越来越多的经济学家和人工智能专家建议全社会做好准备，因为大量的工作将会变成自动化的。
如果他们是对的，这将对劳动力市场产生重要影响。容易被机器取代的工作包括超市收银员和商店助理、服务员、卡车司机和办公室管理员。根据研究报告，这些工作极有可能在未来十年或二十年内被软件取代。
这样的预测虽然并不是每个人都认同，但是却引发了人工智能领域一些最著名的专家的共鸣。
Andrew Ng是中国搜索巨头“百度”的首席科学家，他专门研究深度学习，并曾经参与过google的“谷歌大脑”项目。最近，百度就搞了一个深度学习系统，用来识别图片内容，准确率可以达到95%。
“我认为，未来几十年技术人员不会有失业的风险。”Andrew Ng说，“但是，有很多人从事的是程序性的、重复性的工作。不幸的是，计算机技术尤其擅长程序性的、重复性的工作。”
工作岗位消失的速度要快于创造工作岗位的速度。MIT经济学家Erik Brynjolfsson 和 Andrew McAfee在他们的新书《第二个机器时代》中，研究了信息技术如何改变就业与生产力之间的关系。
这本书概括性的描述了，20世纪下半叶，美国的经济价值（即生产力）与工人数量同步增长的状况。但是到了2000年，这两者开始出现偏差；在世纪之 交，生产力和就业总人数之间出现了差距。到了2011年，这种差距进一步扩大了。这反映出经济增长与工作岗位（就业）增加之间的关系变弱了。
“在美国，一个很明显的事实是劳动力参与比已经连续下降了十年。劳动力人口变得更少了，收入中位数的增长也停滞不前。”Brynjolfsson如是说。“我们认为，信息技术是造成这种变化的重要原因。”
Brynjolfsson 并不是一个试图让技术倒退的新卢德（neo-luddite）主义者。他指出，我们正在经历一场由技术驱动的劳动力市场转型，我们每个人都必须为此做好准备。
“一直以来，科技都是同时创造工作岗位和消灭工作岗位。但是，新创造的工作岗位与旧的被消灭的工作岗位之间的差别也越来越大，”他强调，那些因为工作岗位被取代而失业的工人，并不能适应人工智能和自动化创造的新工作。
Brynjolfsson用卡车司机举了个例子。在美国，有300万人从事卡车司机，是美国男性从事最多的职业。考虑到最近无人驾驶汽车技术取得的进步，他认为是时候用自动驾驶来取代卡车司机了。
他关心的是，有哪些工作由于依赖情感认知和复杂的物理操作而不能被自动化取代，又有多少失业的卡车司机能够很好的适应这些工作。
“所以，现在的问题是，哪些职业将会变得越来越重要？或许是数据科学家、学前教育老师、按摩师。那么有多少失业的卡车司机能够被再培训，并且转换角色进入新的工作呢？更别说高效的完成工作了。所以（失业工人与新岗位之间）必然会出现大量的不匹配。”
积极的方面
那么，这场由技术驱动的转型有哪些正面效应呢？一些评论者相信，广泛自动化带来的负面影响可以通过这样的方式来抵消，即商品和服务成本的降低以及更多的人能够享受低价的产品。
ITIF (Information Technology & Innovation Foundation)主席Robert D. Atkinson相信，通过运用更多的技术，能够节约成本，而这部分节约的成本将会体现在更低的价格和更高的薪资上面。
“在未来十年，如果我们能成三倍地提高生产力（这事儿在古今中外都没发生过），那么消费者就完全不会将钱花费在这样一些事物上，像请更多的假期、更大的电视、更多的外出就餐、一个摩托艇等等，而这，将会创造更多新的工作。”
在《第二个机器时代》中，Brynjolfsson 和 McAfee将技术发展节约的成本和增加的工资称作“奖金”。现代信息技术降低成本的方式可以从多个方面体现。使用一台廉价的电脑连上网络，任何人都可以尝试成为一名作家或者评论员，在家租赁房屋或者发起众筹。
