智能时代的工作与报酬

我们面临的是一个惊人的时代：

①“平庸时代的终结”是我们这个时代的注脚，同样也适用于我们的未来。

②无论我们是否喜欢，人们都将在商业竞争中使用机械智能。

③如果你的技能可以与电脑互补，那么你的工资和劳动力市场前景就会非常光明。如果你的技能无法与电脑互补，你最好想办法解决这个匹配问题。

本书内容与所有的好消息大相径庭。年轻人的失业现象仍然顽固存在。那些有幸找到工作的年轻人，工资也并不如前。扣除通胀因素，高中毕业生的工资在2000年要比十年后高11％，大学毕业生（四年制）工资的下降已经超过了5个百分点。大学毕业生的失业率长年徘徊在10%上下，未充分就业率则一直保持在20%左右。令人遗憾的真相是，即使2009年的经济衰退好几年前就已经正式结束，经济在历史性紧缩之后再度扩张，很多年轻人仍然面临着不断减少的就业机会。

很多人都已经意识到其所在地区经济前景的逐渐恶化。年轻人在劳动力市场中的困难在很多国家都能看到，这预示着一个工作的新时代即将到来。缺少适当的训练从未像现在这样使年轻人与机会无缘。

与此同时，通常拥有较高学历的顶层工作者的收入将比以前大幅增加。“平庸时代的终结”是我们这个时代的注脚，同样也适用于我们的未来。

这一说法同样适用于你的工作质量、收入、居住环境、教育及你下一代的教育，也许还有你最亲密的关系。婚姻、家庭、商业、国家、城市及地区都将在物质收入上出现更大的差距。也就是说，它们如果不能在质量方面攀到顶峰，就将在乏善可陈的状况之下勉强度日。

推动这些趋势的是一些相当基础而且难以改变的力量：智能机械不断提高的生产率、经济全球化，还有现代经济中死气沉沉的夕阳产业与充满活力的朝阳产业的分化。就拿苹果手机（iPhone）来说，苹果手机在全球范围内生产，并且把电脑、网络、通信，还有人工智能（AI）都融合在一项举世瞩目的颠覆性创新之中。苹果手机体现了太多我们这个时代所擅长甚至是最擅长的东西。如果把今天的苹果手机放在1985年，它将是全世界最强大的计算机。与之对比，如今一次普通的空中旅行并不比1970年更快，而且我们的基础教育系统也并不见得改善了多少。

这种技术进步的失衡可能会引发一些惊人的后果。例如，工人们将逐渐分化为两个种类。区分这两个种类的关键问题将是：你是否擅长使用智能机械？你的技能是与电脑技能互补，还是会影响电脑技能的正常发挥？最糟糕的是，你是否在与电脑竞争？电脑是否在帮助中国人和印度人与你竞争？

如果你和你的技能可以与电脑互补，那么你的工资和劳动力市场前景就会非常光明。如果你的技能无法与电脑互补，你最好想办法解决如何匹配的问题。更多的人正开始从中间地带落入分水岭的两侧。这就是为什么我们要跟平庸时代说再见了。

这一洞见将使很多关键问题变得清晰。例如，我们应该如何改革我们的教育系统？新的工作机会将来自哪里？为什么（有的）工资可能开始再度上升？哪些地区的不动产价格会飙升？哪些地区又会成为空城？为什么有的公司会越来越适应市场，而其他公司想卖出产品却要大费周章？哪些人将会收入倍增，哪些工人会迫于生计搬去租金便宜的地区？还有购物、约会、会谈协商都将产生怎样的变化？

等待着我们的将是一个惊人的时代，已经出现的新技术很有可能会带领我们走出我在上一本书[《大停滞》（The Great Stagnation）]里提到的“大停滞”。西方世界和日本确实存在持续的经济增长放缓，但在本书中，我们将探讨这一状况可能会如何变化。引起变化的不是新技术本身，而是我们中的一些人如何使用新技术。

