The following two tabs change content below.

文/馬丁‧福特(Martin Ford) 譯/李芳齡

諾貝爾經濟學獎得主米爾頓‧傅利曼(Milton Friedman)在一九六○年代為亞洲某開發中國家政府提供顧問服務,他被帶去參觀一個大型公共工程,看到大批工人揮動鏟子,但現場沒幾部推土機、拖拉機、或其他重型挖土器具,傅利曼甚是驚訝,遂提出疑問。負責的政府官員解釋,這項工程是該國為「創造就業」而推動的建設,傅利曼於是作出後來很出名的回應:「那幹麼要給那些工人鏟子,不乾脆給他們湯匙?」

社會大眾往往害怕機器侵蝕就業機會,創造未來長期失業,傅利曼的這句話傳達了經濟學家們對這種心態的懷疑批判,且往往是公然地嘲笑。就歷史來看,這種懷疑批判顯然有其道理。在美國,尤其是二十世紀,科技的進步總是把我們推向更繁榮的社會。

過程中當然是有一些暫時性問題,或者應該說是重大顛覆:農業機械化導致數百萬工作機會蒸發,大量失業的農場工人被迫前往城市的工廠尋找工作;後來,自動化與全球化把勞工逐出製造業,推動這群人進入服務業尋找新工作。這類轉變過程中往往出現短期失業潮,但從未演變成系統性或永久性問題,轉變創造了新就業機會,被逐出原產業而失業的人也終究會找到新機會。

此外,新工作往往比先前的工作好,需要更精進的技能,也提供更優渥的工資。尤其是二次大戰後的二十五年間,這種情形最明顯不過,美國經濟這段「黃金年代」,特徵是科技快速進步和美國勞動力福祉提升呈現完美的共生。隨著生產線使用的機器改進,操作機器的勞工的生產力也提高,勞工的專業變得更有價值,讓他們得以要求更高工資。整個戰後時期,科技進步連帶使平均所得提高,因為生產力的激增使他們的工資提高。花用他們不斷增加的所得,進一步驅動市場的產品與服務的需求。

這種良性循環迴路驅動美國經濟前進,經濟學家享受了他們的黃金年代。就在這段時期,保羅‧薩謬爾森(Paul Samuelson)之類的重量級人物把經濟學轉變成一門有堅實數學基礎的科學,經濟學漸漸變成幾乎完全由複雜艱深的數量與統計技巧主導的一門學科,經濟學家開始建立複雜的數學模型,這些模型至今仍然構成經濟學的知識基礎。戰後經濟學家在從事研究時,自然會檢視周遭欣欣向榮的經濟現象,認為這是常態:經濟自然是如此運作,也總是會如此運作。

賈德‧戴蒙(Jared Diamond)在二○○五年出版的《大崩壞》(Collapse: How Societies Choose to Succeed or Fail)中敘述澳洲農業發展的故事,歐洲人在十九世紀殖民澳洲,發現了一塊相當肥沃翠綠的大地,他們和一九五○年代的美國經濟學家一樣,認為眼前的是常態,將會無止盡地持續下去。於是,他們在這片看似肥沃的土地上大舉投資於開發農場和牧場。

但是,不出一、二十年,現實的打擊出現,農民發現澳洲的氣候實際上遠比他們最初以為的乾燥,他們當年抵達這片新土地時,正好幸運,或者該說是不幸地遇上氣候的「金髮女孩時期」(Goldilocks period),所有條件正好有利農業發展的甜蜜時期。在今天的澳洲,你仍然可以發現早年錯誤投資的遺跡:一片荒漠中殘存被廢棄的農舍。(金髮女孩時期或金髮女孩經濟是指經濟溫和適度成長,不會太熱而引發通膨、又不會太冷而導致經濟衰退,典故源自童話故事「金髮女孩 Goldilocks 和三隻小熊」。)

黃金年代的終結

我們有很好的理由推斷,美國經濟的金髮女孩時期同樣也接近尾聲。生產力提高和工資上升之間的共生關係在一九七○年代就開始瓦解,以二○一三年來說,生產線或非技術勞工的平均實質薪資,經通膨調整後比一九七三年時低了約一三%,然而住屋、教育、醫療等大額項目生活成本卻高漲。

二○一○年一月二日的《華盛頓郵報》(Washington Post)報導,二十一世紀前十年,美國經濟體系沒有創造出任何新的就業機會,這是自大蕭條(The Great Depression)以來,不曾出現過的情形。事實上,二次大戰後,沒有哪個十年的就業機會增加幅度少於二○%,縱使在發生停滯性通膨加上能源危機的一九七○年代,就業機會也增加了二七%。如果我們考慮到,美國經濟每年需要創造約一百萬個新工作機會,才能滿足勞動人口的成長量,那麼二○○○年代的新就業機會零成長就更加令人震驚了。換言之,在二十一世紀的前十年,美國經濟應該創造出一千萬個新就業機會,但現實是一個也沒出現。