然而，一些观察家认为，技术发展所带来的回报会存在两个问题。一是它的回报是集中式的，二是这回报并不足以抵消它所带来的成本上升。举个例子，有一 种理论就认为，互联网使每个人都能得到网络上最好的资源，比如最好的著作、最好的软件、最便宜的零售商品。这就造成了“赢者通吃”的局面，实力最强者拥有 绝大部分的人群，而这些人是不会关注其他同类商家的。在这种情况下，“奖金”并不会在所有参与者之间分享，而是被金字塔顶端的人全部吃掉了。
《第二个机器时代》中的另一个观点认为，相比于那些被淘汰的传统企业，软件开发公司雇佣的职工人数要少得多。就拿Facebooke和它的照片分享服务Instagram来说，Instagram雇佣了大约10,000人，但这仅仅是柯达全盛时期员工人数的极少一部分。
另一方面，个人自我传播的成本或许是降低了，但是对于人们的生活必需品却并不然，比如食品、饮用水和能源。Jared Bernstein的做了一个调查（被引用在《第二个机器时代》），他比较了1990 至 2008期间，一个美国中等家庭的收入增长与住房和医疗花费增长之间的关系。他发现，当家庭收入增长大约20%的时候，住房价格和大学学费增长了大约 50%，而医疗价格的增长超过150%。
事实上，工资的增长与技术的发展并不同步。美国在2012年，10%的人获得超过一半的社会总收入，这是自“大萧条”以来的第一次。除此之外，在1937年至2011年之间，美国工人的时薪中位数几乎没有变过，每年仅仅增长了0.1%。
技术准备好了吗？
一般来说，人工智能的能力是有限的：它可以识别一张图片里面的内容，或者学习如何拧开瓶盖，但它却不能像人一样，从这些具体的任务中切换到完全不相关的事务中去，比如做一个三明治。
由于缺乏像人类一样应对真实世界中各种复杂状况的能力，要想从事像生产线那种严格控制环境之外的工作，机器人（或者软件）还有许多挑战需要克服。
举个例子，尽管谷歌无人驾驶汽车已经行驶超过一百万公里，但是对于一些情况，人类司机能够从容处理，而无人驾驶汽车却显得困难重重。
“就像无人驾驶汽车一样，人工智能目前还没有达到能够被完全信任的水平。”剑桥大学计算机实验室机器学习高级讲师Sean Holden这样说到。“不管他们的公关部门怎么说，当一个人在马路边挥手的时候，人工智能并不能区分他是在跟朋友打招呼，还是要让车停下来。”
一些复杂的物理操作任务，在人类看来轻而易举，对于机器人却困难重重。这些缺点是非常明显的，比如在今年的Darpa 机器人挑战赛上，很多机器人都直接摔倒，难以保持直立。一些我们觉得简单的手工任务，比如从货架上取一些东西，对于机器人来说也十分困难。
但是百度的Andrew Ng指出，自动化并不需要完全取代人类的能力，更有可能用于减少人类的工作量。他用医院的放射科医师来举例，这是一个需要专业技能的工作，但同时也涉及了大量程序性、重复性的工作内容。而自动化可以代替人们做后面这部分工作。
在卡车驾驶的例子中，自动驾驶汽车可以控制高速路的大部分路程，而对于建筑物密集区域，则可以由司机操作。而对于出租车，自动驾驶功能可以限制在那些道路规划良好并且能够被很好识别的城市，比如英国的Milton Keynes。
其他一些人工智能专家也表示看好人工智能驾驶的前景，认为相关软件很快会变得越来越成熟。
“一切都要归功于机器学习，大部分的自动化操作将会由它们自己学习到的经验来驱动。”纽约哥伦比也大学机械工程教授Hod Lipson说。“随着学习的深入，软件将会变得越来越智能。这并非仅仅指某一个软件变得更加智能，而同时其他同类软件之间也会相互学习对方的知识和经 验。这种复合效应无疑会产生巨大的杠杆作用。”