智能机器的技术可能会使人联想到科幻小说时常提到的形象——造反的机器人，还有能够感知，并且可能坠入情网，或者声称自己是上帝的电脑。事实上，该领域取得进步的基础是各种能力的整合，而不是某一种可能被称为“人工智能”的事物。正在发生的变化是，机器取代智能人类劳动者的能力正在提高，无论我们称这些机器为“人工智能”“软件”“智能手机”“卓越的硬件和内存”“更好的集成系统”，还是这些名词的某种组合。这一时代潮流可能让你乘风破浪，也可能让你沉入水底。

对技术与工作前景的关注已经催生了一些重要的作品，包括马丁·福特（Martin Ford）的《隧道里的光》（The Lights in the Tunnel），更新的优秀电子书——埃里克·布林约尔松（Eric Brynjolfsson）和安德鲁·麦卡菲（Andrew McAfee）的《与机器赛跑》，还有雷·库兹韦尔（Ray Kurzweil）描述人与科技如何融合的未来主义作品。关于机械化的争论周期性地反复出现，尤其是在20世纪30年代和60年代，它在新世纪再次浮出水面。本书正是建立在这些影响深远的作品的基础之上，同时也试图在细节和广度上超越此前的作品。在书里我描绘了一幅未来的图景，这一图景乍看可能显得十分陌生，但至少在我看来它具有令人不安的亲切感和直观性。作为一个博主和经济学作者，我发现迄今为止读者最常提出的问题是：“中低等技能的工作在将来会是怎样的？”这一问题带着一种全新的紧迫感萦绕在每一个人的脑海之中，但事实上问题本身可以追溯到19世纪的大卫·李嘉图（David Ricardo）和查尔斯·巴贝奇（Charles Babbage）。李嘉图是那个时代最杰出的经济学家之一，他写到过“机器的问题”，而巴贝奇则是现代电脑之父，他也谈到过剧烈的机械化将会如何重塑工作——两者提到相同的问题并非偶然。

这些问题在文化意义上再次成为焦点，是因为我们再次身处技术革命的关键时期。越来越明显的是，机器智能可以处理的问题范围正在日益扩大，这些扩展开始出现在一些鲜为人知的领域。IBM公司的电脑“深蓝”（Deep Blue）在1997年的一次象棋比赛中战胜了当时的世界冠军加里·卡斯帕罗夫（Garry Kasparov）。无独有偶，一个叫作“沃森”（Watson）的电脑程序在2010年的《危险边缘!》（Jeopardy！）^（1）节目上也击败了人类的冠军肯·詹宁斯（Ken Jennings），这一胜利发生的时间比多数人预期的都要早。没错，这些发展是很有趣，但技术新闻并不止于有趣，而是越来越成为我们关注的重点。

我们即将拥有可以理解人类所有“自然语言”的电脑系统，而这在几年前还被认为是难于登天。你可以与你苹果手机里的语音助手“希瑞”（Siri）对话，她完全可能理解你的声音，给出正确的应答，并且帮助你安排事务。“希瑞”的失误和经常性的笨拙回答确实让人失望，但随着数据量的增加和来自用户大众的建议与改进，她——或是她的竞争对手——将会快速进步。我们正在接近这样的时刻：对于可以明确提出和阐述的问题，个人手中拥有的知识与整个世界的知识相差无几。无论是通过“希瑞”、谷歌或者维基百科，现在你总有提问的渠道；更重要的是，你总有办法得到相对容易理解的答案。

需要强调的是，事实上，你每一次使用谷歌，每一次脸书（Facebook）向你推荐一个新朋友或是向你发送广告，每一次你用全球定位系统系统（GPS）来寻找通向聚会地点的路，你都在依赖机器智能。

同样不要忽略了那些机器人，虽然说他们从来不向上帝祷告，也从不被当作真正的人。世界上最大的电子产品合同生产商——中国台湾的富士康公司（Foxconn）在2011年曾宣布一项计划，他们将在三年内把工厂里机器人的使用量增加100倍，也就是说，到时候他们使用的机器人总量将达到100万台。因为，鉴于中国最近工资水平的上涨——虽然按西方标准来看仍然很低——富士康认为劳动力已经不如从前廉价。在美国，工业机器人的使用量也在迅猛增长。未来的北美很可能成为一个由美国、加拿大及墨西哥组成的经济联合体，他们会共同投资于机器人生产，并且凭此在全球制造业中占据主导地位。

