首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >你会因技术进步丢掉你的工作吗?

你会因技术进步丢掉你的工作吗?

作者头像
大数据文摘
发布2018-05-23 10:47:17
3690
发布2018-05-23 10:47:17
举报
文章被收录于专栏:大数据文摘大数据文摘

点击标题下《大数据文摘》可快捷关注

摘自: MIT科技评论 (发表于 2014-02-19 12:23)

如果技术破坏就业的速度真的比它创造新岗位的速度快,那么人们将不得不重新思考经济理论和政府政策。

埃里克·布林约尔松(Erik Brynjolfsson)的学术风格冷静理智,因此人们很容易忽略他的论点实际是多么的具有挑衅性。他是麻省理工学院斯隆管理学院的教授,过去一年半时间里,他和合作者也是合著者安德鲁·迈克菲(Andrew McAfee)一直主张,计算机技术的惊人进步——从改进工业机器人到自动翻译服务——是过去10至15年里就业增长缓慢的主因。对工人来说更不幸的是,麻省理工学院的学者们预测很多类型的工作都前景惨淡,因为这些强大的新技术不仅越来越多地被应用在制造、文书和零售领域,更是进入了法律、金融服务、教育和医疗行业。

对于任何在汽车制造业或旅行社工作的人来说,机器人、自动化和软件可以取代人工似乎显而易见。但布林约尔松和迈克菲的说法更令人不安、更具争议性。他们认为,一直以来,快速的技术变革破坏就业的速度比创造职位的速度快,造成了美国收入中位数的滞涨和不平等增加。此外,他们推测,其他拥有先进技术的国家也出现了类似现象。

布林约尔松认为,最确凿的证据也许是一张只有经济学家才会喜爱的图表。在经济学中,生产率指的是单位投入(如一小时的劳动量)所创造的经济价值,是衡量增长和财富创造的重要指标。它是衡量发展的一种方式。在布林约尔松展示的这张图表里,两条曲线分别代表美国的生产率和总就业人数。二战后的很多年里,两条线的走势一直相似,就业岗位的增加呼应着生产率的提高。其中的模式非常明确:伴随着企业依赖工人创造出更多价值,国家整体上变得更富裕,进而带动更多经济活动,创造出更多就业机会。然而,从2000年开始,两条线开始相互偏离;生产率持续强劲上升,但就业率却突然衰退。到2011年,两条线之间出现明显差距,显示经济增长并没有伴随相应的职位增长。布林约尔松和迈克菲将其称为“巨大的脱钩”。布林约尔松称,他确信,生产率的健康增长和就业岗位的疲弱增长背后的原因都是技术。

这一论断令人吃惊,因为它对于诸多经济学家对技术进步的信心造成了威胁。布林约尔松和迈克菲仍然认为技术提高了生产率,增加了社会财富。但是他们认为,技术有其黑暗的一面:技术进步使得很多类型的工作变得不再必要,使普通工人的生活比以前更糟。布林约尔松通过第二张图表指出,虽然国内生产总值大增,但收入中位数并未增长。“这是我们这个时代的伟大悖论,” 他说,“生产率已经达到创纪录的水平,创新的速度也达到历史新高,但与此同时,收入中位数和工作数量都在下降。人们已经落后了,因为我们的技能和组织没有跟上飞速进步的技术。”

布林约尔松和迈克菲都不是勒德分子。事实上,有时他们会被指对于最近数字化进步的程度和速度过分乐观。布林约尔松说,他们开始写《与机器赛跑》(Race Against the Machine)这本书,就是因为想要解释这些新技术带来的经济效益(上世纪90年代的大部分时间里,布林约尔松都在寻求信息技术可以提高生产率的证据)。这本书在2011年出版,两人的大部分论点都在书中做了阐述。但是,他们逐渐发现,一些技术提高了许多工作的安全性、便利性和生产率,但同时也降低了对许多类型的人类工种的需求。

