[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”、“人工智能或將造成失業潮”等問題再度成為焦點。未來的就業市場，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造新的就業機會，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，但至今這種情況從未出現。自工業拉開序幕以來，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勢。因此，隨著農業和工業邁向自動化，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、預測人類決策，并更終取代人類的司機、銀行經理和律師等。

在過去幾十年中，在神經科學和行為經濟學等領域的研究，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，而是數十億神經元在瞬間計算各種可能性的結果。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的模式，于是能夠躲過漫不經心的行人、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，而不是現在的都市叢林。這也就難怪，即便是很不錯的司機、銀行經理和律師，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“關于別人”的直覺，人工智能的表現就會優于人類。

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、靈活的網絡。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絡所取代。

1、至少在短期內，人工智能和機器人還不太可能完全取代整個產業。

有些工作專精在小范圍，日復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，或者需要應對難以預見的情況的工作，就不太容易用機器來取代人類。很多醫生的主要工作是處理信息：匯總并分析醫療數據，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人工智能家庭醫生的時間，很有可能會遠遠早于我們擁有可靠的護理型機器人。人文關懷產業（也就是照顧老幼病殘）大概在很長一段時間內仍然會是人類的工作。事實上，隨著人類壽命延長和少子化，養老產業很可能成為人類勞動力市場成長更快的行業類別。

除了養老產業，創意產業也是自動化特別難以突破的領域。現在，我們可以直接從iTunes（蘋果數字媒體播放應用程序）下載音樂，而不需要由真人店員來銷售，但作曲家、音樂家、歌手和音樂節目主持人都還是活生生的人。我們需要這些人的創意，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，對此就連藝術家也得小心。

現代社會一般認為，藝術與人類的情緒緊緊相連，藝術家引導著人類的心理力量，藝術的目的是讓我們和自身的情緒有所聯系，或者激發出新的感受。因此，當我們品評藝術的時候，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，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，又會發生什么事？

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

在所有藝術形式中，更容易受到大數據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學來描述，輸入時是聲波的數學模式，輸出時則是神經風暴的電化學反應模式。在幾十年內，算法只要經過幾百萬次的音樂體驗，就可能學會如何預測某種輸入如何產生某種輸出。

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。你可以輕松地調整算法，讓它完全隨機地挑選5%的內容，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，通過監測你的反應，人工智能甚至能判斷出對你來說理想的隨機性程度，可能是上調至8%，也可能是下調到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目主持人也會遇到。但放到算法領域，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，算法開始調整這些歌曲和旋律，為你量身打造。或許某首歌什么都好，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。有了你的生物統計數據之后，算法甚至可以量身打造出全宇宙只有你會喜歡的旋律。

3、許多傳統工作將會消失，但其造成的部分影響可以由新創造出的工作抵消。

例如，診斷各種已知病、執行各種常規的全科醫生，有可能被人工智能醫生取代，這會省下很多經費，讓醫生和實驗室助理得以進行開創性的研究，研發新藥或手術方案。

人工智能也可能以另一種方式協助人類創造新的工作：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、數據分析和網絡安全等方面也創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；至于收集完數據的后續分析則至少還需要80人。2015年，美國空軍就曾經因為缺少足夠的訓練有素的人而面臨無人操作無人機的窘境。

4、2050年的就業市場的特點很可能在于人類與人工智能的合作，而非競爭。

從警務到銀行等各個領域，“人類+人工智能”的表現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，協助培養出歷史上優良的人、銀行經理和軍人。

然而，這些新工作很可能需要高水平的專業知識，因此無法解決無技能失業者的就業問題。讓失業者接受再培訓之后去做這些工作，可能還不如直接創造完全屬于人類的全新工作。在過去的自動化浪潮中，勞動者通常可以從某個低技能的工作輕松轉到另一個低技能的工作。比如，1920年，因為農業機械化而失業的農場工人可以在生產拖拉機的工廠里找到新工作；1980年，工廠工人失業后，可以去超市當收銀員。這種職業轉變在過去是可行的，因為從農場到工廠、從工廠到超市，都只需要稍加培訓即可。

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。他們缺少必備的技能。在一世界大戰中，派出幾百萬名毫無作戰經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的超市收銀員來填補空缺。你不希望有個沒經驗的“菜鳥”把婚禮派對誤認為是危險分子的高層聚集吧？

因此，雖然出現了許多新的人類工作，我們仍然可能看到新的“無用階層”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還會持續進步，所以其實任何人類工作都有可能受到自動化的威脅。