1704605257
1704605258
在人工智能的辅助下，工程师想出了巧妙的方法来减少商店内的劳动力需求。而且这种方法不需要通过复杂的自助结账程序将本该由收银员完成的任务转嫁给消费者。亚马逊的无人零售店Amazon Go就是取代型技术的一个典型的例子。如今全美大约有350万收银员。但当你走进一家Amazon Go商店，你连一名收银员甚至一个自助结账台都看不到。顾客走进来，扫描手机，再拿着他们需要的东西走出去。为了做到这一点，亚马逊利用了计算机视觉、深度学习和传感器方面的最新进展，以此追踪顾客、他们接触到的物品和带出的物品。当顾客离开商店，经过旋转栅门，亚马逊就能发出信用卡账单并发送至Amazon Go的应用程序。虽然Amazon Go的原型店在华盛顿州西雅图首次展示时，因为在追踪多个用户和物体时出现了问题而造成了延迟。但现在亚马逊在西雅图开了3家Amazon Go商店，在伊利诺伊州的芝加哥开了另一家，还打算在2021年之前再开另外3000家。从全球范围来看，腾讯、阿里巴巴和京东这些公司也在通过投资人工智能来实现相同的目标。
1704605259
1704605260
像京东这样的中国公司也开始加大无人仓库方面的投资。在位于上海的京东仓库内，图片扫描仪被用来引导机器。这些机器能处理所有的商品，其中大部分是消费类电子产品：“包裹在高速传送带上移动。遍布整个传送网络的机械臂会将物品放到正确的轨道上，用塑料袋或纸板包裹物品，并把它们放到电动圆盘上。电动圆盘运载着包裹穿行于一个像巨大棋盘一样的地板上，然后包裹被投入滑槽，进入袋子中。由计算机控制的带轮的架子将接收包裹并将其运到卡车上。在购物者下单后的24小时内，大部分商品就能通过卡车成功发出。” 38 如今，虽然京东在整个亚洲雇用了约16万工人，但它已经明确表示在未来十年内会将工人数量削减至8000以下。它预计那些剩下的工作所需的技能将大不相同。 39
1704605261
1704605262
仓库仍雇用了大量工人，主要原因在于订单的分拣工作仍主要由人类完成。在复杂的感知和操作任务中，人类仍具有比较优势。但也是在这些方面，人工智能让最近的许多突破成为可能。埃隆·马斯克（Elon Musk）在加利福尼亚州的旧金山设立了OpenAI实验室，其中名叫Dactyl的五指机械手见证了近年的一些令人印象深刻的变化：“如果你让Dactyl向你展示一个字母积木，比如红色的O、橙色的P或蓝色的I，它就会向你展示，然后灵活地旋转、扭动和翻转它们。” 40 虽然这对任何人来说都是简单的任务，但是这一成就的达成是建立在人工智能通过反复试错让Dactyl自主学习新任务的基础之上的。
1704605263
1704605264
然而，机器人要成为高效的操控者，就必须学会识别和区分不同种类的物体。几年前，这一领域最好的例证可能就是The Gripper了。它是一个配备了两根机械手指的抓手，比五指要容易操控得多。它能够对熟悉的对象（比如螺丝刀或番茄酱瓶）进行识别、操纵和分类，但面对未曾见过的物体，这些功能就统统失效了。 41 在存储物种类有限的仓库，这可能不成问题；但当仓库存储着成千上万种物品且还在源源不断地接收新商品时，就需要那种几乎可以分捡所有物品的机器人了。在加州大学伯克利分校的机器人实验室Autolab，研究者们正在使用人工智能构建这样的系统：
1704605265
1704605266
伯克利的研究者们对一万多件物品进行了实体建模，以此来探索分拣物品的最佳方式。然后，这一系统通过名为神经网络的算法分析所有的数据，学会识别分拣物品的最佳方式。在过去，研究者们必须针对每项任务分别给机器人编程，但现在它们能自己学会完成任务了。比如在面对塑料尤达玩具时，系统意识到应该用抓手把玩具捡起来；但在面对番茄酱瓶子时，系统会选择吸盘。抓手可以通过搭配一个随机装满物品的箱子来完成这一点。这一系统并不完美，但能够自己学习，而且正以比过去的机器快得多的速度不断改进。 42
