Local EPUB Text
对科技的“盲目押注”是天才还是疯狂
最后一公里
我将车停在了塔林老城区以西的慕斯塔姆的一栋写字楼外，看到了处于技术对就业影响争论核心的机器人。这台机器人是由初创公司星舰科技制造的，看起来类似冷藏箱和遥控汽车的后代。机器人主体是一个只有膝盖高的圆角白色容器，下面是六个黑色橡胶轮子。右后方的天线大概略低于头部的高度，天线顶端有一面小小的橙色三角旗。这辆小泡泡车的造型展现了未来主义友好的一面，它更像是《杰森一家》而不是《终结者》。仔细观察就会发现这台机器的复杂程度，机身前端是一堆器件：八个摄像头、雷达、麦克风以及其他一些传感器。星舰科技的创始人阿提·海因拉说，这些器件太隐秘了，根本看不出来。作为一个送货机器人是需要这些器件的，因为搞清楚它要去哪里至关重要。
虽然从未参加过爱沙尼亚的《猎脑》节目，但海因拉无疑是该国拥有最顶尖思想的人物之一。他从10岁开始写计算机代码，20多岁时，他和他的商业伙伴简纳斯·弗里斯一起创建了Kazaa（一个早期的非法文件共享平台），后来又创建了Skype。海因拉身高超过1.83米，特征非常鲜明，有一头浓密的金发，只可能是北欧人，他穿着一条昂贵的定制版西裤和一件褪色的T恤。海因拉看起来既像读书人，又像商人，这是一个非常有利的组合。2005年，有关报道称，Skype以26亿美元的价格被卖给了eBay（易贝），之后被私人企业主买回，2011年又以85亿美元的价格卖给了微软。海因拉很早就入股并在公司的几次易手中一直保留着股份，因此他的财富被认为是百万富翁的数倍，他的共同投资者弗里斯的身价已超过10亿美元。
他们雄厚的财力为塔林的创新者提供了追逐伟大创意所需的资源。海因拉说：“我们的愿景始于这样一个事实，即物流在很大程度上仍要以人为本。”他介绍了通过互联网购买商品的过程：网购的商品由一名工作人员在仓库进行挑选，装上由专人驾驶的卡车，在补给仓库由工作人员进行分拣，然后放上由工人驾驶的厢式送货车。但他预测道：“20年内，这个链条上的每一个步骤都将由机器人完成。”对于像星舰科技这样的大公司来说，最大的问题是链条中的最后一环能否实现自动化，即从当地供应仓库到客户门口这一环。物流专家将此称为“最后一公里”，并正在努力解决这个问题（这个问题也是亚马逊和优步投资送货无人机的原因）。海因拉说：“这是整个过程中最艰难的部分，‘最后一公里’是最难实现自动化的。原因很简单，街上有很多不可预测的事情可能会发生。”“最后一公里”也是最昂贵的，运营一辆卡车的成本会分摊到所运载的数百个包裹上，相比之下，当由人力将包裹送到消费者门口时，就不存在成本分摊。如果小型送货机器人面临的复杂因素能够得到解决，或者海因拉认为的卡车和货车将相对容易实现自动化的说法是正确的，那么由人类送货的时代将会很快结束。
自动化交付领域的前景既令人兴奋，又令人恐惧。对自动化风险的研究预测出将有大量可怕的失业产生。运输和物流是大雇主，目前在美国有400万人从事海因拉预测的在不久的将来会实现自动化的工作。这占到了总劳动力的4%，其中包括150万名货车运输工人，63万名快递人员，14万名校车和客车司机，以及7.5万名出租车和豪华轿车司机。在英国，从事这类工作的劳动力比重高达6%。自动化物流将对未来经济造成巨大冲击，并彻底改变数百万人的工作和生活。
爱沙尼亚也不例外，将近3.9万人（同样占总劳动力的6%）在运输或物流行业工作。塔林到处都是中年出租车司机，数百名年轻人骑着自行车在城市周围为沃尔特（Wolt）送外卖，沃尔特是爱沙尼亚的一款快餐订购应用程序。如果由机器人来做这些工作，那就不需要任何人力来驾驶送货车、投递信件或送外卖，这些人将需要另谋生路。当我从星舰科技的办公室返回市中心时，一辆无人驾驶的有轨电车疾驰而过。爱沙尼亚对科技的“盲目押注”是天才还是疯狂？
与萝卜之争
秋田的老龄化经济相对较新，这是20世纪末才出现的一种现象。相比之下，技术和劳动力之间的问题至少有三个世纪的历史了。如果爱沙尼亚是研究现代技术的培养皿，那么英国的田野和工厂就是过去式的。与秋田的人们抱怨他们没有榜样不同，这里几代人的经历揭示了技术是如何影响工人的，哪些类型的创新引起了愤怒，哪些类型的创新没有引起愤怒，以及爱沙尼亚可能会发生什么。
