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
1704605307
1704605308
1704605309
1704605310
图18 按照收入和受教育程度划分的工作岗位面临的自动化风险
1704605311
1704605312
1704605313
1704605314
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。
1704605315
1704605316
注释：本图描述了按照中位年收入和受教育程度划分的工作岗位面临自动化的可能性。平均而言，工资较高的岗位和要求受教育水平较高的岗位较少受到自动化的影响。
1704605317
1704605318
自从我们第一次发表文章以来，一些新出现的研究得出了不同的结论。比如经合组织的研究估计，14%的工作有被取代的风险，另有32%的工作面临着重大变化的风险。 53 经合组织误以为我们重点关注的是工作岗位而不是任务，因而高估了自动化的范围。但他们忽略了一个事实：我们的研究是基于工作岗位所承担的任务来推断自动化程度的。据我们估计，即使算法在医疗诊断等任务中应用得越来越普遍，医生也不会面临被自动化取代的风险。记者不会因为人工智能算法现在能大量生产粗糙的短新闻而受自动化的影响。据我们估计，就算记者和医生处理的工作包含某些可以实现自动化的任务，他们也不会被自动化取代。那么，为什么经合组织的预测和我们的结论存在如此大的差异呢？一种解释是他们使用的职业数据精细度不够，另一种解释是他们的模型与我们的训练数据集相比表现不太好。 54
1704605319
1704605320
然而，我们的研究尽管在结论上存在差异，但一致认为非技术型工作最容易受到自动化的影响。 55 奥巴马总统的经济顾问委员会采纳了我们的预测，按照工资水平把最有可能被自动化所取代的职业进行了分类。他们发现在从事时薪低于20美元的工作的人群中，83%的人被取代的风险很高；但在时薪高于40美元的工作中，只有4%的人面临被取代的高风险。 56 这说明除非有其他力量抵消这一趋势，否则非技术工人在劳动力市场中的前景将继续恶化。我们在第九章中提到，许多常规工作在第一次自动化浪潮中被取代，迫使很多美国人失去了体面的中产阶级工作，只能去从事低收入的服务业工作。如今这些低技能工作很多也面临着自动化的威胁。可以想象，下一波浪潮可能会继续压低中产阶级的工资，许多中产阶级成员已经在竞争低收入工作岗位了。曾担任奥巴马政府经济顾问委员会主席的哈佛大学教授贾森·弗曼（Jason Furman）说：“我们已经了解了一些趋势，比如，我们购物时拿着商品去自助结账台付款而不是去找收银员结账；当我们拨打客服电话时，接听电话并与我们沟通的是自动化客服代表”。 57
1704605321
1704605322
因此，存在着一个普遍的误解：自动化将取代技术工人的工作。马丁·福特（Martin Ford）在畅销书《机器人时代》（Rise of the Robots）中断言：“许多专业技术人员（包括律师、记者、科学家和药剂师等）已经受到了不断前进的信息技术的极大侵蚀。因此，接受更多教育、掌握更多技能在未来不一定能有效地抵御工作岗位的自动化。” 58 虽然在他强调的工作岗位中，许多工作包含了一些能实现自动化的任务，但它们同样包括许多不能实现自动化的任务。比如，最近达纳·雷穆斯（Dana Remus）和弗兰克·利维通过分析律师的开票记录发现，如果马上在律师工作中采用人工智能和与其相关的应用程序（虽然可能性很低），律师们能够节省约13%的时间。律师的大部分工作时间都用在了法律文书写作、事实调查、谈判、出庭和为客户提供咨询等工作内容上。正如雷穆斯和利维解释的那样，律师不仅需要预测，“还需要了解客户的情况、目的和利益，创造性地思考如何依法为客户的利益提供最好的服务。有时候律师需要拒绝客户提议的行动方案并建议其合规。这些事务都需要频繁的人类互动和高智商，至少目前还无法实现自动化”。 59 令人欣慰的是，我们的算法同样得出了律师工作的自动化风险很低的结论。
1704605323
1704605324
阿玛拉定律
1704605325
1704605326
虽然自动化涉及的范围很广，但它的发展速度又是另一回事了。和西蒙的预测一样，我们的预测仅仅基于对计算机能完成的任务进行观察；我们也没有预测变革的节奏，因为它还取决于技术本身之外的很多不可预测的因素。 60 我们当然也不指望那47%的工作很快实现自动化，我们强调了可能影响自动化步伐的很多因素。我们的底线是，本书讨论的所有原型技术不会同时到来，这些技术的推广也不会一帆风顺。监管、消费者的偏好、工人的抵制以及许多其他变量都会影响技术得到采用的速度。因此过高的期待往往伴随着幻灭。正如罗伊·阿玛拉（Roy Amara）的著名论断，“人们总是高估一项技术所带来的短期效果，却又低估它的长期影响”。实际上，要了解过去的技术进步轨迹，阿玛拉定律（Amara’s Law）是很好的指南。
1704605327
1704605328
从历史角度来看，这一次自动化的范围也许不像我们有时认为的那样惊人。1870年，美国有大约46%的劳动力仍从事农业；但如今农业领域的劳动力大约只占1%（表1）。 61 拖拉机对农场劳动力需求的下降产生了关键作用（见第六章和第八章）。当柴油拖拉机出现后，尽管有人推断很多农场工作面临被取代的危险，但推广速度仍难以预测。
1704605329
1704605330
有很多因素阻碍了拖拉机的推广。第一，日益复杂的机器需要更熟练的操作员。早先时候，农民们通常等着采购拖拉机，想看看其他农场的劳动者多久才能掌握操作拖拉机所需的机械技能。正如1918年《纽约时报》上的一篇文章评论的那样，“拖拉机这么好的机器不能交给技术差的操作员来操作……对买家来说，找到一流的操作员比买到一辆拖拉机更成问题”。 62 同一年，纽约州立农业学院宣布开设为期三周的拖拉机与卡车操作员培训课，目的在于弥补技能差距，加快机器推广。第二，和其他通用技术一样，在不同的应用场景中，拖拉机的推广速度不同。“最初的拖拉机只适合耕种和收割小的谷物。直到20世纪20年代末，这一技术才成为通用技术，被用在了玉米、棉花和蔬菜等分行列种植的庄稼上。” 63 有些应用场景直到机械发展后期才出现。
1704605331
1704605332
第三，即使拖拉机变得更加普遍，然而农村仍存在着大量的廉价劳动力，这意味着很长一段时间内农业机械化都没有经济意义。然而，第二次工业革命不断创造新的高薪工业工作岗位，许多美国人离开农村去城市工作，这为机械化的发展提供了更多动力。但即便如此，拖拉机在许多情况下仍不经济。它们主要被用在了依赖雇佣劳动的大型农场。许多低收入农民非常抗拒风险，相比于投资昂贵的拖拉机，他们更愿意用马匹——尽管这意味着他们不得不留出大量土地种植饲料。如果不能一次性购买，偿还贷款就又成了阻碍拖拉机推广的一个重要因素。1921年《纽约时报》的一篇文章指出，美国农场中仍有1700万匹马，但只有246,139辆拖拉机。这篇文章十分关心拖拉机推广的滞后问题,它认为需要外力的助推来提高农业生产率。 64 10年之后，推动力出现了。20世纪30年代，经历了10年的大萧条，拖拉机的推广进程终于加快了，因为新经济政策（如商业信贷公司和农业信贷管理局的出现）降低了价格风险，同时降低了利率，让农民有了现金。 65