远未成熟的人工智能

每周，宣告工作终结的耸人听闻的标题都会接连不断地出现。很快就有人警告我们，机器人将奋起反抗。人们普遍认为，自动化及其助手人工智能，将淘汰人类的工作。工厂里的机械臂可以移动车间的金属板材。软件机器人可以接收短信比萨订单。无人机可以送货上门。现在，这些智能系统与许多传统的求职网站相连，有人认为这预示着人类将很快在工作场所消失。据说，人工智能将不可避免地取得胜利，所有人都会被解雇，只留下最不可替代的工人。我们都需要提高技能。立刻！马上！

在这场大合唱中，特斯拉和SpaceX的创始人埃隆·马斯克（Elon Musk）、著名物理学家史蒂芬·霍金（Stephen Hawking）以及谷歌的联合创始人拉里·佩奇（Larry Page）只是几个代表性的声音。¹¹他们要么对人工智能“召唤恶魔”表示恐慌，要么怀念没有人工智能的时代，当时人们自认为能主宰自己的命运。¹²但吸引眼球的标题掩盖了更加混乱的现实。不可否认，机器人是在崛起，但大多数自动化工作仍然需要人类昼夜不歇，其中许多人是兼职或合同工。但就像人类一样，机器也经常会有卡住或出现故障的时候，此时人类便可对自动化过程做出微调和维护。

我们也必须承认，在实现自动化的漫长征途中，人们创造了新的需求，也培养了各式的人类劳动力来满足这些需求。从这一点来说，新的、软件管理的工作世界与在流水线上组装汽车的工厂工作有着相似的特征，工厂工作是在最需要工人的时间把工人安置在最需要他们的地方。这也类似于19世纪妇女和儿童在农场里做的所谓“计件工作”，每组装一个火柴盒可以挣几便士。这也很像把医疗文书转录和客服呼叫中心的工作外包给“全球南方”⁽³⁾的情形。20世纪90年代末，随着互联网的扩张，这种现象十分普遍。

工厂工作、计件工作和外包都是在线分配任务的前身，因为它们涉及的都是琐碎而重复的工作，无关宏旨。这些工作收入微薄、朝不保夕，大多数情况下，都是由经济学家认为的可有可无或“低技能”的人完成。市场亲切地把这些人叫作“人力资本”。点击“狗”或“猫”给图片贴上标签，使它最终能被苹果手机识别为家庭宠物，与拧紧一颗螺丝钉，最终制造一辆福特卡车没有什么不同。但从这里开始工作相似性就终结了。

蓝领制造业一直是人工智能发展最直接针对的目标。2016年，生产苹果手机的富士康工厂据称用机器人取代了6万名工人。根据报道，同一年，亚马逊在20个物流中心部署了4.5万台机器人，与23万名工人一起工作。然而，这些数字没有说清自动化催生了多少工作岗位。人工智能会对全职蓝领工作产生影响的媒体相关报道可能会分散我们的注意力，使我们忽视了一种正在快速增长的新工人。当人工智能触及自身天花板时，这类新兴的工人将完善或倾向于使制造系统完成自动化。

过去20年里，最挣钱的企业已经从大规模生产家具、服装等耐用品，慢慢转型为提供医疗保健、消费者分析和零售等服务。把一种体验卖给消费者，比如喝一杯拿铁或浏览娱乐资讯，比制造一台电视赚的钱更多。¹³所有企业都在接入临时工人共享库，通过使用临时工来控制成本。在需要的时候获得想要的人，这种策略已经有半个世纪的历史，企业不再需要与全职雇员谈判，也不受制于保护全职雇员的职业分类和劳动法。

这种人类与人工智能的混合，可谓制造业、零售业、市场销售和客户服务的一次重新洗牌，已经超越了我们熟悉的就业类别。传统的制造业由全职工人轮班工作，他们每周工作40个小时，干的活重复而连续；现在的任务型工作完全不同，比如修正客户的纳税申报表，或者实时翻译视频并添加字幕，这些都需要人类不断贡献智慧和判断力。这些任务是动态的，而不是机械的，所以很难把人类排除在外。

人工智能并不像大多数人希望的或害怕的那样聪明。以驱动AlphaGo的人工智能为例，最近技术专家斯科特·哈特利（Scott Hartley）在《模糊性与技术专家》（The Fuzzy and the Techie）一书中记录了它取得的斐然成就。¹⁴围棋是中国古代的棋盘游戏，2017年5月，AlphaGo成为第一个击败中国围棋世界冠军柯洁的电脑程序。5个月后，AlphaGo迭代出AlphaGo Zero。但我们不必太震惊，因为有一点非常重要，即围棋的规则是死的，有固定的形式，在封闭的环境中进行，结果完全取决于两个玩家。在谷歌旗下的公司DeepMind，AlphaGo和AlphaGo Zero的人类程序员给出了输赢的明确定义。围棋的制胜之道是在对弈过程中预测落子的远期影响。¹⁵因此，通过人类围棋大师对弈的庞大数据库以及与自己对弈，AlphaGo接受了几十亿个棋局的训练，从而了解哪种棋路更好，哪个落子位置威力更大。¹⁶之后AlphaGo Zero与它的镜像AlphaGo对弈，把之前的经验又复习了一遍。但是正如人工智能研究领域的著名专家汤姆·迪克里奇（Tom Dietterich）所说，“人工智能对世界的渊博知识必须依靠人类补充”，如此才能完成大多数日常任务。现实生活可比围棋复杂得多。

