「人工智能」下的「失业焦虑」

早上与某汽车公司的客户开会，讨论如何用机器学习优化他们的业务流程。他们常年需要在国际间进出口汽车零件，每天与各国海关打交道。进出口的流程需要在WTO的制定的框架下进行，并遵照协调关税制度（ harmonized system）来决定一件商品在进入到进口国时该如何缴税。

我不是商科背景，也不大了解进出口的规则，于是客户耐心的给我解释了现有的流程。货物从A国进入B国，那么进口方需要决定在B国海关的缴税。当然，不同的货物可能有不同对应的类别，而不同类别间的税率差别很大。比如“圣诞蜡烛”可以被归为节庆用品，也可以被归为日用品，而二者之间的税率差别可能很大。因此正确的选取最佳的分类对于我们的客户非常重要，但当涉及到多个国家的规则时，正确的分类是很难的。错误的分类不仅可能会交错税被海关罚，也可能在后期被第三方审计时出现问题。

我很好奇的问他这些年他们怎么处理这个问题，谁来分类，纯人工是不是很贵？他哈哈一笑，告诉我大概从十五年前他们就在东南亚建立了几个处理中心，专门利用当地便宜的劳力来对进出口商品进行分类，准确率很高。当然，他们偶尔也使用第三方的中介机构进行分类，也很划算。他接着画风一转，说虽然现有的方法很好，成本也不高，但我们要为企业进行长远规划，将这套系统电子化、智能化，逐步摆脱人工。如果你们的模型较为准确，解释效果也好，那我们会逐步缩减外包员工的编制。如果单纯从技术角度来看，如果数据积累好，较为简单的学习模型，如决策树，就可以满足客户的需求，这并不是一个难度很大的项目。

这样的项目不是孤例，机器学习的自动化是压垮初级体力/脑力劳动者失业的最后一根稻草。在越南公司里面对着商品信息分类员工不会想到，他们跟随十五年的老板正在另一个大陆讨论怎么用自动化模型替代他们。资本是逐利的，因此我们应该有一个基本的认识：社会稳定的基本前提不是保证每个人都有工作，而是每个人的工作都有意义。而人工智能所引发的产业升级，不再是大家口中的“狼来了”，而是真的在逐步靠近。在数据积累量好，定义明确的问题上，成熟的机器学习模型并不是天方夜谭。

前两天系里面转来了一份采访安排，一位大报的专栏记者想要了解人工智能在企业中落地情况，对于非结构性的数据一般如何应用。我很好奇他的初衷，于是在见面前发信问他具体的聊天内容，他回复说：

他这篇文章的主要读者是在时代变化中感到压力的中年会计师。他们曾经很了解自己的客户，然而突然间他们的客户开始拥抱机器学习，开始使用数据手段来改变传统方式。这并不代表这些会计师们会失业，只是代表不再理解如何帮助和理解客户的业务了，而传统审计的方式也可能发生改变。因此这位专栏作家希望更好的了解工业界的不同领域如何使用机器学习，对于企业的业务、资产、人才储备会起到什么影响。

我见到他的时候，以为他是来听故事的，对机器学习应该一窍不通。然而聊过以后发现他做了很足的功课，甚至了解了很多机器学习的基本概念。我开玩笑说“你也是蛮拼的”，他说他曾经也是工科出身但转行做了30年文字工作，然而现在愈发觉得需要补充一些相关知识，以防被行业淘汰。他所在的报纸曾经是日刊，而现在因为各种原因已经缩减了发行频率，主要发力在电子版上，而越来越多的写作以及选题不再是根据主编和记者，而是大众兴趣和算法。

对于人工智能对于就业的影响，一直有两种看法：

(i) 人工智能会让大部分人失业，但会提供更好的基础保障

(ii) 人工智能只会帮助我们更好，各国政府为了维持社会稳定不会允许大规模失业。

粗浅从资本逐利的角度来看，即使大规模的失业不会发生，但靠资本家的善心是不足以阻挡被替代的命运。这种趋势影响的不仅仅是初级从业者，中级从业者的工作模式也会发生更为深刻的改变，比如“中年会计师”，“知名的专栏记者”以及像我一样的科技从业者。由产业升级所带来的影响不由我们每个劳动者决定，就像越南员工的命运取决于万里之外服务器上的模型。在科技快速发展的时代，我们每个人或多或少都有无力感和压力。

如何应对？要和机器一样换代升级，尽量远离初级工种，并怀着接受科技的态度成为一个能使用现代工具的从业者。你不需要成为跑的最快的人，但要看到老虎在身后，并接受现实换上跑鞋准备逃生。科技大轮轰隆将至，只有选接受改变的人才不会被碾过。

END.

来源：知乎

本文已获授权

作者：微调 ，机器学习、人工智能、统计学话题的优秀回答者。