[中國青年報]近日，一款功能強大的AI語言模型ChatGPT橫空出世，成為全球熱議話題。人工智能技術(shù)的更新后進展讓人們驚嘆的同時，也讓“機器取代人腦”、“人工智能或?qū)⒃斐墒I(yè)潮”等問題再度成為焦點。未來的就業(yè)市場，究竟會成為什么樣子？以色列歷史學家尤瓦爾·赫拉利在其流行作品《這日簡史：人類命運大議題》中，曾對這一問題展開過討論。本文摘編整理自該書。

我們完全無從得知2050年的就業(yè)市場會是什么樣子。人們普遍認為，機器學習和機器人將改變幾乎所有的工作，從制作酸奶到教授瑜伽都無法幸免。但談到這項改變的本質(zhì)及緊迫性，各家觀點卻眾說紛紜。有人認為，只要10~20年，就會有幾十億人成為經(jīng)濟上多余的存在。但也有人認為，長遠來看，自動化的影響還是會為所有人創(chuàng)造新的就業(yè)機會，為社會帶來更大的繁榮。

那么，我們究竟是真的處于危險動蕩的邊緣，還是這只是盧德分子歇斯底里的妄言？

這很難說。早在19世紀，就有人擔心自動化會造成大量失業(yè)，但至今這種情況從未出現(xiàn)。自工業(yè)拉開序幕以來，機器每搶走一項舊工作，也會至少創(chuàng)造一項新工作，而且人們的平均生活水平大幅提高。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況徹底改變。

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方面得以與人類競爭，而人類則在認知能力方面享有巨大優(yōu)勢。因此，隨著農(nóng)業(yè)和工業(yè)邁向自動化，就出現(xiàn)了新的服務(wù)業(yè)工作。這些新工作需要人類擁有獨特的認知技能，包括學習、分析、溝通等，特別是必須理解人類的種種情緒。然而，人工智能已經(jīng)在越來越多的認知技能上超越人類，包括理解人類的情緒。而且，除了身體能力和認知能力之外，我們并不知道還有什么第三種能力可以讓人類永遠勝過機器。

必須認識到的一個關(guān)鍵點是，人工智能不只是讓計算機更聰明、運算得更快，還在生命科學和社會科學方面有諸多突破。我們越了解是哪些生化機制在支撐人類的情感、欲望和選擇，計算機就越能分析人類行為、預(yù)測人類決策，并更終取代人類的司機、銀行經(jīng)理和律師等。

在過去幾十年中，在神經(jīng)科學和行為經(jīng)濟學等領(lǐng)域的研究，讓科學家能夠“完成”人類，更清楚地了解人類究竟是如何做出各種決定的。事實證明，我們從選擇食物到選擇伴侶，都不是出于什么神秘難解的自由意志，而是數(shù)十億神經(jīng)元在瞬間計算各種可能性的結(jié)果。過去大受贊譽的“人類直覺”，其實只是“辨識模式”罷了。很不錯的司機、銀行經(jīng)理和律師，對路況、投資或談判交涉并沒有什么神奇的直覺，只不過是辨識出了某些一再出現(xiàn)的模式，于是能夠躲過漫不經(jīng)心的行人、拒絕無力償債的借款人和識破圖謀不軌的騙子。但同時也證明，大腦的生化算法距離完美還有很長一段路。大腦會走捷徑，會根據(jù)不完整的信息快速找出答案，而且大腦的回路也顯得過時，整套機制適合的是過去的非洲大草原，而不是現(xiàn)在的都市叢林。這也就難怪，即便是很不錯的司機、銀行經(jīng)理和律師，也會犯下愚蠢的錯誤。

這意味著，就算是那些原本認為依靠直覺的工作，人工智能也能表現(xiàn)得比人類更好。人工智能不會比人類更有那種難以言喻的第六感，但如果說人工智能比人類更懂得計算概率和模式識別，聽起來可信度就大了許多。

特別是，如果某些工作需要“關(guān)于別人”的直覺，人工智能的表現(xiàn)就會優(yōu)于人類。

人工智能不僅能夠侵入人類，在以往認為專屬于人類的技能上打敗人類，更擁有獨特的非人類能力，使得人工智能和人類之間的差異不是程度高低的問題，而是完完全全的兩回事。人工智能特別重要的兩種非人類能力是“連接性”和“可更新性”。

人類都是個體，很難將所有人彼此連接，從而確保他們都能得到信息。相反，計算機并不是彼此相異的個體個體，因此很容易把計算機集成為一個單一、靈活的網(wǎng)絡(luò)。所以這樣說來，我們面臨的不是幾百萬臺計算機和機器人取代幾百萬個工人，而是所有作為個體的工人都會被一套集成的網(wǎng)絡(luò)所取代。