在18世纪早期，英国有超过80%的劳动力从事农业生产。食物短缺和饥荒仍然很普遍，男人、女人和孩子每天都在耕作和照看动物。
他们受到工具的限制，例如，在18世纪末，90%的收割工人使用的是短柄镰刀。这是一种符合人体工程学的糟糕装置，工人在收割庄稼时要蹲下身子。长柄镰刀有类似的刀片，但它的手柄更长，工人可以站着收割。随着从使用短柄镰刀转向使用长柄镰刀，收割一英亩地的庄稼的时间减少了一半。萝卜使土壤更有生产力，繁殖使动物更有生产力，工具使人类更有生产力。这些改进都意味着完成一项任务需要更少的工时，但是对农场工人来说却是一种威胁，就像爱沙尼亚的送货机器人对于快递人员的威胁一样。但也许是因为它们的简单性，又或者是因为这些技术满足了明确的需求，没有人对镰刀和萝卜的推广者感到愤怒，而且农业产量上升，食品短缺变得不那么普遍，人口规模开始扩大。
舰长之舞
随着更先进的机器被发明，我们今天看到的人类与机器之间的紧张关系逐渐形成。约瑟夫·福尔贾姆和迪斯尼·斯坦尼福思为罗瑟勒姆犁申请了专利，相比上一代的“重型犁”，它更便宜、更轻便、更结实，只需要一个人而不是两个人来操作。杰思罗·塔尔发明的“播种机”是一台多功能机器，它可以犁出沟槽，将种子播种到沟槽里，然后用土壤覆盖它们，精确度如此之高，以至于播种一块田地所需的种子量减少了70%。安德鲁·米克尔于18世纪80年代末发明的蒸汽动力脱粒机，将清理一英亩土地所需的时间缩减到半天，比使用镰刀的工人效率提高了90%。到了19世纪初，一股农业工程的洪流如火如荼地涌现，农民们引进了机械收割机、干草机、萝卜切割机、打谷机和谷壳机。随着新技术在英国农村的广泛传播，生产力大幅提高，到1850年时，农场的产量是一个世纪前的2.5倍。
但是许多农场工人憎恨这种节省劳动力的新技术，1830年，肯特爆发了暴乱事件，农场工人开始摧毁打谷机。愤怒情绪在不断蔓延，发生了数百起暴乱事件，被称为“施荣暴动”（寄给使用打谷机农民的恐吓信上的签名通常是相同的笔名——“舰长之舞”）。数千名暴徒被监禁，将近500人被送往澳大利亚的流放地，数百人被判处死刑（最终16名暴乱者被公开处以绞刑）。“施荣暴动”的骚乱者取得了初步的成功，加薪的要求被满足，打谷机的投资也受到抑制。但暴乱并没有减缓技术进步的步伐。从打谷机到拖拉机（1896年）、联合收割机（1911年）、屠宰场自动化（1960年）和挤奶机（1970年），再到爱沙尼亚人创建的智能农场（2015），农业技术的进步从未真正停止过。
在工业革命时期，技术对就业影响的担忧也演变成了对发明家的愤怒和对机器的暴力。以兰开夏郡出生的詹姆斯·哈格里夫斯为例，在18世纪初，纺纱（将天然纤维捻在一起制作用于织造的纱线）是布料生产中的瓶颈，织造速度如此之快，以至于需要五个纺纱机来供应每个织布者。服装业是劳动密集型产业，制作成本也很高，制作一件衬衫大约需要580个小时，其中500个小时花在纺纱上。如果以今天美国的最低工资来算，用18世纪的技术生产一件衬衫的成本将超过4 000美元。哈格里夫斯的珍妮机可以纺满八卷纱线，极大地提高了产量。由于担忧自己的工作和工资，布莱克本的一群纺纱工找到了哈格里夫斯住的地方，闯进他的房子，砸坏了他所有的机器。
对于每制作一米布将会需要更少纺纱工的担忧是有道理的。早期的珍妮机有8个纱锭，到了1784年，纱锭的数量上升到80个，整个英格兰大约有2万台机器在使用。珍妮机后来与其他发明结合了，比如理查德·阿克赖特的水力纺纱机和塞缪尔·克朗普顿的骡子纺纱机，这进一步削减了制作一米布所需的人力。现在几千名工人就可以生产出以前由数百万人生产的数量。然而令人意外是就业率非但没有骤跌，反而直线上升。布价下降，需求扩大，出口也增加了。纺织行业不但没有减少劳动力，反而成为吸引更多工人的磁石。以前把织布作为副业的农民放弃了他们的土地，转而开始全职从事布料生产。兰开夏郡成为当时的“硅谷”，吸引了来自本地之外的家庭，法国和美国的发明家也搬到了那里。
服务的世界
现代农业和工业依赖于几个世纪以来的劳动节约型技术，这一事实解释了为什么2019年英国和美国的农业就业人数都低于5%，制造业就业人数都低于10%。在被生产率高的机器驱赶出工厂和田地之后，现在有超过80%的人从事服务行业。
