遠未成熟的人工智能

每周，宣告工作終結的聳人聽聞的標題都會接連不斷地出現。很快就有人警告我們，機器人將奮起反抗。人們普遍認為，自動化及其助手人工智能，將淘汰人類的工作。工廠里的機械臂可以移動車間的金屬板材。軟件機器人可以接收短信比薩訂單。無人機可以送貨上門。現在，這些智能系統與許多傳統的求職網站相連，有人認為這預示著人類將很快在工作場所消失。據說，人工智能將不可避免地取得勝利，所有人都會被解雇，只留下最不可替代的工人。我們都需要提高技能。立刻！馬上！

在這場大合唱中，特斯拉和SpaceX的創始人埃隆·馬斯克（Elon Musk）、著名物理學家史蒂芬·霍金（Stephen Hawking）以及谷歌的聯合創始人拉里·佩奇（Larry Page）只是幾個代表性的聲音。¹¹他們要么對人工智能“召喚惡魔”表示恐慌，要么懷念沒有人工智能的時代，當時人們自認為能主宰自己的命運。¹²但吸引眼球的標題掩蓋了更加混亂的現實。不可否認，機器人是在崛起，但大多數自動化工作仍然需要人類晝夜不歇，其中許多人是兼職或合同工。但就像人類一樣，機器也經常會有卡住或出現故障的時候，此時人類便可對自動化過程做出微調和維護。

我們也必須承認，在實現自動化的漫長征途中，人們創造了新的需求，也培養了各式的人類勞動力來滿足這些需求。從這一點來說，新的、軟件管理的工作世界與在流水線上組裝汽車的工廠工作有著相似的特征，工廠工作是在最需要工人的時間把工人安置在最需要他們的地方。這也類似于19世紀婦女和兒童在農場里做的所謂“計件工作”，每組裝一個火柴盒可以掙幾便士。這也很像把醫療文書轉錄和客服呼叫中心的工作外包給“全球南方”⁽³⁾的情形。20世紀90年代末，隨著互聯網的擴張，這種現象十分普遍。

工廠工作、計件工作和外包都是在線分配任務的前身，因為它們涉及的都是瑣碎而重復的工作，無關宏旨。這些工作收入微薄、朝不保夕，大多數情況下，都是由經濟學家認為的可有可無或“低技能”的人完成。市場親切地把這些人叫作“人力資本”。點擊“狗”或“貓”給圖片貼上標簽，使它最終能被蘋果手機識別為家庭寵物，與擰緊一顆螺絲釘，最終制造一輛福特卡車沒有什么不同。但從這里開始工作相似性就終結了。

藍領制造業一直是人工智能發展最直接針對的目標。2016年，生產蘋果手機的富士康工廠據稱用機器人取代了6萬名工人。根據報道，同一年，亞馬遜在20個物流中心部署了4.5萬臺機器人，與23萬名工人一起工作。然而，這些數字沒有說清自動化催生了多少工作崗位。人工智能會對全職藍領工作產生影響的媒體相關報道可能會分散我們的注意力，使我們忽視了一種正在快速增長的新工人。當人工智能觸及自身天花板時，這類新興的工人將完善或傾向于使制造系統完成自動化。

過去20年里，最掙錢的企業已經從大規模生產家具、服裝等耐用品，慢慢轉型為提供醫療保健、消費者分析和零售等服務。把一種體驗賣給消費者，比如喝一杯拿鐵或瀏覽娛樂資訊，比制造一臺電視賺的錢更多。¹³所有企業都在接入臨時工人共享庫，通過使用臨時工來控制成本。在需要的時候獲得想要的人，這種策略已經有半個世紀的歷史，企業不再需要與全職雇員談判，也不受制于保護全職雇員的職業分類和勞動法。

這種人類與人工智能的混合，可謂制造業、零售業、市場銷售和客戶服務的一次重新洗牌，已經超越了我們熟悉的就業類別。傳統的制造業由全職工人輪班工作，他們每周工作40個小時，干的活重復而連續；現在的任務型工作完全不同，比如修正客戶的納稅申報表，或者實時翻譯視頻并添加字幕，這些都需要人類不斷貢獻智慧和判斷力。這些任務是動態的，而不是機械的，所以很難把人類排除在外。

人工智能并不像大多數人希望的或害怕的那樣聰明。以驅動AlphaGo的人工智能為例，最近技術專家斯科特·哈特利（Scott Hartley）在《模糊性與技術專家》（The Fuzzy and the Techie）一書中記錄了它取得的斐然成就。¹⁴圍棋是中國古代的棋盤游戲，2017年5月，AlphaGo成為第一個擊敗中國圍棋世界冠軍柯潔的電腦程序。5個月后，AlphaGo迭代出AlphaGo Zero。但我們不必太震驚，因為有一點非常重要，即圍棋的規則是死的，有固定的形式，在封閉的環境中進行，結果完全取決于兩個玩家。在谷歌旗下的公司DeepMind，AlphaGo和AlphaGo Zero的人類程序員給出了輸贏的明確定義。圍棋的制勝之道是在對弈過程中預測落子的遠期影響。¹⁵因此，通過人類圍棋大師對弈的龐大數據庫以及與自己對弈，AlphaGo接受了幾十億個棋局的訓練，從而了解哪種棋路更好，哪個落子位置威力更大。¹⁶之后AlphaGo Zero與它的鏡像AlphaGo對弈，把之前的經驗又復習了一遍。但是正如人工智能研究領域的著名專家湯姆·迪克里奇（Tom Dietterich）所說，“人工智能對世界的淵博知識必須依靠人類補充”，如此才能完成大多數日常任務。現實生活可比圍棋復雜得多。

