Blog
工作的終結：哪些工作將在人工智慧革命中存活？
工作的終結：哪些工作將在人工智慧革命中存活？
August 20, 2023
智慧機器本應為我們工作，但已有跡象顯示，我們最終可能會為它們工作。未來的工作場所將是什麼樣子，你的角色是否還會存在？
在2021年的澳洲和美國公開網球錦標賽上，所有的邊線裁判都被機器取代。這不管從哪個方面來看都是不可避免的。這些機器不僅比任何人在判斷時更精確，而且還可以被編程以人聲進行判斷，以免讓選手感到不適。在球場上無處可見的“出界！”的尖叫聲雖然有點詭異（在澳洲公開賽上，機器被編程以澳洲口音說話）。但這遠比挑戰錯誤判斷所需的延遲，和不可靠要好得多。人們很容易就能習慣。
在2010年代發布的大量報告中，目的在辨別哪些工作最有可能被自動化淘汰，體育裁判通常排名非常靠前（其中最著名的研究是卡爾·本內迪克特·弗雷和邁克爾·奧斯本在2017年的研究，他們認為在20年內有98%的概率體育裁判會被電腦淘汰）。畢竟，最重要的就是能夠得出正確答案。進還是出？公平還是犯規？這些決策需要準確的智慧支撐。即使不是最先進的技術，也能比人類產生更好的答案。鷹眼系統已經超越人類視力近20年了。它們首次在2006年被正式用於網球線上判斷，在2009年用於檢查板球裁判的決策，最近還用於判斷足球越位。
然而，儘管這種智慧技術的到來，現在從事體育裁判的人數比以往任何時候都多。溫布爾登決定保留其邊線裁判，部分原因是出於美學考慮。作為唯一一個在草地上進行的主要比賽，在綠色背景下很好看，是賺錢機器的關鍵部分（因此要求選手只穿白色）。邊線裁判主要是為了他們的制服。在2022年，就像前17年一樣，這些制服是由拉爾夫·勞倫設計的。
板球比賽，傳統上只有兩名裁判，目前有三名裁判來管理技術的複雜需求，還有一名裁判來監控選手的行為，這仍然涉及大量的人類自由裁量權（誰能說什麼是“維護比賽精神”？）。足球比賽有多達五名裁判，以及大量的螢幕觀看者團隊，以解釋由視頻助理裁判系統（VAR）提供的重播。新澤西州塞考克斯的NBA重播中心，有25名全職員工，還有一個常規比賽裁判的輪值名單，看起來不會在Nasa格格不入。
效率甚至精確度，本來並不是組織在體育比賽期間，雇用人們做出決策的主要要求。他們也非常注重外觀，其中包括保持他們的運動，看起來和感覺像仍然是以人為中心的企業的願景。智慧技術可以做很多事情，但在沒有令人信服的仿人機器人的情況下，它真的做不到人們的複雜需求。所以實際上需要人們站在機器和接受其判斷的人之間。結果就是帶來更多的工作職缺。
機器人可以跳舞，但他們仍然需要人類編舞師才能看起來令人信服
目前仍然很難知道哪些工作可能會隨著AI的到來消失，儘管我們可以確信，就業的範圍和特性將會改變。許多有關自動化風險的研究，例如弗雷和奧斯本的研究，選擇將工作視為一系列任務，然後可以通過它們適合由機器執行的程度來衡量。這假設阻礙人類替代的障礙只是目前技術的局限性，這些局限性目前包括持續無法展示一系列以人為中心的認知和移動技能。機器人擅長重複任務，即使這些任務非常複雜，以及越來越多的數據 crunching，但他們通常在簡單的人際互動方面遇到困難。如果你的工作涉及創造力、美學判斷、真正流暢的運動或社交敏感性，那麼根據這些衡量標準，你現在仍然是安全的。機器人可以跳舞，但他們仍然需要人類編舞師才能看起來令人信服。
然而，任務不是工作，至少不是這個詞的現代含義。工作是由組織創建的職位，它們有自己的要求。把這些要求看作僅僅是有效執行任務，即使在無情的、貪婪的公司的情況下，也太過簡單了。公司的需求是否符合工作的意義也很重要。大多數工作仍然需要人們來填補，因為人們是提供工作的非人性組織的人類元素。否則，機器似乎會掌握大局，這在人們仍然重要的世界裡，是一個危險的狀況。
外觀並不是一切。每個組織的重要部分在於外觀並不那麼重要，例如公眾永遠看不到的後台甚至董事會。支撐公開任務表現的幕後技術知識，可能是可靠就業越來越不穩定的基礎。這對許多專業都是如此，包括會計、諮詢和法律。仍然會有很多人與人打交道的工作。但是收集數據、處理資訊和搜尋先例的業務，現在可以更可靠地由機器完成。從事這項工作的人，特別是那些初級工作的人，例如文書員、行政助理和律師助理，可能無法倖免。