1704605267
1704605268
因此，尽管在面对认知和控制任务时，机器人还远远比不上人类。但它们正变得足够精巧，能够在结构化的仓库环境中处理抓取物品、把物品放在托盘上然后把它们放在纸箱或盒子中等任务。正如进入工厂一样，机器人也逐渐被应用在了非制造业领域。如今的仓库自动化放在20世纪80年代也许就相当于工厂自动化。
1704605269
1704605270
诚然，上面讨论的许多人工智能技术仍是不完美的原型。但我们应该记住，几乎每一项技术在发展初期都是不完美的。比如对大部分观察者来说，第一部电话近乎荒诞。去适应通过听筒听到那种找不到来源的声音，这是一种完全不同于以往任何交流形式的体验。发表在《科学美国人》上的一篇早期的文章认为，电话是一项愚蠢的发明，人们会发现它几乎没用：“倾听者的存在是说话的尊严，对着一块铁说话简直荒唐。” 43 回顾过往，我们发现这种想法很愚蠢。但早期的电话是单线系统制作的，会有明显的失真：“在1878年，最近发明的电话只不过是一个科学玩具而已。为了使用电话，人们必须快速转动曲柄，对着话筒吼叫。只有在魔鬼般的尖啸和静电的闷声过后，人们才能隐约听到电话那头回复的声音。” 44 但仅仅10年后，这一技术看起来已经更有前景了。1890年，《时代周刊》的一名记者受美国电话电报公司（AT&T）的邀请，察看了长途电话的情况。项目总负责人A. S.希巴德（A. S. Hibbard）拨打了一个电话展示这项技术：“300英里外的波士顿的电话响起，然后有了一场愉快的对话。电话另一端的接听者是一位年轻女士，她立即就神智佛教的最新发展开始了热烈的讨论。她的嗓音不像平常说话时那么高，但电话的表现非常完美。” 45
1704605271
1704605272
下一次浪潮
1704605273
1704605274
越来越多的工作走向了自动化，但仅凭传闻我们无法知道未来的工作会在多大程度上被取代，哪些类型的工作会受影响。因此在2013年，我和我在牛津大学的同事迈克尔·奥斯本发表了题为“就业的未来：工作有多容易受计算机化影响”的文章，把寻找近期自动化的工程瓶颈问题作为评估当前的工作受人工智能领域最新工作进展的影响的手段。如前所述，计算机在基于规则的常规任务中具有相对优势，人类则更擅长其他事情。
1704605275
1704605276
常规工作在20世纪80年代开始大批消失，但一些经济学家仅仅通过观察计算机做的事情就准确预测了哪些领域的工作将更早被取代。1960年，劳动统计局开展的一项案例研究发现：“在受变革影响的员工中，从事过账、检查和维护记录、文件存档、计算、制作表格、用打孔机打孔及其他机器相关操作在内的常规工作的比例略高于80%，剩余的主要是行政、监督和会计工作。” 46 但若要给一个人颁发诺贝尔奖，因为他预测了工作的未来，那赫伯特·西蒙（Herbert Simon）应该获这个奖。他在1960年首次发表了题为“公司：它会由机器管理吗”的文章。 47 当然，西蒙也因对经济组织内的决策过程的研究而获得了诺贝尔奖。尽管西蒙没有列出一个清晰的框架，但他在观察技术趋势后做出了准确的判断。他认为计算机会接替工厂与办公室里的许多常规工作，这一想法是正确的。他准确地预测了将来仍会有许多产品设计、流程和综合管理方面的工作。他还预见到越来越多人会从事个人服务工作。换句话说，他早在中产阶级中空化现象发生前几十年就预测到了这一现象。
1704605277
1704605278
现在的问题是：在人工智能时代，计算机能干什么，不能干什么？
1704605279
1704605280
确定自动化的工程瓶颈显然不是一个经济问题，所以我很幸运迈克尔已经研究这个主题有一段时间了。在研究技术变革时，经济学家们面临的问题是他们必然会后知后觉（西蒙不仅是经济学家，也是一位备受推崇的计算机科学家）。我很难跟上实验室的所有最新进展。在我写经济学论文的时候，迈克尔一直在开发算法，拓展计算机如今能够完成的任务集。