当然,关于数字技术是如何威胁就业的,流传的证据无处不在。数十年来,机器人和先进的自动化技术在各种不同的制造领域已经很普遍。在美国和中国这两个世界制造业强国,现在从事制造业的人数少于1997年,自动化就是原因之一。许多现代汽车厂在20世纪80年代就因为使用工业机器人而改变了生产模式,现在这些车厂已经常态化使用机器来自动焊接部件和喷漆——这些工作之前是由人工完成的。最近,像Rethink Robotics公司推出的Baxter这样的工业机器人被各个行业的小型制造商用于执行简单工作,它们比之前的机器人更灵活,造价也低得多。硅谷的创业公司Industrial Perception在其网站上播出视频,介绍该公司设计的供仓库使用的机器人。这种机器人像一头闲极无聊的大象,拿起盒子并投掷出去。而诸如谷歌的无人驾驶汽车这样引发轰动的发明则显示了不久后的某天自动化可能达到的成就。

文职工作和专业服务领域的变革虽然没有那么引人注目,但对于就业的潜在影响却可能大得多。低价计算能力和存储能力的不断普及使得网络、人工智能、大数据和改进的分析能力成为可能,而它们正在让很多常规工作变得自动化。无数的传统白领工作如邮局和客服部门的工作已经消失不见。施乐帕罗奥多研究中心(Xerox Palo Alto Research Center)智能系统实验室访问研究员、斯坦福大学前经济学教授布赖恩·阿瑟(W. Brian Arthur)称之为“自治经济”。他认为,这一现象远比机器人和自动化技术完成人类工作更加微妙,其中包含了“数字进程与其他数字进程之间的对话,并创造出新的进程”,让我们可以使用更少的人完成很多工作,同时也淘汰了很多人工职位。

亚瑟认为,人类劳动并没有伴随生产率提高而显著增加,其主因就是这种数字化进程的冲击。此外,他说,“人类智慧的数字版本”正日益取代那些曾经需要人力的职位。“这将以前所未见的方式改变每个职业。”他警告说。

在描述诸如谷歌的无人驾驶汽车等进步发明时,麻省理工学院斯隆管理学院数字商务中心副主任迈克菲语速飞快,带着一丝敬畏。然而,虽然他对技术的热情显而易见,他还是认为最近消失的工作不会再回来。他认为,随着“足够的计算能力、数据和极客”推动的数字技术在未来几十年内继续呈指数化发展,现有的就业压力和由此产生的不平等只会变得更糟。“我希望自己是错的,”他说,“但是当这些科幻般的技术被付诸实施后,我们还需要人力做什么?”

新经济?

但是,这些新技术真的是造成十年就业增长低迷的元凶吗?许多劳动力经济学家认为,在最好的情况下,这些数据也不足以得出定论。其他几个可能的原因可以解释为何创造就业的速度自世纪之交以来变得相对缓慢,其中包括在20世纪早期和后期与全球贸易和金融危机相关的事件。哈佛大学劳动力经济学家理查德·弗里曼(Richard Freeman)说:“没人知道真正原因。”这是因为很难从其他宏观经济影响中“提炼”出技术的影响。但是他不相信技术改变一系列业务领域的速度能快到足以解释最近的就业数据。

大卫·奥特(David Autor)是麻省理工学院的经济学家,对就业和技术之间的关系做过广泛研究,他也怀疑技术是否是造成就业总人数突变的原因。“从2000年开始就业数字大幅下跌。情况的确发生了变化,”他说,“但没人知道原因。”此外,他怀疑美国生产率在过去十年是否真的强劲上升(经济学家对于相关统计可能持不同意见,因为关于经济投入和产出存在多种多样的测量方法)。如果他是对的,那么就出现了另一种可能性,也就是就业增长低迷其实仅仅是经济不景气的结果。职位创造速度突然放缓“是个大谜团”,他说,“但没有很多证据证明此事与计算机有关。”

奥特认为,可以肯定的是,计算机技术正在改变各种类型的工作,而这些变化“并不一定都对人有利”。他说,至少从20世纪80年代开始,电脑就日益取代了簿记、文书工作以及制造业的一些重复生产工作,而这些工作通常提供了中产阶级档次的薪水。与此同时,需要创造力和解决问题能力、薪水更高、通常有计算机辅助的工作如雨后春笋般涌现。低技能的工作也是如此:对餐厅工人、看门人、家庭保健助手以及其他服务型工作的需求日益增加,而这些工作几乎不可能实现自动化。奥特认为,其结果就是劳动力出现“两极化”,中产阶级开始消失。众多工业化国家在过去几十年内都发生了这种现象。但是“这和说技术影响就业总人数还是存在很大的差别,”他补充道,“工作的变化未必会伴随着就业率的巨大变化。”

此外,历史表明,即使现在的数字技术减缓了岗位的增加,这种痛苦的震动很可能只是临时现象。随着工人调整自身技能,创业者基于新技术创造工作机会,工作数量会反弹。这至少是过去贯有的规律。这样一来,问题就变成:现在的计算机技术是否有所不同,会造成长久的非自愿的失业?

