如果機器人開始偷走你的工作,你的競爭優勢就是「好好做人」

如果機器人開始偷走你的工作,你的競爭優勢就是「好好做人」
Photo Credit: Shutterstock.com / 達志影像
我們想讓你知道的是

數據資料和直覺就像馬和騎師一樣,你不必試圖跑得比一匹馬還要快,你只要會騎馬,善於駕馭牠就可以了。

唸給你聽
powered by Cyberon

文:佩德羅.多明戈斯

你的工作到底運用了你多少的大腦呢?如果你的工作比較需要使用到較多的腦力,你就越安全。在人工智慧的初期,人們普遍認為電腦會在取代白領階層之前,先取代藍領工人,這是因為白領階層的工作需要花費較多的腦力。但是許多事情原來並不是完全如此,機器人會組裝汽車,但它們並沒有取代建築工人。在另一方面,機器學習演算法卻已經取代信貸分析師和直銷人員。

事實證明,對於機器來說,評估信貸申請,比在一個建築工地四處走動而不會被絆倒還要容易得多,但對於人類來說,這種情況剛好相反。

最常見的一個話題,狹義的任務可以很容易從數據資料中進行學習,但需要廣泛技能和知識結合的任務就很困難了。大多數你的大腦是致力於視覺和運動,這表明了其實四處走動似乎要比它看起來的還要複雜得多,而我們只是把這種行為認為是理所當然,因為這些行為透過演化演變,已經被磨練得十分完美,它們基本上已變成下意識的行為了。

雖然敘述科學公司(Narrative Science)有一個人工智慧系統,可以撰寫出相當不錯的棒球比賽總結報導,但不是小說,因為,美國政論作家喬治F.威爾(George F. Will)在著作《步調》(pace)中指出,在生活中,比棒球比賽還有更多的細節需要考慮。

除此之外,語音辨識對於電腦來說也是困難的,因為電腦很難填補句子的空白處,從字面上來看,這可能是說話者本身經常習慣性省略的,尤其是當你不知道那個人正在談論什麼的時候。

演算法還可以預測股價的波動,但它們不知道股價如何與政治相關聯。如果一份工作需要比較多的背景,那麼電腦就不太可能可以很快地取代人工去做這份工作。

所以說常識很重要,不只是因為你媽媽都是這樣教你的,而是因為電腦並沒有具備這些常識。

不要失去工作的最好辦法是你要將工作自動化,如此一來,你才會有時間從事你前無法做到的各部分工作,而這些工作也是電腦在短時間內不可能去做的事情(如果真的沒有任何這樣的工作了,請保持領先的曲線,並且現在就得去找份新的工作了)。如果說,電腦已經學會了如何去做你的工作,請不要試圖與它競爭,要善加利用電腦。

美國龍頭稅收服務提供商H&R布洛克稅務公司(H&R Block)目前仍在經營中,但報稅的工作比他們以前少了許多枯燥乏味,因為現今的電腦已做完大部分這些乏味的工作了(好吧,也許這並不是最好的例子,因為稅法的指數增長,是少數能夠對抗計算能力指數增長的例子)。你應該把大數據視為你感官的延伸,把機器學習演算法視為你大腦的擴展。目前最好的國際象棋棋手就是所謂的半人馬(centaurs),也就是由一半人(half-man)和一半程式(half-program)組合而成。同樣地,許多其他職業從股票分析師到棒球球探也都是如此。這已不是人與機器兩者之間的對抗,它是人和機器聯手,與單打獨鬥的人之間的對抗。

數據資料和直覺就像馬和騎師一樣,你不必試圖跑得比一匹馬還要快,你只要會騎馬,善於駕馭牠就可以了。

隨著科技的進步,一種人類和機器間更加親密資訊互動的組合模式開始成型。舉例來說,如果你餓了,評論網站Yelp 會提供一些不錯的餐廳建議。你可以挑選一家前往,全球定位系統會給你方向。若你是開車去的,汽車電子設備(car electronics)會進行低階的控制。如此看來,我們全部都已經是半機器人(cyborgs)了。然而自動化(automation)的真實故事,並不是機器學習取代了什麼,而是機器學習可以使什麼成為可能。或許某些職業可能會因此消失,但同時也會產生更多的職業。最重要的,自動化使各式各樣的事情變成可能,而這些事情如果是透過人工來完成,或許會太過昂貴。

例如:自動提款機取代了一些銀行的櫃臺人員,但這些自動提款機主要是可以讓我們在任何時間、任何地點提領現金。如果像素必須透過人工的動畫師一次一個慢慢的著色,那麼就不會有《玩具總動員》的動畫電影產生,市面上也不會有許多影像遊戲了。

還有我們可能會問,是否最終有一天,人類的所有工作都會被電腦與機器人所取代?我想應該不會。即使這一天終將到來,應該也不會來得太快,那時,電腦和機器人就可以把一切事情做得更好,至少對於有些人來說,屆時仍然會有工作可做。

舉例來說,機器人可能可以完美地模仿調酒師,甚至與客人閒談,但顧客可能還是比較喜歡知道他們的調酒師是人類,沒有其他原因,就只是因為他是人類。未來擁有人類服務生的餐廳,將會讓人感到特別的尊貴,就如同手工製品會讓人有這樣的感受一樣。