“服务”的定义很广泛，既包括商店、酒店和餐馆的工作，也包括提供专业性的服务，如会计和建筑，以及提供教育、演讲或职业治疗等公共服务。服务经济中的交易通常是为了节省时间或避免做家务，比如做饭、打扫卫生、开车或洗衣服，或者是花钱请别人来完成我们自己没有能力完成的任务，比如翻译文本、起草建筑规划、设计网站。在现代经济中，几乎没有人种植或制作东西，80%的人每天都在交换时间、努力、技能和知识。
人们很容易得出这样的结论：这应该能在一定程度上防止机器抢工作，这为人们提供了一点儿安全感，因为人类似乎特别擅长提供服务。对于那些听起来有些吓人的自动化研究，有一种更为乐观的解读，如果1/4的工作面临风险，那么3/4的工作没有风险，剩余的人力可以相对平均地分布在需要各种技能并可以发工资的工作中。店主、服务员或美发师必须做的许多事情让我们觉得很容易，比如察言观色、感知顾客的情绪等，但机器却很难做到。当涉及提供所有类型的服务时，人类有天生的优势。
永远不要与机器人比赛
然而，阿提·海因拉却指出：“所有关于机器人不能做的事情的假设都是错误的。”机器人现在可以爬楼梯，处理3D（三维）图像，并识别人类的情绪和感受。它们之所以能够做到这些，要归功于一种被称为“机器学习”的技术，这是一个技术术语，指的是从经验以及创造AI（人工智能）的过程中学习。给计算机或机器人设置一项任务，比如，让它识别图像，从货架上拿起物品，通过路线导航绕过房间里的障碍物，然后向它反馈什么是对的，什么是错的。随着不断重复这种“训练”，通常是成千上万次，机器人就会做出调整以避免过去的错误，并在正确执行任务方面做得更好。
这些想法并不新鲜，它们最初是由美国计算机科学家亚瑟·塞缪尔证明的，他在20世纪50年代创造了“机器学习”这个术语，并用这项技术教计算机下国际跳棋。在过去的十年里，计算机能力的提高使人工智能变得更加复杂。现在，计算机的图像识别能力要好得多，在发现癌细胞的测试中经常击败人类实验室的技术人员。机器人在解读图片和视频之外的能力正变得越来越好，总部位于塔林的软件初创公司RealEyes利用网络摄像头和机器学习技术，创造了能够解读用户情绪的人工智能。海因拉表示，实验室中所取得的发展要远远领先于公众看到的水平。到目前为止，星舰科技公司的机器人已经完成了16万公里的训练，它们在塔林、伦敦和加利福尼亚州进行了试驾，每次试驾的数据都反馈到爱沙尼亚神经中枢一个巨大的共享大脑中。
来自爱沙尼亚的著名发明家的警告是，不要妄自尊大。人工智能背后的基础技术表明，它值得被认真对待。机器人的人工大脑是由计算机芯片上的晶体管驱动的，就像珍妮机一样，而芯片正在以惊人的速度改进。1965年，时年36岁的戈登·摩尔预测，计算机芯片的功率将每两年翻一番。这项现在被称为摩尔定律的预测非常准确，1971—1989年，英特尔（摩尔帮助创立的一家公司）芯片上的晶体管数量从2 300个增加到120万个。1970—2017年，每台计算机处理器的晶体管数量变化如图8.2所示。最近，有证据表明速度可能会略微放缓，但即使功率每三年翻一番，2030年的芯片也将比2018年的芯片强大16倍。更先进的人工智能即将到来，并将出现在我们的工作和生活之中。唯一需要谨慎选择的是，要不要让人工智能控制的机器做我们所能做的任何事情？
图8.2 每台计算机处理器的晶体管数量（1970—2017年）
资料来源：鲁普（2018）。
那些在技术前沿工作的人给其余的跟随者上了一课——不要低估机器。爱沙尼亚的生活也提供了第二个警告，这与我在本书的前两部分的旅行见闻有关，即机器对城市社会结构新的潜在的分裂和破坏。塔林有许多地区是科技中心，也是这座城市熠熠生辉的地方，当地人看到了无穷的机会。正如一位企业家对我说的那样：“如果你在科技行业工作，即使只有一半的资质，在这里也不可能失业。”但首都的其他地区的经济却很不景气，仍然受到十年前欧元危机的影响。不仅仅是一些店主抱怨人们对IT（信息技术）公司的偏爱以及政府对科技的押注，那些受过高等教育的年轻人也有这样的担忧。一位最近从俄罗斯移民到塔林的居民说：“一开始在这里很容易被同化，但当你在这里待了一段时间后，就会意识到，在一个国家里有两个不同的世界。”