人工智能的两大误区

　　巴里?艾肯格林

　　机器人、机器学习和人工智能，有望从根本上改变工作的本质。每个人都知道这一点，或至少他们觉得自己是知道的。

　　具体地说，他们认为自己知道两件事：

　　首先，受威胁的工作岗位要比以往任何时候都多，正如一则头条新闻所写“ForresterResearch公司预计人工智能将在2018年消灭9%的美国就业岗位”；而另一条则写着“麦肯锡：在2030年1/3的美国工人可能会因自动化而失业”。

　　这类报道给人留下了这样的印象，即技术进步和工作消减正双双急剧加速。但没有证据表明这两种趋势确实存在。事实上在美国和整个发达国家中，作为技术变革速度最佳概括性的指标――全要素生产率自2005年来已经陷入停滞。

　　此外，正如经济学家蒂莫西?泰勒最近指出的那样，就业结构变化率（通过计算朝阳行业中所增加的就业和夕阳行业所流失的就业绝对值得出）自上世纪80年代以来也一直在放慢，而非加速。这不是要去否认职业结构正在发生改变，只是对人们普遍持有的那种加速观点表示质疑。

　　第二件每个人都自认为知道的事，是以前那种安稳工作现在岌岌可危。以前大家同意机器人会取代从事常规作业的工人，但不会影响到那些高技能和受过高等教育的人，比如医生、律师或教授，尤其认为机器不会有能力完成那些以共鸣、同情心、直觉、人际交往和沟通为核心的任务。

　　但如今这些差异都逐渐不复存在。亚马逊的Alexa语音助手系统已经实现了人机沟通。借助众包（crowd-sourcing，即企业利用互联网来将工作分配出去、发现创意或解决技术问题）以及一个人的数据历史，就可以估测出其购买习惯。人工智能可以用来读取X光和进行医疗诊断。可见所有的工作――甚至是医生、律师和教授――都在发生转变。

　　但转变与威胁是不一样的。机器无疑在查找过往法院判例时比律所工作人员更为高效。但在建议那些考虑离婚的人究竟是该谈判、调解还是上法庭的问题上，一个与自身委托人性格相合的律师，仍然扮演着不可缺少的角色。同样在选择陪审团成员的时候，律师在民事诉讼或刑事案件中对主要涉事人员性格的了解，可以与大数据和分析相结合。可见改变的是工作的内容，而不是工作本身的存续。

　　这些观察道出了劳动力市场的真正现状。不是护士护理的工作正在被医疗机器人取代，而是护士护理的内容正被重新定义。随着机器人的能力不断进化――从协助病人下床到为残疾和抑郁症患者提供理疗疗程和情感救助――它们所做的将会继续被重新定义。

　　在某种程度上，对于那些关心在职劳动者就业前景的人来说，这是个好消息：现有职位的用人需求将继续存在。并非所有的护士助理都得成为软件工程师。她们在工作中获得的知识――如何与病人互动，如何识别病人的情绪和需求，依然是与这份工作密切相关且有价值的。她们将利用这些知识来对机器人同事进行指导与合作。

　　因此，即将到来的技术转型并不意味着会有一场工业革命式的大规模农业和工业部门之间劳动力的整体再分配。毕竟绝大多数美国人都已经在服务行业工作了。比以往任何时候都更重要的一点在于，考虑到各年龄层人士的职业都会持续被技术所重塑，他们都得不断更新自身技能并反复接受培训。

　　在像德国这样的国家，各行各业的劳动者都接受学徒培训，然后在工作过程中完成整个课程。企业会持续对自己的工人进行投资和再投资，因为1951年制定的《共同决定法》规定后者在董事会中占有一个席位，令工人可以坚持要求企业这样做。雇主协会与强大的工会一道在部门一级组织和开办培训。而这些计划之所以有效，部分原因是德国联邦政府制定了培训计划的标准，并为受训人员制定了统一的课程。

　　在美国，工人代表的董事会成员资格，强大的工会和政府对私营部门培训的监管，都不是现行体制的一部分。因此企业把员工视为用后即弃的一次性“部件”，从不在他们身上投资，而政府对此也无动于衷。

　　因此我有一个想法，与其实施允许企业立即列支其资本支出“税收改革”，为什么不对企业为属下员工提供终生学习所产生的费用进行税务抵免呢？

　　（作者系加州大学伯克利分校教授）