云南烘干机价格研究社

人工智能,自动化与工作

楼主:智能机器人资讯分享 时间:2020-02-18 01:04:08

参会人

  • Diane Bailey:德州大学奥斯丁分校信息学院副教授

  • James Bessen:作家

  • Ece Kamar:微软AI研究人员

  • Deirdre McCloskey:作家

  • Hal Varian:谷歌首席经济学家

  • Scott J. Wallsten:政策科技协会主席和高级理事

 

Scott:现在,我们将进行一场讨论AI和自动化是否在毁灭或是创造工作的座谈。时长约一小时。我们不是第一天在媒体上阅读到AI是如何冲着我们的工作而来的。看看越来越低的就业率吧。同样,它会创造全新的工作和行业,就像过去的工业革命一样。这一座谈讨论的就是AI和自动化是人类劳工的替代品或是补充?首先,我们欢迎Diane Bailey,她是德州大学奥斯丁分校信息学院副教授。目前研究范围包括远程工作。在多个国家进行实证研究。James Bessen来自波士顿大学法律学院,他是一位经济学家,主要研究热情是否会推动创新,技术对工作,技能和薪资的影响。最新著作名为“通过做而学”。Ece Kamar是来自微软研究院的一位研究人员,她主要研究AI的实际运用。Hal Varian是谷歌的首席经济学家,主要参与竞价设计,企业战略,公共政策。同时也是伯克利大学退休教授。讨论AI到底是什么意思,是开始这一座谈的好出发点。

 

Ece:谢谢。AI已经有约70年历史了。最初起源于Alan Turing撰写的有关机器的报告。作为AI之父,他撰写了一篇叙述AI是什么的论文,并讨论了AI的不同应用。但问题在于,现在比他们当初预想会发生的状况更复杂。有些事情比较简单,有些事情比较困难。这就是为何我们经历了寒冬和酷暑,起起落落。那么什么是AI?关于AI的定义有很多种,我很喜欢的一个定义是让机器具有智能的行为。我们认为智能是什么,是无论这个机器被设计的目的是什么,它都能够基于环境有恰当的行动。这是我们所认为的“智能机器”。但“智能”通常是被用于人类身上。人类是“智能的”,动物不是。我们在AI系统中期望它能够进行很多人类的行为。这就是为何目前AI颇受压力。10年前我还是刚毕业的大学生,当时我得到的建议是,无论你要应聘什么工作,都别说你要做AI。因为AI是某种有毒的概念,人们认为AI不会带来任何结果。但是谷歌从一开始就是一家AI企业。在过去5-10年中,让我们的算法成功主要有两个因素。在某些人类擅长的领域,例如感知,我们从传感器,从众包,从人类活动中,获得了大量数据。我们进行了前所未有大量的对话。这使得我们对深度学习等算法的训练非常成功。目前我们在感知领域取得了非常大的进步,在某些与人类有关的感知任务中,机器已经变得非常智能。

 

Scott:在我们开始讨论劳动力问题之前,AI已经存在了70年,它在大众视野中进进出出。现在是和上回它流行时人们坐下来讨论AI是否会成功一样吗?还是这次确实不同了?

 

Ece:这就是我们在这里讨论的问题了。但当你环顾四周,确实已经有很多人们在日常生活当中使用的AI应用了。在过去,AI擅长某些任务,不擅长另一些。而如今随着新技术的出现,AI已经逐渐开始进入人类擅长的领域。这带来了两种讨论,第一,使用这些新技术,AI能做到哪些新的任务?第二,这对于人类工作来说意味着什么?这是我们必须看到的事情。而另外一个问题是,我们是否因此失去了很多工作?我已经有了足够好的技巧,在无需进行高度定制化的前提下能够很好的完成所有的工作。我不认为我们已经走到了这一步。

 

Scott:说说你们的看法。我们会失业吗?这是好是坏?

