网络百姓生活网门户

新的一年,你的工作会被技术革命吗?

Nature自然科研2019-06-03 22:34:53

原文以The shape of work to come为标题

发布在2017年10月18日的《自然》新闻专题上

文作者:Emily Anthes

这篇文章将告诉你数字革命重塑全球劳动力的三大途径。

2016年,企业家Sebastian Thrun开始用人工智能强化他的销售队伍。Thrun是教育公司Udacity的创始人兼总裁,该公司提供在线课程,并组建了一支强悍的销售团队,通过在线聊天回答潜在学生的问题。


Thrun在斯坦福大学还运营着一间计算机科学实验室,之前他带着一个学生,收集了这些聊天记录,并标注出是哪些内容吸引到学生报名课程。他们把聊天内容输入到机器学习系统中,让系统收集各种常见问题的最佳答案。


之后,他们安排这个数字销售助理和人类同事一起工作。当有人问问题时,程序会推荐一个适当的回答,销售人员可以根据情况进行调整。这是一个即时回应式销售脚本,对话的每个部分都有大量数据支持。这套系统是成功的;该团队能够同时处理相当于从前两倍的潜在客户消息,销售转化率也更高了。


Thrun表示,从本质上来说,这个系统相当于把公司最优秀的销售人员的技能打包起来,为整个团队所共享,他认为这一过程隐藏着革命性的力量。他说:“就像蒸汽机和汽车放大了我们的肌肉力量一样,这套系统有望强化我们的大脑,使我们在智力上成为超人。”


图片绘制:Chris Malbon


过去10年里,数字技术取得了令人瞩目的进步,包括人工智能(AI)、机器人学、云计算、数据分析和移动通信。在未来数十年里,这些技术将变革几乎各行各业——从农业、医药、制造,到销售、金融和交通运输——重新定义工作的性质。麻省理工学院的数字经济项目主管Erik Brynjolfsson说:“数百万岗位将被淘汰,同时创造出数百万新工作,还有更多工作将改头换面。”


但是,我们很难做出严格的预测。Brynjolfsson说:“技术在突飞猛进,这在某种程度上是件好事,但是对于其潜在影响,我们了解得还不充分。当前,研究这些变化的需求是巨大的,机遇也是巨大的。”研究人员正在着手进行研究,而越来越多的证据显示,这些变化的影响绝没有那么简单。数字技术的进步很可能以复杂而细微的方式改变工作,为工作者创造机遇的同时,也会带来风险(见“进一步探索”)

进一步探索


Chris Malbon

科学家正在努力研究技术会如何改变工作场所。


不断变化的工作世界为科学家提供了几乎无穷无尽的课题。以下是科学家提出的另外两个有关工作场所的趋势和研究问题,它们目前尚未得到解决。


员工如何应对新形式的追踪和监督?


虽然一直以来雇主都会监测员工的工作表现,但工作场所监控正进入一个新的时代。


现在,公司可以进行按键监控,并远程截取计算机的屏幕截图,或者使用运动传感器、生物识别技术、射频识别(RFID)芯片和全球定位系统来追踪员工的动作,甚至是下班以后。


不过,目前我们还不清楚员工是否会因公司增加监控手段产生普遍的抵触情绪,或着他们能够接受的底线在哪儿。另外,新的监控方式是否会产生隐形的反作用,如破坏信任,挫败士气或阻碍创新?


人类增强技术会如何影响工作者的健康和安全?


用于提升人类能力的技术——从促进认知的药物到旨在使体力劳动更安全、更轻松的仿生“外骨骼”——正一步步进入工作场所。


在某些情况下,这些技术可以保护工人的健康和安全。比如莫达非尼可以提高警觉,有助于帮助长途司机避免事故,外骨骼可以缓解关节压力和肌肉疲劳。但是,研究人员并不知道长期使用这些技术是否会直接或间接地伤害工作者,比方说导致工作过度或承担风险更大的工作。

以下是关于在未来数字世界中工作的三个紧迫问题,以及研究人员打算如何应对它们。

机器学习会取代技术工人吗?