至少从20世纪70年代开始的工业革命以来,技术发展改变了一些工作的性质,同时破坏了另一些类型的工作。1900年,41%的美国人从事农业生产,而到2000年,这一比例降至2%。同样,美国制造业的就业比例已从二战后的30%下降至目前的10%左右,其中部分原因就是自动化的日益普及,尤其是在20世纪80年代。

虽然对于那些技能不再符合雇主要求的工人而言,这样的变化令他们感到痛苦,但哈佛大学经济学家劳伦斯·卡茨(Lawrence Katz)认为,并没有历史模式表明此类变化会导致工作岗位出现长期净减。卡茨广泛研究了过去几百年里技术进步是如何影响工作的,例如在19世纪中叶,工厂的低技术工人取代了高度熟练的工匠。他说,虽然工人们要花几十年的时间才能获得新型工作岗位所需要的专业技能,但是“我们从来没有职位不足的情况。并没有人类工作被消除的长期趋势。从长远来看,就业率是相当稳定的。人们总能够创造新的工作。人们会找到新的事情来干。”

不过,卡兹也承认,当前的数字技术与之前的技术进步有所不同,可能影响更多类型的工作。他说,问题在于经济史能否提供有用的指导。到底技术减缓就业增长是一种会随着劳动力的调适而逐渐消失的暂时现象,还是会出现如科幻小说里的情景:自动化流程和拥有超人技能的机器人接管了广泛的人工任务?虽然卡茨预计历史规律会重现,但他也说,这是“一个真正的问题。如果技术的破坏力足够大,谁知道会发生什么?”

沃森医生

要探求卡茨的这个问题,我们值得来看一看当今最先进的技术是如何在行业中被应用的。毫无疑问,这些技术已经取代了一些人类工作,但是要找到机器大规模取代工人的证据并非易事。之所以难以确定技术对就业数量的净影响,原因之一就在于自动化的应用往往提高了工人的效率,而未必是取代了工人。生产率的提高意味着企业可以用更少的员工做同样的工作,但是也使得企业可以在现有工人的基础上扩大生产,甚至进入新的市场。

以亮橙色的Kiva机器人为例。它是新兴电子商务公司的福音。这种机器人由Kiva Systems公司研发和销售。这家创业公司成立于2002年,于2012年被亚马逊以7.75亿美元的价格收购。Kiva机器人可以在大型仓库中快速移动,提取订购的货物,将它们传送给打包的员工。该公司总部位于波士顿郊外,这里设有大型仓库和组装展示厂,成群结队的机器人在里面四处疾走,似乎拥有无尽的能量。一些新组装的机器人正在进行测试,以证明自己已经可以被运送给世界各地的客户使用。另外一些则等着向参观者展示如何即刻处理电子订单,并把所需的产品运送到工人的工作站。

配备Kiva机器人的仓库所处理的订单量可以达到非自动化的类似仓库的4倍,后者的工人可能把70%的时间都花在走来走去寻找商品的过程中(不管是否巧合,在有报道披露亚马逊公司的工人每天走路超过10英里后不久,亚马逊就购买了Kiva。)

Kiva创始人兼首席执行官米克·蒙兹(Mick Mountz)表示,虽然机器人有节省劳动力的潜力,但他不认为机器人已经或者将来会让很多人失业。他说,首先,Kiva的大部分客户都是电子商务零售商,有些商家发展速度非常快,以至于来不及招聘人手。机器人技术减少了他们的分销成本,提高了效率,帮助很多商家存活下来,甚至发展壮大。在成立Kiva公司之前,蒙兹在Webvan公司工作,这家网上杂货快递公司的破产是20世纪90年代互联网蓬勃发展时期最声名狼藉的事件之一。他喜欢向人们展示数据,显示Webvan公司从一开始就注定了失败:为了完成100美元的订单,公司要花120美元送货。蒙兹的观点非常明确:诸如材料搬运成本这样平淡无奇的环节也会导致一个新公司夭折。而自动化可以解决这个问题。