 

James:不会在接下来10-20年发生的。自从1987年起,在工作场所和市场中就已经有AI了。AI系统被用在信用卡系统中进行欺诈监测,但是我们也有电脑自动化,有些与AI并没有太大区别。我们发现AI能处理的事情范围越来越广。很多人对自动化对于工作的意义有所误解。人们通常认为,如果某些任务经过自动化完成,那么意味着我们就失去了这个职位。并不是这样。如果我们关注制造业会发现,我们清楚的知道很多制造业的工作都丢失了。在二十世纪40年代,美国有50万纺织工,而现在只有16000人。全球贸易很显然对很多行业,工人和他们的家庭有了巨大的影响。需要记住的是,自动化也会增加工作。我们只需要50万纺织工,是因为在二十世纪40年代之前,自动化伴随着职位的增加。为何自动化既能减少工作又能增加工作?到底在发生什么?又意味着什么?这就回到了需求。在二十世纪初,自动化让衣服的价格下降,人们能够买得起更多。他们的需求有了大幅增加,虽然自动化造成了工作的减少,也需要更多的职工来满足这些需求。到了二十一世纪,人们的衣橱塞满了衣物,仅仅是价格的下跌不能创造更多需求。电脑自动化就像最初自动化一样,也在创造新职位。我最喜欢的例子之一是银行柜员。人们对于远程取款有大量需求,在ATM机出现后,人们认为银行柜员会消失,然而ATM反而带来了更多的银行柜员。原因是因为运营一家银行的成本降低了,银行能够开更多支行,服务更多客户,有这方面的市场需求。他们建了很多银行,虽然每家银行所需的银行柜员减少了,但总量实际上增加了。这是我们在很多行业中会看到的模式。

 

Scott:Diane,你是不是说AI的加速发展会更快的带来新的工作?这与其他人的看法相反。Erci在他之前的著作中说变化的速度让行业和劳动力市场无法追上。你的意思是变化越快越好是吗?

 

Diane:是的,如果你有弹性需求,那么变化速度越快,职位增长越快,至少在目前如此。这将是颠覆性的。目前我所描述的可能过于乐观。问题在于,我们是否面临大规模的群体失业,答案是否定的。那么我们是否面临个体的失业,这是肯定的,但是更多职位会被创造出来。北卡罗来纳州的纺织工需要找到新职位,他们需要学习新技能。在经济的其他领域出现了别的职位,这与现在正在发生的一样。我们将持续看到职位的减少。变化的加速会给我们在对人员的转型,再培训,再安置方面带来压力。

 

Scott:Diane,我知道你比这更不乐观。

 

Diane:在2004年,有一个人写了一本书叫“工作训练之谜”。他说的是我们失去了很多制造业的工作,这些人需要经过再培训以适应其他工作。我们将他们培训为房产经纪或面包师。但面包总量只有那么多,没有足够的职位。因此,对再培训的描述由教人们进入新工作的新技能,转型到了培训软技能。人们被告知你无法胜任职位的原因不是因为你没有足够的技能,而是因为你的沟通技巧不够好,你的团队合作不够好。重心由经济结构转型和现有工作转移到了员工缺乏的软技能。在两周前,我被邀请参加一个国家级的工程学术座谈,聊工程生产力,和他们如何在这一新经济中适应并幸存。我在德州大学工作,能够在国家级学术座谈上露面意味着很多。但是我拒绝了,因为我不相信这一座谈的前提。他们认为责任在于工程师应该让自己适应力更强,学习的更快。他们告诉我们这些,而不是告诉大家我们正面临着经济基础的转型,以及我们应该开始计划应对。如果每个人都学习适应,但在顶端只有有限的工作。如果我们所谈论的AI是真实的,那么工作的总量是有限的,并不是每个人都能够快速的跟上。这让我很忧虑,也应该留给你们思考。

 

James:我认为在工作训练方面有很多问题。我们在地理位置再分配方面出现问题。你看到很多工作出现,并不是真的面对了失业。你也有很多困难。我的书名为“通过做而学”,很多与新技术有关的技能都是在工作中才能学会的,与课堂教育完全无关。我们需要想出能让人们获得经验的新方法。不过我们已经看到在某些领域中出现了紧凑型-中等技能型的工作。培养工作在长期都有着大量需求。但要人们转型还是非常困难的。我们尚不理解完成转型需要什么。

 

Scott:你提到了长期。

 