在以往的自动化浪潮中,技术进步允许机器接管一些简单、重复、常规性的工作。机器学习则为自动化打开了另一扇大门,令其能够完成更复杂、非常规的认知工作。Brynjolfsson说:“过去40-50年里,在我们充分理解一项工作之前,是不可能实现其自动化的。现在情况不一样了,机器可以自己学习。”


机器学习系统能翻译语音、标记图像、挑选股票、检测欺诈、诊断疾病,甚至在一些全新的、令人意想不到的领域和人类相媲美。“机器所能处理的数据样本要比人类多得多。”Thrun说。2017年早些时候,他带领一支团队,用129000张皮肤损伤的照片证明,机器可以通过学习这些照片来诊断皮肤癌,其准确度堪比资质合格的皮肤科医生。


人们可以通过借鉴过去来探索未来的工作。

这些进步引起了人们的担忧,担心这些系统可能会取代曾经看起来过于复杂而不能自动化的领域的工作者。早期评估的结果也令人不安。2013年,英国牛津大学马丁技术和就业计划的研究人员审度了机器学习和移动机器人技术的进步及长期挑战,以估计自动化对702种不同职业的影响程度。令人震惊的是,美国47%的就业机会面临着被计算机化的高风险,运输、物流、生产和行政支持方面的工作尤其脆弱。也就是说,出租车司机、法律秘书和档案管理人员等都将面临危机。


不过在那之后,另外一些研究人员认为,考虑到许多行业的工作者所处理的工作多种多样,47%这个数字太高了。德国曼海姆欧洲经济研究中心的高级研究员Ulrich Zierahn表示:“当你深入了解人们工作时的真正任务结构后,你会发现这个预估值会降低很多。”


比方说,牛津大学的研究结果显示,档案管理、会计和审计人员面临的自动化风险高达98%。但当Zierahn和同事分析相关数据,了解这些专业人员真正做什么的时候,发现76%的人在工作中需要团队合作或面对面交流。至少说,目前这种工作还不能被轻易自动化。


当研究人员运用统一方法分析其他行业时,他们发现在被调查的21个国家中,高风险工作岗位的数量不再那样吓人了。在美国,面临高自动化风险的工人比例仅为9%,这一数字低位为韩国和爱沙尼亚的6%,高位为德国和奥地利的12%(参见“推迟机器人崛起”)

来源:OECD

Brynjolfsson现在正与卡内基梅隆大学的计算机科学家Tom Mitchell一起深入研究机器学习的影响。他们制定了一套规则,概括某些特别适合这种方法的任务的特点。举例来说,机器学习系统擅长将一组输入(例如皮肤损伤的图片)转换为另一组输出(例如癌症诊断)的任务。它们也最有可能被用于系统训练所需大型数字数据集易于获得的任务。Brynjolfsson和Mitchell现在正在梳理几个大型职业数据库,从而确定各种工作任务与这些标准以及其他标准的匹配程度。


即便进行这类分析,确定劳动力市场应对自动化的结果也是复杂的。一项任务能够被自动化,并不意味着它一定会被自动化;新技术往往成本不菲,并需要耗费大量时间进行组织调整。法律、伦理和社会障碍也会拖延或打乱自动化部署的进程。


意大利米兰比可卡大学健康医疗信息学的研究人员Federico Cabitza说:“人工智能还不是一个现成的产品。”举例来说,部署医疗机器学习系统不仅需要技术准备,还需要相关机构愿意花费成千上万人时来使这些系统开始运作,而医务人员和病人买不买账还得另说。


研究表明,劳动力在适应新技术方面是灵活的。在20世纪下半叶,随着员工开始执行更为复杂和非常规的任务,自动化程度的提高也促进了职业内部的转变。在未来的一些情况下,这些转变可能是积极的;如果自动化系统开始进行常规医疗诊断,那么医生可以花更多时间与患者沟通,处理复杂病例。Mitchell说:“计算机越来越擅长医疗诊断,并不意味着医生这一职业会消失。或许这意味着我们会有更好的医生。”


事实上,许多人可能会发现自己是和人工智能系统共事——就像Udacity的销售人员那样,而不是被它们所取代。比如,自动驾驶汽车还没有能力自行应对所有状况,因此汽车制造商日产正在开发一种人类辅助解决方案。如果他们的自动驾驶汽车遇到它不了解的情况,如道路施工或交通事故,它会联系远程指挥中心,指挥中心的人类汽车管理员这时会接管汽车,直到驶过故障点。


美国纽约州伊萨卡人类计算研究所执行主任Pietro Michelucci说:“从根本上说,机器的思维方式与人类完全不同,它们都有自己的优势。所以机器和人类可以实现天然的‘联姻’。”

零工经济会加剧对劳动者的剥夺吗?

