《自然》雜誌：關於人類未來的工作，有三個最緊迫的問題
作者 chiming
轉載自 36氪（wow36kr）
編者按：本文是一篇發表在《自然》雜誌的綜述，
去年，線上教育公司Udacity的創始人和總裁Sebastian Thrun開始用人工智慧來“武裝”銷售團隊。
接下來，他們讓這個系統——數位銷售助理和人類同事一起工作。當問題出現時，
在未來的幾十年裡，這些技術將改變幾乎所有的行業（從農業、醫藥和製造業到銷售、金融和交通），並重塑工作的性質。“數百萬的工作崗位將被淘汰，數以百萬計的新工作將被創造，更多的工作將會發生改變，”麻省理工學院數字經濟專案的負責人Erik Brynjolfsson說。
但做出準確的預測非常困難。Brynjolfsson說：“這些技術正在快速發展，這在某種程度上是一件好事，但我們在理解它們的影響方面有巨大的差距，這需要有更多的研究。”研究人員已經開始這樣做了，但新出現的變化都表明，這背後並不簡單。數位技術的進步可能會以複雜而微妙的方式改變工作，為就業者創造機會，或者帶來風險。
這裡有三個緊迫的關於未來工作的問題，
在以前的自動化浪潮中，技術進步讓機器能夠接管簡單、重複和常規的任務。機器學習提高了將更複雜、非常規的認知任務自動化的可能性。Brynjolfsson說：“在過去的40~50年的大部分時間裡，機器是不可能自動完成任務的。”“這已經是過去式了。”現在機器可以自己學習了。”
機器學習系統可以轉譯語音、識別圖像、挑選股票、檢測欺詐和診斷疾病，在一些新的領域幾乎能與人類的表現相抗衡。Thrun說：“一台機器實際上可以看到非常非常非常多的資料樣本，遠遠超出了人類能處理的範疇。”今年早些時候，他領導團隊做了一項研究，用了大約129000張皮膚損傷圖像訓練一台機器診斷皮膚癌，其精確度與合格的皮膚科醫生相當。
這些進步讓人們擔心，這樣的系統可能會取代曾經看起來過於複雜、無法實現自動化的人類工人。專家在前幾年給出的預測非常可怕。2013年，英國牛津大學的研究人員評估了機器學習與移動機器人技術對702種不同職業產生的影響。他們得出的結論是，美國有47%的工作都有高風險，交通、物流、生產和行政支持方面的工作崗位最容易受到自動化的影響。同時，這對於計程車司機、檔案員來說也是一個麻煩。不過從那以後，其他的研究人員認為47%的數字太高了，因為許多崗位的工作者都有很多工作要做。
德國曼海姆歐洲經濟研究中心的高級研究員Ulrich Zierahn說：“一旦你深入研究，你就會發現人們在工作中真正承擔的角色是什麼，然後你會發現他們的估計要‘水’得多。”
例如，牛津大學的研究報告稱，記帳、會計和審計的職員面臨著98%的自動化風險。但當Zierahn和他的同事們分析調查資料時，發現76％的工作需要團隊合作或面對面的互動。至少就目前而言，這樣的工作並不容易實現自動化。當研究人員將他們的方法擴展到其他職業時，他們發現在被調查的21個國家中，危險工作的數量並不那麼令人擔憂。在美國，自動化程度高的工人所占的比例僅為9%，而在韓國和愛沙尼亞，這一比例為6%，德國和奧地利為12%。
Brynjolfsson現在正與卡內基梅隆大學的電腦科學家Tom Mitchell合作，深入研究機器學習的影響。他們制定了一個規範，列出了特別適合自動化的任務都有哪些特徵。例如，機器學習系統擅長將一組輸入——比如皮膚病變的圖像——轉換成另一組輸出，如癌症診斷。因此，它們非常適合用來處理那些需要大量資料集來完成的任務。Brynjolfsson和Mitchell正在深度挖掘幾個大型職業資料庫，以確定各種各樣的工作任務與自動化特徵的匹配程度。
