《经济学人》：人工智能的未来及人类社会的应对

尽管科技取得长足进步，但鲜有迹象表明工业时代的教育和福利制度已在现代化和变得灵活。决策者现在就得着手，因为越往后推福利国家的负担就越大。约翰-穆勒（John Stuart Mill）在19世纪40年代的著作中写道，关心那些生活被技术破坏的人是立法者关心的最合理目标。

由于所谓的“深度学习”通用技术，人工智能经历大量虚幻的曙光后终于在过去几年取得非凡进步。给定足够数据，根据人脑建模的大型（或“深度”）神经网络便可接受训练做各种工作。这些神经网络支撑着谷歌搜索引擎、Facebook照片自动标记、苹果语音助手、亚马逊购物推荐和特斯拉自动驾驶汽车的运行。

斯蒂芬-霍金、伊隆-马斯克等人怀疑人工智能是否会失去控制，突然造成科幻小说中的那种人与机器的冲突。其他人担心人工智能会通过使从前只能由人完成的认知任务自动化而造成大范围失业。机器问题200年后卷土重来，这个问题需要得到解答。 

正如无数科幻电影所表现的，最惊人的情形是人工智能变坏。这是古老担忧的现代表现形式，可追溯到1818年的《弗兰肯斯坦》及更早时期。不过虽然人工智能系统令人叹为观止，但它们只能执行十分具体的任务：智力上能够超过其人类创造者的通用人工智能仍然十分遥远。

人工智能研究专家Andrew Ng表示，现在担心人工智能就像殖民者甚至还未踏上火星就担心火星上人口过多一样。机器问题更加紧迫的方面在于人工智能对人类就业和生活方式有何种影响。 

对人工智能这一方面的担忧也有悠久的历史。20世纪60年代（公司首次开始安装电脑和机器人）和80年代（个人电脑登陆桌面）经历了“技术性失业”（technological unemployment）的恐慌。每一次恐慌似乎技术工人岗位的普遍自动化就近在眼前。

然而事实上每一次科技进步最终创造的就业超过所消灭的就业，因为一种琐碎工作的自动化增加了对那些机器仍然不能完成的相关工作的需求。比如，用自动取款机（ATM）取代部分银行柜员使得新开分行成本降低，创造了更多的销售和客服新工作。同样地，电子商务增加了零售业的总就业。

即便短期丧失的就业有可能被长期创造的新就业弥补且绰绰有余，19世纪的经历表明这一过程可造成痛苦。

经济增长在生活水平停滞不前几百年后起飞，但几十年过去了经济起飞才在工资增长中得到充分反映。越来越多的人口从农村向城市工厂迅速转移在全欧洲造成动荡。各国政府用了一个世纪利用新的教育和福利制度做出反应。

而这一次的转变可能会更加迅速，因为技术的扩散比200年前更快。收入不平等现象不断加剧，因为高技术工人在科技补充支持他们的工作时获益大得多。这对雇主和决策者构成两大挑战：如何帮助现有工人学习新技术；如何让后人做好面对充满人工智能工作场所的准备。 

随着科技改变每一项专业工作所需的技能，工人必须随之调整。这意味着教育和培训应足够灵活，以便迅速、有效地教授新技能。终身学习和在职培训将得到更多强调，网络学习和视频游戏式仿真将得到更广泛的应用。通过个性化电脑学习、确定员工技能差距和再陪训机会，人工智能本身也能有所帮助。

社交和性格技能也将更加重要。当就业岗位不长久、科技不断推陈出新和人们的工作年限延长，社交技能将是一项基础技能。社交技能能够给予人类一种优势，帮助他们完成需要同情心和人际互动的工作，而同情心和人际互动是机器不具备的人类特质。 

另外福利制度也须与时俱进，以实现就业的顺利过渡，并在工人学习新技能时对其提供支持。一个广受推崇的方案叫做“基础收入”，即无论个人境遇如何付给每一个人基本收入。不过除非有强烈证据显示这次科技革命不同于以往的科技革命，将削弱劳动力需求，否则这样做没有意义。

尽管科技取得长足进步，但鲜有迹象表明工业时代的教育和福利制度已在现代化和变得灵活。决策者现在就得着手，因为越往后推福利国家的负担就越大。约翰-穆勒（John Stuart Mill）在19世纪40年代的著作中写道，关心那些生活被技术破坏的人是立法者关心的最合理目标。

这在蒸汽机时代说得没错，在人工智能时代仍然如此。