与此同时,Kiva公司也在招人。该公司宽敞的办公楼里,一些小隔间上飘着与机器人颜色相同的橙色气球,意味着坐在这个隔间里的人最近一个月才刚刚入职。大部分新员工是软件工程师:虽然机器人是这家公司的形象代言人,但公司不那么为人所知的创新在于引导机器人移动并确定货品储存位置的复杂算法。这些算法让系统可以灵活调整。比如它可以了解到哪些货品的订单不多,因此应该被储存在仓库里较偏远的位置。

诸如此类的进步说明工作的一些方面可以通过自动化完成,但也同时说明在完成某些任务时人类更为出色,比如将各种物品包装在一起。有关机器人的很多久已有之的问题在很大程度上仍然难以解决,比如如何教会机器人识别椅子等物品,尤其如果机器人可以在工厂或办公室这类复杂的环境里自由走动,那么解决这些问题的难度就更大了。

使用大量计算能力的技术已经大大提高了机器人了解周围环境的能力,但是麻省理工学院计算机科学和人工智能实验室的工程学教授约翰·伦纳德(John Leonard)认为,许多熟悉的困难依然存在。“一方面我看到了加速的进展;另一方面我看到了多年的老问题,”他说,“我了解对机器人做出任何改进的困难之大。最大的挑战是不确定性。”换言之,在应对周边环境变化和突发事件时,人类仍然比机器人高超得多。

因此,伦纳德表示,在很多情况下,可以预期机器人与人一起工作要比机器人自行工作效果好。“人与机器人共事的情形会发生得比机器人简单取代人类快得多,”他说,“在我的有生之年,这样的事不会大规模发生。半自动出租车还是需要一个司机。”

Rethink公司的Baxter机器人是更友好、更灵活的机器人之一,其设计初衷就是与人合作。公司创始人罗德尼·布鲁克斯(Rodney Brooks)表示,Baxter只需要最基础的培训便可以执行简单任务,比如捡起物品,把它们放到盒子里。它适用于相对较小的生产车间,因为传统的工业机器人造价太高,对工人的安全威胁也太大。布鲁克斯表示,这项设计就是让机器人负责没人想做的枯燥、重复的工作。

见到Baxter的人很难不立刻喜欢上它,部分是因为它看上去一副急于讨人欢心的样子。当它疑惑不解时,会抬起显示屏上的“眉毛”;手臂撞到东西时,会顺从而温和地向后缩。问布鲁克斯这样先进的工业机器人是否会减少工作岗位,他简单而清楚地答说不会。他说,机器人和工厂工人的关系就是电钻和建筑工人的关系,“它让他们更多产,更高效,但不会拿走工作。”

Kiva和Rethink创造的机器人都经过巧妙的设计和制造,可以和人类合作,接手人类不愿做或不擅长的工作。他们经过专门设计,以提高工人的生产率。因此在短期内很难看到这些日益复杂的机器人会在大多数制造业和工业岗位上取代人类的现象。但是文书和一些专业的工作可能更容易消失。这是因为人工智能和大数据的结合使得机器开始拥有与人一样的推理能力,并借此解决很多新型问题。

在时髦的纽约市北郊,IBM研究中心将超级智能计算功能应用在医药、金融和客户服务等专业领域。IBM的努力造就了沃森,这个计算机系统最知名的成绩就是在2011年的游戏节目《危险边缘》(Jeopardy!)中打败了人类冠军。那个版本的沃森现在正坐在约克镇高地(Yorktown Heights)的研究所大型数据中心的角落里,一个闪闪发光的牌匾记录着它曾经的辉煌。与此同时,研究人员已经开始测试新一代的医疗用沃森,这一技术会帮助医生诊断如癌症一类的疾病,对病人进行评估,并提供治疗方案。

