大数据时代,再不努力,小心被机器人枪了饭碗,专家们对于未来的情况存在意见分歧。这可能看上去挺正常,但如果皮尤研究中心(Pew)进行的一项关于机器人替代劳动力的新调查得出如此结论,那就意义重大了。关于“机器人抢占工作岗位”的所有讨论中,2551名受访专家在下列问题上意见分歧巨大。
到2025年,被网络化、自动化的人工智能应用和机器人设备所替代的工作岗位数量会超过它们所创造出来的岗位数量吗?
可能最明显的一个关键结论是,不管预言家们在什么时候声称哪些工作将会自动化、哪些不会,人们总是半信半疑。这类的研究的价值在于能够帮助我们思考自动化设备将在社会中扮演什么角色,但事实是我们还不知道哪些工作在什么时候会被自动化,也不知道有多少这样的工作。
有人担心会被机器取代,对他们来说,专家们有意见分歧似乎是一种安慰——不幸的是,事实绝非如此简单。
相反,第二个关键结论是,对上述问题持怀疑态度的人占了上风。传统观点始终认为,虽然短期内工人会被新技术所替代,但从长期来看就业率并不会降低。
芝加哥大学今年二月曾邀请经济学家参与投票,结果验证了上面这个长久以来的共识。受访者中仅有2%的人认为使用自动化设备会导致美国就业率降低。
在这个背景下,皮尤研究中心所得出对半开的结论更让人头疼。其中的差距一部分可能反映出经济学家总体上保持乐观,但是也释放出信号:这一波新技术带来了前所未有的影响。
过去,对新技术导致失业的担忧还是虚惊一场,原因有两点:一是人们对商品和服务的需求持续上升,二是工人们学习新技术后找到了新工作。相比过去,我 们不再需要那么多人来生产食品,但是我们需要更大的房子,更快的车子,还有更广泛的娱乐需求,这些足以填补并超出原来的需求。农业从业者最终找到了新工 作,生产出满足新需求的产品,社会也继续前进发展。
麻省理工学院的Brynjolfsson和Andrew McAfee在他们的新书《第二次机器时代》中对上述过程提出质疑。他们认为当今的数字化变革的速度将威胁到所有工作者的饭碗。
如果技能调整要花费十年时间,情况会怎样?如果调整完后技术又再次变革了怎么办?一旦有人承认工人和组织需要花时间应对技术改进,那么很显然,加速技术改进就会拉大两者间的差距,增加了技术性失业的可能性。
这本书花了很大篇幅论证技术改进正在加速。根据摩尔定律,计算机的运算能力每过18个月就会翻一倍。
一些来自不同技术领域的皮尤问卷受访者也赞同该看法。正如技术咨询师和未来主义者Bryan Alexander所说的:
教育系统无法将自身改造成能帮助毕业生“与机器竞争”的体系。它既不及时,也无法形成规模。自学成才的人将表现出色,因为他们一直在与机器抗衡。但大多数人正在努力学习适应目前的经济模式,然而这种模式将发生根本性的变革。
当然还有人持相反观点,比如波士顿大学的James Bessen,他在近期的哈佛商业评论中就认为新技术最终会促进劳动力需求,即使对受教育程度不高的工人的需求也会上升。许多参与皮尤问卷的专家都表示赞同。互联网先驱,谷歌副总裁Vint Cerf简洁的说道:
“历史上看,技术所创造出的工作多于所消灭的工作,在这个问题上没什么可多想的。总有人要来制造和服务于这些先进设备的。”
经济学家Tyler Cowen把他对这一问题看法总结起来,发布在博客上:
比较优势定律还没有被推翻。机器会抢某些工种的饭碗,但是也会创造出新工作,而且整体产出更高。
但是和摩尔定律不同,比较优势定律(工人会逐渐从事他们最适合的工作)不是一成不变的。对于摩尔定律,Brynjolfsson和McAfee写道:
摩尔定律和热力学或者牛顿经典力学的物理定律极为不同。这些物理定律描述了宇宙是如何运转的,无论我们做什么,它们始终正确,不会受到影响。但是摩尔定律描述的是计算机产业中工程师和科学家的工作,是对他们工作的持续和成果所做的观察。
而比较优势定律不仅仅是观察——它是社会科学发现中最经久不衰的发现之一。它描述了经济体系在更广范围内的运作方式,但是这一定律可能被修改。如果新技术导致经济整体结构发生改变,那么比较优势定律会发生相应变化。
Brynjolfsson和McAfee在他们的书中着重说明了,为什么2004年基于比较优势定律所做的推测无法用来预言如今人力和机器之间的差 别。经济学家Frank Levy和Richard Murnane从理论上认为计算机将取代人类进行计算和基于规则的工作,而人类需要进行图像识别(比如驾驶)和沟通交流的工作。但如今,自动驾驶车辆已经 上路,而每台智能手机都已经搭载了语音识别功能。
和我们预测的不同,机器比人类更能胜任的事情会越来越多。那些我们觉得不会被机器代替的工作可能被取代,而我们担心被取代的工作可能反而更安全。
数据分析咨询请扫描二维码
CDA数据分析师在中国航信高科技产业园进行了面向测试度量的数据分析培训课程,培训人数近2 ...