就業的未來必然涉及一個複雜的關係集合，這些關係更有可能改變我們對工作的理解，而不是廢除它。有人與機器之間的關係，其中一些可能是零和的（他們的工作越多，我們的工作就越少），但其中大部分仍然可能是相互的。使用技術診斷癌症的醫生將需要磨練其他技能，包括更好地傳達機器所說的話，但這些技能將比期望技術磨練醫生所擁有的技能容易得多。然後還有所有的工作，為經理、律師和倫理學家，他們需要決定醫生和機器之間的關係是否按照希望的那樣進行，以及出錯時該怎麼辦。在AI時代，醫院裡仍然有人力短缺的狀況。
在工作世界中，仍然是人們、組織、機器，按這個順序。順序可能會改變嗎？組織是否可能把機器放在人們之上，或者機器是否可能代表組織做出最重要的決策？
歷史為可能發生的事情提供了部分指南。對自動化取代人類工人的擔憂與工作這個想法一樣古老。工業革命破壞了許多勞動方式，特別是在土地上，並破壞了整個生活方式。對於那些不得不從一種生計方式轉向另一種生計方式的人來說，過渡是可怕的。然而，每次的技術革命，最終的結果是更多的工作，而不是更少。工廠引入了機器，以更快、更可靠地做人們過去做或根本做不到的事情；與此同時，工廠是新工作出現的地方，涉及以前機器來臨之前從未需要執行的任務。這個模式一再重複：新技術取代了熟悉的工作形式，造成了巨大的痛苦和破壞。被告知不久後就會有全新的謀生方式，失去工作的人們得不到什麼安慰。但是會有的。
然而，新任務並不總是為前一代的工作馬找到的。這在實際的工作馬中最為明顯。在整個19世紀，快速增長的工業生產在很大程度上依賴馬的勞動來運輸人和貨物，尤其是在美國。從這項勞動中，為維持馬力企業所需的人們創造了大量和各種各樣的工作。
然而，僅50年後，馬力經濟幾乎完全消失在城市地區，如果不是在農村地區的話。再過五十年，整個國家幾乎都消失了。但是，為了滿足汽車的需求，創造了大量的新工作。到1950年，汽車工業已經創造了700萬或更多的淨新增工作，當時占美國總勞動力的11%。
然而，沒有創造出許多新的馬匹工作。他們的技能組合 - 拉、運、不抱怨 - 被證明在新時代不夠靈活。最終，他們沒有太多事情可做，除了休閒產業。當第一輛T型福特（22馬力）於1908年下產線時，美國有大約2500萬匹馬，與9000萬人。當第一輛福特獵鷹（260馬力）於1960年亮相時，只剩下300萬匹馬 - 和近1億8000萬人。馬作為工人實際上已經過時了。
與馬相比，汽車缺乏適應性。這並沒有阻止我們圍繞它們建立整個經濟體系。
人類可能會走馬的路嗎？一旦機器能夠以我們許多倍的速度做我們大部分能做的事情，我們的技能組合也可能被證明不夠靈活。深度學習技術的“人力” - 例如，AlphaZero在不到24小時內掌握的3000年象棋知識（人力：1,000,000+） - 甚至比最迅速的汽車的馬力指數更高。的確，智能機器也缺乏適應性，尤其是在完全不同的任務之間切換的能力。但是與馬相比，汽車缺乏很多種適應性：它們不能越過障礙物，或者橫向移動，或者穿越溪流。這並沒有阻止我們圍繞它們建立整個經濟體系，並適應所有的限制，在接下來的一個世紀中，為了不可避免的交通事故犧牲了數百萬人的生命。
然而，人類與馬最明顯的不同之處在於，我們不是不抱怨。我們正好相反。我們有能力，通過我們表達選擇的能力來表達。當馬被淘汰時，是由他們在其中沒有發言權的組織淘汰的。我們在可能選擇淘汰我們的組織中有發言權。而我們最好善加利用這個發言權。
我們應該這樣做的一個原因是，這些組織也有能力。沒有我們的投入，他們將做出自己的選擇。和人工智慧機器也不像馬一樣，可以做出自己的選擇。假設一旦我們不再為他們的目的服務，他們會選擇淘汰我們是荒誕的。他們沒有那種能力 - 人類的那種。但是他們比我們更好地執行某些任務的能力足以讓他們塑造我們的生活方式，如果我們選擇讓他們這樣做的話。一旦我們選擇讓它們這樣做，就像汽車塑造了我們的生活方式。
這從來不是馬的事。這不是汽車的事。甚至不是新一代自動駕駛汽車的事。這仍然取決於我們人類，我們的國家和我們的公司。
