The following two tabs change content below.

文/哈拉瑞

我們完全無從得知,2050年的就業市場會是什麼樣子。一般同意,機器學習和機器人將會改變幾乎所有工作,從製作優格到教導瑜伽都無法倖免。但談到這項改變的本質及急迫性,各家觀點也就眾說紛紜。有些人認為,只要十年到二十年,就會有幾十億人成為經濟上多餘的存在。但也有人認為,長遠看來,自動化的影響也會是為所有人創造新的就業機會,帶來更大的繁榮。

所以,我們究竟是真的處於危險動盪的邊緣,又或者這再次只是盧德份子歇斯底里的妄言?這很難說。早從十九世紀,就開始有人擔憂自動化會造成大量失業,但至今從未出現這種景況。自工業革命揭開序幕以來,機器每搶走一項舊工作,也會至少創造一項新工作,而且平均生活水準大幅提高。但我們有充分的理由相信這次情況不同,機器學習將會真正讓整個情勢徹底改變。

人類還有什麼能力勝過AI?

人類有兩種能力:身體能力和認知能力。過去,機器主要是在原始的身體能力得以與人類競爭,而人類則是在認知能力仍享有巨大優勢。因此,隨著農業和工業的工作邁向自動化,就出現了新的服務業工作。這些新工作需要人類獨有的認知技能:學習、分析、溝通,特別是必須理解人類的種種情緒。然而,人工智慧(以下簡稱AI)已經在愈來愈多認知技能項目上超越人類,包括理解人類的情緒。而且,除了身體能力和認知能力之外,我們並不知道還有什麼第三種領域,讓人類能夠永遠勝過機器。

必須體認到的一項關鍵在於:AI革命不只是讓電腦運算更快、更聰明,AI更搭配了在生命科學和社會科學方面的種種突破。我們愈瞭解是哪些生化機制在支撐人類的情感、欲望和選擇,也就愈能分析人類行為、預測人類決策,最終取代人類的司機、銀行經理和律師。
過去幾十年,由於在神經科學和行為經濟學等領域的研究,讓科學家能夠「駭進」人類,更清楚瞭解人類究竟是如何做出各種決定。事實證明,我們從選擇食物到選擇伴侶,都不是出於什麼神祕難解的自由意志,而是數十億神經元在瞬間計算各種可能性的結果。過去大受讚譽的「人類直覺」,其實只是「辨識模式」罷了。優秀的司機、銀行經理和律師,對路況、投資或談判交涉並沒有什麼神奇的直覺,只不過是辨識出了某些一再出現的模式,於是能夠閃過漫不經心的行人、拒絕無力償債的借款人、戳破心懷不軌的騙子。而且,那些領域的研究同時也證明,人腦的生化演算法距離完美還有很長一段路。人腦會想走捷徑、想根據不完整的資訊快速找出解答,而人腦的迴路也顯得過時,整套機制適合的是過去的非洲大草原,不是現在的都市叢林。也就難怪,就算是優秀的司機、銀行經理和律師,也會犯下愚蠢的錯誤。

這代表著,就算是那些本來認為是靠直覺的工作,AI也能表現得比人類更好。如果是說AI能比人類更有那種難以言喻的第六感,這種事大概不會發生;但如果講的是AI能比人類更懂得計算機率、辨識模式,聽起來可能性就高了許多。

特別是如果某些工作需要「關於別人」的直覺,AI的表現就能優於人類。許多工作(例如在人潮滿滿的街上開車,把錢借給陌生人,商業上的談判交易等等)都需要準確評估別人的情緒和願望。那個孩子是不是會突然跑到馬路中間?這個穿著西裝的人,是不是打算從我這裡一借到錢就消失?那位律師的言語威脅是認真的嗎?還是只想嚇嚇我?只要我們覺得這些情緒和欲望是來自某種非實體的心靈,顯然電腦就永遠無法取代人類的司機、銀行經理和律師。原因就在於:電腦怎麼可能去理解「心靈」這種神聖的創造物呢?然而,如果這些情緒和欲望實際上也只不過是某些生化演算法,電腦就沒理由無法解譯,而且解譯的成績一定比任何智人都來得好。

不管是司機預測行人想往哪走,銀行經理判斷借款人的信用好壞,又或是律師衡量談判桌上所瀰漫的情緒,凡此種種所依賴的都不是巫術,而是在他們無所覺的情況下,大腦就會透過分析臉部表情、聲調、手部動作、甚至體味,來判讀生化模式。AI只要搭配適當的感測器,絕對可以把這些工作做得比人類更精確、更可靠。

