毫无疑问，人工智能和自动化的影响将是深远的。但我们需要为失业达到99%的未来做好准备。
人工智能(AI)和自动化的进步将改变我们的世界。当前的争论焦点不在于这些变化是否会发生，而在于人工智能如何、于何时以及在何处带给人类最严重的打击。
这种变化引发的担忧和恐惧绝不是杞人忧天，而是有充分理由的。麦肯锡全球研究所(McKinsey Global Institute)一项为期两年的研究表明，到2030年，智能代理和机器人可能会消除全球多达30%的人类劳动。麦肯锡认为，就规模而言，自动化革命可能会与20世纪美国和欧洲的农业劳动力转移相匹敌，最近的，可能会与中国劳动力经济的爆炸式增长相匹敌。
麦肯锡估计，根据不同的使用场景，到2030年，自动化将取代4亿至8亿个工作，需要多达3.75亿人完全转换工作岗位。对于世界上所有的国家和人民而言，这种变化又怎么会不引起恐惧和忧虑?
布鲁金斯学会(Brookings Institution)指出，即使自动化程度只达到大多数预测的38%，一些西方民主国家也可能采取威权政策来避免国内的混乱，就像大萧条(Great Depression)期间那样。布鲁金斯学会无不担忧地写道:“美国看起来会像叙利亚或伊拉克，有一群年轻人武装起来，除了战争、暴力或盗窃，几乎没有就业前景。”这些可怕但权威的预测，难怪人工智能和自动化会让我们许多人夜不能寐。
“别再做勒德分子了”？
勒德分子是反对自动化的纺织工人，他们因为“担心不熟练的机器操作员会抢走他们的生计”最终袭击并烧毁了工厂。勒德运动早在1811年就开始了，所以对自动化导致的失业或工作岗位流失的担忧并不新鲜。
当人们对人工智能和自动化对我们劳动力的潜在影响感到恐惧或担忧时，通常的反应是指出，过去同样的顾虑一再被提出，最终都被证明是毫无根据的。
1961年，美国总统肯尼迪说，“60年代的主要挑战是在自动化正在取代人的时代保持充分就业。”在20世纪80年代，个人电脑的出现引发了“电脑恐惧症”，许多人担心电脑会取代他们。
然后发生了什么?
尽管存在这些担忧，但每一次技术变革最终创造的就业岗位都超过了被取代的就业岗位。当特定的任务被自动化后变得更便宜、更高效时，需要更多的人工来完成流程中尚未自动化的其他部分。
“在工业革命期间，越来越多织造过程中的工作被自动化，促使工人专注于机器不能做的事情，比如操作一台机器，然后照管多台机器，让它们平稳运行。”这导致了产量爆炸式的增长。在19世纪的美国，一个织布工人一小时内生产的粗布量增加了50倍，每码布所需的劳动力减少了98%。这使得布料更便宜，对它的需求增加，反过来也为纺织工人创造了更多的就业机会:他们的数量在1830年到1900年间翻了两番。换句话说，技术逐渐改变了织布工工作的性质，以及完成这项工作所需的技能，而不是被完全取代。——经济学人《自动化与焦虑》
人工智能的影响——光明的未来？
回顾历史，我们似乎有理由得出这样的结论:对人工智能和自动化的恐惧和担忧是可以理解的，但最终是没有根据的。技术变革可能会减少特定的工作岗位，但它总是在这个过程中创造更多的工作岗位。
除了创造净就业岗位，还有其他理由对人工智能和自动化的影响感到乐观。
简而言之，机器人可以取代的工作一开始就不是好工作。作为人类的我们，终于爬上了苦差事的阶梯——身体上的或者使大脑麻木的工作——去做那些，适合把我们带到食物链顶端的我们大脑的工作。——华尔街日报，《机器人来了，欢迎他们》
通过消除单调枯燥，人工智能和自动化可以让我们，自由地追求那些能给我们带来更大意义和幸福感的职业，那些给我们挑战、给我们进步感、给我们自主权、让我们感到归属感的职业。
在更高的层面上，人工智能和自动化也将有助于消除疾病和世界贫困。人工智能已经在以更好的疾病预防、更准确的诊断、更有效的治疗和治疗推动医学医疗进步。在消除世界贫困方面，最大的障碍之一是确定最需要帮助的地区。通过人工智能对卫星图像数据的分析，可以克服这一障碍，更有效地帮助聚焦。
人工智能的影响——一个黑暗的未来
我完全赞成乐观主义，我也很愿意相信以上所有这些，然而这种未来的光明前景依赖于不可靠的前提，即:
1. 过去是对未来的准确预测。
2. 我们能够度过痛苦的过渡期。
3. 有些工作只有人类才能做。
但过去并不能准确地预测未来
正如前面所探讨的，对于人工智能和自动化的影响所带来的恐惧和担忧，人们的普遍反应是指向过去。然而，这种方法只有在未来表现类似的情况下才有效。现在有许多事情与过去不同，这些因素使我们有充分的理由相信，未来的结果会有所不同。
在过去，一个行业的技术中断并不一定意味着另一个行业的中断。以汽车制造业为例：汽车制造中的机器人可以大大提高生产率和效率，但同样的机器人在制造汽车之外的任何东西时都是无用的。机器人的基础技术可能会得到改进，但充其量也只能解决制造问题。
人工智能之所以不同，是因为它实际上可以应用于任何行业。当你开发出能够理解语言、识别模式和解决问题的人工智能时，破坏就不会得到控制。想象一下，一个能够同时诊断疾病、处理诉讼、撰写类似这样的文章的人工智能。可怕吗？人工智能已经能做这些事了。
现在和过去的另一个重要区别是技术进步的速度。技术进步不是线性的，而是指数级的。想想摩尔定律:集成电路上晶体管的数量大约每两年翻一番。
当技术进步加速，人工智能可以在多个行业中发挥作用时，你会得到什么?工作岗位减少的速度加快。
经济学定律可没有说:“你总是会创造出足够的工作，甚至永远是平衡的”，有可能技术会极大地支持一方，伤害另一方，结果就是你会有更少的工作可做”--埃里克·布林约尔松，麻省理工学院数字经济项目主任
是的，在过去，创造的就业机会比被技术摧毁的就业机会要多。工人们能够重新掌握技能，转向其他行业。但过去并不总是能准确预言未来。我们不能坐等以为一切都会好起来。
这就引出了另一个关键问题……
这种转变将极其痛苦
让我们暂时假设过去实际上是未来的一个很好的预测依据：就业岗位将被削减，但将创造更多的就业岗位来取代它们。这就提出了一个非常关键的问题，什么样的工作正在被创造，什么样的工作正在被取代?
