前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >奇点来临:最终我们都会被取代

奇点来临:最终我们都会被取代

作者头像
新智元
发布2018-03-28 15:15:48
6930
发布2018-03-28 15:15:48
举报
文章被收录于专栏:新智元新智元

【新智元导读】人工智能近年取得的突破让劳动自动化得到了迅猛的发展。Get3DSmart.com 创始人和CEO John Hauer 在TechCrunch上撰文指出:自动化在各行各业悄然发展,机器有可能会一次性让所有的工作消失,也有可能逐步淘汰各种工作直到一个不剩。回到最开始的问题——哪些工作最终不会被机器取代?

(文/John Hauer,Get3DSmart.com 创始人和CEO)前阵子我在玩Facebook时,偶然看到Jeremiah Owyang发了一条非常有趣的消息。他向人们发出挑战——“指出一种在未来不会被自动化取代工作”。我的脑袋里蹦出了一大串工作,从医生、律师到艺术家、运动员。我一个接一个的想,最后我被难住了。我想不出有哪一种工作在未来不会被机器取代。

我曾经说过,事情总是会有一个临界点,超过这个点后,使用技术就会比使用人力更合理。但即使这样,这个转变不可能瞬间发生也不会非常明显,通常要经历几个迭代。工作不会一下子消失,而是逐渐蒸发。

这使得我开始思考机器淘汰工作的过程。它会怎么发生?我们将每次淘汰一种工作,还是一次性淘汰所有工作?

工作的本质

我认为,工作可以分为两类。第一类是不用动脑的重复性体力劳动。这类工作是最容易、也是最先会被自动化取代的工作。例如,富士康最近就宣布由于引进了机器人,要将员工数量从11万名减少到5万名。以前是由人来组装苹果和三星的产品,而现在是机器在做。

这可不是唯一的例子。据国际劳工组织最近的研究预测,在柬埔寨、印度尼西亚、菲律宾、泰国和越南有56%的工作可以被自动化和先进技术取代,例如机器人和3D打印。工作被取代的风险最大的行业是纺织业、服装业和制鞋业。

富士康在一份声明中说称,“我们正在用机器人工程等新制造技术替代以前由员工做的重复性任务,并且,通过培训让我们的员工能在制造过程中负责附加值更高的部分,比如研发、过程控制和质量控制。” 这也就是说,富士康里并不是所有工作都会被取代。

在最近的一篇文章中,我提到过快餐行业从人工到机器的转变。这种转变主要发生在下单过程。哈迪斯、麦当劳等快餐企业正在安装服务机,能让客户自己下订单,取代了收银员的工作。对这些企业来说,这只是简单的数学问题。使用机器的成本要比雇人每小时少15美元,而且机器的效率更高。

可是,制作食物的过程呢?2012年,Momentum Machines公司推出了一款新机器人,可以一小时做出400个汉堡。 公司预测,一台机器人能够替代两三名流水线厨师,可为餐馆平均每年节省9万美元。

现在,该公司正在将这种机器人用于自家的餐厅,以便推向市场。他们在旧金山的SoMa区开了一家店。但是,机器不可能完成所有工作。必须由人来做机器不能做的事。所以,讽刺的是,他们把发布了招聘信息。招聘来的员工将进行补货、拖运垃圾和整理这样艰难、乏味,有时还很脏的工作。不过,这些员工还将要做一些别的餐厅员工不做的事情,包括排除软件故障、市场调研以及产品研发。

接下来是第二类工作:解决问题。在餐饮服务行业,这类工作包括研发、质量控制以及现在的软件故障排除。在建筑行业,则是构思和执行。在法律行业,是调查和诉讼。在医疗业,是其诊断和治疗。

几乎在每一个行业,极大部分人力资本都花在研究问题和制定方案上。AI是否能做得更好?如果是,那么解决问题的人又该何去何从?

成本中心还是利润中心

我们来看看法律市场。最近Baker & Hostetler律师事务所成为第一家聘请人工智能(名字是ROSS)处理破产案件的公司。ROSS是IBM Watson平台中的一个软件程序。就在最近几周,又有至少两家公司获得ROSS的使用许可。

IBM称,ROSS是“数字化法律专家,可以帮助你进行法律研究”。你用简单的英语向它提问,它会搜索整个法律,向你反馈相关信息,从而帮助你快速了解案件。此外,ROSS还会全天候监控法律部门的信息,通知你可能会影响你案件的法院的新判决。IBM表示,ROSS会让你更好地做好律师的工作。

从这一点上说,ROSS更多的是一名律师助理而不是律师。律师助理要做的就是做调查、完成公司指派的其他任务,而他们的工作最终都是帮助律师进行工作。律师助理做调查,而律师再根据调查结果做出行动。

那么,ROSS对律师助理会有何影响?美国有超过27万的律师助理,平均每人一年的工资大约是5万美元。很简单,他们将很快被淘汰。

律师助理平均每周工作40小时,计费工时为30小时。一个律师助理的平均一个计费工时的价值是125美元。假设他们一年工作48周,他们每人每年为各自公司带来13万美元的利润。