1、至少在短期內(nèi)，人工智能和機器人還不太可能完全取代整個產(chǎn)業(yè)。

有些工作專精在小范圍，日復(fù)一日做的都是程序化的動作，這種工作就會被自動化取代。然而，如果是每天都有變化、需要同時運用多范圍技能組合的工作，或者需要應(yīng)對難以預(yù)見的情況的工作，就不太容易用機器來取代人類。很多醫(yī)生的主要工作是處理信息：匯總并分析醫(yī)療數(shù)據(jù)，然后做出診斷。相比之下，護士需要有良好的運動和情緒技能，才能幫患者打針、換繃帶，或者安撫激動的患者。因此，我們的智能手機上出現(xiàn)人工智能家庭醫(yī)生的時間，很有可能會遠遠早于我們擁有可靠的護理型機器人。人文關(guān)懷產(chǎn)業(yè)（也就是照顧老幼病殘）大概在很長一段時間內(nèi)仍然會是人類的工作。事實上，隨著人類壽命延長和少子化，養(yǎng)老產(chǎn)業(yè)很可能成為人類勞動力市場成長更快的行業(yè)類別。

除了養(yǎng)老產(chǎn)業(yè)，創(chuàng)意產(chǎn)業(yè)也是自動化特別難以突破的領(lǐng)域。現(xiàn)在，我們可以直接從iTunes（蘋果數(shù)字媒體播放應(yīng)用程序）下載音樂，而不需要由真人店員來銷售，但作曲家、音樂家、歌手和音樂節(jié)目主持人都還是活生生的人。我們需要這些人的創(chuàng)意，除了是要制作全新的音樂，也是為了在多到讓人頭昏腦漲的諸多選項當中進行選擇。

2、盡管如此，所有工作都有可能走向自動化，對此就連藝術(shù)家也得小心。

現(xiàn)代社會一般認為，藝術(shù)與人類的情緒緊緊相連，藝術(shù)家引導(dǎo)著人類的心理力量，藝術(shù)的目的是讓我們和自身的情緒有所聯(lián)系，或者激發(fā)出新的感受。因此，當我們品評藝術(shù)的時候，通常就是看它對觀眾起了多大的作用。但如果真以這個標準來定義藝術(shù)，當外部的算法比莎士比亞、弗里達·卡羅（Frida Kahlo，墨西哥女畫家）或碧昂絲更能了解和操縱人類的情緒時，又會發(fā)生什么事？

畢竟，情緒也不是什么神秘的現(xiàn)象，只是生化程序反應(yīng)的結(jié)果。因此在不久之后，只要用機器學習算法，就能分析身體內(nèi)外各種傳感器所傳來的生物統(tǒng)計資料，判斷人的性格類型和相關(guān)變化，或是計算某首歌（甚至是某個音高）的影響。

在所有藝術(shù)形式中，更容易受到大數(shù)據(jù)分析沖擊的可能就是音樂。音樂的輸入和輸出都適合用精確的數(shù)學來描述，輸入時是聲波的數(shù)學模式，輸出時則是神經(jīng)風暴的電化學反應(yīng)模式。在幾十年內(nèi)，算法只要經(jīng)過幾百萬次的音樂體驗，就可能學會如何預(yù)測某種輸入如何產(chǎn)生某種輸出。

你可能會提出異議，認為這樣一來，人工智能不就扼殺了所有的偶然，把我們束縛在一個狹隘的音樂“繭”里，一絲一縷都是由我們自己的好惡織成的？你是想探索新的音樂品位和風格嗎？沒問題。你可以輕松地調(diào)整算法，讓它完全隨機地挑選5%的內(nèi)容，為你播放印度尼西亞的甘美蘭（Gamelan）合奏、羅西尼的歌劇，或者更新后的韓國流行音樂。慢慢地，通過監(jiān)測你的反應(yīng)，人工智能甚至能判斷出對你來說理想的隨機性程度，可能是上調(diào)至8%，也可能是下調(diào)到3%，讓你既能探索新音樂，又不會覺得厭煩。

另一種可能的異議，則是認為算法不見得知道該讓情緒把我們帶到哪里。剛和男友大吵一架之后，算法究竟是該讓你高興還是難過？它對于“好”情緒和“壞”情緒的判斷，會不會過于武斷？或許有時候，它覺得傷心也不見得是件壞事？當然，這些問題就算是人類音樂家和音樂節(jié)目主持人也會遇到。但放到算法領(lǐng)域，這個難題就會有許多有趣的解決方案。

方案一，讓使用者自己選擇。你可以自己評估情緒，再讓算法依你的指示行事。不管你是想沉湎于自憐中還是興奮地跳起來，算法都會乖乖聽你的話。算法也確實有可能學會在你自己還毫無察覺的情況下，就判斷出你到底想要什么。

