哪一些人群受人工智能的影響最大

最有可能被機(jī)器所取代（如果不是完全取代）的工作是由藍(lán)領(lǐng)和一線服務(wù)員工所占據(jù)的，這些人工資較低，受教育程度也較低，從事的是死記硬背的工作，正如布魯金斯學(xué)會（Brookings InstituTIon）今年早些時候的一份報告所描述的那樣。

但布魯金斯學(xué)會今天發(fā)布的一項新研究對這一假設(shè)提出了挑戰(zhàn)，至少當(dāng)涉及到人工智能時是這樣。它斷言：“美國的白領(lǐng)高薪人士比如放射科醫(yī)生、法律專業(yè)人士、驗(yàn)光師等等，可能無法確保端鐵飯碗?！?/p>

事實(shí)上，布魯金斯學(xué)會表示，“受教育程度更高、收入更高的員工將是受人工智能影響最大的人群?！?/p>

這個稍作修改的觀點(diǎn)基于一個新穎的研究方法，由一位名叫邁克爾·韋伯的斯坦福大學(xué)經(jīng)濟(jì)學(xué)博士發(fā)明，他創(chuàng)建了自己的算法，將16，400項人工智能專利與政府官方職業(yè)數(shù)據(jù)庫“O*NET”中描述769種不同工作的特定詞匯進(jìn)行了比較。

例如，韋伯在包括“度量，有效性”、“分析，數(shù)據(jù)”、“確定，市場”和“監(jiān)控，統(tǒng)計數(shù)據(jù)”等與營銷相關(guān)的專利中發(fā)現(xiàn)了動賓關(guān)系。

在相當(dāng)大的程度上，這些術(shù)語反映了“O*NET”數(shù)據(jù)庫中用于解釋營銷專家工作的術(shù)語。其中包括“衡量營銷、廣告、傳播計劃和策略有效性”、“收集和分析客戶人口統(tǒng)計、偏好、需求和購買習(xí)慣的數(shù)據(jù)以識別潛在市場”、“監(jiān)測行業(yè)統(tǒng)計數(shù)據(jù)并跟蹤貿(mào)易文獻(xiàn)趨勢”。

這兩套文本的高重合度表明，人工智能已準(zhǔn)備好對某一特定職業(yè)產(chǎn)生重大影響。

布魯金斯學(xué)會的數(shù)據(jù)顯示，美國將有約2，500萬員工受人工智能的影響最大，這相當(dāng)于美國勞動力的15%。

除營銷專家外，在可預(yù)見的未來，人工智能有望取得最大進(jìn)展的工作還包括銷售經(jīng)理、電腦程序員和個人財務(wù)顧問。這四個領(lǐng)域的員工平均年薪是10.4萬美元。

布魯金斯學(xué)會表示，擁有學(xué)士學(xué)位的員工接觸人工智能的幾率是只有高中文憑的員工的7倍。亞裔美國員工和白人員工似乎比拉美裔或非洲裔美國員工更容易受到人工智能帶來的變化的影響。

值得注意的是，這些最新發(fā)現(xiàn)并沒有否定先前的警告，即年收入4萬美元以下的大約1億美國人中，有許多人承受著壓力。

盡管過去由布魯金斯學(xué)會和其他組織進(jìn)行的研究傾向于將“自動化”歸并到一起變成一個大類，但韋伯的方法有個優(yōu)點(diǎn)，它將人工智能與威脅到低教育程度、低技能雇員的其他技術(shù)進(jìn)步相區(qū)分，后者包括用于生產(chǎn)工作的機(jī)器人科學(xué)和做日常文書工作及服務(wù)工作的非人工智能軟件。

“一次涉及我們所有人的大轉(zhuǎn)型”

布魯金斯學(xué)會高級研究員馬克·穆羅是這項新研究的合著者。他認(rèn)為通過更謹(jǐn)慎地探究所有這些領(lǐng)域，就能清晰地發(fā)現(xiàn)，新興技術(shù)將牽涉到勞動力市場的方方面面。他說：“肯定會有一次涉及我們所有人的大轉(zhuǎn)型。”

韋伯的方法如此有吸引力的一個原因是，它利用人工智能包括自然語言處理來檢驗(yàn)人工智能。因此，布魯金斯學(xué)會表示：“我們能夠完全依賴統(tǒng)計關(guān)聯(lián)，而不是在很大程度上依賴專家預(yù)測?！?/p>

韋伯認(rèn)為，從專利中獲取信息比向一群學(xué)者或智庫類型的人詢問“他們認(rèn)為人工智能能做什么”更為客觀。

盡管如此，穆羅及其同事強(qiáng)調(diào)人工智能是個“變化中的目標(biāo)”，因?yàn)?u>計算機(jī)不斷獲得新的“智能”形式——計劃、推理、解決問題、感知、預(yù)測，以及通過收集海量數(shù)據(jù)中的統(tǒng)計模式進(jìn)行“學(xué)習(xí)”。

他們寫道：“要梳理出人工智能的特殊天賦，還需要進(jìn)行更多研究，不管是定性研究還是實(shí)證研究?！?/p>

即便有韋伯的洞見，布魯金斯學(xué)會還是小心翼翼，不去推測人工智能將如何重塑職場世界。人工智能可能會蠶食大量工作。但許多甚或大多數(shù)人工智能應(yīng)用程序最終可能需要人與技術(shù)協(xié)同工作。人工智能可能會產(chǎn)生需要人力和腦力干預(yù)的新職業(yè)。

