沒有永遠的鐵飯碗，自動化將取代專業化

全文共2309字，預計學習時長6分鐘

圖源：unsplash

1776年出版的開創性著作《國富論》（The Wealth of Nations）重塑了當時的經濟學領域，其作者亞當·史密斯（Adam Smith）在這本書中提出了勞動分工的概念——這是經濟學史上最偉大的思想之一。

 

勞動分工衍生出了專業化這一概念，即我們每個人都努力訓練，掌握一套終身受益的專業技能。專業化優勢眾多，如果你數十年如一日堅持每週花40多個小時掌握一門手藝，那便只有專家才能與你並駕齊驅，全才和通才也無法與之競爭。

 

但本文的主題並不是人與人的競爭，而是旨在討論人與機器的競爭，人類無法比機器更專業。

 

“我”生來如此

 

幾個世紀以來，計算員（computer）一詞指的是手動進行數學運算的人。猜猜是什麼裝置取代了他們？農民、工廠工人、稅務會計師、旅行代理商和一些其他領域已經開始感受到自動化的影響。當你需要預訂機票時，你是會打電話還是去Expedia（旅遊公司）？

 

這些領域並沒有完全消失，很少領域能徹底消亡，但沒人想投身於一個日漸式微的領域，也不會有人希望看到所有對手都去搶佔社會中90%的工作，然後是80%、70%……

 

那我們能做些什麼？乍一看，我們似乎需要找一份無法被自動化的工作，但這個目標要比想象的更難實現——沒有哪一個領域能保證免受自動化的影響。

 

更努力未必更保險

 

有些人急於獲取高學歷或參加一些複雜的培訓專案。畢竟，花費4至6年讀完研究生後開始工作時，怎麼也不會像“砧板上的魚”一樣任人宰割了，對吧？大錯特錯！

 

機器不會像人類那樣思考。對人類來說難如登天的事情，實際上對機器來說不過小菜一碟。比較一下醫生和護士，我們暫不討論工作難度，因為在這一點上醫學領域的人才有發言權。這裡重點關注培訓時長：在成為醫護人員的路上，較之護士，醫生需要多年的培訓。

 

醫生所做的診斷、手術和許多其他工作已經實現了一定程度的自動化。醫生最大的優勢之一就是他們知識淵博，學習能力強，能快速完善自己的知識體系，而機器也非常擅長這些事情。另一方面，護士的工作多是與患者進行直接溝通互動，而且要有同理心——而這些事情很難實現自動化（但並非不可能）。

 

工作培訓的難度並不能充分反映實現自動化的難度，能更好反映這一點的指標是掌握軟技能和創造力等的必要性，但僅有這些也是不夠的。

 

圖源：unsplash

機器獲得認可

 

更糟糕的是，機器並不需要完成一個領域的所有任務才能替代人工。如果工作中有10%突然實現自動化，那需要醫生的工作崗位就將大幅下降。

 

人們在談論未來的工作保障時，往往關注的是工作中那些他們認為最難實現自動化的部分。即使他們已確定工作中的某些方面不能實現自動化，就算工作中90%都可以自動化，那也沒有什麼意義。

 

幾乎每份工作都有可自動化的方面。我是個作家，或許你會認為這種創造性工作會讓我很難被取代，但事實並非如此。我知道自己投入相當多時間所做的研究、編輯、優化搜尋引擎和其他工作，機器也可以完成。我並不排斥失去其中的一些工作，但正如供給規律，如果每個作家的寫作時間越長，所需要的作家便越少。

 

價值很重要

 

一個領域越有價值，人們便越想將其實現自動化。因為專業性最強的工作往往薪資最高，這應該會讓專業人士感到有點惶恐。

 

高薪專家若因被機器取代而失業，其薪資將會大幅下降，這是不可避免的。你的薪資是基於你擁有的專業價值，但正是這種專業價值使得它成為了自動化工作者追求的目標。現在，這一專業價值已經等同於購置替代你工作的機器所花費的金額。你越是專業，便越不可能再找到一份和現在一樣受到重視且待遇優厚的工作。

 

現實殘酷，改變吧！

 

圖源：unsplash

我討厭這種消極看法，現在我們來談談解決方案。

 

專業化並不絕對靠譜，所以我們必須在一個新近流行但實際上由來已久的途徑中找到應對辦法：成為全才。勞動分工並不要求我們都變得高度專業化。然而，在過去的幾個世紀裡，我們不斷地朝著越來越專業化的方向發展。

 

是時候讓全才迴歸了。現在，我們應該認識到，領先於機器唯一途徑就是懂得變通，不以人類特有的方式進行學習我們就無法與機器抗衡。

 

全才堅持終身學習，我們已討論到了一些可遷移技能，如今成為全才需要掌握的技能在很大程度上是自動化程度較低的軟技能。我們的工作和專家的工作一樣，都無法避免自動化。如果需要，我們隨時準備跳槽。我們擁有必要的技能，可以領先自動化一步。

 

如果自動化讓我難以繼續靠寫作維生，我便會改行換業。我的確會懷念這份工作，但我會找到另一個能給自己帶來類似滿足感的創造性工作。我害怕自動化，但當知道它永遠不會困住我時，我便鬆了一口氣。

寫在最後的話

 

這並非“諸神黃昏”，但可能是衰落的開始。隨著自動化的發展，幾十年或幾個世紀以來一直在增長的領域可能會日漸式微。

 

圖源：unsplash

我相信自動化不會導致大規模的長期失業，不過大規模的職業流動或將成為家常便飯。我們目前的社會保障體系尚且無法應對這類問題，但願社會能迎頭趕上，自動化發展可不等人。

 

另外要記住，成為終身學習者，這是打敗機器的最好方法。

 

一起分享AI學習與發展的乾貨

歡迎關注全平臺AI垂類自媒體 “讀芯術”

（新增小編微信：dxsxbb，加入讀者圈，一起討論最新鮮的人工智慧科技哦～）