所得不均情形也惡化到了一九二九年以來最嚴重的程度,很顯然,一九五○年代,生產力提升的利得有部分進了勞工的荷包,但如今這些利得幾乎全進了企業主和投資人的口袋。美國的國民所得中,勞動所得的比例急劇下滑,而且顯然在持續下滑中。美國經濟的金髮女孩時期已經到達終點,面臨了新的時代。

在新時代,勞工和機器之間的關係出現根本的改變,最終將挑戰我們對科技的一項基礎假說:機器是提高勞工生產力的工具。在新時代,機器變成勞工,勞動力和資產之間的界線愈來愈模糊。

這一切演進的背後驅動力,是電腦科技的高速進步。多數人現在都已熟知「摩爾定律」(Moore’s Law),電腦演算能力大約每十八個月至二十四個月就會提高一倍,但不是人人都充分理解這種進步的速度。

想像你啟動車子後,一開始時速五英哩,一分鐘後速度加倍至十英哩,一分鐘後再加倍,之後繼續加倍。驚人的不只是時速不斷加倍而已,還有你的行進哩程。在最初一分鐘,你行進了四四○英呎;在時速二十英哩的第三分鐘,你行進了一七六○英呎;在時速八十英哩的第三分鐘,你的行進哩程將超過一英哩。到了第六分鐘,你將需要一輛馬力更強、更快速的車子,以及一個賽車場。

想想看,二十七分鐘後,車速將有多快,你在最後那一分鐘將行進多少哩程。積體電路於一九五八年問世後,電腦演算能力大約就翻倍了這麼多次。目前正在發生中的革命並不是因為加速本身,而是因為這種加速已經持續太久了,以至於我們可預期的累積進步程度非常驚人。

回答上述問題,你的車子加倍速度二十七次後,時速將達六七一百萬英哩,在最後那第二十八分鐘,你將行進超過一一○○萬英哩。以這種速度行駛五分鐘左右,就能把你送達火星。這大致就是自積體電路於一九五○年代末期問世並開始持續快速發展後,現今資訊科技所達到的境界。

我在軟體開發領域工作超過二十五年,可以說是坐在搖滾區見證了電腦演算力的超速躍進,也近距離看到軟體設計以及提高生產力工具的驚人發展。此外,身為小型企業主,我也目睹了科技發展如何改變我的企業經營模式,尤其是,雇用員工執行例行事務的需求顯著降低了。

二○○八年爆發全球金融危機後,我開始認真思考電腦演算力持續翻倍的含義與牽連影響,尤其是它即將顯著改變未來幾年與數十年的就業市場和整個經濟的可能性,把這些思想與洞察寫成我的第一本著作《隧道之光》(The Lights in the Tunnel: Automation, Accelerating Technology and the Economy of the Future),於二○○九年出版。

我雖在書中探討了科技加速推進的重要性,但卻低估了它推動世界變遷的速度,例如,我在書中指出,汽車製造商研發防撞系統,幫助防止車禍,當時的預期是:「假以時日,這類系統可能演進出能夠自行開車的科技。」結果,「假以時日」沒過多久就成真了!書出版不到一年,Google 就推出了完全自動化的無人駕駛車,之後,美國的內華達州、加州、和佛羅里達州均立法通過,在一定的規範下,無人駕駛車也可上路。

當時,我也在書中談到人工智慧領域的發展,那時候人工智慧最令人印象的表現應該是IBM的「深藍」(Deep Blue)電腦在一九九七年打敗世界棋王蓋瑞‧卡斯帕洛夫(Garry Kasparov)的故事。但意料之外的是,IBM 推出的深藍後繼者「華生」(Watson)在二○一一年接受另一項更困難的挑戰──參加電視智力競賽《危險邊緣》(Jeopardy!)。西洋棋比賽的規則固定,因此可以預期難不倒電腦。但《危險邊緣》智力競賽就完全不同,它需要近乎無限的大量知識、高明的語法剖析能力,甚至包括玩笑話和雙關語。「華生」在節目中的勝出不僅令人敬畏,也有高度實用價值意義,事實上,IBM 已經準備讓「華生」在醫學和客服領域扮演重要角色。

未來幾年世界將發生驚奇的變化,這些驚奇不僅限於科技進步,還有科技進步對於就業市場及整體經濟造成的影響,這些影響將顛覆世人對於科技與經濟的看法。

我們以為很安全的工作也有風險

一直以來,社會普遍認為自動化構成的就業威脅主要是針對教育程度低、技術水準較低的勞工,因為這類工作往往例行(routine)且重複(repetitive)。但是,在你安於這種見解之前,請先思考科技的發展速度。曾經,一提到「例行固定」的職業,我們會聯想到組裝線的工作,但今天的現實已大不相同。無疑地,低技能水準的職業將持續受到衝擊,但是,許多大學畢業的白領階級勞工將發現,在軟體自動化和預測性電腦演算能力繼續快速提升下,他們的工作也岌岌可危。