2024-05-01CDA数据分析师走进深圳迈瑞生物医疗电子股份有限公司,在迈瑞总部展开了为期两天的培训,本次课程参训人员线上及线下近百人, ...
2024-05-01CDA数据分析师在合肥市对合肥阳光新能源科技有限公司开展了为期8天的企业内训。 合肥阳光新能源科技 ...
2024-05-01CDA数据分析师走进海尔大学,进行了《数据治理与数据中台建设的道与术》专题培训,培训现场爆满,近百人参加了此次培训。 ...
2024-05-01在中国银行苏州分行培训中心开始数据分析师培训,此次培训课程共10天内容,包括Excel、MySQL、概率论与数理统计、SPSS等内容, ...
2024-05-01从实际的业务需求出发,结合行业的典型应用特点,围绕实际的商业问题,探讨数据挖掘、机器学习模型在金融领域的应用,包括获客、信用评分、细分画像、交叉销售、反欺诈、违规识别、时序预测、运筹优化、流程挖掘九个方面,形成 ...
2024-05-01本次培训课程为线上+线下的模式,由于学员编程能力不一、部分学员没有编程基础,故提供统计学、python基 ...
2024-05-01华夏银行信用卡中心-机器学习培训 1、课程亮点 取材于业界一流企业和顶级咨询公司的行业实践;已经被证明是人人 ...
2024-05-01主 题:数据中台建设及数据分析应用主题分享 1. 数据中台市场洞察 2. 主流数据中台产品比较 3. 某企业数据中 ...
2024-05-01围绕“数据驱动”战略,全力打造我行 300 人数字化人才梯队,着力培养数字化管理人才、大数据专业团队 ...
2024-05-01在当今数据驱动的商业环境中,数据分析成为了企业决策的重要依据。通过对大量数据的收集、处理和分析,企业能够更好地理解市场 ...
2024-04-29在人工智能(AI)的世界里,提示词(Prompt)是一种强大的工具,它能够引导AI按照用户的需求产生特定的输出。本文将深入探讨AI ...
2024-04-29CDA立足未来职场,拓展前沿视野——对外经贸大学保险学院举办“三全育人大讲堂”分享行业最新动态。 ...
2024-04-294月2日,CDA数据分析师创始发起人兼协会理事长赵坚毅博士受邀在浙江万里学院举办了一场以“数字化能力在职场中的作用” ...
2024-04-29随机森林(Random Forests)现在机器学习中比较火的一个算法,是一种基于Bagging的集成学习方法,能够很好地处理分类和回归的问 ...
2022-12-23方差分析是数据分析中常用的一种统计分析方法,接下来让我们简单了解一下方差分析的基本思想和原理吧。 方差分析(Analysis ...
2022-12-23来源:关于数据分析与可视化 关于streamlit-aggrid 数据排序 表格样式的调整 数据 ...
2022-08-03作者:麦叔 定义 「把上面晦涩的概念汇成一句话就是:」 ❝ 回调函数就是一个被作为参 ...
2022-08-03现今,高学历人群日益增多,物以稀为贵的高学历光环淡去。无论本科生还是研究生,甚至博士生,求职竞争力都大不如前,就业压力越来越大。
2022-06-01某家企业10个人面试,有9个本科生……如何脱颖而出,除得体的举止和良好的沟通力外,证书成重要筹码,这也是很多人考证的关键所在。
2022-04-14