卡耐基梅隆大學(xué)教授、機(jī)器學(xué)習(xí)的先驅(qū)湯姆·米切爾（Tom Mitchell）表示：“沒人知道這將如何發(fā)展。這是個未知數(shù)?！?/p>

穆羅則比較樂觀。他認(rèn)為，無論如何，就目前而言，人工智能可以“更多地作為對白領(lǐng)的補(bǔ)充，因?yàn)樗麄兪芙逃礁?，更能適應(yīng)變化?！?/p>

但韋伯對此不太確定。通過利用機(jī)器人和軟件領(lǐng)域的舊專利申請文件并將其與“O*NET”數(shù)據(jù)庫進(jìn)行匹配，他對自己的模型進(jìn)行了某種程度的“回溯測試”。結(jié)果是：從1980年到2010年，“我們看到就業(yè)和工資大幅下降”，韋伯說。

鑒于這一先例，隨著人工智能取代大量人類員工，他補(bǔ)充說，“我絕對相信，高端勞動力市場可能會出現(xiàn)人類工作被取代，我們應(yīng)該對此予以足夠重視?！?/p>

波士頓大學(xué)法學(xué)院“技術(shù)與政策研究計劃”（Technology & Policy Research IniTIaTIve）執(zhí)行主任詹姆斯·貝森曾在荷蘭監(jiān)測到類似情況。事實(shí)證明，荷蘭有個非常豐富的數(shù)據(jù)庫記錄每個公司在各種自動化上的花費(fèi)是多少，從而能衡量自2000年以來大量引入新技術(shù)的公司的員工發(fā)生了什么情況，并與那些行動較慢的公司進(jìn)行對比。

有時顧客更渴望與人接觸

在去年2月發(fā)表的一篇論文中，貝森和其他三位學(xué)者證明，盡管荷蘭的自動化并沒有轉(zhuǎn)化為大規(guī)模裁員，但它已逐漸留下印記，增加了員工離職的可能性，減少了他們的工作天數(shù)，使他們在五年里年收入降低了11%。

正如韋伯所指出的，研究還發(fā)現(xiàn)低技能員工并不比高技能員工更容易被“自動化項目”取代。貝森表示：“這對管理者和生產(chǎn)線上的員工都造成了影響?！?/p>

安東尼·德利馬（Anthony DeLima）正實(shí)時關(guān)注著同樣的趨勢。作為全球商業(yè)與IT咨詢公司Neoris的數(shù)字化轉(zhuǎn)型主管，德利馬為許多大公司提供關(guān)于如何最好地部署新技術(shù)的咨詢建議。

他表示，“所有可重復(fù)的任務(wù)”，無論是在倉庫中挑選商品，還是手工收集和處理數(shù)據(jù)，都已經(jīng)在被機(jī)器接管的路上。與此同時，高技能職位離被人工智能顛覆也沒多遠(yuǎn)了。

但這并不意味著所有從事這些工作的員工都會被解雇。相反，德利馬說，他的客戶堅持的似乎是他所謂“三分之一規(guī)則”：

三分之一受自動化影響的員工將被調(diào)到其他職能部門。

還有三分之一的人正在接受培訓(xùn)，以便安全、高效地與新機(jī)器協(xié)作（對工廠工人而言），或利用人工智能來增強(qiáng)思維、預(yù)測商業(yè)成果并在工作中更有效率（對于知識型工人而言）。

另有三分之一的人無法實(shí)現(xiàn)跨越，或者沒有機(jī)會實(shí)現(xiàn)跨越。

德利馬說：“這種轉(zhuǎn)變要么太快，難以學(xué)到新技能，要么太復(fù)雜，總之不會太自在?！?/p>

能看到人工智能做出妥協(xié)的一個地方是Nsure，這是一家?guī)椭蛻糍徺I合適的房屋和汽車險的數(shù)字化保險機(jī)構(gòu)。Nsure表示，通過使用人工智能，它不僅能從十幾家航空公司中找出最便宜的報價，還能挖掘出一系列數(shù)據(jù)庫，提供剛合適的保險產(chǎn)品，這樣人們就不會投保不足或投保過度。

去年夏天推出的Nsure發(fā)展迅速，向3，500多名客戶銷售保險。起初該公司只有少數(shù)客服代表回答有關(guān)其網(wǎng)站的問題，而沒有任何持牌保險代理人。Nsure首席技術(shù)官庫巴·斯卡巴尼亞表示：“我們一開始就計劃一個人也不招?！?/p>

但幾個月后，該公司意識到有5%到10%的客戶渴望接到真實(shí)的保險代理人的電話?！八麄兿胍鸵粋€真實(shí)的人交談，”斯卡巴尼亞說。

事實(shí)證明，僅有人工智能驅(qū)動的在線界面是不夠的，Nsure現(xiàn)在已雇傭了3名代理人，遠(yuǎn)少于與其同等業(yè)務(wù)量的傳統(tǒng)保險公司，但并非沒有。

顯然，人類員工的存在，不管有幾個，可能是一種特征，而不是缺陷（bug）。