即使有了這些分析，去確定勞動力市場將會發生什麼也非常困難。但一個工作可以自動化，並不代表著它就肯定會自動化。企業或組織需要耗費大量的金錢與時間變革，以適應新技術的普及與運用。法律、倫理和社會的障礙也會阻礙自動化的部署。“人工智慧還不是一種現成的產品，”義大利米蘭-比奧卡大學醫療資訊學專家Federico Cabitza說。舉例來說，一個醫療機器學習系統的實施運轉，不僅需要技術上的準備，還需要有大量時間入進去。更不用說讓護理人員和病人的參與了。
研究表明，勞動力對新技術的適應能力是很強的。在20世紀後半葉，自動化程度的提高導致了職業的轉變，工人開始執行更複雜和非常規的任務。在未來的一些場景中，這些轉變可能是積極的;如果自動化系統能夠進行常規的醫學診斷，它就可以讓醫生花更多的時間與病人互動，去處理複雜的病例。Mitchell說：“電腦在醫學診斷方面的能力越來越強，這並不意味著醫生這個職業類別會消失。”“也許這意味著我們會有更好的醫生。”
事實上，許多人可能會發現自己能與人工智慧系統一起工作，來提高工作效率，就像Udacity的銷售人員所做的那樣，而不是被它們取代。例如，自動駕駛汽車還無法應對所有情況，所以日產正在研發一種以人為本的解決方案。如果它的一輛自動駕駛汽車遇到了它不明白的情況，比如道路施工或發生了交通事故，它將會將資訊回饋給一個遙控指揮中心，在那裡，將車輛交給一個“移動經理”控制，直到通過故障點。“機器思考的方式與人類完全不同，而且每個人都有自己的優勢，”維吉尼亞州費爾法克斯市人類計算研究所執行主任Pietro Michelucci說，“因此，機器和人類之間存在著一種真正的、自然的‘聯姻’。”
零工經濟會增加對工人的剝削嗎？正在蓬勃發展的零工經濟（Gig Economy）具有靈活性、多樣性和自主性等特徵。在這種經濟模式下，人們可以利用線上平臺來尋找短期的工作。現在，有各種各樣這種按需的，依賴於網路媒介的工作形式。最典型的莫過於Uber司機。其他還有各種眾包，比如亞馬遜的眾包平臺 Mechanical Turk，有著做調查、翻譯幾句話或給一張圖片貼上標籤的微任務。
這些數字平臺可以讓員工在任何地方完成任務，這意味著他們可以消除一些地理障礙，從而找到工作。“Nairobi（東非國家肯亞的首都）已經有人不再受制於當地勞動力市場，”牛津大學數位地理學家Mark Graham說。
Graham和他的同事們花了幾年時間研究東南亞和撒哈拉以南非洲地區的網路-按需經濟。他們對這些地區超過150名零工勞動者進行了面對面的採訪，對超過500人進行了調查，並對網上勞動力平臺上的數十萬筆交易進行了分析。
他們的初步結果顯示，這些工作確實能給一些零工勞動者帶來好處;68%的受訪者表示，這項工作是他們家庭收入的重要組成部分。網路平臺為各種各樣的人提供了工作機會，比如移民女性和沒有工作許可的移民，對於他們來說，就業機會非常有限。Graham說：“這個體系確實讓有些人獲益匪淺，但並不是每個人都是這樣。”
在零工經濟中，勞動力明顯供過於求。所以勞動報酬被壓的很低。有些時候工作要求的時間非常緊急，許多人不得不加班加點。Graham說：“他們的生活本來就很不穩定，所以他們很擔心那些工作會對自己說‘不’。”“我們訪談了很多人，他們為了按時完成工作付出了很多的代價，比如連續工作48個小時。”
不同地域之間仍舊存在著很大的不平等。在2014年的一項研究中，Graham和幾位同事分析了一個平臺在2013年3月的6萬多筆交易。他們發現，大多數工作都是由高收入國家的雇主列出，並由低收入或中等收入國家的工人完成的。
但那些離工作地點很近的人似乎仍有優勢。同樣的任務，他們掙得比外國工人高得多——平均每小時24.13美元，而外國工人的工資是每小時11.66美元。此外，還有一些低收入和中等收入國家的就業機會比其他國家多，在Graham的分析中，印度和菲律賓是前兩名。