Hal:我想说说工作训练的事情。对工作的需求和技能都在这里了。你要么提升技能满足需求,要么降低工作需求。由于技术的存在,现在发生了很多。在过去,收银员必须学会如何找零,出租车司机必须知道绕城的路线。现在不再是这样了。兽医需要辨别250种狗。现在不再是这样了。你可以使用AI,或是手机完成这一切。这种感知助理意义重大,因为它能够帮助完成你所说的工作中学习的过程。你绕着城开,然后知道路线。你学会了找零因为机器告诉你找多少。在工作中学习这一教育模式,现在有很多机制。在Youtube上,指导教程每天有5亿播放量。并不是所有的视频都是高级教程类似二元一次方程解的,也有教人如何焊接,如何换纱门,如何挂窗子的教程。

 

Hal:我接下来要讲的是对劳动力的需求。AI会降低对劳动力的需求,但在劳动力供给一方又是不同。1946年,婴儿潮出现,随之而来的是生育低谷,接着是婴儿潮的重复。你可以看看整个人口的变化,往上加65年,就是我们现在所面临的。当婴儿潮的这批人退休了,随之而来的就是生育低谷那批人。这意味着什么?劳动力的增长仅仅是人口增长率的一半。在二十一世纪20年代,你会看到二战以来最低的劳动力增长。如果对移民进行限制,劳动力实际上会降低。婴儿潮的这批人在退休,但是他们依然在持续消费,你需要工人来生产他们所消费的东西。在提高生产力的自动化,和实际上在降低的劳动力之间,有一场拉锯战。你看看中国,日本,韩国,德国,意大利,他们的劳动力直线下降。这对于他们经济的未来是非常令人焦虑的。他们需要提高效率和生产力来生产人口需要的消费。这是一个全球范围的现象。除非在自动化方面有了令人惊喜的进步,所有人都将在25年内看到这一现象。

 

Scott:你认为多久之后我们会看到?

 

Hal:20年。看看2060年左右的数据。劳动力增长会和人口增长率持平。这很有趣,因为二战带来了巨大影响,它造成了这一人口学上的重大事件,在100年内都无法靠自身去解决。

 

Scott:这是婴儿潮的问题吗?

 

Hal:当然。

 

Scott:现在看来似乎有四个问题。总体来说,短期vs长期。第二就是,能为那些在短期内可能被取代的人做什么呢?当我们了解工作训练的效果之后,它是否能够发挥作用?分配会影响短期和长期,最终影响到人口和对劳动力的需求,这会让所有事情陷入困境。还有不平等的问题:它是否仅让一小部分人获益?Diane,你拒绝了一个学院的职位,你认为为了解决她的或是你的忧虑,这一项目应该关注什么方面?

 

Diane:我们应该关注动力。如果你阅读有关AI的书以及对于工作的预测的话,你会听到很多这类内容。看看劳工部发布的描述工作,任务的数据。基于这些描述,我们能告诉你,有部分工作会被自动化或AI取代。在未来一段时间内,它们将根据人们对这些工作的描述进行工作。所有工作都是在由工作规章和某些法规的环境下发生的。我花了十年时间研究工程师是如何使用新的电脑技术和软件的。我希望了解这些技术是如何在那个领域改变设计和分析,它会对劳动力带来什么影响。关于员工拥有某种力量,他们是如何控制技术,他们有什么样的选择,以及当他们失去这些力量时发生什么,我可以给你们举两个例子。选择力量的那些人,这些力量有部分控制在政府手中,你看看设计建筑物的城市工程师。他们的方案是通过了专家互评和建筑计划会计评估等严格控制的。因为如果这些建筑物坍塌,幸存者可以提出控告。需要负责的人是那些在建筑图纸上盖章的高级工程师。由于他们需要为此负责,他们在使用自动化时十分小心,因为他们知道电脑软件可能会基于不可行的假设,产生超出现实的设计。对于城市工程师来说,所有一切都围绕着负荷是如何穿过一座建筑的。这引导着设计。他们拒绝了很多自动化。他们并不是完全不使用技术。他们只是在工程设计和分析这两步之间,完全不使用自动化。那么我现在有了汽车工程师。

 

Scott:你是在说不使用自动化的工程是安全的吗?

