Local EPUB Text
3R：再培训、减时间、重分配
硅谷针对人工智能将引发的失业问题，提出三类解决方案：就业者再培训（retraining workers）、减少工作时间（reducing work hours）或重新分配收入（redistributing income）。每一类方案的出发点均是调节就业市场的某一个变量（技能、时间、报酬）。
基于人工智能会逐渐改变市场需要的技能，提倡就业者再培训的方案相信：如果就业者能及时参加新技能的培训，就不会发生人力需求减少的问题。
基于人工智能会减少对人力劳动的需求，提倡减少工时的方案相信：如果把每周的工作日减为三至四天，工作总量不变但人均工时减少，就可以让更多的人得到工作机会。
基于对人工智能引发的失业有着最悲观的预期，提倡重新分配财富的方案相信：无论就业者接受多少培训，如何调整工作时间，人工智能都将彻底取代或挤走就业者。因此，政府要采用更激进的再分配方案，以保障失业人员的生存，分享人工智能所创造的财富。
下面，我们来仔细研究每种方案的利弊。
提倡工人再培训的方案认为有两种趋势对于人工智能时代的就业至关重要：在线教育和终身学习。他们认为，随着免费或付费的在线教育平台激增，失业人员更容易获取培训和指导，从而找到新的工作。视频网站、在线编程学院等平台可帮助就业者成为“终身学习者”，帮助他们不断更新技能，进入尚未实现自动化的新行业。再培训的过程中，失业的保险经纪人可利用在线教育平台（如网易公开课或国外的Coursera）成为软件工程师。即使当新工作也实现了自动化，他们还能利用同样的工具，参加另一个人工智能无法取代的新岗位的再培训，比如算法工程师或心理学家。
我认为，通过在线平台进行终身学习是个不错的想法，尤其可以帮助那些处在第6章的象限图中右下角（“慢变区”）的人，无论是学习人工智能编程、创新思维还是进入新兴服务业。我也相信自我学习会提升学习者的能力，经过一系列的成长获得成就感，同时增加自信。
但如果考虑到人工智能对就业影响的深度和广度，该方法远远不能解决大量失业的问题。人工智能的快速发展使得其在取代人类工作的道路上大踏步地前进，使得就业者每隔几年就不得不更换职业。此外，自动化的步伐和路径的不确定性增加了更多的障碍，就连人工智能专家也很难预测未来几年哪些工作将会受到自动化的影响，我们很难指望一名普通就业者选择再培训计划时，能准确预测几年后哪些工作更安全。
我担心，就业者会发现自己只能不断退缩，就像无情的洪水来临时丛林里的动物会逃亡一般，急切地从一块岩石跳到另一块岩石，寻找更高的落脚点。再培训固然可以帮助许多人找到在人工智能经济中的新位置，但这只是权宜之计，没办法真正缓解宏观层面上就业市场正在受到的冲击。
以谷歌创始人拉里·佩奇为首的一批人，意识到人工智能会带来大规模的冲击，提出了更激进的减少工时的方案。他们建议可以把每周的工作日变为四天，或让多人“分享”同一份工作。(1)还有人提倡一份全职工作可以分成几份兼职工作，给大量就业者平分日益稀缺的工作资源。这些方法意味着大多数人的工资会减少，但至少没有彻底失业。
减少工时、工作共享可以有效减少失业人数，特别是处在象限图“结合区”中的职业。这些职业将由人工智能执行主要的工作任务，只需要少数工人与客户对接。这个政策如果执行得好，可以让更多工作人员免于失业。
在美国，减少工时、工作共享的方案已在有些州落实。(2)2008年金融危机后，美国好几个州均已落实工作共享的安排，以避免业务量骤减引起的企业大规模裁员。它们没有选择裁员，而是将部分人员的工时减少了20%—40%。当地政府为这些人员损失的工资给予了一定补偿，通常是50%。该方法在部分地方很有效，让员工和企业都不必承受失业和再就业造成的冲击，还为当地政府省去了可能需要全额支付的失业救济金。
但是，面对人工智能对工作岗位持续不断的冲击，这种方案可能会失去后劲。现有的减少工时、工作共享方案仅能补偿部分损失的工资，意味着就业者的净收入还是会减少。面对短暂经济危机导致的收入下滑，就业者也许还能接受，或者政府还能承受补助，但是长期来看，工资不断下滑肯定不会被低收入者认可，政府也很难负担巨量补助。企业和政府可以继续对此进行试验，但我认为这种方法并不能减轻人工智能带给就业市场的长期压力。因此，我们可能不得不选择更为激进的再分配方案。