由机器人引导的机械手臂在手术室中已经很常见，电脑驾驶飞机的时间也往往比飞行员还长。韩国已经在进行实验，让机器人狱警在犯人违规的时候前去巡查并汇报情况。

无人驾驶的汽车已经可以在柏林和美国内华达州的街头正常行驶，美国佛罗里达州和加利福尼亚州也已经通过了相关法案，将电脑控制的“无人驾驶汽车”合法化。谷歌的实验团队已经用这些车辆试驾了数十万英里，迄今为止还没有发生任何事故，或者说严重事故；报告中那一起五车相撞的事故也只是发生在人类司机接手以后。一些谷歌雇员使用他们的自动驾驶车辆去上班。这些车辆看起来并不像《杰森一家》（The Jetsons）^（2）里的交通工具那样特异，无人驾驶的功能仅仅体现在一些传感器、电线及软件上。但这一技术已经顺利实现。

有一个笑话是这样说的：“一个现代纺织厂只需要雇用一个人和一只狗——人的工作是喂狗，而狗的作用是使人远离机器。”

软件的使用同样也侵入了新闻行业。伊利诺伊州的一家新公司——叙述科学公司（Narrative Science）开发了一种智能分析程序。一次实验表明，这一程序可以撰写不错的统计分析、体育报道、公司财务报告，以及宏观经济数据分析。这类程序不会迅速侵占创造性新闻的领地，但它们能很快生产出大量以搜索和储存为目的的普通新闻，甚至会抢走一些工作。比如，有了这个程序以后，地方报纸真的还需要派出记者去小联盟棒球赛的现场吗？电脑软件不仅已经在撰写论文上小试牛刀，还会给出论文评分，以及对学生正在进行的作业提供即时反馈；它们能做的分析远不止评判多项选择题的对错。这类程序还有一些漏洞尚待解决（聪明的学生可以用看似有条理的废话捉弄它们），但它们的进步已经远远超出了我们在五年或者十年前的预期。作者和老师都需要考虑自己在工作的哪些方面将会输给智能机器分析，并且更多地关注自己将提供哪些无可取代的价值。

约会匹配算法正在引导我们的恋爱生活，并且正在取代媒人的地位。配对网（Match.com）最近改进了它的服务，截至2011年夏天，网站服务器所发送的电子邮件中，有一半以上源自电脑推荐的配对，而不是独立的个人选择。无论更好的算法是否真的能帮我们找到最合适的对象，这些算法总是被视为这个行业未来的发展趋势。从某种意义上说，电脑推荐是一种促进用户决策的方法，它能让用户更快地做出可行的约会选择，而不是不断翻阅更多页面并拖延决策。这个可能性表明，我们愿意听从电脑的意见，虽然电脑不一定总是更擅长此道。

如今在Netflix公司网站上，用户在选择电影时通常参考或者听从系统算法的意见。做决定的是我们，只不过我们在观看电影时有了一个聪明的新搭档。

某些这样的技术可能会让我们感到恐惧，这恰恰是因为它们可能切实有效。加利福尼亚州的圣塔·克鲁兹市（Santa Cruz）已经开始使用机械智能来针对偷车和盗窃进行警力部署。这一程序由一个社会科学家团队和两个数学家共同编写而成，而预测模型则发表在《美国统计协会杂志》（Journal of the American Statistical Association）上。它能生成关于犯罪行为的分析，预测在哪些地点和时间段最有可能出现盗窃犯罪。随着新案件的发生，预测也会每天重新校准，其基础是地震余震预测的一些相关模型。这一程序还有待进一步研究，但人类对于犯罪预防自动化还进行了更多尝试。例如，美国国防部运输标准化局（TSA）正在尝试开发一种软件，试图通过扫描飞机乘客的身体语言来检测其是否心怀恶意。

并不是所有这些创新尝试都能获得回报。但是我们可以考虑几个问题：首先，最近几年，我们在哪些领域不断看到超出预期的技术进步？其次，我们在哪些领域看到大批前景被看好的新兴技术成果？再次，我们预期在哪些领域会有普遍的创新动力？最后，我们是否看到证据，表明这些领域已经在影响美国关于福利的统计指标？我在后文会详细探讨所有这些问题，现在的重点是，这些问题的答案都指向一个技术领域——机械智能。这一领域对经济统计数据的影响也在趋于上升。