IBM喜欢把它称作认知计算。从本质上讲,沃森使用了人工智能技术、先进的自然语言处理和分析技术,以及海量的数据——从相关应用特有的渠道而来(如果是医疗领域,这个渠道就是医学期刊、教科书以及从使用该系统的医师或医院收集来的信息)。创新的技术和巨大的计算能力使得机器人可以迅速给出“意见”,也就是最近和最相关的信息,以指导医生的诊断和治疗决策。

虽然系统解读应用数据的能力非常出色,但“沃森医生”仍处于初期阶段。尽管它具备了从特定模式中“学习”以及评估不同可能性的基本能力,但还远远不具备一个医生通常需要的判断力和直觉。但是IBM又宣布,公司将开始向不需要复杂的人为判断力的客服热线提供沃森的服务。IBM称,公司将出租沃森的更新版本,让它以“客户服务代理”的身份回应消费者的提问;它已经与几家银行签约。呼叫中心自动化当然不是什么新鲜事物,但是沃森提高了自然语言处理能力,并有能力对大量数据进行挖掘,让系统可以与呼叫者直接对话,甚至就技术性的、复杂的问题提供有针对性的建议。不难想见它正在新领域里取代人类固有的很多角色。

数字世界的失败者

许多人担心自己的就业问题。对于他们,说自动化和数字技术是当今岗位缺乏的部分原因这样的论点显然触动了他们的神经。但这仅仅是布林约尔松和迈克菲所认为的更广泛趋势的后果之一。他们认为,技术进步的极大提速已经大大增加了经济赢家和输家间的差距——也就是几十年来许多经济学家一直担心的收入不平等问题。他们指出,数字技术总是偏爱“超级巨星”。比如自动化报税的程序设计者可能赚取数百万或数十亿美元,同时让社会不再需要不计其数的会计师。

迈克菲说,新技术正在“以完全前所未有的方式侵犯人的技能”,而很多中产阶级的工作正好位于靶心;甚至一些教育、医学和法律行业里相对高技能的工作也受到了影响。“中间部分似乎正在消失,”他补充道,“而顶部和底部的距离则越来越远。” 迈克菲认为,虽然技术可能只是其中一个因素,但过去人们一直未能“充分领会”它的角色,而其重要性会越来越显著。

不是所有人都同意布林约尔松和迈克菲的结论,尤其是他们认为最新的技术变化会带来前所未有的影响这一说法。但是难以忽视的一点是,他们警告说技术正在加大精通技术的人和其他人之间的收入差距。而即使经济只是在经历又一次转型——过去工人们也忍受过类似的时期,但对于人而言,这仍是极为痛苦的,这个问题必须以某种方式来处理。哈佛大学的卡兹已经表明,20世纪初农业岗位大量减少,但许多人可以接受中学教育,这是当时推动美国繁荣的部分原因。其结果就是,至少直到20世纪80年代,受过教育而在工业部门就业的工人越来越多,这推动了收入的提高,减少了不平等。卡茨从中得出的结论是:技术变革未必会给劳动力带来长期的痛苦后果。

布林约尔松自己说,他还没有要下结论说经济进步和就业情况永远背道而驰了。他说:“我不知道我们是否可以恢复,但我希望可以。” 不过,他建议,这取决于是否可以认识到这一问题并采取措施,比如增加工人培训和教育。

“我们很幸运,在20世纪的大部分时间,稳步提升的生产率惠及了所有部门,”他说,“许多人尤其经济学家据此断言这就是世界的运转方式。我曾经说过,如果我们顾好了生产率,那么一切问题都会自动解决;生产率是唯一最重要的经济统计数据。但是这一说法现在已经不成立了。” 他补充说:“这是经济学肮脏的秘密之一:技术进步可以改善经济、创造财富,但是没有一个经济学规律说每个人都可以从中受益。”换言之,在与机器的竞赛中,有些人会胜出,而另一些人会败下阵来。

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:2014-09-06,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 大数据文摘 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
相关产品与服务
NLP 服务
NLP 服务(Natural Language Process,NLP)深度整合了腾讯内部的 NLP 技术,提供多项智能文本处理和文本生成能力,包括词法分析、相似词召回、词相似度、句子相似度、文本润色、句子纠错、文本补全、句子生成等。满足各行业的文本智能需求。
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