這些差異其實也可以解釋。語言和時區差異可能會導致一些雇主不願雇用外國勞工，印度和菲律賓有著勞工外包的歷史，對於雇主來說，可能會更有吸引力。但無論是否有意識，Graham的團隊在其中發現了一些歧視，比如一些任務，來自某些國家的人不需要申請就可以去做。
另一項關於零工勞動者的大型人種學研究也開始透露更多關於這項工作是如何完成的。它還提供了一些關於員工需要成功的線索。在2013年到2015年之間，微軟研究院的兩名高級研究員Mary Gray和Siddharth Suri對美國和印度的大約2,000名零工工人進行了調查，並對近200名工作人員進行了長時間的採訪。
他們得出的第一個結論是，儘管零工工人經常被描繪成獨立自主的勞動者，但實際上他們中的許多人都需要互相溝通和合作。工人們互相説明建立帳戶和個人檔案，分享關於優秀雇主和新崗位的資訊，並相互提供技術和社會支援。Suri說，工人們正在有意識地將人類的聯繫重新融入到新的系統中，他們是在用自己的時間去完成工作。“所以他們顯然必須重視這個問題。”
在一項後續的定量研究中，他們繪製了1萬多名在亞馬遜的眾包平臺Mechanical Turk上工作的工人的社會聯繫。Gray、Suri和他們的同事們發現，這種合作可以帶來真正的回報。在這個平臺上與至少另一個人有聯繫的工人會獲得更高的支持率，更有可能比那些沒有沒有社會聯繫的人更快地發現新任務。Gray說，要讓人們高效工作，“事實證明他們真的需要合作。他們需要彼此。”
技能的差距能夠彌補嗎？近年來，專家們一直在提醒人們，擁有數字技能的工人短缺迫在眉睫。他們警告說，沒有足夠多的受過培訓的工人來填補高技術職位，而且缺乏基本的數位化素養，可能會阻礙某些地區或人口群體的工人在數字經濟中蓬勃發展。作為回應，世界各地湧現出各種促進數位掃盲和提高技能的創新創業項目。現在，研究已經開始提供一些線索，告訴我們哪些是有效的，哪些是無效的，哪些技能培訓可能會失敗。
已經有一些成功案例了。十多年前，美國國防高級研究計畫局開始開發一種個性化、互動式和自我調整的“數位家庭教師”系統，以培訓美國海軍的新成員，從事資訊系統技術（IT）工作。學生們將與導師一對一合作，完成不同主題的課程，並解決相關的問題。該系統對概念學習和反思進行了優先排序，定期督促學生複習他們學過的知識。當輔導系統判斷一個學生已經掌握了這種材料時，它就會進入下一個話題。
在2014年的一次審查中，研究人員發現，完成16周課程的12名新學員的表現，超過了傳統的、以教室為基礎的美國海軍的畢業生，更關鍵的是這些畢業生的培訓持續了32周。這些新學員甚至比一組有10年工作經驗的高級海軍IT技術人員的表現還要好。”
在隨後的一項研究中，稍微修改後的“數位家庭教師”系統在培訓100名退伍軍人從事IT行業中的文職工作時，也得到了類似的結果。在完成該計畫的6個月內，97%的退伍軍人都獲得了對應的工作，他們的平均年薪大致相當於擁有3-5年工作經驗的人。
還有許多其他的策略被用於提高工人的數位化技能，改善他們的就業狀況，包括大規模開放線上課程（MOOC）和傳授電腦程式設計的基礎知識的訓練營。
2016年，對哥倫比亞、菲律賓和南非等地的1400名MOOC用戶進行了分析發現，80%的學生來自中低收入家庭，41%的學生只具備基本的電腦技能。超過一半的學生（56%）是女性，最受歡迎的課程是電腦科學。
但這其中的很多課程品質參差不齊，很少有人得到嚴格的評估。但程式設計訓練營費用高昂，還需要投入大量的時間，主要位於城市的。在2015年的一項關於67000多門MOOC課程的研究中，斯坦福大學的兩名研究人員發現，來自非洲、亞洲和拉丁美洲的女性☆禁☆學生對課程的完成率都不太樂觀，而且她們的成績比男性☆禁☆學生和來自北美、歐洲和大洋洲的MOOC學生的成績要低。