新聞原址： https://www.theguardian.com/books/2023/aug/19/the-end-of-work-which-jobs-will-survive-the-ai-revolution
在2021年的澳洲和美國公開網球錦標賽上，所有的邊線裁判都被機器取代。這不管從哪個方面來看都是不可避免的。這些機器不僅比任何人在判斷時更精確，而且還可以被編程以人聲進行判斷，以免讓選手感到不適。在球場上無處可見的“出界！”的尖叫聲雖然有點詭異（在澳洲公開賽上，機器被編程以澳洲口音說話）。但這遠比挑戰錯誤判斷所需的延遲，和不可靠要好得多。人們很容易就能習慣。
在2010年代發布的大量報告中，目的在辨別哪些工作最有可能被自動化淘汰，體育裁判通常排名非常靠前（其中最著名的研究是卡爾·本內迪克特·弗雷和邁克爾·奧斯本在2017年的研究，他們認為在20年內有98%的概率體育裁判會被電腦淘汰）。畢竟，最重要的就是能夠得出正確答案。進還是出？公平還是犯規？這些決策需要準確的智慧支撐。即使不是最先進的技術，也能比人類產生更好的答案。鷹眼系統已經超越人類視力近20年了。它們首次在2006年被正式用於網球線上判斷，在2009年用於檢查板球裁判的決策，最近還用於判斷足球越位。
然而，儘管這種智慧技術的到來，現在從事體育裁判的人數比以往任何時候都多。溫布爾登決定保留其邊線裁判，部分原因是出於美學考慮。作為唯一一個在草地上進行的主要比賽，在綠色背景下很好看，是賺錢機器的關鍵部分（因此要求選手只穿白色）。邊線裁判主要是為了他們的制服。在2022年，就像前17年一樣，這些制服是由拉爾夫·勞倫設計的。
板球比賽，傳統上只有兩名裁判，目前有三名裁判來管理技術的複雜需求，還有一名裁判來監控選手的行為，這仍然涉及大量的人類自由裁量權（誰能說什麼是“維護比賽精神”？）。足球比賽有多達五名裁判，以及大量的螢幕觀看者團隊，以解釋由視頻助理裁判系統（VAR）提供的重播。新澤西州塞考克斯的NBA重播中心，有25名全職員工，還有一個常規比賽裁判的輪值名單，看起來不會在Nasa格格不入。
效率甚至精確度，本來並不是組織在體育比賽期間，雇用人們做出決策的主要要求。他們也非常注重外觀，其中包括保持他們的運動，看起來和感覺像仍然是以人為中心的企業的願景。智慧技術可以做很多事情，但在沒有令人信服的仿人機器人的情況下，它真的做不到人們的複雜需求。所以實際上需要人們站在機器和接受其判斷的人之間。結果就是帶來更多的工作職缺。
機器人可以跳舞，但他們仍然需要人類編舞師才能看起來令人信服
目前仍然很難知道哪些工作可能會隨著AI的到來消失，儘管我們可以確信，就業的範圍和特性將會改變。許多有關自動化風險的研究，例如弗雷和奧斯本的研究，選擇將工作視為一系列任務，然後可以通過它們適合由機器執行的程度來衡量。這假設阻礙人類替代的障礙只是目前技術的局限性，這些局限性目前包括持續無法展示一系列以人為中心的認知和移動技能。機器人擅長重複任務，即使這些任務非常複雜，以及越來越多的數據 crunching，但他們通常在簡單的人際互動方面遇到困難。如果你的工作涉及創造力、美學判斷、真正流暢的運動或社交敏感性，那麼根據這些衡量標準，你現在仍然是安全的。機器人可以跳舞，但他們仍然需要人類編舞師才能看起來令人信服。
然而，任務不是工作，至少不是這個詞的現代含義。工作是由組織創建的職位，它們有自己的要求。把這些要求看作僅僅是有效執行任務，即使在無情的、貪婪的公司的情況下，也太過簡單了。公司的需求是否符合工作的意義也很重要。大多數工作仍然需要人們來填補，因為人們是提供工作的非人性組織的人類元素。否則，機器似乎會掌握大局，這在人們仍然重要的世界裡，是一個危險的狀況。
外觀並不是一切。每個組織的重要部分在於外觀並不那麼重要，例如公眾永遠看不到的後台甚至董事會。支撐公開任務表現的幕後技術知識，可能是可靠就業越來越不穩定的基礎。這對許多專業都是如此，包括會計、諮詢和法律。仍然會有很多人與人打交道的工作。但是收集數據、處理資訊和搜尋先例的業務，現在可以更可靠地由機器完成。從事這項工作的人，特別是那些初級工作的人，例如文書員、行政助理和律師助理，可能無法倖免。