Lipson举了一个无人驾驶汽车之间相互分享“智慧”的例子。
“在相对较短的时期内，无人驾驶汽车将会累积十亿小时的驾驶经验，这比一千个人一辈子的时间加起来还要长。对于医疗诊断、战略投资、农业、药学等领域的情况也是一样。人工智能医生能够迅速看完数百万计的具有相同症状的病人，这比一个最具经验的医生一生看的病人还要多。”
并非全都是失望与悲观
另外一种关于自动化更加乐观的观点认为，企业会使用自动化来帮助员工更好的完成工作，而不是取代他们。在这种情况下，人们将会从枯燥和死板的工作中解放出来，从而去从事那些计算机软件做不了的创造性工作。
对于这种情况，Brynjolfsson将其称为人机合作，而不是人机对抗。
2015年Playchess.com象棋锦标赛，充分展示了人机合作的力量。两名业余运动员与一台人工智能电脑组成一队，分别打败了一位象棋大师和一台超级计算机。
牛津大学商学院战略学教授Teppo Felin认为，人机合作互补是广受欢迎的Uber公司成功的关键所在。用户使用智能手机软件发起乘车呼叫，Uber则利用计算机系统将司机引导至离他最 近的乘客。计算机系统依赖司机运送乘客，而司机则依赖计算机系统为其引导。这个例子很好的说明了，人机合作比互相单独工作更加有效。
Brynjolfsson认为，尽管Uber对传统的出租车司机以及无人驾驶汽车的研发造成了冲击，但这依然是一个创造就业而不是消灭就业的例子。
“到目前为止，Uber正在创造非常多的工作机会。并不仅仅是因为人们学到了新的技能，更因为一些企业家，发明了新的商业模式，使得我们原有的技能有了新的用途。”
“在一些地方，比如旧金山，目前Uber司机总人数比以前出租车和私家车加起来还要多。所以这是净增长。”
对于自动化能够带来积极影响的观点，Brynjolfsson并非完全不认同。他并没有认为广泛的失业和社会动荡是不可避免的，或者自动化会在一夜之间发生。他只是希望对于这场由技术驱动的转型，全社会都需要为此做好准备。
“并不仅仅是对劳动力的需求下降了，还会有对其他一些技能的需求也会下降；同时也有对一些技能的需求会增加。如果不改善我们的体制机制来为此做好准备，那么我们的失败者将会和成功者一样多。”
在这样的准备中，教育改革是其中的重中之重。要让人们更加容易的进行终生学习。其中，要重点着眼于像创意、大框架下的模式认知能力、复杂形式的交流等电脑不能胜任的方面。
Andrew Ng对此表示认同。同时，他认为还应该致力于将世界上最好的大学的资源发布到互联网上，就像他与人联合创始的开放的在线课程服务Coursera所做的那 样。“我们的教育系统目前存在一些问题，并不能培养出大量的创造性人才。世界上最顶尖的大学在这方面做得很好，但是却没能进行大规模的普及。”
但是哥伦比亚大学的Lipson强调，改革学校教育系统，以及使常青藤联盟的教育资源为全世界所用并非一夜之间就能实现的，我们必须正视这个问题。
“经常有人向我询问人工智能的危险性，他们认为，有一天人工智能机器人会取代人类而统治世界。然而事实却微妙得多。实际上并不会出现钛合金机器人在 大街上射杀人类的现象。人工智能会逐渐学习我们的一切，当机器人几乎每件事都做得比大多数人好的时候，我们的社会结构就会开始解体了，而这才是我们真正要 准备应对的。”
译文链接：http://www.codeceo.com/article/machines-can-do-your-job.html
英文原文：Why it's time to prepare for a world where machines can do your job