事實上,說到最可能受到科技發展威脅的工作,「例行固定」的工作可能不是最好的說法,更正確的說法應該是「可預測性」(predictable)的工作:別人能不能藉由查看你執行過的所有事務,學會你的工作?或者,某人能不能像學生準備考試那樣,藉由重複執行你已經完成的事務而變得熟練?若是的話,那麼有朝一日,很可能有一套電腦演算法能夠學會你絕大部分,甚至所有的工作。尤其是在「大數據」科學持續發展之下,這種可能性益增:組織收集每一個營運層面的巨量資訊,累積的大量職務相關資訊,就等一套智能機器學習演算法問市,開始深入分析和學習其人類前任者留下來的記錄資料。

這一切演變與發展的結果是,擁有更高的教育和技術水準未必能夠有效保障你的工作將來不會被自動化。以專門判讀醫療攝影成像的醫事放射師為例,他們需要接受至少十三年的教育和訓練養成,但是,現在的電腦愈來愈擅長於分析影像。不難想像,在不遠的將來,放射科影像判讀的工作可能會由機器執行。

總之,電腦很擅於學習和取得新的技能,尤其是提供它們大量資料的前提下。初級職務尤其可能受到嚴重衝擊,證據顯示,衝擊已經在發生中,剛踏出校門的大學畢業生薪資在過去十年持續下滑,近五成的大學畢業生被迫接受不需要大學學歷的工作。事實上,如同本書後面會談到的,包括律師、新聞勞工、科學人員、藥劑師等在內,許多高技術專業人員的就業機會已經被進步的資訊科技明顯侵蝕,而且受到衝擊的並非只有他們,多數工作都有某種程度的可預測性,很少人的工作是完全是靠創意或天馬行空地思考。

伴隨機器取代可預測性質的工作,勞工將面臨一項空前的挑戰。過去,自動化科技往往較專業,一次只顛覆一個產業的就業市場,勞工能想辦法轉換至另一個新興產業。但現今的情形非常不同,資訊科技是通用型的科技,它的影響將是大範圍的,幾乎現存的每一個產業的勞力需求都可能因為新科技而降低,而且,這種轉變可能發生得很快。在此同時,新興的產業幾乎自誕生開始就採用強而有力的、節省勞力的科技,例如,Google 和 Facebook 之類的公司在變得家喻戶曉、達到高市值的同時,員工數相對於其規模和影響力而言可說是非常少。我們有充分理由可以預期,類似情境將在近乎所有的未來新興產業中上演。

這一切顯示,我們即將面對經濟與社會的巨大轉變,過去對勞工和準備踏入職場的學生提供的建議可能不再管用。不幸的現實是,很多人即使做對了每件事,追求更高的教育和取得更多技能,仍然無法在新經濟中找到穩固的立足點。

除了長期失業和低就業率對個人生活和社會結構可能造成的衝擊,我們要付出的經濟代價也很大,生產力、工資上升及消費支出增加這三者之間的良性迴路將瓦解。其實,這種良性反饋作用已經嚴重降低了:我們面臨的不均狀況並非只發生於所得方面,也發生於消費方面,目前,美國所得最高的前五%家庭囊括了總消費支出的近四成,幾乎可以確定,這種消費集中於高所得群的趨勢將會持續下去。工作依舊是把購買力送達消費者手中的主要機制,倘若這機制繼續被侵蝕,我們將面臨有購買力的消費者太少而無法繼續在大眾市場經濟中驅動經濟成長的局面。

如同本書想要說明的,資訊科技的進步正把我們推向一個引爆點,這引爆點終將使整個經濟體系的勞力需求明顯降低。但是,這樣的轉變未必會在所有產業以一致、可預期的方式展開,截至目前為止,高等教育和醫療產業是經濟體系中相對沒有被科技破壞力影響的產業。但諷刺的是,就因為科技還未能破壞這些產業,導致醫療和教育的成本提高,反而可能加劇其他領域的負面衝擊。

當然,科技並非獨力影響及形塑未來,它將和其他重大的社會與環境挑戰交織作用,例如人口老化、氣候變遷、資源枯竭等等。常有人預期,伴隨嬰兒潮世代退出勞動市場,最終將出現勞力短缺,這可以有效抵消、甚至勝過自動化造成的衝擊。快速創新也常被視為一股對抗力量,有可能減輕、甚至扭轉我們對環境加諸的汙染與破壞。但是,許多這類假說是建立在不確定、不穩固的基礎上,現實一定遠比我們所想的更為複雜。嚇人的事實是,若我們未能認知科技進步的含義與影響,並且開始思索因應之道,人類未來可能面臨所謂的「完美風暴」:不均的惡化、科技進步導致的失業、以及氣候變遷,這些現象將同時發生,並且交互作用,使彼此擴大與增強。

在加州矽谷,「破壞性科技」(disruptive technology)是個經常被隨性使用的詞,沒有人懷疑科技具有破壞整個產業、攪亂特定經濟部門和就業市場的力量。但我在本書中提出的疑問牽涉更廣大層面:科技的加速進步會不會顛覆我們的整個體系,以致於我們可能需要結構性的變革,才有可能繼續繁榮?

※ 本文摘自《被科技威脅的未來》立即前往試讀►►►

  • 用Line傳送