00接下来，我们可能要看看这些机器将在多大程度上预测我们的行为。艾萨克·阿西莫夫（Issac Asimov）最深刻的作品之一是一篇鲜为人知的短篇小说《特权》(Franchise）。在这个故事里，民主选举几乎已经过时，智能机器会收集大部分有关当前经济和政治形势的信息，并预测哪一位候选人将会胜出。（事实上，只要通过几个变量，例如GDP、失业率、通货膨胀率及是否出现大的战争等，就能很好地预测总统选举的结果。）然而，在这个故事里，机器们并不能完全独立地完成这项工作，因为一些难以言喻的社会因素无法被机器测量和评估。鉴于这样的情况，美国政府会从选民中选择一个“典型”的人，并向他提出一些情绪层面的问题。这些问题的答案，再加上最初电脑的诊断，就足以决定选举的结果。没有人需要真的进行投票。

这个例子对很多人来说可能太过极端，因为这似乎越过了政治自由和行动自由的宝贵底线。然而，即使是在现实中，我们原本可能就不像想象的那么自由。如果能了解你的出身背景、朋友、家庭以及你读的书、看的电影，那么推断出你在联邦选举中的投票行为又有多难呢？至于我们行为的可预测性意味着什么，未来技术的发展将会给出答案。事实上，在2012年的政治选举中，已经有大量资源被用于寻找支持者和鉴别重要的摇摆州（swing district）^（3）。

来自《纽约时报》的一段话正好阐明了我们的境况：

波尔（Pole）利用多台电脑分析海量数据后，能够找出25种关键产品，对这些产品加总分析就能为每位购物者确定一个“妊娠预测”指数。更重要的是，他对于购物者预产期的估计能够精确到很短的时间范围，这就使得塔吉特公司（Target）可以准时发送针对特定孕期的优惠券。

面对数以万计的个人用户购买记录，电脑可以使用一种算法来识别孕妇。她们通常在妊娠初期会购买大量含钙、镁、锌的营养品，在刚进入妊娠中期时会购买不添加香精的乳液，接近分娩时则会购买洗手液和特大包的棉球。

无论我们是否喜欢，人们都将在商业竞争中使用机械智能。在进行重大协商或引荐新的潜在合作者时，交流过程会被记录、处理，并被实时分析，正如智能机械“沃森”对《危险边缘！》的问题进行语法分析一样。交流各方都可能收到一份基于声音数据分析的实时报告，内容包括：什么时候其他人可能是在说谎，他们的压力程度如何，他们的叙述有多详细，小组中谁的话真正具有权威性，还有他们用了多少第一人称代词。根据这些声音数据和其他可测量因素，电脑程序将会建立和传达一些对于谈话的“解读”。电脑并不需要尽善尽美，甚至也不需要接近完美，它只需要比你做得好就足够了。

软件测谎研究正在进行，其基础是用电脑对我们的声音进行分析；斯坦福大学的丹·朱拉斯凯（Dan Jurafsky）和哥伦比亚大学的茱莉亚·赫斯博格（Julia Hirschberg）是这一领域的领军人物，他们声称自己的程序已经能比人类的观察更有效地检测到欺骗行为。即使现有技术仍不完备，未来的改进也很有可能让我们实现这一目标。

我们可以想象一下这样的场景：口袋里的苹果手机通过震动发送基于电脑分析的信号——每一次轻微震动就代表检测到一次谎言。信息也可以出现在你的隐形眼镜上，但小配件并不是问题的关键。人们最终会达成这样的共识——类似的分析正在不断进行，谈判者们将会接受训练以骗过或者摆脱声音追踪程序；相应地，这一程序也会不断改进从而应对这些策略。如此往复，欺骗技术与测谎技术之间将展开一场永无止境的“军备竞赛”。一种新形式的复杂社会交往也会发展起来，这一发展比任何新的配件都更加重大。