方案二，如果你不信任自己，則可以先挑選出你信任的顯赫心理學家，再讓算法聽那位心理學家的建議就可以了。

接下來，算法開始調(diào)整這些歌曲和旋律，為你量身打造?；蛟S某首歌什么都好，只有一個地方讓你不喜歡。算法知道這件事，是因為只要一到那個地方，你的心跳就會停一下，催產(chǎn)素水平也會稍微降低。而算法能做的，就是把那個討厭的地方重寫或干脆刪去。

稍遲，算法就能學會編寫整首曲子，人類的情緒就像鋼琴琴鍵般任它們彈奏。有了你的生物統(tǒng)計數(shù)據(jù)之后，算法甚至可以量身打造出全宇宙只有你會喜歡的旋律。

3、許多傳統(tǒng)工作將會消失，但其造成的部分影響可以由新創(chuàng)造出的工作抵消。

例如，診斷各種已知病、執(zhí)行各種常規(guī)的全科醫(yī)生，有可能被人工智能醫(yī)生取代，這會省下很多經(jīng)費，讓醫(yī)生和實驗室助理得以進行開創(chuàng)性的研究，研發(fā)新藥或手術(shù)方案。

人工智能也可能以另一種方式協(xié)助人類創(chuàng)造新的工作：人類與其想贏過人工智能，不如把重點放在人工智能的維護和運用上。舉例來說，因為無人機取代了飛行員，有些工作確實消失了，但同時在維護、遠程控制、數(shù)據(jù)分析和網(wǎng)絡(luò)安全等方面也創(chuàng)造出了許多新的工作機會。美國軍方每派出一架“捕食者”（Predator）無人機或“死神”（Reaper）無人機飛越敘利亞，就需要有30人在幕后操作；至于收集完數(shù)據(jù)的后續(xù)分析則至少還需要80人。2015年，美國空軍就曾經(jīng)因為缺少足夠的訓(xùn)練有素的人而面臨無人操作無人機的窘境。

4、2050年的就業(yè)市場的特點很可能在于人類與人工智能的合作，而非競爭。

從警務(wù)到銀行等各個領(lǐng)域，“人類+人工智能”的表現(xiàn)都能超越單純的人類或單純的計算機。在IBM的“深藍”（Deep Blue）于1997年擊敗國際象棋特級大師加里·卡斯帕羅夫（Garry Kasparov）之后，人類并沒有停止下棋。相反，在人工智能的協(xié)助下，人類的國際象棋大師水平比過去更高。至少有一段時間，被稱為“半人馬”（centaur）的“人類+人工智能”組合，在國際象棋比賽中的表現(xiàn)比單純的人類或計算機都要出色。很有可能，人工智能也能如法炮制，協(xié)助培養(yǎng)出歷史上優(yōu)良的人、銀行經(jīng)理和軍人。

然而，這些新工作很可能需要高水平的專業(yè)知識，因此無法解決無技能失業(yè)者的就業(yè)問題。讓失業(yè)者接受再培訓(xùn)之后去做這些工作，可能還不如直接創(chuàng)造完全屬于人類的全新工作。在過去的自動化浪潮中，勞動者通?？梢詮哪硞€低技能的工作輕松轉(zhuǎn)到另一個低技能的工作。比如，1920年，因為農(nóng)業(yè)機械化而失業(yè)的農(nóng)場工人可以在生產(chǎn)拖拉機的工廠里找到新工作；1980年，工廠工人失業(yè)后，可以去超市當收銀員。這種職業(yè)轉(zhuǎn)變在過去是可行的，因為從農(nóng)場到工廠、從工廠到超市，都只需要稍加培訓(xùn)即可。

但是到了2050年，收銀員或紡織工人的工作全部由機器人接手之后，他們幾乎不可能變身為無人機駕駛員或“人類+人工智能”的銀行團隊中的一員。他們?nèi)鄙俦貍涞募寄堋Ｔ谝皇澜绱髴?zhàn)中，派出幾百萬名毫無作戰(zhàn)經(jīng)驗的士兵扛著武器一陣亂射，損失成千上萬人，其實是有意義的做法，畢竟當時個人的技術(shù)好壞并不會造成太大差異。但是這天，就算無人機駕駛員和資料分析師的崗位確實缺人，美國空軍也不會找個失業(yè)的超市收銀員來填補空缺。你不希望有個沒經(jīng)驗的“菜鳥”把婚禮派對誤認為是危險分子的高層聚集吧？

因此，雖然出現(xiàn)了許多新的人類工作，我們?nèi)匀豢赡芸吹叫碌摹盁o用階層”日益龐大。我們甚至可能兩面不討好：一方面許多人找不到工作，另一方面也有許多雇主找不到有技能的雇員。這有點兒像19世紀汽車取代馬車時的情景，當時有許多馬車夫轉(zhuǎn)行當出租車司機，只是我們可能不是那些馬車夫，而是被淘汰的馬。

此外，由于機器學習和機器人技術(shù)還會持續(xù)進步，所以其實任何人類工作都有可能受到自動化的威脅。