就業的未來必然涉及一個複雜的關係集合，這些關係更有可能改變我們對工作的理解，而不是廢除它。有人與機器之間的關係，其中一些可能是零和的（他們的工作越多，我們的工作就越少），但其中大部分仍然可能是相互的。使用技術診斷癌症的醫生將需要磨練其他技能，包括更好地傳達機器所說的話，但這些技能將比期望技術磨練醫生所擁有的技能容易得多。然後還有所有的工作，為經理、律師和倫理學家，他們需要決定醫生和機器之間的關係是否按照希望的那樣進行，以及出錯時該怎麼辦。在AI時代，醫院裡仍然有人力短缺的狀況。
在工作世界中，仍然是人們、組織、機器，按這個順序。順序可能會改變嗎？組織是否可能把機器放在人們之上，或者機器是否可能代表組織做出最重要的決策？
歷史為可能發生的事情提供了部分指南。對自動化取代人類工人的擔憂與工作這個想法一樣古老。工業革命破壞了許多勞動方式，特別是在土地上，並破壞了整個生活方式。對於那些不得不從一種生計方式轉向另一種生計方式的人來說，過渡是可怕的。然而，每次的技術革命，最終的結果是更多的工作，而不是更少。工廠引入了機器，以更快、更可靠地做人們過去做或根本做不到的事情；與此同時，工廠是新工作出現的地方，涉及以前機器來臨之前從未需要執行的任務。這個模式一再重複：新技術取代了熟悉的工作形式，造成了巨大的痛苦和破壞。被告知不久後就會有全新的謀生方式，失去工作的人們得不到什麼安慰。但是會有的。
然而，新任務並不總是為前一代的工作馬找到的。這在實際的工作馬中最為明顯。在整個19世紀，快速增長的工業生產在很大程度上依賴馬的勞動來運輸人和貨物，尤其是在美國。從這項勞動中，為維持馬力企業所需的人們創造了大量和各種各樣的工作。
然而，僅50年後，馬力經濟幾乎完全消失在城市地區，如果不是在農村地區的話。再過五十年，整個國家幾乎都消失了。但是，為了滿足汽車的需求，創造了大量的新工作。到1950年，汽車工業已經創造了700萬或更多的淨新增工作，當時占美國總勞動力的11%。
然而，沒有創造出許多新的馬匹工作。他們的技能組合 - 拉、運、不抱怨 - 被證明在新時代不夠靈活。最終，他們沒有太多事情可做，除了休閒產業。當第一輛T型福特（22馬力）於1908年下產線時，美國有大約2500萬匹馬，與9000萬人。當第一輛福特獵鷹（260馬力）於1960年亮相時，只剩下300萬匹馬 - 和近1億8000萬人。馬作為工人實際上已經過時了。
與馬相比，汽車缺乏適應性。這並沒有阻止我們圍繞它們建立整個經濟體系。
人類可能會走馬的路嗎？一旦機器能夠以我們許多倍的速度做我們大部分能做的事情，我們的技能組合也可能被證明不夠靈活。深度學習技術的“人力” - 例如，AlphaZero在不到24小時內掌握的3000年象棋知識（人力：1,000,000+） - 甚至比最迅速的汽車的馬力指數更高。的確，智能機器也缺乏適應性，尤其是在完全不同的任務之間切換的能力。但是與馬相比，汽車缺乏很多種適應性：它們不能越過障礙物，或者橫向移動，或者穿越溪流。這並沒有阻止我們圍繞它們建立整個經濟體系，並適應所有的限制，在接下來的一個世紀中，為了不可避免的交通事故犧牲了數百萬人的生命。
然而，人類與馬最明顯的不同之處在於，我們不是不抱怨。我們正好相反。我們有能力，通過我們表達選擇的能力來表達。當馬被淘汰時，是由他們在其中沒有發言權的組織淘汰的。我們在可能選擇淘汰我們的組織中有發言權。而我們最好善加利用這個發言權。
我們應該這樣做的一個原因是，這些組織也有能力。沒有我們的投入，他們將做出自己的選擇。和人工智慧機器也不像馬一樣，可以做出自己的選擇。假設一旦我們不再為他們的目的服務，他們會選擇淘汰我們是荒誕的。他們沒有那種能力 - 人類的那種。但是他們比我們更好地執行某些任務的能力足以讓他們塑造我們的生活方式，如果我們選擇讓他們這樣做的話。一旦我們選擇讓它們這樣做，就像汽車塑造了我們的生活方式。
這從來不是馬的事。這不是汽車的事。甚至不是新一代自動駕駛汽車的事。這仍然取決於我們人類，我們的國家和我們的公司。
新聞原址： https://www.theguardian.com/books/2023/aug/19/the-end-of-work-which-jobs-will-survive-the-ai-revolution