如果这种社会交往在商业协商中行之有效，它会不会扩展到其他领域呢？在此，人类好奇的天性将照常发挥作用。在初次约会中，人们可以有更多方法来安抚所有的不安和怀疑：她喜欢我吗？这个人是不是在试图跟我搭讪？他真的已经结婚了吗？她会不会允许我亲吻她的脸颊？我们当然没办法阻止其他人在会面中携带不易察觉的记录和分析设备。有些人在与人打交道的时候，肯定会想方设法测量对方的基因信息，正如影响深远的电影《千钧一发》（Gattaca）中所描绘的那样。

接下来，机械智能会出现在我们的家里。想象一下，你可以对客厅和卧室的生活场景进行记录和分析。这一想法本身可能令人发指，而且对父母继续在一起的可能性进行连续预测也许毫无用处，但你能抵制住诱惑，不去偶尔偷看一下预测结果吗？

我们可能会认为，机械智能分析的作用主要在于评价他人，然而，它也可能帮助我们进行自我认识。在一次约会中，一位女士可以在洗手间里咨询随身设备，以确定自己有多喜欢约会对象。这一设备可以记录她的脉搏、呼吸、音调、叙述的细致程度，或者是任何公认的相关生理特征。

自我检视并不一定局限于情感问题。我们会特别喜欢或关注哪一些产品？我们看到广告的时候会如何反应？关于这些问题，你的随身设备都可以告诉你答案。美国国防部高级研究计划署（Defense Advanced Research Projects Agency，DARPA）正在进行一项研究，叫做“皮质耦合电脑视觉技术”（Cortically Coupled Computer Vision）。这一技术的最初应用是帮助图像分析师查阅卫星图像，或者是帮助军人在危险地带驾驶吉普车。基本方法是让一个人戴上某种头盔，该设备可以在这个人经历特定潜意识感受（例如：“危险！”“好咸！”“好熟悉！”）时测量神经信号。以后我们将不用佩戴头盔，或者可以使用更轻便小巧的设备来取代它。将来你在购物中心或者商店橱窗注意到某种产品时，这类设备会进行记录并发出提醒。你可以设定程序，让它在这些时候发出提醒，或者是以特定标签储存信息以备后用，也许还能让它顺便上网搜索合适的优惠券。

如果你对这一用处没有兴趣，店家也许会有。购物车会使用GPS来追踪你在商店里的移动，包括你最常光顾哪个区域。他们还可以通过录像机或者智能摄影机来追踪你，并使用脸部识别技术来整合你不同时间的购买数据。商家甚至已经开始实验使用摄影机来记录被试者的视网膜，从而观察他们如何以及何时注意到不同产品，或者锁定手机信号，从而跟踪分析消费者的移动情况。当你进店时，他们会承诺打折，只要你在购物车上刷卡并提供身份识别。很多人都会接受这一折扣，就像他们办理会员卡一样，即使这意味着食品公司会知道他们买了些什么。他们宁愿放弃隐私而选择低价——换作我也会如此。

在这一方面已经出现了很多的试点项目。这些公司发现，如果第一件产品看起来比预期便宜，消费者就会更信任这家店，在购物过程中就会更愿意花钱。因此，如果智能机器发现你一进门就奔向巧克力，也许他们会通过电子传感器推出临时降价。当然，你将受惠于此。

不难看到，当类似的技术发展被应用于分析人类行为和动机时，它们可能会阻挠很多人际关系或者商业交易。令人遗憾的真相是，如果我们知道了关于潜在对象的所有甚至部分缺点，过度谨慎可能会使我们永远不能跨出那浪漫的一步。事实上，这个世界的规律就是对负面信息做出过度反应，正如我们会因为一件丑闻就对其他人不再信任。机械智能很快会提供关于几乎所有公众人物和大量个人的全面分析，这种分析当然包括各种缺点；我们需要某种文化上的重大转型，才能适应大量增加的负面信息。如果一位女士的随身设备在她在去洗手间的时候告诉她，她的约会对象对女招待笑得久了一点，会发生什么呢？有时候那家伙确实是个讨厌的人并且应该被甩掉，但是，在这个案例中可能不是这样。积极幻想（positive illusion）^（4）（我们的孩子都好于平均水平）会帮助我们应付日常生活，但它在冷静的机器评判面前可能不堪一击。这些变化不会在近两年就发生，但很可能在我们有生之年出现。

