《未来简史》作者赫拉利(Yuval Harari)日前在Nature刊文,指出AI留给人类的时间已经不多:AI革命将是一系列愈演愈烈的连锁事件,社会所需的技能改变太快,以至于我们无法决定拿什么教育我们的下一代;相关教育的缺失将带来一个庞大的无用阶层,而赢家和输家并非我们通常认为的那些人,侧重知识的数据分析类工作相比体力劳动更容易被取代。对于一个后工作的经济、社会或政治体系,我们还远没有构想出任何可行的模式,而留给我们的时间已经不多了。
眼下正在进行当中的这场AI革命将改变几乎所有行业的工作,这在创造巨大的社会和经济机遇的同时,也将带来重大挑战。
一些人认为,拥有智能的计算机将把人类排挤出就业市场,制造一个新的“无用阶层”;其他人则坚称,自动化技术将为全人类创造广泛的就业机会和更大的繁荣。但是,几乎所有人都同意,我们应该采取行动,防止最坏的情况发生。
自动化革命正从两股科技浪潮的交汇点浮现出来。计算机科学家正在开发可以学习、分析海量数据、以超人效率进行模式识别的AI算法;与此同时,生物学家和社会科学家正在破译人类的情感、欲望和直觉。
信息技术和生物技术的融合正在催生能够分析我们人类并跟我们展开交流的算法,而这些算法的任务执行能力可能很快就会超越人类医生、司机、士兵和银行家。最终,它们可能会将数亿人挤出就业市场。
政府可能会有意地放慢自动化技术的发展速度,以减轻由其造成的冲击,并给世人留足重新适应的时间。但是,要完全拒绝自动化技术并杜绝因此而来的工作岗位流失,那不仅是不可能,也是不可取的。
那将意味着,我们要放弃AI和机器人技术的巨大积极潜力。如果自动驾驶汽车在安全性和成本效益方面都优于人类司机,那么仅仅是为了保护司机的工作而禁止自动驾驶汽车,那将是反生产力的。
一种更明智的策略是创造新的就业机会。特别是,随着常规工作实现自动化,新的非常规工作机会将会增加。
例如,专注于诊断已知疾病和实施常规治疗的普通医生可能会被AI医生所取代。正因为如此,从事突破性医学研究、新药研制以及创新性手术技术探索的人类专家将能获得更多的资金支持。
实现这一切需要经济上的创业精神和法律上的灵活性,最重要的是,我们需要一场教育革命。
终身学习
今年9月,一台机器人在意大利比萨的威尔第剧院指挥卢卡爱乐乐团(Orchestra Filarmonica di Lucca)进行演出
要想把新机遇利用起来,人们需要进行彻底的、终身的再培训。AI革命不会是单一事件,就业市场和教育系统不会在一个单一事件发生后就进入新的平衡状态。
相反,AI革命将是由一系列愈演愈烈的颠覆所构成的连锁事件。即便在今天,也几乎没有人希望一辈子从事同一份工作。到2050年,不仅仅是“终身岗位”的概念,甚至连“终身职业”的概念看上去都可能显得不合时宜。知道要把什么知识教给小学生和大学生,这件事将变得越来越困难。
预测未来从来不容易。如果你生活在一千年前的中国,你不知道的事情有很多:整个王朝可能在50年内覆灭;契丹人可能入侵;或者一场新的瘟疫可能夺走百万人的生命。
尽管如此,你确实能够知道,大多数人仍然会过着男耕女织的生活,统治者仍然会需要男性加入军队作战和管理国家的税收,女性仍然会被婚姻束缚,而人们的预期寿命仍然会在40岁左右。
因此,在1017年,贫穷的中国父母教他们的孩子耕田或织布,富裕的父母则教男孩读书写字或者习武,以及教女孩三从四德。显而易见,这些技能将仍然被需要。相比之下,到了2017年,我们对工作、性别、经济,乃至死亡的未来已经没有这样的把握了。
人们的心理状态可能也会成为一个重要障碍。变化始终会带来压力,我们已经面临着压力和焦虑的大爆发,随着就业市场和个人职业不确定性的增加,我们可能想知道,是否每个人都会拥有应对不断变化的生活所需的情感耐受力。我们可能需要更有效的减压技术来应对这一切,包括药物、神经反馈训练和冥想,等等。
相对来说,创造新的就业机会可能比对人们进行再培训来填补岗位空缺更容易。一个庞大的无用阶层可能出现,那既是因为就业机会的绝对缺失,也是因为相关教育和心理灵活性的缺失。
试验案例
2015年,在意大利的一家疗养院,一名妇女跟一台机器人在一起
尽早确认新技术之下的赢家和输家,这一点特别重要。看上去很美好的整体统计数据可能掩盖着不同群体之间的差距。对于男人和女人,对于40岁以上的人和20岁出头的人,对于受过大学教育的人和目不识丁的人,自动化可能会产生非常不同的影响。
赢家和输家并非我们通常认为的那些人。举例来说,在诊所之中,自动化对医生的威胁可能比护士更大。
很多医生几乎只专注于处理信息:他们收集医疗数据,进行分析,并做出诊断。护士则还需要出色的运动和情感技能,从而给病人进行疼痛的注射、更换绷带,以及带着关心去聆听他们说的话。在AI家庭医生入驻我们的智能手机之后,我们可能还要过很多年才能拥有一种可靠的机器人护士。
此外,要理解未来计算机和人类之间的经济、职业和伦理关系,探索智能和意识之间的关系也将是至关重要的。我们正在看到计算机智能的巨大进步,但在计算机意识领域却进展寥寥。