蓬勃发展的零工经济拥有这样几个特点:灵活性,多样性和自主性。在零工经济下,劳动者使用在线平台寻找小型短期工作。这种通过数字方式协调的按需工作形式多种多样,从优步的出租车服务,到完成微型任务——包括参加调查,翻译几句话或标记图片。大型众包平台有亚马逊的Mechanical Turk等。


这些数字平台对劳动者的工作地点没有要求,这意味着他们可以在寻找好工作时跨越地理障碍。牛津大学数字地理学家Mark Graham表示:“内罗毕的人将不再受限于当地劳动力市场。”


Graham和同事花了几年时间来研究东南亚和撒哈拉以南非洲的数字型按需经济。他们和这些地区的150多名零工经济人士进行了面对面的访谈,调查了500多人,并分析了在线劳动力平台上的数十万笔交易。


他们的初步研究结果显示,对于某些零工经济人士来说,这些工作回报是可观的;68%的被调查者表示,零工占据其家庭收入的重要部分。数字平台为各种不同的人员提供了就业机会,包括需要照顾家庭的女性,以及没有工作许可的移民。对于他们来说,如果没有数字平台,他们的就业机会将非常有限。“确实有些人在这个圈子里发展得很好,”Graham说,“但并非人人如此。”


零工经济中的劳动力供过于求,导致部分人不得不把价格降低到他们所认为的公平线之下。时间紧迫,许多人不得不长时间的工作。“他们的处境非常不稳定,所以不敢对得到的工作说不。”Graham说,“我们和相当多熬夜48小时工作的人交谈过,他们如此坚持,只是为了按合同规定的时间交付工作。”


地区高度不平等的状况仍然存在。在2014年的一份研究中,Graham和几位同事对2013年3月某大型平台的6000多笔交易进行了分析。他们发现,发布工作的雇主大多来自高收入国家,而接单的人大多来自低收入或中等收入国家(参见“零工经济正在兴起”)

来源:Ilabour

不过,那些在地理位置上靠近工作岗位的人似乎仍然有优势。和外国劳动者相比,他们获取的工作岗位更多,收入也更高,平均为每小时24.13美元,而外国劳动者从事同等工作平均每小时收入仅11.66美元。一些低收入和中等收入国家会吸引更多的工作机会;在Graham的分析中,位列前两位的是印度和菲律宾。


这些差距之所以产生,部分在于现实问题。语言不通和时区差异可能让一些雇主不愿意雇用外国劳动者,而将工作外包给印度和菲律宾劳动者的惯例,让那里的人对雇主来说更有吸引力。不过,在有意识或无意识中,歧视也成了导致上述差距的原因之一。Graham的团队发现,有些工作明确拒绝部分国家的劳动者申请。“虽然技术让世界各个地区能够互联起来,但却无法像我们所希望的那样弥合这一类的差异。” Graham的合作者Mohammad Amir Anwar说。


另一项有关零工人员的大型民族志学研究开始向我们更详细地展示零工工作是如何完成的。对于零工人员如何获得成功,该研究也给出了建议。在2013年至2015年间,微软研究院的两名高级研究人员——马萨诸塞州剑桥的人类学家Mary Gray,以及纽约市的计算社会学家Siddharth Suri,调查了美国和印度约2000名零工人员,并与其中近200人进行了长时间访谈。


他们注意到的第一件事是,虽然外界对零工人员的印象是独立自主的劳动者,但其中许多人实际上是相互沟通和协作的。零工人员互相帮助建立账户和档案,分享有关好雇主和新发布工作的信息,并提供技术和社会支持。Suri说,零工人员正在利用自己宝贵的时间,有意识地将人际关系加到零工系统中,“所以显然,他们必须重视它。”


在一个更为定量的后续研究中,Gray、Suri和同事绘制了10000多名亚马逊Mechanical Turk人员的社会关系图。他们发现,这种协作是真正可以带来回报的。在该平台上,与至少一个人存在关系的零工人员,其工作申请成功率更高,更有可能获得标志精英的“大师”身份,他们发现新工作的速度也比没有人际关系的人更快。Gray表示,人们想要提高工作产出,“就需要协作。他们彼此依赖。” 

数字技能差距会消失吗?