“到目前为止，低技能和高技能工作不太容易受到自动化的影响。被认为在未来十年前景最好的低技能工作类别——包括食品服务、保洁工作、园艺、家庭健康、托儿和安全——通常是体力工作，需要面对面的交流。在某种程度上，机器人将能够履行这些角色，但目前几乎没有动机将这些任务机器人化，因为有大量的人类愿意以低工资从事这些工作。- Slate，机器人会抢走你的工作吗?
蓝领和白领的工作将被取代，基本上，任何需要中等技能的工作(这意味着它需要一些不多的培训)都会这样，低技能工作更是如此。如上所述，这就留下了需要高水平培训和教育的高技能工作。
毫无疑问，将会有越来越多的工作与编程、机器人、工程等相关。毕竟，需要这些技能改进和维护我们周围使用的人工智能和自动化机械。
但是，那些失去中等技能工作的人能否转而从事这些高技能工作呢?当然，但是如果没有接受大量的培训和教育，这是不可能的。换到低技能的工作怎么样?嗯，这些工作的数量不太可能增加，因为中产阶级失去了工作后，会停止在食品服务、园艺、家庭健康等方面的支出。
这种转变可能非常痛苦。失业率上升对社会产生负面影响已经不是什么秘密了：犯罪率高，滥用毒品都与之相关。如果我们不做好充分的准备，未来一段高失业率时期将变成现实。在这段时期，数千万人会因为没有必须的技能而找不到工作。
那么我们如何做准备呢?最起码，我们要改革整个教育体系，为人们提供重新掌握技能的途径。
在第一次工业革命期间，美国人口务农的比例从90%降到2%，需要大量普及初等教育才能使人们具备工作所需的技能。问题是我们仍然在使用一个适应工业时代的教育系统。阅读、写作、算术曾经是在工作中获得成功的重要技能。现在，这些技能正迅速被人工智能取代。
除了改变我们的整个教育体系，我们还应该接受这样一个事实：学习并不仅仅限于学校教育。数字时代指数般增长的变化，意味着学习必须是一生的追求，通过不断地掌握新技能以适应不断变化的世界。
对我们的教育体系进行重大改革，为人们提供重新掌握技能的手段，鼓励终身学习，这些都有助于减轻过渡时期的痛苦，但这就足够了吗?
99%的工作岗位将被取代
这种说法似乎很大胆，但几乎是肯定的。你只需要两个前提:
1. 我们将在制造人工智能机器方面继续取得进步。
2. 人类的智力来自物理过程。
第一个前提为真没有任何争议。认为我们将永远停止任何形式的进步的唯一理由，是某种发生毁灭人类的灭绝级别的事件，在这种情况下，这场讨论无关紧要。排除这种灾难，技术进步将继续呈指数曲线。不管进步快慢如何，重要的是，它将继续下去。
第二个前提是有争议的，但是请注意我说的人类智力，我并没有说“意识”或“作为人类意味着什么”。人类的智力来自物理过程，这一点似乎很容易证明：如果我们影响大脑的物理过程，我们就能观察到智力的明显变化。虽然这是一个令人沮丧的例子，但很明显，在一个人的大脑中戳个洞会改变他的智力。医学上如果一个人大脑的布洛卡区(Broca)和伏拉区被刺穿得恰到好处，将无法处理、理解言语。
有了这两个前提，我们可以得出这样的结论：我们将不可避免的建造具有人类智能水平或者更高水平的机器。
我们已经知道，机器比人类更擅长体力劳动，它们可以更快、更精确地移动，并能承受更大的负荷。当这些机器也像我们一样聪明的时候，它们就几乎没有什么做不到的，或者不能很快学会做的了。因此，99%的工作岗位最终会被淘汰。
但这并不意味着我们是多余的。我们仍然需要领导者(如果我们把自己交给机器人领袖则除外)，我们的艺术、音乐等可能也只是人类的追求。至于其他的事情呢？机器会做，而且做得更好。
“但是谁来维护这些机器呢?”“机器人问。
“但是谁来改进这些机器呢?”“机器人问。
假设他们最终能够学会我们所做的99%的事情，那么他们肯定能够比我们更精确、更有效地维护和改进自己。
转自：深度学习科研平台
如有侵权，请联系本站删除！