就像飞机没有长出羽毛却能飞得比鸟更快,计算机也能解决问题,甚至比人类更擅长分析人的情感,而它自己没有产生任何情感。研究这些差异将有助于我们预测AI能做什么、不能做什么,以及确定哪些东西应该远离AI的控制。
AI已经在一些领域取得了巨大进步,在我看来,这提供了现代自动化技术如何影响工作世界的试验案例。
在国际象棋领域,IBM的“深蓝”(Deep Blue)计算机击败加里·卡斯帕罗夫(Gary Kasparov)已经是20年前的事情了。然而,人们仍然在下象棋,人跟AI组成的“半人半机”团队要比单独的人或计算机都要强。
这起初似乎是未来的好兆头:就业市场可以培养那些能够利用AI而不是与之竞争的人才。然而,半人半机团队中的力量平衡是在不断变化的。计算机的棋艺越来越高,以至于人类在团队中逐渐失去价值,并可能很快变得无关紧要。同样的事情可能在其他人机协作团队中发生。
自动驾驶汽车是另一个重要的试验案例。交通运输可以利用AI的一项核心优势——连接性。即使由单台计算机驱动的自动驾驶汽车比不上一名优秀的司机,但如果这些计算机组成网络,它们仍然要比目前在道路上占据主导地位、容易犯错的人类司机更加安全和高效。
如今,每年大约有125万人死于车祸,据估计,其中90%以上都是由人为失误造成的。当两名人类司机驶入同一个交叉路口时,他们可能因沟通受阻而发生碰撞。
但是,由计算机驱动的汽车可以接入同一个网络,因此它们因沟通受阻而发生碰撞的可能性就小得多。类似地,我们更容易确保自动驾驶汽车遵守交通规则,比如限速行驶,更不用说禁止酒驾了。
自动驾驶汽车说明了重要的两点。第一,在某些领域中,用机器人和计算机替代所有人类可能是有意义的,哪怕是某些人类个体能够做得更出色。第二,当某些领域发生变化时,变化可能突然而至,而不是逐步发生。
军队是另一个重要的风向标,因为军队是很多技术的早期采用者。人类战士附带的经济和政治成本非常高,所以在战场上用计算机代替人类已被证明很有吸引力。最先进的军队如今越来越多地依赖数量相对较少的专家,并辅之以精密的自动化技术,比如无人机、机器人、智能炸弹、网络蠕虫病毒,以及能够对海量数据进行处理的算法。
这一转变已经在维护、远程控制、编程和网络安全等领域产生出新的军事工作岗位。美国武装部队需要30人操控在叙利亚上空飞行的“捕食者”(Predator)或“收割者”(Reaper)无人机,并需要至少80人对采集到的信息进行分析。认真研究军队就业市场,我们可以从中获知很多关于民用经济未来潜在发展的信息。
新秩序
基于从早期预警信号和试验案例中获得的见解,学者应该努力开发出新的社会经济模式,因为旧的模式已经不再适用。
例如,20世纪流行的社会主义认为,工人阶级对经济至关重要,那些社会主义思想家试图教导无产阶级将其巨大的经济力量转化为政治影响力。到了21世纪,如果说民众失去了经济价值,他们要对抗的可能不是剥削,而是无用。
一个新模式正得到越来越多的关注和普及:全民基本收入(UBI)。持这种观点的人认为,政府应该向富人和大公司征税,以此向每个人提供能够满足基本需求的固定收入。这将缓解穷人因失业和经济混乱所受的冲击,并保护富人免于民愤。
此外,UBI还将解放民众,让他们能够从事更具有创造性的工作(那些工作放在当下看可能没有经济价值),或是继续深造。
2017年1月,芬兰启动了一项为期两年的试验,政府每月向2,000名失业公民发放560欧元(约合人民币4,360元),不管他们是否找到了工作。此外,加拿大的安大略省、意大利的里窝那以及荷兰的几个城市也在进行类似的试验。
当然,这样的国家级和城市级方案可能无法解决最糟糕的问题。全球化让一个国家的人完全依赖其他国家的市场,而自动化可能破坏这个全球贸易网络的很多大板块,从而给最薄弱的环节带去灾难性的后果。
AI可能会在高科技中心(比如硅谷和班加罗尔)产生巨大财富,与此同时,它也可能对依赖廉价劳动力的欠发达国家(比如洪都拉斯和孟加拉)的经济造成毁灭性打击。
可以想见,美国选民或许会同意把科技巨头(比如亚马逊和谷歌)为其美国业务支付的税款用来贴补宾夕法尼亚州的失业煤矿工人或是纽约的失业出租车司机。但是,他们不太可能同意把自己纳的税拿给洪都拉斯使用。对于一个后工作的经济、社会或政治体系,我们还远没有构想出任何可行的模式,而留给我们的时间已经不多了。
在19世纪,工业革命带来了新的情况和问题,当时既有的社会、经济和政治模式都无力应对。结果是人类不得不开发出全新的政治模式:自由民主制、法西斯极权等等。为了对这些模式进行试验,去芜存菁,实施最好的解决方案,人们经历了一个多世纪可怕的战争和革命。
在21世纪,信息技术和生物技术融合带来的挑战可以说更甚于蒸汽机、铁路、电力和化石燃料。鉴于我们现代文明的巨大破坏力,我们无力承受更多失败的模式、世界大战和血腥的革命。
这一次,我们必须做得更好。
来源:xingshu100
{replyUser1} 回复 {replyUser2}:{content}