多年来,专家们一直在对可能出现的数字技能短缺敲警钟。他们警告说,能够完成高科技工作的受训工人太少,而缺乏基本的数字素养可能会阻碍某些地区或人口群体中的劳动者在数字经济中蓬勃发展。为此,全球各地涌现出各种提高数字素养和技能的创新计划。各类研究开始告诉人们,什么技能用得上,什么技能用不上,以及技能培训可能不足的地方。


我们已经见到一些成功案例。十多年前,美国国防部高级研究计划局开始开发一种具有交互性和适应性的个性化“数字导师”系统,用于培训美国海军的新入伍者从事信息系统技术(IT)工作。学生与导师一对一合作,完成不同主题的课程并解决相关问题。系统优先进行概念学习和反思,定期提醒学生复习他们所学的东西。当导师系统认为学生已经掌握某一材料后,就会转到下一个主题。


美国国防部研究所的研究人员在2014年对该项目进行了评估,发现12名完成了16周课程的新兵表现优于采用传统课堂进行美国海军IT培训的毕业生,且后者的课程达到前者的两倍多。这12名新兵甚至比一批资深海军IT技术人员——每个人平均拥有近十年的经验——几乎在各层面上都要优秀。“如果我们能做到这一点,为什么不更进一步呢?”参与评估的Dexter Fletcher说,“为什么不开始认真对待员工培训呢?”


在一项后续研究中,Fletcher发现,数字导师的一个微调版本被用来培训100名退伍军人求职IT行业后,也取得了相似的结果。在培训结束后的六个月内,97%想要从事IT工作的退伍军人都找到了工作,平均年薪基本相当于在该领域有3-5年经验的人。


为提高数字技能,增加就业,许多其他策略也被相继开发出来,包括通过互联网提供的大型开放式在线课程(MOOC),等同大学课程水平;以及编程训练营,提供短期强化训练课程,教授基础的计算机编程知识。


2016年,研究人员在对1400名哥伦比亚、菲律宾和南非MOOC用户进行分析后发现,80%的学生来自低收入或中等收入家庭,41%的学生只具备基本的计算机技能。一半以上的学生(56%)是女性,而计算机科学是最受欢迎的MOOC课题。华盛顿大学信息学院一份报告的合著者Maria Garrido说:“女性实际上学习的是相关行业中女性较少的MOOC课程(参见“回到课堂”)。”

但是这些课程的质量参差不齐,很少有人进行严格的评估。编程训练营有时价格昂贵,需要投入大量时间,且主要位于科技走廊和城市区域。成绩差距仍然存在;2015年,斯坦福大学的两位研究人员对6.7万名MOOC学生展开调查,发现来自非洲、亚洲和拉丁美洲的女学生在完成课程进度上(如观看50%以上的课程),不如来自北美、欧洲和大洋洲的男学生,分数也较低;男女学生在整体上也表现出这种差异。


即便是那些完成数字技能课程的学生,在就业时仍然会遭遇各种阻碍。2004年,研究人员在采访内罗毕斯特拉斯莫尔大学的肯尼亚IT项目学生时,有部分学生表示,他们很担心毕业后市场不认可他们的专业知识,或没有能够使自己所学派上用场的工作。


参与研究的宾夕法尼亚州立大学信息科学家Lynette Yarger表示:“这种情况对女性来说尤为严重。”正如一名学生所说:“因为我是女性,雇主们可能不会认为应给我安排IT岗位,这样我就永远无法运用我学到的知识,做我想做的工作。”


研究所明确的一件事是:即便是精心设计的培训计划,也不能完全确保学生在数字世界中获得职业上的成功。“拥有高超的技能,懂得使用电脑并不意味着能自动找到一份好工作。”Garrido说,“数字技能是一个重要影响因素,但不是全部。”

Nature|doi:10.1038/550316a


你所在的行业最近有哪些技术革命让你担心自己工作的未来吗?

在评论中告诉我们吧!


点击“阅读原文”阅读英文原文


投票:



 

热门文章

 

点击图片阅读:如何用大数据解决人工智能将要带来的失业问题?|Nature专家评论


点击图片了解:你的下一个转型,会是成为数据科学家吗?



版权声明:

本文由施普林格·自然上海办公室负责翻译。中文内容仅供参考,一切内容以英文原版为准。欢迎转发至朋友圈,如需转载,请邮件Chinapress@nature.com。未经授权的翻译是侵权行为,版权方将保留追究法律责任的权利。


© 2017 Macmillan Publishers Limited, part of Springer Nature. All Rights Reserved