智能软件已经被用于搜查亚马逊（Amazon）或者猫途鹰（TripAdvisor）等网站上的虚假评论。康奈尔大学的一个研究团队发现了一种方法，辨别虚假评论的成功率为90%。有偿的虚假评论通常使用过多的五星评价、过于模糊的评语，没有足够的细节描述；也许是为了代替他们对被评价物的无知，还会更经常地使用“我”这个字。不久虚假评论也会进化，从而更难被传统方法检测出来；相应地，识别虚假评论的软件也必须与时俱进 —— 又是一场持久的军备竞赛。

研究者们同样也在寻找方法，来检测在线约会网站上的说谎者，所以我们可以预期这一领域也会有类似的软件出现。初步结果表明，说谎者在个人简介中会避免使用“我”这个字（与假冒用户评论正好相反）并使用很多否定词（他们会写“不难过”而不是“高兴”），而且他们的自我介绍会比较短，可能是因为要保持所有谎言的一致性太不容易。谎报年龄和体重的用户通常会将更多的空间用于炫耀个人成就。我们期待揭露骗局的能力不断进步。

我们看到如此之多机械智能分析的重大进步并非偶然，虽然这些进步的成熟程度参差不齐。首先，摩尔定律^（5）关于处理器速度不断提高的预言正不断成为现实，并且在可预见的未来不太可能被推翻。其次，机械智能产业基本上不受管制。如果你把它与其他改变世界和促进增长的新兴产业（例如医疗产业）做比较，就会看到，制药公司和医院面临的管制障碍比起谷歌、亚马逊及苹果要大得多。医疗产业受限于医疗许可、错综复杂的医院规定，还有食品和药物管理局（FDA）的审批程序，因此无论方向如何，这个产业的技术变化总是很慢。障碍不仅仅来自法律限制，医生和病人对于医疗方法也常常具有传统和道德上的考量。这一点从近期关于干细胞治疗和基因工程的争论就可见一斑。医疗领域充斥着伦理问题，也许我们确实也应该在新药评估和机制创新方面格外谨慎。总之，可以预见，这一领域未来的进展会比现在更慢。

在机械智能分析领域，虽然专利法可能是个问题，但总体上来说，未来发展面临的管制障碍相对较少。无人驾驶汽车之类的应用确实面临着潜在的诉讼问题。比如，想象一下首例无人驾驶汽车撞倒小孩的事件。小孩的父母可能会起诉财大气粗的汽车制造公司，会起诉车主，甚至可能起诉编写汽车驾驶程序的人。鉴于这种可能性，这类汽车的市场化可能会被延后，但也有可能会在法制化程度比较低的国家先行上市。

虽然可能遇到以上问题，很多时候企业家和科学家却可以无需政府的特别许可，直接在智能机器的幕后工作并开发可用产品。“深蓝”“沃森”“希瑞”问世时，就没有遇到太多管制或是法律障碍。当太多人有权利说“不”时，技术进步就会变慢，但软件行业大体上能够绕过很多传统的否决点。这个行业中的关键工作都是在小团队成员的头脑和电脑代码中完成的，因此创新不易受到法律或风俗的限制。

那么，这个新时代将如何改变年轻人对他们职业生涯的应有期待呢？

（1） 美国的一档智力问答节目。——译者注

（2） 美国动画片。片中杰森一家住在一个充满各种奇妙精细的机器人装置和各种异想天开的小发明的未来世界中。——译者注

（3） 指竞选双方势均力敌、都无明显优势的州。——译者注

（4） 在心理学上指个体在生活中或在面临威胁性情景、压力性事件时所做的一种对自我、现实生活和未来的消极方面的认知过滤。——译者注

（5） 由英特尔创始人之一戈登·摩尔（Gordon Moore）提出。其内容为：当价格不变时，集成电路上可容纳的无器件数目约每隔18——24个月就会增加一倍，性能也将提升一倍。这一定律揭示了信息技术进步的速度。——译者注