事實上每一次科技進步最終創造的就業超過所消滅的就業
盡管科技取得長足進步,但鮮有跡象表明工業時代的教育和福利制度已在現代化和變得靈活。決策者現在就得著手,因為越往後推福利國家的負擔就越大。約翰-穆勒(John Stuart Mill)在19世紀40年代的著作中寫道,關心那些生活被技術破壞的人是立法者關心的最合理目標。
由於所謂的“深度學習”通用技術,人工智能經歷大量虛幻的曙光後終於在過去幾年取得非凡進步。給定足夠數據,根據人腦建模的大型(或“深度”)神經網絡便可接受訓練做各種工作。這些神經網絡支撐著谷歌搜索引擎、Facebook照片自動標記、蘋果語音助手、亞馬遜購物推薦和特斯拉自動駕駛汽車的運行。
斯蒂芬-霍金、伊隆-馬斯克等人懷疑人工智能是否會失去控制,突然造成科幻小說中的那種人與機器的沖突。其他人擔心人工智能會通過使從前只能由人完成的認知任務自動化而造成大範圍失業。機器問題200年後卷土重來,這個問題需要得到解答。
正如無數科幻電影所表現的,最驚人的情形是人工智能變壞。這是古老擔憂的現代表現形式,可追溯到1818年的《弗蘭肯斯坦》及更早時期。不過雖然人工智能系統令人嘆為觀止,但它們只能執行十分具體的任務:智力上能夠超過其人類創造者的通用人工智能仍然十分遙遠。
人工智能研究專家Andrew Ng表示,現在擔心人工智能就像殖民者甚至還未踏上火星就擔心火星上人口過多一樣。機器問題更加緊迫的方面在於人工智能對人類就業和生活方式有何種影響。
對人工智能這一方面的擔憂也有悠久的歷史。20世紀60年代(公司首次開始安裝電腦和機器人)和80年代(個人電腦登陸桌面)經歷了“技術性失業”(technological unemployment)的恐慌。每一次恐慌似乎技術工人崗位的普遍自動化就近在眼前。
然而事實上每一次科技進步最終創造的就業超過所消滅的就業,因為一種瑣碎工作的自動化增加了對那些機器仍然不能完成的相關工作的需求。比如,用自動取款機(ATM)取代部分銀行櫃員使得新開分行成本降低,創造了更多的銷售和客服新工作。同樣地,電子商務增加了零售業的總就業。
即便短期喪失的就業有可能被長期創造的新就業彌補且綽綽有余,19世紀的經歷表明這一過程可造成痛苦。
經濟增長在生活水平停滯不前幾百年後起飛,但幾十年過去了經濟起飛才在工資增長中得到充分反映。越來越多的人口從農村向城市工廠迅速轉移在全歐洲造成動蕩。各國政府用了一個世紀利用新的教育和福利制度做出反應。
而這一次的轉變可能會更加迅速,因為技術的擴散比200年前更快。收入不平等現象不斷加劇,因為高技術工人在科技補充支持他們的工作時獲益大得多。這對雇主和決策者構成兩大挑戰:如何幫助現有工人學習新技術;如何讓後人做好面對充滿人工智能工作場所的準備。
隨著科技改變每一項專業工作所需的技能,工人必須隨之調整。這意味著教育和培訓應足夠靈活,以便迅速、有效地教授新技能。終身學習和在職培訓將得到更多強調,網絡學習和視頻遊戲式仿真將得到更廣泛的應用。通過個性化電腦學習、確定員工技能差距和再陪訓機會,人工智能本身也能有所幫助。
社交和性格技能也將更加重要。當就業崗位不長久、科技不斷推陳出新和人們的工作年限延長,社交技能將是一項基礎技能。社交技能能夠給予人類一種優勢,幫助他們完成需要同情心和人際互動的工作,而同情心和人際互動是機器不具備的人類特質。
另外福利制度也須與時俱進,以實現就業的順利過渡,並在工人學習新技能時對其提供支持。一個廣受推崇的方案叫做“基礎收入”,即無論個人境遇如何付給每一個人基本收入。不過除非有強烈證據顯示這次科技革命不同於以往的科技革命,將削弱勞動力需求,否則這樣做沒有意義。
盡管科技取得長足進步,但鮮有跡象表明工業時代的教育和福利制度已在現代化和變得靈活。決策者現在就得著手,因為越往後推福利國家的負擔就越大。約翰-穆勒(John Stuart Mill)在19世紀40年代的著作中寫道,關心那些生活被技術破壞的人是立法者關心的最合理目標。
這在蒸汽機時代說得沒錯,在人工智能時代仍然如此。