第4章 欢迎来到超级精英时代(1)

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。