新的線上工作平臺把工作機會介紹給瓊、卡拉、賈斯汀和艾莎，這顛覆了媒體經常報道的人工智能擁有無限智慧、機器人勢不可擋之類的傳奇故事。現實世界的任務，從識別仇恨言論、把出租屋歸類為春季婚禮的絕佳場地，到修正納稅申報表，都需要人類的見解和判斷。生活不像圍棋，不存在單一形式和最優解。例如，你很難列舉“最好的”婚禮場地具備哪些特質。即使能列出來，也不會使人信服，因為人們對這些特質存在不同的偏好。此外，也不存在那種用來教會人工智能識別“最優解”的訓練數據。而且，從方言俚語、氣候變化引起的颶風，到隨意的稅法改革，一系列無窮無盡的外部因素會摻雜進來，影響結果。在許多情況下，未知因素太多了，以至于無法訓練當前的人工智能，使它具備足夠的意識或者獲得足夠的經驗，也無法對所有意外情況做出明智的反應。這就是為什么人工智能還必須得指望人類，利用人類對世界的淵博知識來彌補決策的盲區。

任何人只要像我們一樣仔細地觀察，走到人工智能的背后，就會發現一個新的工作世界，在這個世界里，軟件管理著人類，而人類則在完成計算機做不到的工作。這個世界的系統把任務從人轉移到機器，他們通過自動化來解決新的問題。例如，網絡成為主流之后，Facebook、Twitter和Instagram等公司需要在線審核的內容越來越多，僅僅靠自動化工具無法實現。與此同時，新系統上線時，通常會面臨突發問題，無法達到預期效果，因此需要卡拉和瓊的工作。多虧了這樣的工人，自動化審核軟件變得越來越好，但還遠遠不夠完美。在達到完美的過程中，自動化不可避免地會出現小故障，這就需要臨時工來解決。一旦工人成功地訓練了人工智能，使它像人類一樣工作，他們就會轉向工程師指派的下一個任務，這些任務將不斷推進自動化的邊界。人們暢想人工智能的新應用，自動化的終點線也在改變，所以我們無法確定通往完全自動化的“最后一英里”是否會走完。我們稱之為“自動化的最后一英里悖論”。

隨著人工智能的發展，那些無法預見和無法預測的任務也創造了臨時勞工市場。¹⁷自動化的最大悖論在于，使人類免于勞動的愿望總是給人類帶來新的任務。我們所說的“最后一英里”是計算機和人力之間的差距。毫無疑問，軟件工程師將利用幽靈工作執行手中的任務，并把人工智能推向極限。而且很有可能，隨著越來越多的企業設法為我們提供支持人工智能的“智能”數字助理，從而幫助我們管理行程和預定航班，那么當人工智能無法滿足我們日益苛刻且不斷增長的需求時，會需要越來越多的人力參與進來。事實上，在技術走向自動化的漫長歷史中，很關鍵的一點是對臨時勞動力的依賴。今天致力于通過算法和人工智能解決問題的工程師，是自動化最后一英里悖論的最新迭代。在這一前沿，臨時工的高峰和低谷不斷轉換，這重新定義了人類和機器的關系。

按需勞動平臺的興起表明，使用API來組織、指派和計劃工作具有吸引力。正如本書中的例子所示，利用臨時勞動力開發新技術的這種重新定位，推動了新近所謂的“人工智能革命”。當驅動手機應用程序或在線服務的人工智能不知道下一步該為客戶做什么時，它需要人的幫助，而且越快越好。終端用戶希望運行搜索引擎和社交媒體的軟件能在幾毫秒內作出響應。傳統的雇傭方法在這里行不通。因此，人工智能的決策閉環中需要人的加入，這樣才能理解，比如說，為什么與一場突發自然災害相關的搜索詞會暴增，此時，它需要立即獲得人工的信息輸入。這場災害將成為歷史，但從瞬間的大量人工輸入中，軟件將會掌握它需要的東西。正是嵌入API中隨時待命的共享勞動力庫提供了這些人工輸入。軟件工程師可以編寫代碼來自動雇人以解決眼前的問題，自動檢查他們的工作，并支付報酬。與此類似，使用現代機器學習系統的科學家和研究員同樣依賴清晰無誤的訓練數據。他們需要一種自動化的方法來幫助生成和清理這些數據，而且需要大量來自世界各地的人來完成這件事。按需勞動平臺為當今的線上企業提供了此種人類勞動和人工智能的結合，創造了一個龐大且隱于無形的人力資源庫來從事幽靈工作。按需提供服務和工作可能是未來工作趨勢的一部分。如果在設計和管理過程中沒有注意到它如何重構人們日常工作的體驗和意義，那可能就會產生意想不到的、潛在的災難性后果。