至16%的错误率创下了新纪录，之前从未有团队达到过错误率在25%以下的水平。但到了2017年，几乎所有团队都能将错误率降到5%以下。
1700514093
1700514094
另外，人工智能的巨大进步并不局限于计算机视觉领域，比如在语音识别、机器阅读和机器翻译领域，新算法也在不断创造纪录和打破纪录。总体而言，这些技术进步和新兴应用让我倾向于采用“工作任务分析法”得出的预测上限。
1700514095
1700514097
两类失业：“一对一取代”和“彻底清除”
1700514098
1700514099
但是，除了对于输入数据的分歧外，我认为“工作任务分析法”也存在误差，因为它遗漏了另一种完全不同的可能导致职业消失：由人工智能推动的新商业模式引起的全行业变革——我称为“产业分析法”。
1700514100
1700514101
上述研究多数由经济学家完成，在预测哪些工作存在自动化风险时，经济学家关注的是人在开展工作时完成了哪些任务，同时考察机器是否可以完成一样的任务。换句话说，“工作任务分析法”研究的是机器一对一取代人类工人的可能性。而我是一名技术专家和早期风险投资者，我的专业背景教会我尝试以不同的方法解决问题。在职业生涯早期，我致力于将先进的人工智能技术转化为有用的产品。同时，作为风险资本家，我也投资和协助一些新的创业公司。这两份工作让我发现人工智能对工作岗位构成的威胁不只是“一对一取代”，还有“彻底清除”。
1700514102
1700514103
我投资的许多人工智能公司，都在尝试开发可以取代某类工人的单一人工智能驱动产品，如可以完成仓库搬运工工作的机器人，可以完成出租车司机核心任务的自动驾驶汽车算法等。如果取得成功，这些公司会向客户销售其人工智能产品，而客户可能解雇被替代的剩余劳动力。这些“一对一取代”的工作类型，正是经济学家利用“工作任务分析法”所研究的课题核心。
1700514104
1700514105
但还有一种完全不同的人工智能创业公司：它们想从根本上重构整个行业。这些公司并不是想用同样功能的机器人取代工人，而是追求通过新的方式来满足整个产业用人的基本需求。如智融集团（Smart Finance），人工智能驱动的借贷公司，未雇用任何人类信贷员、F5未来商店（无人餐馆）等创业公司是这类公司的杰出代表。算法没有取代这些公司的员工，因为这些公司从来就没有雇用人类员工。但是随着这些公司优质而低价的服务逐渐占据市场，它们会给雇用人类员工的竞争对手造成压力。它们的对手将被迫从头开始调整，如重构工作流程、利用人工智能、裁员等，否则就面临倒闭的风险。最终结果是一样的：人类工人将会越来越少。
1700514106
1700514107
这种原因导致的失业，是众多采用“工作任务分析法”做研究的经济学家没有预测到的。如果将这种划分方法应用在新闻类app上，预测“编辑”这个岗位的自动化程度，会发现有很多任务是机器无法完成的，如阅读和理解新闻专题文章、主观评估应用用户的适合性、与新闻记者以及其他编辑沟通等。但是当今日头条研发算法时，他们并不是想用算法完成以上这些任务。相反，他们重新构思了新闻类app的核心功能——定制用户希望阅读的新闻故事列表——然后使用人工智能算法来完成。
1700514108
1700514109
我预计这种彻底的颠覆将会影响美国10%的就业岗位，受冲击最大的工种为市场营销、客户服务，以及涉及大量常规优化工作的行业，如快餐、金融证券甚至是放射医学。据报道，花旗总裁兼机构客户集团CEO杰米·福雷斯（Jamie Forese）表示，在未来5年内，花旗集团2万名技术与运营人员中，最多将有一半员工面临被裁员的境遇。(21)
1700514110
1700514111
这些改变会影响到“结合区”象限的就业，公司可能会交给少数员工去整合与客户互动的工作，用算法完成其他大多数幕后的单调工作。虽然所有人类工作不会全部消失，但工作岗位会大大减少。
1700514112
1700514113
比较下两种类型的自动化程度：一对一取代的比例为38%，彻底颠覆的比例约为10%。无疑，我们面临着巨大的挑战。我预计在未来10到20年内，美国有40%—50%的工作岗位是能够被人工智能技术取代的。而所有员工工作中任务的自动化比例也会不断增加，将会使他们对公司的价值不断降低。更多的失业人员将会争抢越来越少的工作岗位，这会使薪水进一步降低，导致许多人从事兼职或者共享经济里的“零工”。
1700514114
1700514115
当然，这并不意味着美国面临着40%—50%的失业率。社会冲突、监管限制会大大地延缓实际的失业率上涨，同时也会有新的工作岗位被创造出来，以抵消部分人工智能应用导致的失业现象。这些工作岗位可将人工智能导致的实际失业率减至25%，甚至更低，如10%或20%。
1700514116
1700514117
这些预测与贝恩咨询公司（Bain & Company）在2018年2月发布的研究结果相吻合。贝恩公司采取的是“总体分析法”来理解作用于世界经济的三大力量的相互作用：人口数量、自动化和分配不均。贝恩公司得出结论：到2030年，雇主对雇员的需求将减少20%—25%，也就是说美国失业人数将达到3000万—4000万。(22) 贝恩公司承认，的确有部分失业人员会步入新的岗位，这些岗位在今天可能很少见（例如机器人维修员），但是这种再就业对大规模且呈上升趋势的失业率无法造成实质性影响。何况，自动化带来的冲击并不局限于这20%—25%的失业人员。这份研究报告认为，如果再将薪水降低的因素考虑进去，那么近80%的美国劳动者都将受到影响。这将对工薪家庭带来毁灭性的打击。更糟的是，这种影响不像2008年全球金融危机之后，美国失业率短暂升高到10%。这将会是一种新常态：智能机器全面上岗，人类就业则阻碍重重。
1700514118
[
上一页 ]
[ :1.700514069e+09 ]
[
下一页 ]