新的线上工作平台把工作机会介绍给琼、卡拉、贾斯汀和艾莎，这颠覆了媒体经常报道的人工智能拥有无限智慧、机器人势不可挡之类的传奇故事。现实世界的任务，从识别仇恨言论、把出租屋归类为春季婚礼的绝佳场地，到修正纳税申报表，都需要人类的见解和判断。生活不像围棋，不存在单一形式和最优解。例如，你很难列举“最好的”婚礼场地具备哪些特质。即使能列出来，也不会使人信服，因为人们对这些特质存在不同的偏好。此外，也不存在那种用来教会人工智能识别“最优解”的训练数据。而且，从方言俚语、气候变化引起的飓风，到随意的税法改革，一系列无穷无尽的外部因素会掺杂进来，影响结果。在许多情况下，未知因素太多了，以至于无法训练当前的人工智能，使它具备足够的意识或者获得足够的经验，也无法对所有意外情况做出明智的反应。这就是为什么人工智能还必须得指望人类，利用人类对世界的渊博知识来弥补决策的盲区。

任何人只要像我们一样仔细地观察，走到人工智能的背后，就会发现一个新的工作世界，在这个世界里，软件管理着人类，而人类则在完成计算机做不到的工作。这个世界的系统把任务从人转移到机器，他们通过自动化来解决新的问题。例如，网络成为主流之后，Facebook、Twitter和Instagram等公司需要在线审核的内容越来越多，仅仅靠自动化工具无法实现。与此同时，新系统上线时，通常会面临突发问题，无法达到预期效果，因此需要卡拉和琼的工作。多亏了这样的工人，自动化审核软件变得越来越好，但还远远不够完美。在达到完美的过程中，自动化不可避免地会出现小故障，这就需要临时工来解决。一旦工人成功地训练了人工智能，使它像人类一样工作，他们就会转向工程师指派的下一个任务，这些任务将不断推进自动化的边界。人们畅想人工智能的新应用，自动化的终点线也在改变，所以我们无法确定通往完全自动化的“最后一英里”是否会走完。我们称之为“自动化的最后一英里悖论”。

随着人工智能的发展，那些无法预见和无法预测的任务也创造了临时劳工市场。¹⁷自动化的最大悖论在于，使人类免于劳动的愿望总是给人类带来新的任务。我们所说的“最后一英里”是计算机和人力之间的差距。毫无疑问，软件工程师将利用幽灵工作执行手中的任务，并把人工智能推向极限。而且很有可能，随着越来越多的企业设法为我们提供支持人工智能的“智能”数字助理，从而帮助我们管理行程和预定航班，那么当人工智能无法满足我们日益苛刻且不断增长的需求时，会需要越来越多的人力参与进来。事实上，在技术走向自动化的漫长历史中，很关键的一点是对临时劳动力的依赖。今天致力于通过算法和人工智能解决问题的工程师，是自动化最后一英里悖论的最新迭代。在这一前沿，临时工的高峰和低谷不断转换，这重新定义了人类和机器的关系。

按需劳动平台的兴起表明，使用API来组织、指派和计划工作具有吸引力。正如本书中的例子所示，利用临时劳动力开发新技术的这种重新定位，推动了新近所谓的“人工智能革命”。当驱动手机应用程序或在线服务的人工智能不知道下一步该为客户做什么时，它需要人的帮助，而且越快越好。终端用户希望运行搜索引擎和社交媒体的软件能在几毫秒内作出响应。传统的雇佣方法在这里行不通。因此，人工智能的决策闭环中需要人的加入，这样才能理解，比如说，为什么与一场突发自然灾害相关的搜索词会暴增，此时，它需要立即获得人工的信息输入。这场灾害将成为历史，但从瞬间的大量人工输入中，软件将会掌握它需要的东西。正是嵌入API中随时待命的共享劳动力库提供了这些人工输入。软件工程师可以编写代码来自动雇人以解决眼前的问题，自动检查他们的工作，并支付报酬。与此类似，使用现代机器学习系统的科学家和研究员同样依赖清晰无误的训练数据。他们需要一种自动化的方法来帮助生成和清理这些数据，而且需要大量来自世界各地的人来完成这件事。按需劳动平台为当今的线上企业提供了此种人类劳动和人工智能的结合，创造了一个庞大且隐于无形的人力资源库来从事幽灵工作。按需提供服务和工作可能是未来工作趋势的一部分。如果在设计和管理过程中没有注意到它如何重构人们日常工作的体验和意义，那可能就会产生意想不到的、潜在的灾难性后果。