即使是那些成功完成數位技能課程的人，也仍然面臨著各種各樣的就業障礙。2004年，研究人員對奈洛比的斯特拉斯摩爾大學肯亞IT項目的學生進行了訪談，一些學生表示，他們擔心自己找不到工作，或者工作能力不被認可。“這對女性來說尤其如此，”參與這項研究的資訊科學家Lynette Yarger說。正如一名女學生所說：“因為我是女性，雇主可能不會認為他們應該給我一份工作，所以我可能永遠無法充分利用我所學到的一切，做我想做的工作。”
這項研究已經明確表明，即使是設計良好的培訓專案，也可能不足以確保“學生”能夠在數位化領域取得成功。“你有更好的技能，知道如何使用電腦，這並不一定意味著你可以找到一份好工作。”“技能是這個難題的一個重要部分，但除了它們還有很多的問題。”
原文由郝鵬程編輯、由36氪編譯組出品
在一些新的領域幾乎能與人類的表現相抗衡。Thrun說：“一台機器實際上可以看到非常非常非常多的資料樣本，遠遠超出了人類能處理的範疇。”今年早些時候，他領導團隊做了一項研究，用了大約129000張皮膚損傷圖像訓練一台機器診斷皮膚癌，其精確度與合格的皮膚科醫生相當。這些進步讓人們擔心，這樣的系統可能會取代曾經看起來過於複雜、無法實現自動化的人類工人。專家在前幾年給出的預測非常可怕。2013年，英國牛津大學的研究人員評估了機器學習與移動機器人技術對702種不同職業產生的影響。他們得出的結論是，美國有47%的工作都有高風險，交通、物流、生產和行政支持方面的工作崗位最容易受到自動化的影響。同時，這對於計程車司機、檔案員來說也是一個麻煩。不過從那以後，其他的研究人員認為47%的數字太高了，因為許多崗位的工作者都有很多工作要做。
德國曼海姆歐洲經濟研究中心的高級研究員Ulrich Zierahn說：“一旦你深入研究，你就會發現人們在工作中真正承擔的角色是什麼，然後你會發現他們的估計要‘水’得多。”
例如，牛津大學的研究報告稱，記帳、會計和審計的職員面臨著98%的自動化風險。但當Zierahn和他的同事們分析調查資料時，發現76％的工作需要團隊合作或面對面的互動。至少就目前而言，這樣的工作並不容易實現自動化。當研究人員將他們的方法擴展到其他職業時，他們發現在被調查的21個國家中，危險工作的數量並不那麼令人擔憂。在美國，自動化程度高的工人所占的比例僅為9%，而在韓國和愛沙尼亞，這一比例為6%，德國和奧地利為12%。
Brynjolfsson現在正與卡內基梅隆大學的電腦科學家Tom Mitchell合作，深入研究機器學習的影響。他們制定了一個規範，列出了特別適合自動化的任務都有哪些特徵。例如，機器學習系統擅長將一組輸入——比如皮膚病變的圖像——轉換成另一組輸出，如癌症診斷。因此，它們非常適合用來處理那些需要大量資料集來完成的任務。Brynjolfsson和Mitchell正在深度挖掘幾個大型職業資料庫，以確定各種各樣的工作任務與自動化特徵的匹配程度。
即使有了這些分析，去確定勞動力市場將會發生什麼也非常困難。但一個工作可以自動化，並不代表著它就肯定會自動化。企業或組織需要耗費大量的金錢與時間變革，以適應新技術的普及與運用。法律、倫理和社會的障礙也會阻礙自動化的部署。“人工智慧還不是一種現成的產品，”義大利米蘭-比奧卡大學醫療資訊學專家Federico Cabitza說。舉例來說，一個醫療機器學習系統的實施運轉，不僅需要技術上的準備，還需要有大量時間入進去。更不用說讓護理人員和病人的參與了。
研究表明，勞動力對新技術的適應能力是很強的。在20世紀後半葉，自動化程度的提高導致了職業的轉變，工人開始執行更複雜和非常規的任務。在未來的一些場景中，這些轉變可能是積極的;如果自動化系統能夠進行常規的醫學診斷，它就可以讓醫生花更多的時間與病人互動，去處理複雜的病例。Mitchell說：“電腦在醫學診斷方面的能力越來越強，這並不意味著醫生這個職業類別會消失。”“也許這意味著我們會有更好的醫生。”
