谈到人工智能和工作，预测是残酷的。传统的观点认为，AI可能很快就会让数百万人失去工作， 这是未来二十年中，对于打字员和白领工人而言，一如过去两年机械化对工人的影响一样。也就是说，当道路上布满了自动驾驶汽车时，卡车司机和出租车司机将发现自己已经失业或半失业。
但现在我们应该开始考虑AI对社会的潜在好处以及它的弊端。大数据和AI革命也有助于消除贫困，促进经济稳定。
贫穷当然是一个多方面的现象。但是贫穷的状况常常包含以下一个或多个现实：缺乏收入(失业)；缺乏准备(教育)；并依赖政府服务(福利)。AI可以解决所有三个。
首先，尽管人工智能可能会使人们失去工作，但它同时也可以用来将人们与正在失业的优秀中产阶级的工作相匹配。今天在美国有数百万这样的工作。这正是人工智能所擅长的匹配问题。同样地，人工智能可以预测明天的工作空缺将在哪里，以及他们需要哪些技能和培训。
从历史上来看，我们倾向于回避这种社会规划和工作匹配，这或许是因为它对我们的指挥经济有一定的作用。然而，没有人认为政府应该强迫工人接受特殊的工作，或者确实认为这些工作和技能的缺口需要成为政府的工作。关键是，我们现在有了工具来猜测哪些工作是可用的，哪些技能是工人需要填补的。
其次，我们可以将所谓的差异化教育——基于学生以不同的方式和不同的速度掌握技能的理念——带给全国的每一个学生。2013年，美国国立卫生研究院的一项研究发现，近40%的医学院学生对一种学习模式有强烈的偏好:有些是倾听者;其他人都是视觉型学习者;还有一些人通过实际做得到了***的学习。
我们的学校系统有效地假设了相反的情况。我们把学生们捆绑在一个房间里，用同样的教学方法和希望获得***的结果。人工智能可以改善这种状况。即使在标准化课程的背景下，人工智能“导师”也能找到每个学生的弱点并纠正他们的缺点，使他们适应自己的学习方式，并保持学生的参与。
今天占主导地位的人工智能，也被称为机器学习，允许计算机程序变得更加精确——如果你愿意的话，可以学习——因为它们吸收数据，并将其与其他数据集的已知示例相关联。通过这种方式，人工智能“家庭教师”在满足学生的需求时变得越来越有效，因为它花更多的时间来观察什么可以提高学生的表现。
第三，将教育、就业培训和匹配纳入21世纪的共同努力，应该消除大量人口对政府计划的依赖，这些计划旨在帮助陷入困境的美国人。有了21世纪的技术，我们可以合理地减少政府援助服务的使用，使其服务于原本计划的功能。
现在可以利用大数据集来更好地预测哪些程序可以在特定的时间帮助特定的人，并快速评估程序是否具有预期的效果。用广告打个比方，这将是在黄金时段电视上投放广告和通过微目标分析进行广告的区别。猜猜哪个更便宜，能更好地到达目标人群?
至于意识形态对公众援助辩论的有害影响:大数据承诺更接近于对这些社会项目无偏见的、没有意识形态的有效评估。我们可以更接近一个精英式的技术专家型社会的愿景，即来自州和地方各级政府的政客们——那些与他们的选民所面临的实际问题最接近的——已经开始接受。
就连国会偶尔也会从党派之争中醒来，以推进公共政策决策的科技事业：2016年，美国国会投票赞成，巴拉克·奥巴马总统授权建立以证据为基础的政策制定委员会。创建委员会的法案是由民主党参议员帕帕蒂·穆雷(Patty Murray)和众议院议长保罗·瑞安(Paul Ryan)发起的。在该委员会于2017年9月到期之前，它利用政府数据评估政府政策的有效性，并根据调查结果提出建议。
这进一步表明了人工智能和大数据在积极、有目的的公共利益服务方面的承诺。在我们将这些新技术视为混乱和颠覆的代名词之前，我们应该考虑它们的潜力，以造福社会。