同樣地,即使人們已經擁有電影、汽車和汽艇,但還是會去劇院看戲、騎馬和駕駛帆船。更重要的,某些專業人士是無法取代的,因為他們的工作需要具備一件事情,這是電腦和機器人透過定義也無法具備的,那就是人類的經驗。

我這麼說並不是指那些矯情(touchy-feely)的工作,因為矯情不難偽裝,機器寵物就是一種成功的見證。我所指的是人文科學(humanities),這個領域正好是你若沒有做人的經驗,那麼你就無法理解箇中的一切事物。雖然我們會擔心,人文科學是一種死亡螺旋(death spiral),不過一旦其他行業已經實現了自動化,它們便能夠浴火重生。一切事情越是能夠透過機器學習便宜行事,完成工作,以人為本的貢獻將會越顯其價值。

可悲的是,科學家的長期前景並不是最被看好的。在未來,唯一的科學家很可能就是電腦科學家,這意謂著電腦可以自主進行科學研究。前身為科學家(像我一樣)的人們,將會終身致力於理解由電腦取得的科學進展。雖然這些科學家們並不會很明顯感受到比以前較不快樂,畢竟科學始終是他們的嗜好。而且對於技術工作者來說,仍然有一個非常重要的工作必須去做,那就是密切關注電腦的發展。事實上,這種關注將需要更多的工程師投入,最終這可能成為全人類的一種全職工作,目的便是找出人們希望機器能為我們做到什麼,並且確保我們可以取得它。

同時自動化和非自動化工作之間所形成的界線,會促進整個經濟環境的發展,我們很可能會看到的是失業率的攀升,越來越多的行業在工資壓力方面的下降,以及對於那些越來越少還不能被自動化的行業增加獎勵。當然這是已經發生的事情,但它仍有許多需要進一步去執行的地方。雖然這個轉型的過程會是混亂的,但幸虧擁有民主制度,它會有一個圓滿的結局(要守住你的選票,這可能會是你所擁有最有價值的東西)。

一旦失業率上升超過50%時,甚至還沒達到之前,對於重新分配(redistribution)的看法將會澈底改變。新失業的大多數人將會投票贊成豐厚的終身失業救濟金,以及資助他們所需極高額的稅賦。這些都不會造成錢財散盡,因為機器會做必要的生產。到最後,我們不再談論失業率,我們會開始談論就業率,而且降低就業率將被視為是進步的跡象(「美國仍趨於落後的狀態,因為我們的就業率仍然維持在23%」)。

事實上,失業救濟金可以透過給予每個人一份基本的收入來取代。如果我們這些人當中,有誰並不滿足於這份基本的收入,那麼他們便可以在剩下的幾個人類職業中賺取更多、更驚人的收入。雖然左派自由主義和右派保守主義仍然會為了稅率而爭吵,但規則已經澈底改變。隨著勞動力的總產值大幅降低,最富有的國家將是那些擁有自然資源與人口比例最高的國家(如今已變成加拿大了)。

對於我們這些沒有工作的人來說,生活不會是毫無意義的,就像生活在一個大自然的恩賜,已經滿足所有需求的熱帶島嶼上,想要需求更多才會是沒有意義的。除此之外, 一種禮物經濟(gift economy,也就是把所有付出都當作是禮物,而不是投資或交易)將會開始發展,其中這種開放原始碼的軟體趨勢就是一種預示概念。

人們將會尋求在人際關係、自我實現和心靈上的意義,就像他們現在所做的一樣。而謀生的需求將會變成一個遙遠的記憶,這是另一段我們人類克服的野蠻過去。

本文摘自:《大演算:機器學習的終極演算法將如何改變我們的未來,創造新紀元的文明?》,三采文化出版
透過以上連結購書,我們由此所得將全數捐贈兒福聯盟

image002

作者介紹:

佩德羅.多明戈斯(Pedro Domingos)

電腦工程博士,現任華盛頓大學電腦工程系教授,該系是全美前十大電腦工程名校。他初試啼聲聞名圈內是兩度在資料採礦大會上獲得最佳論文,並在此後成為該領域的意見領袖。他在專業領域內獲獎無數,還包含美國國家科學職業成就奬,他也是史丹佛大學及麻省理工學院客座教授。

書籍介紹:

有一個終極演算法,可以解開宇宙所有的祕密,
現在大家都在競爭,誰能最先解開它!

.機器學習是什麼?大演算又是什麼?
.大演算如何運作與發展,機器可以預測什麼?
.我們可以信任機器學過的東西嗎?
.商業、政治為什麼要擁抱機器學習?
.不只商業與政治,醫學與科學界也亟需機器學習,包含DNA解碼、癌症藥品開發等。
.你擔心人類會被大演算所取代嗎?可以避免嗎?該如何做?

華盛頓大學電腦工程系教授佩德羅.多明戈斯(Pedro Domingos)破解了一個在機器學習領域中長久以來的瓶頸,成功把機器學習、哲學與人工智慧結合起來,這個突破性研究還登上了《新科學人》(New Scientist)雜誌的封面故事。

責任編輯:楊士範
核稿編輯:楊之瑜