1704605403
然而，有一个相对较新的趋势值得注意。在历史上，越是贫穷的劳动者，就越不得不花更多的时间才能养活自己和家人。正如汉斯—约阿希姆·福特（Hans-Joachim Voth）指出的那样，英国人的平均工作时长从1760年的每周50小时增加到了1800年的每周60小时。 104 这一时期正经历着恩格斯式停顿，工人阶级的物质水平摇摆不定。同样在此期间，简·奥斯汀关于精英阶层的小说描写了一个悠闲的社会，人们的生活集中于精致的对话和文学。相比于新近的“认知精英”，一些人若在战后年代本来会大批涌入工厂，但在近些年来他们很少工作。经济学家马克·阿吉亚尔（Mark Aguiar）和埃里克·赫斯特（Erik Hurst）发现，那些受教育程度低的人越来越比符号分析师更多地“享受”休闲时间。由劳动统计局赞助、人口普查局执行的“美国人时间使用调查”的数据还显示，上过大学的美国人每天的工作时间比没有读大学的人大约要多出两个小时。 105 对这种情况有一种简单而有说服力的解释，即它反映了准工人阶级在劳动力市场工作机会的减少。正如第九章曾提到的，随着自动化不断发展，非技术型工人的机会已经减少。面对不断下降的工资和不断减少的工作机会，一些人可能选择福利而不是工作，另一些人则只能努力找工作。
1704605404
1704605405
1983年，当各类工作场合开始大量使用计算机时，瓦西里·列昂惕夫（Wassily Leontief）评论道：“想想看，如果所有失业的钢铁工人和汽车工人都接受操作电脑的再培训，又会怎样？……将没有足够多的计算机来分给每一个人……越来越多的工人会被机器取代。我看不出有哪个新行业能容纳所有想工作的人。” 106 之所以现在仍有那么多工作岗位，原因之一是计算机确实为劳动者创造了许多新任务（见第九章）。但那些新任务大多是为高技能人员准备的。这种情况与第二次工业革命时期的情形相反，那时候的技术变革为半技术性工人创造了许多新任务，为中产阶级带来了越来越多的高薪工作（第八章）。计算机时代的产业没能像此前的烟囱工业一样给中产阶级提供同样的机会。
1704605406
1704605407
想要准确预测未来的人工智能技术会带来什么新工作和新任务，并非完全不可能，但肯定非常困难。我们应该对弗雷德里克·巴斯夏（Frederic Bastiat）的观察抱有一些信心。1850年，他在精彩的著作《看得见的与看不见的》（That Which Is Seen, and That Which Is Not Seen）中写道：“在经济部门，一种行为、一种习惯、一种制度、一条法律不仅会产生一种效果，而且会产生一系列效果。在这些效果中，第一类是立竿见影的；它与它的原因同时显现——它是看得见的。其他的相继展开——它们是看不见的。如果它们能被预见到，那对我们来说是件好事。” 107 对机器来说，取代工人是我们能观察到的一阶效应，而我们看不到的是新工作会被创造出来。如今美国劳动力市场中的工作机会很少是在1750年工业革命开始时就有的。今天的许多工作岗位（包括机器人工程师、数据库管理员和计算机支持专业人员）甚至都没有出现在20世纪70年代的官方职业分类中。从1980年到大衰退时期之间，就业的增长几乎有一半发生在新工作类型中。 108
1704605408
1704605409
看不见的永远是未知的，但人工智能技术似乎不太可能彻底改变20世纪的那种技能要求不断提高的模式。除了一些个例，在下一次浪潮中最不可能被取代的工作确实是技术型工人的工作。如果我们关注一下2000年还不存在的那些新行业，就会发现其中大部分与数字技术有关，这些行业的大部分雇员拥有大学学历（许多人拥有科学、技术、工程或数学学位）。 109 因此，下一次自动化浪潮可能会造成与早前的计算机技术相似的影响，但它所影响的人群可能更广。自从计算机革命以来，那些若身处战后年代会大量涌入工厂的群体发现自己的工作选择已经减少了。随着零售、建筑、运输和物流等行业越来越容易受自动化的影响，这些人的选择可能会进一步恶化。事实上，即使未来30年是过去30年的镜像，情况也并不令人感到宽慰，因为自动化最近已经加剧了劳动力市场各个群体的失业情况，给仅有高中及以下学位人群的工资施加了下行压力。埃里克·布林约尔松和安德鲁·麦卡菲在他们最畅销的《第二次机器革命》（The Second Machine Age）中做了类似的评述：“技术进步在和人们的比赛中遥遥领先，它会把一些人甚至是很多人甩在身后……对于拥有特殊技能或受过良好教育的人来说，没有比现在更好的时代了，因为他们能够使用技术来创造和获得价值。然而，对那些只有‘一般’技能和能力的人来说，没有比现在更坏的时代了，因为计算机、机器人和其他数字技术正以非同寻常的速度掌握这些技能。” 110
1704605410
1704605411
如今在美国大多数州，最庞大的单一工种是卡车司机（图20）。诚然，正如经济学家奥斯坦·古尔斯比（Austan Goolsbee）所指出的那样，如果总数高达350万的卡车、公交车和出租车司机在15年内全部被自动驾驶车辆所取代，那就意味着每个月有超过1.9万人失业：2017年，每个月有510万美国人失去自己的工作，同时平均每个月会出现530万份新工作。在这种情况下，自动驾驶汽车将使离职率增加不到0.4个百分点。 111 这种情况在15年内不太可能发生。技术推广从来不会一帆风顺，与长途卡车相比，出租车需要更长的时间才能完全实现自动化。令人担忧的是，劳动力市场中大量群体的替代选择不断恶化。即使我们假设在劳动力市场的不断变化中，被取代的卡车司机相对容易地被重新吸纳到劳动中去，我们也不得不扪心自问，他们从事什么工作，工资有多少。如果那些选项看起来没有吸引力，他们会去工作吗？
1704605412
1704605413
1704605414
1704605415
1704605416
图20 2016年美国各州最常见的职业
1704605417
1704605418
1704605419
1704605420
来源： S. Ruggles et al., 2018, IPUMS USA, version 8.0 (dataset), https://usa.ipums.org/usa/。
1704605421
1704605422