认知计算要快得多。认知计算让机器在几分钟内就能完成人类要一个小时才能完成的事。虽然机器显然比人类的生产效率要高,我们也得考虑它产生的利润有多少。

也许这是必然的选择。竞争者们使用技术,能把成本排除在外。任何一个重度依赖人力劳动的行业都将被颠覆。

我们再来看看法律行业中的其他方面——利润较少,或是法律咨询的费用超过本身价值。

比如说DoNotPay公司。DoNotPay为人们就停车罚单上诉提供法律咨询。DoNotPay在纽约和伦敦使用AI聊天机器人,为人们提供免费服务。到目前为止,它已经接受超过25万起案件,其中超过16万起案件获胜,为用户节省了400万美元以上的罚款。DoNotPay下一步要登陆西雅图,并且还要进军其他法律领域,继续免费提供法律咨询服务。

DoNotPay是否打开了一个尚未开发的市场?“我觉得现在机会非常多,因为很多服务和信息都可以用AI来完成,而聊天机器人就是一个完美的方式,”DoNotPay的创始人Joshua Browder说,“这些人并不想触犯法律。我认为他们是被当地政府当成政府的一个收入来源。”

在这种情况下,AI似乎是在创造没有人能做工作,而在这个过程中可能会产生一定的社会效益。可是,伦敦和纽约等城市也损失了部分收入啊。最终,工作将被取代。也许,机器人制造商也会雇佣自己的机器人?

是人就会出错

法律行业不是唯一一个技术能更好地解决问题的行业,医疗行业也是同样的情况。

医生和其他医疗职业人员依靠流程来诊断和治疗疾病。他们通常使用SOAP方法来管理和查找他们的诊断记录。他们先问病人一些主观性的问题,试图找出他们的主要症状。然后,采用客观测量病人的生命体征等,并进行身体检查以找出其他异常。然后,他们按照可能性的高低考虑其他的诊断结果,然后做出评估。最后,他们制定出治疗病人计划。

但是,很多时候会出现误诊。最近的一项研究表明,据保守估计,仅在美国,每年有1200万例误诊,误诊率为5%。而其他研究表明,误诊率更接近10%-20%。

也许你想知道这对患者的影响。最近的一项调查将误诊的严重程度进行评级。 669例误诊中,有28%严重到足以威胁生命或是已经威胁生命,造成死亡或终身残疾。另一项研究来自从德克萨斯州VA系统,发现有不少的误诊错误涉及的是常见疾病,其中87%有可能会引起严重的伤害甚至死亡。

据这项研究显示,“误诊最常发生在检测阶段,这一比例占44%;其次是发生在临床评估, 占32%,病史占10%,体检占10%,转院、咨询和延迟就诊占3%”。

导致误诊的其他因素包括医生和患者之间的交谈不畅,医疗体系缺乏透明度等妨碍诊断过程。

AI会更有效吗?

美国印第安纳大学的研究人员发现,机器学习只需一半的成本就能提高50%治疗效果。该软件使用复杂的模型,比较多种诊断并将其随时间变化的影响记录下来。

研究员Kris Hauser说,“建立模型让我们看到了更多的可能性,而这一点,医生很难做到。医生无法得到这些信息。”

那么,AI会取代医生吗?大概没那么快。Hauser的同事Casey Bennett说,“即使新的AI技术可以接近甚至是超过人类决策的表现,我们相信,最有效的长期的方法是把AI和人类临床医生结合起来。”。Bennett补充说,“让人类做人类擅长的事,让机器做机器擅长的事。最后,我们就能使双方的潜力发挥最大效益。”

看来,最自然的过程就是AI在人类表现不好的方面取代人类。迟早,AI就会取代人类的工作。这或许意味着,像医疗助理和律师助理这样的工作将完全被机器取代,或者说,只有极少数人继续做这些工作。

什么时候AI会越线?

如果你的工作很单调,那么它可能会很快消失。机器更加强大,成本也更低。如果你的工作是解决问题这一类的,那你的工作可能会保留更长的时间。至少现在,AI更适合用来负责诊断而非治疗。这意味着从事医疗工作的人会越来越少。未来还在工作的人大部分都负责治疗。

然而从长期来看,即使是这些工作也将被取代。随着AI技术越来越成熟,它将不仅能帮助人类解决问题,而且还能找到更好的方式来提供解决方案。机器将变得更聪明、更快速、更专业。

自动化在各行各业悄然发展。机器有可能会一次性让所有的工作消失,也有可能逐步淘汰各种工作直到一个不剩。

回到最开始的问题——哪些工作最终不会被机器取代?

我仍然想不出答案。


本文参与 腾讯云自媒体分享计划,分享自微信公众号。
原始发表:2016-07-28,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 新智元 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体分享计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档