因此,失業的威脅不只是因為資訊科技的興起,而是因為資訊科技與生物科技的融合。要從功能性磁振造影(fMRI)掃描機,走到勞動市場,這條路肯定是漫長而曲折的,但花個幾十年總是能走完。腦科學家今天對杏仁體(主司情緒與恐懼反應)和小腦(主司感官資訊的整合與微調運動技能)的研究,就有可能讓電腦在2050年比人類更適合擔任精神科醫師和保鏢。

AI擁有兩種非人類能力:可連結、可更新

AI不單單能夠「駭進」人類、並在以往認為專屬於人類的技能表現上打敗人類,更擁有獨特的非人類能力,而使得AI和人類工作者之間的差異不僅是程度高低,而是完完全全的兩回事。AI特別重要的兩種非人類能力,就在於「連結性」和「可更新性」。

人類都是個體,很難將所有人彼此連結,以確保每個人都得到最新資訊。相反的,電腦並不是彼此相異的獨立個體,因此很容易把電腦集合成單一、靈活的網路。所以這樣說來,並不是即將有幾百萬部電腦和機器人取代幾百萬個工人,而是所有的個別工人會被一套整合的網路所取代。因此,討論自動化的時候,不該把「一位司機」的能力拿來和「一輛自動駕駛車」比較,也不是把「一位醫師」拿來和「一位AI醫師」做比較,而是該把「一群人」的能力,拿來和「一套整合網路」進行比較。

舉例來說,交通規則時有修改,但許多司機並不全然熟悉,於是常常違規。也因為每輛車都是個別運作的實體,所以兩輛車到了同一個十字路口的時候,司機可能會誤讀彼此的意圖,以致發生事故。相反的,自動駕駛車是連結成一個整體,所以兩輛自動駕駛車來到十字路口時並非個別運作,而是屬於同一套演算法的一部分。這樣一來,溝通不良而發生事故的機會也就大幅減少。此外,如果交通部決定修改某些交通規則,所有的自動駕駛車都能很快在同一時間更新;除非程式出錯,否則大家都會遵守新的規則。

同樣的,如果世界衛生組織確認出現了某種新疾病,或是某實驗室生產出某種新藥,目前幾乎不可能讓全世界所有人類醫師都得知最新發展的消息。相較之下,就算全球有一百億臺AI醫師、各自照顧著一個人的健康狀況,仍然可以在瞬間全部更新,而且所有AI醫師都能互相分享對新病或新藥的反應。

連結性和可更新性可能帶來的優勢極為龐大,至少對某些工作來說,就算某些單獨個人的工作效率可能仍然高於機器,但合理的做法將會是用電腦取代所有人類員工。

有人可能會反駁說,把個別的個人轉換為電腦運算網路之後,就會失去個別性所帶來的優勢。舉例來說,如果某位人類醫師做出錯誤判斷,並不會因此讓世界上所有的病人都喪命,也不會阻礙所有新藥的發展。相反的,如果所有醫師其實都屬於某一套同樣的系統,該系統一旦出錯,結果可能就極其嚴重。

但事實上,整合的電腦系統可以在不失去個別性的優勢下,把連結性的優點發揮到極致。譬如在同一個網路上提供許多演算法,以供選擇。於是位於偏遠叢林小村裡的病人只要透過智慧型手機,能找到的不只是某一位醫學權威,而是上百位不同演算法的AI醫師,而且這些AI醫師的表現會一直受到互相評比。你不喜歡那位IBM醫師的診斷嗎?沒問題。就算你現在困在吉力馬扎羅山上,也能輕鬆找到百度醫師,尋求第二意見。

這對人類社會很可能帶來巨大的好處。AI醫師能為幾十億人帶來更好、更便宜的醫療保健服務,特別是那些目前根本沒有醫療保健資源可用的人。靠著機器學習演算法和生物統計感測器,就算是某個未開發國家的貧困村民,也可能會透過智慧型手機,得到良好的醫療保健,比起目前最富有的人在最先進的城市醫院所獲得的水準,有過之而無不及。

