作者 Jon Gabay，特約作家

在 1930 年代，有遠見的思想家創造了“技術失業”一詞，以表明能力更強的技術可能取代的工作對工作的潛在影響。這從未像今天這樣真實。機器人不僅取代了裝配線上的非熟練工人，還取代了焊工、機械師甚至醫生等熟練員工。

據《經濟學人》估計，在未來二十年內，47% 的美國勞動力可能會受到機器人和自動化技術的威脅。令人驚訝的是，世界銀行的研究表明，未來 20 年內這一數字將達到 57%。而且，根據Acemoglu 和 Restrepo在 2017 年 3 月發布的研究，對于通勤區的每個機器人，6.2 名工人將失去工作和工資 0.7% 。無論實際數字在哪里，事實是機器人和自動化將極大地影響勞動力和人類以合理工資競爭工作的能力。

當然，許多人可以說隨著技術的進步，這些卑微的工作一直在消失。這是真的，因為某些產品的需求已經過時，例如馬車鞭子或化油器。隨著用于完成任務的技術的改進，這也是正確的。例如，在鉆頭和電動工具出現之前，采礦業的勞動密集程度要高得多，這使得同樣的工作可以用更少的工人完成。

有人會說，只有人類才能完成的高層次和復雜的工作，才能永遠生存下去。然而，事實并非如此。最終，基于規則的系統將讓位于深度學習技術，并在最高水平上證明比人類更有效。

那么我們的減員勞動力會是什么樣子呢？您當然可以指望餐廳走向數字化。從女主人到女服務員，再到食物準備和運送，再到清潔和衛生——他們很可能在某種程度上都是機器人。很有可能食物將由無人駕駛車輛和/或無人機運送，從而減少更多的勞動力。交付行業本身可以讓步于完全自動化的勞動力。

交通執法很可能會讓位于自動化系統，這些系統可以通過 EZ-Pass、手機轉發和/或 RFID 等方式及時讀取您的位置。實時數據將用于根據從 A 點到 B 點的行程自動開票。事實上，視頻紅綠燈已經在無需人工協助的情況下開票。

但它并不止于此。各種人工智能方法的引入正在改變機器與人類的反應和交互方式。這意味著自動化機器可以取代我們勞動力中思維最高的人。這已經開始發生了。

例如，哥倫比亞大學的研究表明，將人工智能的范式從基于規則的學習系統轉變為“自行解決”式的深度學習算法，其表現幾乎與人類醫生一樣好。很快他們就會更好地診斷。

該大學使用深度學習人工智能進行的初步研究已經能夠發現并找出健康細胞和癌前細胞之間的細微差異。視覺和人工智能機器不知疲倦地觀察和比較健康細胞及其不斷增加的經驗記憶。令人印象深刻的是，它自學了如何分辨差異，并且越來越超越和超越醫生。

一個這樣的例子是，使用手持掃描儀的皮膚科醫生現在可以讓 AI 做出比他/她更準確的診斷（見圖1）。用簡單的語言來說，人工智能算法幾乎可以像今天的皮膚科醫生一樣檢測皮膚癌。

圖 1：醫生只掃描皮膚，人工智能進行實際檢查和診斷。圖片來源：斯坦福大學。

那么這對社會意味著什么？無論技能水平如何，任何工作都安全嗎？

醫療設備工程師布魯斯·菲斯特爾告訴電子產品公司：“獲得工作機會已經是修復我們陷入困境的經濟的關鍵因素。” “更少的工人和更高的價格將導致更多的人需要社會安全網才能生存。”

我們可能會看到基于技術替代的達爾文進化定律的第四條定律。在什么時候我們都被認為是不必要的？

自從學習電氣工程以來，Jon Gabay 曾在國防、商業、工業、消費者、能源和醫療公司擔任設計工程師、固件編碼員、系統設計師、研究科學家和產品開發人員。作為替代能源研究人員和發明家，他從創立和運營 Dedicated Devices Corp 到 2004 年一直從事自動化技術工作。從那時起，他一直從事研發、撰寫文章并為下一代工程師和開發技術學生。

審核編輯 黃昊宇