事實上，許多人可能會發現自己能與人工智慧系統一起工作，來提高工作效率，就像Udacity的銷售人員所做的那樣，而不是被它們取代。例如，自動駕駛汽車還無法應對所有情況，所以日產正在研發一種以人為本的解決方案。如果它的一輛自動駕駛汽車遇到了它不明白的情況，比如道路施工或發生了交通事故，它將會將資訊回饋給一個遙控指揮中心，在那裡，將車輛交給一個“移動經理”控制，直到通過故障點。“機器思考的方式與人類完全不同，而且每個人都有自己的優勢，”維吉尼亞州費爾法克斯市人類計算研究所執行主任Pietro Michelucci說，“因此，機器和人類之間存在著一種真正的、自然的‘聯姻’。”
零工經濟會增加對工人的剝削嗎？正在蓬勃發展的零工經濟（Gig Economy）具有靈活性、多樣性和自主性等特徵。在這種經濟模式下，人們可以利用線上平臺來尋找短期的工作。現在，有各種各樣這種按需的，依賴於網路媒介的工作形式。最典型的莫過於Uber司機。其他還有各種眾包，比如亞馬遜的眾包平臺 Mechanical Turk，有著做調查、翻譯幾句話或給一張圖片貼上標籤的微任務。
這些數字平臺可以讓員工在任何地方完成任務，這意味著他們可以消除一些地理障礙，從而找到工作。“Nairobi（東非國家肯亞的首都）已經有人不再受制於當地勞動力市場，”牛津大學數位地理學家Mark Graham說。
Graham和他的同事們花了幾年時間研究東南亞和撒哈拉以南非洲地區的網路-按需經濟。他們對這些地區超過150名零工勞動者進行了面對面的採訪，對超過500人進行了調查，並對網上勞動力平臺上的數十萬筆交易進行了分析。
他們的初步結果顯示，這些工作確實能給一些零工勞動者帶來好處;68%的受訪者表示，這項工作是他們家庭收入的重要組成部分。網路平臺為各種各樣的人提供了工作機會，比如移民女性和沒有工作許可的移民，對於他們來說，就業機會非常有限。Graham說：“這個體系確實讓有些人獲益匪淺，但並不是每個人都是這樣。”
在零工經濟中，勞動力明顯供過於求。所以勞動報酬被壓的很低。有些時候工作要求的時間非常緊急，許多人不得不加班加點。Graham說：“他們的生活本來就很不穩定，所以他們很擔心那些工作會對自己說‘不’。”“我們訪談了很多人，他們為了按時完成工作付出了很多的代價，比如連續工作48個小時。”
不同地域之間仍舊存在著很大的不平等。在2014年的一項研究中，Graham和幾位同事分析了一個平臺在2013年3月的6萬多筆交易。他們發現，大多數工作都是由高收入國家的雇主列出，並由低收入或中等收入國家的工人完成的。
但那些離工作地點很近的人似乎仍有優勢。同樣的任務，他們掙得比外國工人高得多——平均每小時24.13美元，而外國工人的工資是每小時11.66美元。此外，還有一些低收入和中等收入國家的就業機會比其他國家多，在Graham的分析中，印度和菲律賓是前兩名。
這些差異其實也可以解釋。語言和時區差異可能會導致一些雇主不願雇用外國勞工，印度和菲律賓有著勞工外包的歷史，對於雇主來說，可能會更有吸引力。但無論是否有意識，Graham的團隊在其中發現了一些歧視，比如一些任務，來自某些國家的人不需要申請就可以去做。
另一項關於零工勞動者的大型人種學研究也開始透露更多關於這項工作是如何完成的。它還提供了一些關於員工需要成功的線索。在2013年到2015年之間，微軟研究院的兩名高級研究員Mary Gray和Siddharth Suri對美國和印度的大約2,000名零工工人進行了調查，並對近200名工作人員進行了長時間的採訪。