1704605281
1704605282
在西蒙的精神指引下，我们着手去推断人类在哪些领域仍具有比较优势。我们并没有提出与超智能的前景相关的无法回答的问题，也没有试图预测将来的伟大发明，而是着眼于近在眼前的技术。用托马斯·马尔萨斯在工业革命开始时的话来说，“世界上的许多发现，在根本不可预见和意想不到的情况下就出现了……但如果谁在没有从过往的事实中得到任何类比和指引的情况下，就预测到了这些发现，他更应该被称为先知或预言家，而不是哲学家”。 48 本书讨论到的很多技术虽然仍是雏形，但我们仍可以预测它们可能会出现在市场上。虽然这些技术并不完美，但每一场技术革命在一开始都不完美。早期的蒸汽机只能用于矿井排水，但就算在排水领域它们的表现也不是很好。然而，托马斯·萨弗里、托马斯·纽科门和詹姆斯·瓦特都意识到蒸汽机是一项通用技术，并为蒸汽机设想了很多应用场景。如上所述，人工智能是另一项通用技术，现在已经在脑力和体力工作上都有应用。
1704605283
1704605284
由于潜在的应用范围如此广泛，迈克尔和我便从计算机仍表现不佳的领域和近年来技术发展受限的领域入手。比如，要想一窥机器社交智能的最新水平，可以考虑图灵测试，它可以衡量人工智能算法以一种与真人类似的方式进行交流的能力。每年的图灵测试竞赛都会为模仿人类真实对话场景最逼真的聊天机器人颁发勒布纳奖。比赛规则非常直接，人类评委使用计算机提供的文本，与算法和真人交流。然后评委必须尝试根据这些对话分辨两者。2013年我和迈克尔在一篇论文中说过：“迄今为止，复杂算法还远远不能用它们与人类的相似性来说服评委。” 49 然而一年后，一款叫作尤金·古斯特曼（Eugene Goostman）的计算机程序成功地让33%的评委相信了它是人类。随后有些人认为我们低估了变革加速的步伐，然而他们的观点夸大了尤金·古斯特曼的能力，它模仿了一个将英语作为第二语言的13岁小男孩。即使我们假设算法在某一时刻将在基础文本方面有效地复刻人类的社交智能，但许多工作以人际关系和复杂的人际交流为中心。计算机程序员会与经理人及客户展开交流，明确目标，确定问题，提出修改的建议。护士会与患者、家庭或社区合作，设计和实施改善整体健康的计划。募集资金的人会识别潜在的捐赠者，与他们建立联系。家庭医生会针对不满意的家庭关系为客户们提供咨询。天文学家们会建立合作研究并在会议上展示他们的发现。这些工作都远超计算机目前的能力范围。
1704605285
1704605286
还有许多工作需要创造力，比如能够提出新的、不同寻常的、灵巧的想法的能力。调查数据显示，物理学家、艺术指导、喜剧演员、首席执行官、视频游戏设计师和机器人工程师们的工作都涉及创造力。 50 从自动化的角度来看，挑战不在于产生创意，而在于产生有意义的创意。对计算机来说，想要创造一首原创的曲子、写一本小说、提出一个新理论、开发一款新产品或者开一个微妙的玩笑，原则上只需要一个可以与人类的丰富经验相当的数据库和能让我们对算法进行基准测试的可靠方法就行了。算法也完全可能通过访问交响乐数据库，标记一些交响乐的好坏，然后进行原创重组。目前的算法已经能创作多种风格的音乐，让人联想到特定的人类作曲家。但人们不仅能够基于现有的相关作品产生新想法，还能够利用生活中各方面的经验。
1704605287
1704605288