同樣的,自動駕駛車能讓交通服務品質大幅提升,特別是能夠降低車禍死亡率。在今日,每年有將近一百二十五萬人因車禍而死亡,足足是戰爭、犯罪和恐怖攻擊死亡人數的兩倍。在這些事故中,超過90%是由於人為錯誤造成的:有人酒駕、有人邊開車邊發簡訊、有人開車開到睡著、有人開車的時候只顧著發呆。根據美國國家公路交通安全管理局在2012年的估計,全美死亡車禍有31%出於酒精濫用、30%出於超速、21%出於駕駛分心。而這些錯誤,自動駕駛車永遠不會犯。雖然自動駕駛車仍有不少問題和局限,也免不了會有些事故,但根據預測,如果把所有駕駛工作完全交由電腦處理,將能夠減少大約90%的道路傷亡。換句話說,只要全面改採自動駕駛車,可能每年就能拯救一百萬人的性命。

因此,如果只是為了保障工作,就想阻擋在交通和醫療保健等領域的自動化,絕對是不智之舉。畢竟,我們真正該保護的是人類而不是工作。如果這讓司機和醫師變得無用武之地,就讓他們找點別的事來做吧。

「半人馬」團隊需要高水準技能

從藝術到醫療保健,許多傳統工作將會消失,但部分影響可能會由新創造的工作來抵消。例如診斷各種已知疾病、執行各種常見醫療的全科醫師,有可能被AI醫師取代,但也就會空出更多經費空間,讓醫師和實驗室助理得以進行開創性的研究,研發新藥或手術新術式。

AI也可能以另一種方式,協助創造新的人類工作:人類與其想贏過AI,不如把重點放在AI的維修和運用。舉例來說,因為無人機取代了飛行員,有些工作確實消失了,但同時在維修、遠端控制、資料分析和網路安全方面,卻也創造了許多新的工作機會。美國軍方每派出一架「掠奪者」或「死神」無人機飛越敘利亞,就需要有三十人在幕後操作;至於蒐集完資料的後續分析,更需要至少再八十人。在2015年,美國空軍就曾經因為受過足夠訓練的人力不足,面臨無人操作無人機的窘境。

這樣說來,2050年的就業市場特色,很可能在於人類與AI的合作,而非競爭。從警務到銀行等各種領域,「人類搭配AI」的表現都能超越純粹的人類、或超越純粹的電腦。在IBM的深藍於1997年擊敗世界西洋棋王卡斯帕羅夫之後,人類並沒有停止下棋。相反的,在AI協助訓練之下,人類的西洋棋大師水準比過去更高。而且至少有一段時間,由人類和AI搭配而有「半人馬」之稱的這種隊伍,在西洋棋的表現也擊敗了純粹的人類和純粹的電腦。很有可能,AI也能像這樣,協助培養出史上最傑出的偵探、銀行經理和軍人。

然而,這些新工作都需要高水準的專業知識,無法解決無技能勞工失業的問題。想讓勞工再受訓後、去做這些工作,可能還不如直接創造完全屬於人類的全新工作。像是在過去的自動化浪潮中,勞工通常可以從某項規律性、低技能的工作,輕鬆轉向另一項同樣規律性、低技能的工作。像是在1920年,因為農業機械化而失業的農場工人,可以轉到製造曳引機的工廠裡找到新工作。在1980年,工廠工人失業後,也可以轉到超市裡當收銀員。這種轉職在過去是可行的,因為從農場到工廠、從工廠到超市,都只需要稍加重新培訓即可。

但是到了2050年,收銀員或紡織工人的工作都由機器人接手之後,他們大概無法轉職成癌症研究學者、無人機操控員、或是人類搭配AI的銀行團隊一員。他們就是少了必備的技能。在第一次世界大戰的時候,派出百萬名大兵扛著槍一陣亂射,犧牲在所不惜,其實是合理的做法,畢竟當時個人的技術好壞並不會造成太大差異。但到了今天,就算無人機操控員和資料分析師的位子確實缺人,美國空軍可不會找個失業的超市收銀員來填埔空缺。你可不希望有個沒經驗的菜鳥,把阿富汗的婚禮派對,誤認為塔利班的高層集會吧?

因此,雖然出現了許多新的人類工作,仍然可能看到新的「無用階級」日益龐大。我們甚至可能是兩面不討好:許多勞工找不到工作,但也有許多雇主找不到有技能的勞工。這可能就像是十九世紀馬車變成汽車的情況再現,當時有許多馬車司機轉業成為計程車司機;只是我們可能不是那些轉業的司機,而是被淘汰的馬!

※ 本文摘自《21世紀的21堂課》,摘錄 原篇名為〈第2堂課 工作〉,立即前往試讀►►►

>> 8/29前,預購《21世紀的21堂課》享限時優惠88折,「人類三部曲」套書只要75折!立即前往購買►►►

  • 用Line傳送