他們得出的第一個結論是，儘管零工工人經常被描繪成獨立自主的勞動者，但實際上他們中的許多人都需要互相溝通和合作。工人們互相説明建立帳戶和個人檔案，分享關於優秀雇主和新崗位的資訊，並相互提供技術和社會支援。Suri說，工人們正在有意識地將人類的聯繫重新融入到新的系統中，他們是在用自己的時間去完成工作。“所以他們顯然必須重視這個問題。”
在一項後續的定量研究中，他們繪製了1萬多名在亞馬遜的眾包平臺Mechanical Turk上工作的工人的社會聯繫。Gray、Suri和他們的同事們發現，這種合作可以帶來真正的回報。在這個平臺上與至少另一個人有聯繫的工人會獲得更高的支持率，更有可能比那些沒有沒有社會聯繫的人更快地發現新任務。Gray說，要讓人們高效工作，“事實證明他們真的需要合作。他們需要彼此。”
技能的差距能夠彌補嗎？近年來，專家們一直在提醒人們，擁有數字技能的工人短缺迫在眉睫。他們警告說，沒有足夠多的受過培訓的工人來填補高技術職位，而且缺乏基本的數位化素養，可能會阻礙某些地區或人口群體的工人在數字經濟中蓬勃發展。作為回應，世界各地湧現出各種促進數位掃盲和提高技能的創新創業項目。現在，研究已經開始提供一些線索，告訴我們哪些是有效的，哪些是無效的，哪些技能培訓可能會失敗。
已經有一些成功案例了。十多年前，美國國防高級研究計畫局開始開發一種個性化、互動式和自我調整的“數位家庭教師”系統，以培訓美國海軍的新成員，從事資訊系統技術（IT）工作。學生們將與導師一對一合作，完成不同主題的課程，並解決相關的問題。該系統對概念學習和反思進行了優先排序，定期督促學生複習他們學過的知識。當輔導系統判斷一個學生已經掌握了這種材料時，它就會進入下一個話題。
在2014年的一次審查中，研究人員發現，完成16周課程的12名新學員的表現，超過了傳統的、以教室為基礎的美國海軍的畢業生，更關鍵的是這些畢業生的培訓持續了32周。這些新學員甚至比一組有10年工作經驗的高級海軍IT技術人員的表現還要好。”
在隨後的一項研究中，稍微修改後的“數位家庭教師”系統在培訓100名退伍軍人從事IT行業中的文職工作時，也得到了類似的結果。在完成該計畫的6個月內，97%的退伍軍人都獲得了對應的工作，他們的平均年薪大致相當於擁有3-5年工作經驗的人。
還有許多其他的策略被用於提高工人的數位化技能，改善他們的就業狀況，包括大規模開放線上課程（MOOC）和傳授電腦程式設計的基礎知識的訓練營。
2016年，對哥倫比亞、菲律賓和南非等地的1400名MOOC用戶進行了分析發現，80%的學生來自中低收入家庭，41%的學生只具備基本的電腦技能。超過一半的學生（56%）是女性，最受歡迎的課程是電腦科學。
但這其中的很多課程品質參差不齊，很少有人得到嚴格的評估。但程式設計訓練營費用高昂，還需要投入大量的時間，主要位於城市的。在2015年的一項關於67000多門MOOC課程的研究中，斯坦福大學的兩名研究人員發現，來自非洲、亞洲和拉丁美洲的女性☆禁☆學生對課程的完成率都不太樂觀，而且她們的成績比男性☆禁☆學生和來自北美、歐洲和大洋洲的MOOC學生的成績要低。
即使是那些成功完成數位技能課程的人，也仍然面臨著各種各樣的就業障礙。2004年，研究人員對奈洛比的斯特拉斯摩爾大學肯亞IT項目的學生進行了訪談，一些學生表示，他們擔心自己找不到工作，或者工作能力不被認可。“這對女性來說尤其如此，”參與這項研究的資訊科學家Lynette Yarger說。正如一名女學生所說：“因為我是女性，雇主可能不會認為他們應該給我一份工作，所以我可能永遠無法充分利用我所學到的一切，做我想做的工作。”
這項研究已經明確表明，即使是設計良好的培訓專案，也可能不足以確保“學生”能夠在數位化領域取得成功。“你有更好的技能，知道如何使用電腦，這並不一定意味著你可以找到一份好工作。”“技能是這個難題的一個重要部分，但除了它們還有很多的問題。”
原文由郝鵬程編輯、由36氪編譯組出品