美国中西部的一名卡车司机不大可能成为硅谷的一名软件工程师。他可能找到一份看门的工作，也可能从事场地维护的工作，保持公园、房屋和公司的干净整洁。我们估计，这些工作在下一次自动化浪潮中都不会受影响。如果他成了看门人，等于是将一份年收入41,340美元（2016年的年收入中位数）的卡车司机的工作换成了一份年收入24,190美元的工作。如果他成了场地维护工人，他每年能挣26,830美元。再或者，他可能成为一名年收入46,890美元的社工，但那样的话他就需要获得一个大学学位。
1704605423
1704605424
列昂惕夫曾开玩笑说，如果马获得了投票权，它们就不太可能从农场消失了。虽然美国中产阶级几乎不可能遭遇农场马匹那样的命运，但我们也不指望美国人会轻易接受工资的下降。如果自动化只会暂时降低人们的收入，他们可能愿意接受自动化。但如果他们的收入在数年甚至数十年内似乎都不可能恢复，他们就更有可能抵制自动化。事实上，如果个人对市场的裁决感到不满，他们要么会试图抵制技术，要么会通过非市场的机制和政治激进主义来寻求更多的再分配。我们在第三章中就讨论过，卢德主义者和其他群体曾激烈反抗那些威胁他们生计的机器的推广。除了发动暴乱，他们也曾向议会请愿，呼吁政府限制劳动取代技术的引进。但由于缺少政治影响力，他们没有成功的希望。如今的劳动者不仅对政府必须提供的东西有更高的期望，他们也拥有了政治权利。
1704605425
1704605426
注释
1704605427
1704605428
1 E. Brynjolfsson and A. McAfee, 2017, Machine, Platform, Crowd: Harnessing Our Digital Future (New York: Norton), 71–73.
1704605429
1704605430
2 C. E. Shannon, 1950, “Programming a Computer for Playing Chess,” Philosophical Magazine 41 (314): 256–75.
1704605431
1704605432
3 C. Koch, 2016, “How the Computer Beat the Go Master,” Scientific American 27 (4): 20.
1704605433
1704605434
4 F. Levy and R. J. Murnane, 2004, The New Division of Labor: How Computers Are Creating the Next Job Market (Princeton, NJ: Princeton University Press).
1704605435
1704605436
5 E. Brynjolfsson and A. McAfee, 2014, The Second Machine Age: Work, Progress, and Prosperity in a Time of Brilliant Technologies (New York: W. W. Norton), chapter 3, Kindle.
1704605437
1704605438
6 Koch, 2016, “How the Computer Beat the Go Master,” 20.
1704605439
1704605440
7 M. Fortunato et al. 2017, “Noisy Networks for Exploration,” preprint, submitted, https://arxiv.org/abs/1706.10295.
1704605441
1704605442
8 Cisco, 2018, “Cisco Visual Networking Index: Forecast and Trends, 2017–2022,” (San Jose, CA: Cisco), https://www.cisco.com/c/en/us/solutions/collateral/service-provider/visual-networking-index-vni/complete-white-paper-c11-481360.html.
1704605443
1704605444
9 P. Lyman and H. R. Varian, 2003, “How Much Information?,” berkeley.edu/research/projects/how-much-info-2003.
1704605445
1704605446
10 A. Tanner, 2007. “Google Seeks World of Instant Translations,” Reuters, March 27.
1704605447
1704605448
11 Y. Wu et al., 2016, “Google’s Neural Machine Translation System: Bridging the Gap between Human and Machine Translation,” preprint, submitted October 8, https://arxiv.org/pdf/1609.08144.pdf.
1704605449
1704605450
12 I. M. Cockburn, R. Henderson, and S. Stern, 2018, “The Impact of Artificial Intelligence on Innovation (Working Paper 24449, National Bureau of Economic Research, Cambridge, MA).
1704605451
1704605452
13 E. Brynjolfsson, D. Rock, and C. Syverson, forthcoming, “Artificial Intelligence and the Modern Productivity Paradox: A Clash of Expectations and Statistics,” in The Economics of Artificial Intelligence: An Agenda, ed. Ajay K. Agrawal, Joshua Gans, and Avi Goldfarb (Chicago: University of Chicago Press), figure 1.