 

Diane:我认为这会让工程更加安全。如果要我进入一架由电脑设计的电梯,那么我会很犹豫。我采访的所有城市工程师都会告诉你相同的结论。我在微观层面研究事物。我花了数个小时坐在工程师旁边观察他们设计。我与他们交流。计算机崩溃。我们有短暂的时间做一个小采访。我问他们为何这样做。在汽车公司,他们有一台装了神秘软件的神秘电脑。他们不被允许再使用。这台电脑被锁在抽屉里。如果要使用的话他们在软件中受到了很大的限制。我问他们,你们为何使用这项技术?我很高兴有法律的存在。城市工程师不认为安全是一项管控,他们将其视为应该遵守的道德,并且为之自豪。而汽车工程师则没有这些能够领导他们的事物。对,是存在国家交通安全董事会,但在汽车上并不会盖上他们的章。他们只需要通过政府测试。他们的工作数字化,以一种改变了整个劳动力的方式电脑化了。我只是想说,在我观察的这些工程师当中,自2004年起,他们几乎就不再在美国聘用分析工程师了。他们只在印度聘用分析工程师和模拟工程师。他们有一个中心,我的团队在那个中心和密歇根花费数月。在这一中心,他们将模型的建立进行境外化工作。原因是因为模型是数字化的。印度的员工可以以美国员工酬劳的一小部分的成本完成建模。我对于适应性的看法。一个在美国,希望做这项工作的工程师,如何在美国适应这一能够在印度完成的工作?你无法在美国再完成这个工作了。因为这些工程师失去了控制他们所做事情的力量。放射科医生,猜猜怎么着。你所有的医疗扫描记录都能够在线上阅读。这些扫描结果通常都是在夜间,放射科医生睡着的时候发送的。它们被送到印度,印度的放射科医生审查过然后再送回美国。发送这些扫描结果的专业协会必须在早上在由专业美国放射科医生组成的董事会进行注册。

 

Scott:Hal,你的回应?

 

Hal:我认为放射科,不仅仅能够在印度完成,现在同样能够自动完成。这在十到二十年前,而并不是最近才发生的。在很多案例中,识别出恶性细胞是很直截了当的,甚至能够通过没怎么经过训练的员工完成。在很多范围更广的例子中你可能希望具备你所描述的监督,,但它可能会变成为了维持特权位置的排他权利。我常说,如果不是因为那些可恶的司机和行人,我们就能够让无人驾驶汽车上路了。但受控环境,例如高速公路,情况会好很多。在受控环境下,我们能够让无人驾驶汽车立刻上路。至少在10年前就可以让无人驾驶汽车上路。它现在正在处理所有意外事件,意外事件的处理是很多案例中需要应对的。

 

Ece:说到围绕AI的讨论,我们也听到有关超级智能或是抢走所有工作的讨论。我有一些更加短期的焦虑。随着应用进入到社会,这些AI算法也会有各自的问题。它们将如何处理AI的短处?我们如何从技术中获取价值?这是AI另外一个让人兴奋的点。但无论如何,兴奋总是伴随着缺点的。对于人们来说理解很困难。这与上面我们讨论的有关,当我知道我的算法做错了的时候,我可以跳过它。当算法在从海量数据中学习时,几乎不可能理解这些算法在各个案例中做了什么。算法经常会进行升级。举例来说,特斯拉汽车。人们会问,如果它每周都变的话,它是如何完成驾驶的。作为司机,你应该知道。在算法和用户,或控制者,或监督者之间有一个转移的问题。你要做大量工作让算法变得透明,我们才能让人和算法能够合作。这样我才能知道我的算法什么时候出错,我应该跳过它。AI在公共领域中使用的一个例子是法律系统决策。在法庭上,当需要做出一个重要判决时,会使用数据学习算法。有一篇文章讨论了与法官合作的很多问题。这对我们理解AI所造成的社会问题很有帮助。如果你是一个时间紧迫需要快速做出决策的法官,听从机器是否更简单?如果跳过算法的话你会得到什么呢?在大多数情况下,如果你跳过了算法,而有人犯错,都是你的责任。你需要仔细平衡这些观点。AI算法做出决策,但算法可能会有偏颇。