如上所述，算法在非受控环境中与各种无规律的对象产生交互方面仍存在诸多挑战。在视场混乱的情况下去识别物体及其属性，这类感知任务对算法来说已被证明仍是很难克服的。机器人仍然无法达到人类感知的深度和广度，人类感知的这种特性意味着操作上的进一步困难。任何人都能轻易区分需要清洗的脏罐子和栽培植物的罐子，但在这类任务中，机器人仍很难模仿人类。因此，像看门和清洁等许多类型的工作极难实现自动化。虽然单用途机器人能够完成清扫地板这样的单一任务，却没有一个多用途机器人能找到垃圾并清理垃圾。在工厂和仓库这种受控环境中，人们可以通过巧妙的任务重设来避开一些工程瓶颈，但家庭环境完全是另一回事。除了识别垃圾这类高难度的感知任务外，“更进一步的问题在于设计出类似柔软的人类四肢的机械手，它需要遵从动力学原理，提供有用的触觉反馈”。 51 最近很多完成简单任务的技术取得了进展，比如旋转字母块，用抓手抓起相似的物体，甚至是教机器人使用人工智能来辨别捡起东西的最佳方式。但先进的机器人控制多种物体的能力仍非常有限。大多数工业操作采用权宜之法来应对这些挑战。
1704605289
1704605290
考虑到这些工程瓶颈，迈克尔和我基于两万份独特的任务描述来开始探索工作自动化。 52 这些详细的信息带来了一个问题：有非常多的数据亟待处理。因此我们并没有检查每项单个任务，而是从中选取了70份工作样本。一些人工智能专家通过分析这些工作所包含的任务，判断这些工作是否可自动化。这就为机器学习研究者提供了训练数据集。虽然每份工作的任务描述都是独一无二的，但我们的数据库也提供了一些共有特征。基于这些特征，算法能够了解到可实现自动化的工作的共有属性，从而预测可能实现自动化的另外632份工作。因此，最终的样本涵盖了702份工作，覆盖了美国97%的劳动力。
1704605291
1704605292
在分析中使用人工智能不仅节约了时间和劳动力。我们的分析同样强调了一个事实，那就是在模式化识别方面，如今的算法远超人类。我们曾经很肯定服务员的工作不会走向自动化，但算法告诉我们这种想法是错误的。通过使用一种比我们所能做到的要更全面的方式分析服务员的工作和其他工作间的相似性，算法得出预测，服务员的工作容易受自动化的影响。实际上，在我们进行最初分析后的几个月里，我们就了解到麦当劳计划安装自助点餐亭。红辣椒餐厅（Chili’s Grill & Bar）计划推出他们的平板电脑预订系统。苹果蜂餐厅（Applebee）将在1800家店里使用平板电脑。2016年，新出现了一家名叫Eatsa的几乎全自动的连锁餐厅，顾客在平板电脑点餐台点餐，然后在巨大的售货机前等几分钟，新鲜的藜麦饭就出来了。厨房工作人员在售货机的另一端准备食物，但Eatsa没有雇佣任何服务员。
1704605293
1704605294
当然，这并不意味着所有的服务工作都会被取代。在许多情况下，消费者可能更喜欢人工服务的体验。我们可以确定的是，从原则上来说服务员的工作是可自动化的。我们很快会再次讨论影响技术采用的决定性因素。
1704605295
1704605296
图17是根据主要职业类别的就业份额绘制的职业受自动化影响情况示意图。从事办公室工作、行政、生产、交通运输和物流、准备食物以及零售等工作的美国劳动者占比很高，同时也更容易受自动化的影响。总的来说，我们的算法预测，美国47%的工作岗位都容易受自动化的影响。这意味着如果算法能够使用最新的受计算机控制的设备，拥有足够的数据，从技术的角度来看这些工作都可以实现自动化。在这些工作之中，大部分的共同点是收入低、教育水平要求不高（图18）。
1704605297
1704605298
1704605299
1704605300
1704605301
图17 按照主要职业类别划分的面临自动化风险的工作岗位份额
1704605302
1704605303
1704605304
1704605305
来源：C. B. Frey and M. A. Osborne, 2017, “The Future of Employment: How Susceptible Are Jobs to Computerisation?”, Technological Forecasting and Social Change 114 (January): 254–80。
1704605306