Local EPUB Text
经济学家的研究结果
预测人工智能会引发的失业规模，已经成了全球经济学家和咨询公司的主流研究课题，使用不同的研究模型会得出不同结果。这些结果的数字有的大到令人恐惧，有的看起来还算安全。因为针对中国市场的优秀研究少之又少，因此我们在此主要介绍对美国的研究，然后通过这些结果来推导中国的情况。
2013年，牛津大学两位研究人员的论文做出了一个可怕的预测：在未来10年或20年内，美国47%的工作可能实现自动化。(17)论文的作者卡尔·本尼迪克特·弗雷（Carl Benedikt Frey）和麦克尔·奥斯本（Michael A.Osborne）请机器学习专家评估70种职业在未来几年实现自动化的可能性。之后，他们将此数据与机器学习的主要“工程瓶颈”清单（类似于指示上图“安全区”的特征）相结合，使用了一个概率模型来预测另外632种职业实现自动化的难易程度。结果显示，在未来几十年中，美国近一半的工作都处于“高风险”区。尽管两位作者反复提醒：该研究最重要的是评估哪些工作“在技术上可以”由机器执行，而不是实际的工作流失和失业规模。但一石激起千层浪，后续的媒体报道基本上没有说明这些重要细节，而是发出警告：“有半数的劳动者很快就会失去工作。”
不过，2016年，经济合作与发展组织（OECD）的三名研究人员利用另一个模型，得出的预测似乎直接反驳了上述研究的结果：美国只有9%的工作面临自动化的高风险。(18)两项研究的结果为何差距如此之大？原因是奥斯本和弗雷采用了“职业分析法”。这种分析模型请机器学习专家判断的是单一工作岗位可实现自动化的可行性。而OECD团队认为，被“自动化”的不是整个工作岗位，只是岗位职责中的一部分。OECD团队论证称，以岗位为最小单位的方法忽略了那些人类可以执行，但算法不能执行的许多任务，如与同事展开团队合作、与客户面谈等。对此，OECD团队提出了“工作任务分析法”，将每个工作岗位分解为许多不同的活动，然后看有多少活动可以自动化。在此模型中，报税人不仅是一个岗位，还拆分成了一系列可以自动化的任务（如审查收入文件、计算最大扣减等），以及一些不可自动化的任务（如会见新客户、向客户解释决定等）。之后，OECD团队使用概率模型找出“高风险”的工作比例（至少70%的岗位职责可自动化）。如上所述，他们发现在美国仅有9%的工作属于“高风险”类别。将同一模型用于其他20个OECD国家，高风险工作的比例范围也只是在6%（韩国）到12%（奥地利）。
“工作任务分析法”基于岗位职责划分进行研究，这一方法得到了多数研究人员的认可。但不是所有人都同意OECD团队的乐观结论。2017年年初，普华永道的研究人员使用“工作任务分析法”得出了自己的估算：到21世纪30年代，美国38%的工作都存在被自动化的高度风险。(19)
在参考了这些大相径庭的预测之后，麦肯锡全球研究院（McKinsey Global Institute）的研究人员得出了一个折中的估算结果。我协助麦肯锡全球研究院进行了与中国相关的研究，并共同撰写了关于中国数字化现状的报告。麦肯锡团队同样使用“工作任务分析法”得出的结论是，全球大约50%的“工作任务”在技术上已经实现自动化。(20)中国的这个数字是51.2%，美国为45.8%。但是他们不认为人的工作会那么快被人工智能取代，他们预测2030年会有30%的任务和14%的工作被人工智能取代。
结合不同研究方法的结果，美国各类工作被自动化的可能性在9%到47%。即便只采用“工作任务分析法”，结果仍为9%到45.8%。如此大的数据差，代表未来既可能实现社会繁荣发展，也可能发生彻底的就业危机。面对差异性如此大的预测，我们应该认真思考这些研究究竟告诉了我们什么，以及我们可能忽略了什么。