 

Scott:这是大问题。让我们更加聚焦:你的作品当中,你是如何试图让人类和AI互补,无论是在劳动力或是互相理解方面。

 

Ece:有关AI会自动化而人类会适应的事不太可能发生。我们需要努力的是,让AI能够向人类解释清楚自身,人类能够清晰理解机器,并努力合作。这才是我们会喜欢的局面。

 

James:想想无人驾驶汽车中的意外事件吧。这些会造成重大后果的事件通常都难以预测。你需要海量数据才能够对汽车的安全性做出稍微可靠的预估。特斯拉手握大量专利数据。但是保险公司和政府机构都不予放行。在缺乏某种数据的情况下,很难理解真实的风险。在数据透明度方面,又出现了新的问题。

 

Hal:我认为你完全正确。出于安全考虑,对数据共享和互操作性将有需求。以航空业为例。当出现航空事故时,会有不同机构和职能部门进行立刻的调查,确保这一事故不再发生。

我认为这一流程会几乎不受阻碍的进入到上述情境中。谁会站起来反对这类调查呢?当你阅读有关AI的报告时,他们都挑选了有趣的案例。如果你想看看在普通的案例中发生了什么,看看Tangle吧。这是一家举办机器学习比赛的企业。它为使用数据集正确预测90天内医院重入院率的一方提供100万美金的奖赏。两个条件。我是一个近期被谷歌收购的天使投资人。这两者没有任何关联。有一些像房屋估价这样有趣的事。Zillow提供了一系列有关房屋特征的数据和价值,并提供了房屋估价的最佳模型。Youtube提供了450万视频,并举办比赛预测人们都如何使用这些视频。即使是静态图片,我们现在也有很好的技术。我们还没有对视频和活动的人们的技术。现在有关一个普通的商业运作已经有大概230种应用去研究生了什么。这十分有趣。我认为这些会不断发生。也会出现像无人驾驶汽车和机器围棋冠军这样有趣的例子。

 

Ece:AI有着长期的问题。这回到了你的观点。在现实社会中,AI和很多极端例子有关。在某些案例中,我们有大量的数据。我们通常使用的数据学习技术能够学习部分的数据分布。而我们需要仔细思考如何做出正确的事。可能是收集这些极端案例,为这些极端案例创建数据集。我们需要思考让不同的收集技巧协作而不是仅仅使用单一的技术,而且要再使用人类监督确保这些例子不出问题。我们在数据集上取得了95%的成功。这并不意味着AI会在短期内就带来价值,这就回答了为何我们现在还没有能够从AI当中获得生产力。我们需要仔细思考,我能够从这些技术的哪些方面获得价值?意义何在?这是完全不同的问题。

 

Scott:我们可以开始回答问题,

 

Diane:有一件事需要记住,要注意围绕着AI所使用的词汇。我对媒体关注那些精彩的案例没有异议,但是我也会考虑那些没有被太多关注的科技企业。无人驾驶汽车,我相信你们可以告诉我无人驾驶汽车每年可以拯救120万在车祸中死亡的人。不过你们可能不知道这是每年全球范围内的数据,在美国的数据是35000。这个死亡率在中间,下面是比它少5%的跌倒死亡率,上面是比它高25%的中毒死亡率。我们不会看到针对跌倒或中毒的AI解决方案。车祸死亡率在二十世纪70年代达到高峰,然后逐渐降低。因为在汽车行业机制和电子元件在不断发展,法规也逐渐完善。所以我们要问问自己,为何我们关注汽车行业的AI?它已经在解决自己的问题了。

 

Scott:车祸死亡率已经在降低了,这并不意味着无人驾驶汽车没有起到作用。

 

Diane:我们讨论的是在美国每年因车祸死亡的35000人,但是看看全世界。全世界很多高死亡率的国家中,它们的道路都是混乱不堪的,不可能部署无人驾驶汽车。我经常去印度,在未来20年中你都不可能在印度看到无人驾驶汽车,它们的交通部长也这么认为。我们有其他的方法来降低死亡率,所以我不认为我们关注自动驾驶汽车的原因是因为它会减少车祸死亡率。我认为我们是有其他动机的。所以我很希望有这类对话,对于城市设计,解决温室效应等。

 

Hal:我会谈谈你提到的这些例子。现代技术的发展,让人们如果在家里跌倒的话会被监控到,药瓶上会提示你服药,或是提示你你已经服过药了。我不会认为这是AI,但就像你说的,现代科技的发展,能够拯救更多生命,创造更多生产力。无人驾驶汽车的问题在于处理所有的意外事件。我问我的团队,你们会为一只松鼠而刹车吗?因为如果为一只松鼠而刹车,可能会在别处带来伤害。他们说不会。那你们会为狗刹车吗?他们问,多大的狗?那你会为一只鹿刹车吗?当然。有很多因为躲避鹿而发生的车祸。那我们应该有自动鹿来躲避汽车。

 

观众问题:让我们回到劳动力需求的问题。在我本科的时候,一位诺贝尔获得者给我们班提出一个问题:马的悖论。指出在二十世纪初到二十世纪40年代,美国的马的数量大幅下降。原因是因为燃料发动机。我们有了汽车,卡车,几乎完全削减了马的数量。但还有少数马存在。但是对于马的市场清算费用大幅降低,低于可持续幸存的生产力。但幸运的是马的寿命很短,幸运的是我们处理冗余马的方式和与人不同。那么,假设我们就是当年的马,或者人口并没有大幅降低呢?

 

James:这并不是一个直接的比较。我们可以看看那些大幅消失的岗位。我们吸收了这些人并给予他们其他能力。这在广泛层面上来说是真的。为何?如果你看看单个职位,单个职位是与单个人相关的。如果需求是弹性的,那么工作会增长。但当需求变成非弹性需求,自动化将造成工作的减少。在10-20年内,我们并不会看到需求的本质有大幅的变化。但是这是一个值得考虑的长远问题。我们是不是会一个市场接一个市场的充分满足需求,然后一个工作也不会剩下?这就带来了一个更大的哲学问题:人类到底想要什么?前人预测过,到了这是我们会有大量的空闲时间,以及科技带来的失业。如果你关注空间时间,那么工作周时间确实自十九世纪以来大幅降低了,从每周72小时工作降至每周34小时工作。但降低速率很低。这是因为从某种程度上来说,人们在获得价值。休闲科技也创造了价值,例如电子游戏,电影等。那么问题就来了,在50年内,有没有什么东西,人们是希望得到,而机器不能交付的?人们希不希望与其他人类交互?从有利可图的就业,和人们希望消费的方式两个角度来说,人们到底想要什么?很难想象,人们想要的东西,可能会导致他们无法有一个每周10小时的工作。

 

Hal:我想做几句补充。美国经济80%都是服务。人们希望和其他人又交际。有很多种服务能够通过简单的方式完成。我并不需要一个人来将我引导到餐厅餐桌,你可以在地板上做几个闪烁的灯达到这一目的。但是我们希望有人来做这些事。说到工作周。现在很多国家工作周时间不长,这部分原因是因为科技进步。如果人们说我想有一个周末三天的工作周,几乎不会受到反对,这都是由于科技进步。如果人们希望往这一方向发展,是完全可能的。最后说说机器人的第一次出现。它们的第一次出现大概是在十九世纪80年代到二十世纪初。洗碗机,烘干机,洗衣机,自动除草机。这些机器的出现让家庭生产力大幅增加。因此妇女逐渐从家庭转到了工作。

 

Scott:可能还有时间回答一个问题。这回到了Ece在开始时提到的。我们正在朝着通用AI发展。是通用技术,还是一个铲子?这是非常大的差别。

 

Diane:如果我们回顾其他的技术创新,确实对文化带来了转型并让很多人失去工作。但在过去因为我们在其他行业并没有同时发生的技术创新,人们有很多地方可去。但是AI的争论在于,AI造成了很多同时间的创新,人们无处可逃。


朋友 图片 表情 草稿箱
请遵守社区公约言论规则,不得违反国家法律法规