第二章 就业：等你长大，可能没有工作

百度搜索 今日简史 天涯 或 今日简史 天涯在线书库 即可找到本书最新章节.

    我们完全无从得知2050年的就业市场会是什么样子。人们普遍认为，机器学习和机器人将改变几乎所有的工作，从制作酸奶到教授瑜伽都无法幸免。但谈到这项改变的本质及紧迫性，各家观点却众说纷纭。有人认为，只要10~20年，就会有几十亿人成为经济上多余的存在。但也有人认为，从长远看来，自动化的影响还是会为所有人创造新的就业机会，为社会带来更大的繁荣。

    那么，我们究竟是真的处于危险动荡的边缘，还是这只是卢德分子<span class="" data-note=" 卢德分子（Luddite），指19世纪英国工业革命时期，因机器代替了人力而失业的技术工人。现引申为工业化、自动化、数字化或一切新技术的反对者。——编者注"></span>歇斯底里的妄言？这很难说。早在19世纪，就有人担心自动化会造成大量失业，但至今这种情况从未出现。自工业革命拉开序幕以来，机器每抢走一项旧工作，也会至少创造一项新工作，而且人们的平均生活水平大幅提高。<span class="" data-note="Gregory R.Woirol, The Teological Unemployment and Structural Unemploymees (Westpreenwood Press, 1996), 18–20; Amy Sue Bix, Iing Ourselves out of Jobs? America's Debate over Teological Unemployment, 1929–1981 (Baltimore: Johns Hopkins Uy Press,2000), 1–8; Joel Mokyr, Chris Vickers and Nicolas L.Ziebarth, ‘The History of Teological Ay and the Future of Eic Growth: Is This Time Different?’, Journal of Eic Perspectives 29:3 (2015), 33–42; Joe Mokyr,The Gifts of Athena: Historical ins of the Knowledge Ey (Prion:Prion Uy Press, 2002), 255–7; David H.Autor, ‘Why Are There Still So Many Jobs? The History and the Future of Workplace Automation’, Journal of Eic Perspectives 29:3 (2015), 3–30; Melanie Arntz, Terry Gregory and Ulrich Zierahn, ‘The Risk of Automation for Jobs in OECD tries’, OECD Social, Employment and Migration W Papers 89 (2016); Mariacristina Piva and Marco Vivarelli, ‘Teological ge and Employment: Were Ricardo and Marx Right?’, IZA Institute of Labor Eics, Discussion Paper No.10471 (2017)."></span>但我们有充分的理由相信这次情况不同，机器学习将会真正让整个情况彻底 6539." >改变。

    人类有两种能力：身体能力和认知能力。过去，机器主要是在原始的身体能力方面得以与人类竞争，而人类则在认知能力方面享有巨大优势。因此，随着农业和工业迈向自动化，就出现了新的服务业工作。这些新工作需要人类拥有独特的认知技能，包括学习、分析、沟通等，特别是必须理解人类的种种情绪。然而，人工智能已经在越来越多的认知技能上超越人类，包括理解人类的情绪。<span class="" data-note="举例来说，人工智能已在飞行特别是空中战斗中胜过人类：Nicholas Er et al., ‘Geic Fuzzy based Artificial Intelligence for Unmanned bat Aerial Vehicle trol in Simulated Air bat Missions’, Journal of Defense Ma 6:1 (2016), 1–7; intelligent tut and teag systems: Kurt Van Lehn, ‘The Relative Effectiveness of Human Tut, Intelligent Tut Systems, and Other Tut Systems’, Educational Psychologist 46:4 (2011), 197–221; algorithmic trading: Giuseppe Nuti et al., ‘Algorithmic Trading’, puter 44:11 (2011), 61–9; financial planning, portfolio ma etc.: Arash Baharammirzaee, ‘A parative Survey of Artificial Intelligence Applications in Finance: Artificial Neural works, Expert System and Hybrid Intelligent Systems’, Neural puting and Applications 19:8 (2010), 1165–95; analysis of plex data in medical systems and produ of diagnosis and treatment: Marjlass Zauderer et al., ‘Piloting IBM Watson Oncology within Memorial Sloaering's Regional work’, Journal of ical Oncology 32:15 (2014), e17653; creation inal texts in natural language from massive amount of data: Jean-Sébastien Vayre et al., ‘uniediated through Natural Language Geion in Big Data Enviros: The Case of Nomao’, Journal of puter and unication 5 (2017), 125–48; facialreition: Florian Schroff, Dmitry Kaleniko and James Philbin, ‘Faet: A Unified Embedding for Face Reition and Clustering’, IEEE feren puter Vision and Pattern Reition (CVPR) (2015), 815–23; and driving: Cristiano Premebida, ‘A Lidar and Vision-based Approach for Pedestrian and Vehicle Dete and Trag’, 2007 IEEE Intelligent Transportation Systems ference (2007)."></span>而且，除了身体能力和认知能力之外，我们并不知道还有什么第三种能力可以让人类永远胜过机器。

    必须认识到的一个关键点是，人工智能革命不只是让计算机更聪明、运算得更快，还在生命科学和社会科学方面有诸多突破。我们越了解是哪些生化机制在支撑人类的情感、欲望和选择，计算机就越能分析人类行为、预测人类决策，并最终取代人类的司机、银行经理和律师等。

    在过去几十年中，在神经科学和行为经济学等领域的研究，让科学家能够“破解”人类，更清楚地了解人类究竟是如何做出各种决定的。事实证明，我们从选择食物到选择伴侣，都不是出于什么神秘难解的自由意志，而是数十亿神经元在瞬间计算各种可能性的结果。过去大受赞誉的“人类直觉”，其实只是“辨识模式”罢了。<span class="" data-note="Daniel Kahneman, Thinking, Fast and Slow (New York: Farrar, Straus & Giroux, 2011); Dan Ariely, Predictably Irrational (New York: Harper, 2009); Brian D.Ripley, Pattern Reition and Neural works (Cambridge: Cambridge Uy Press, 2007); Christopher M.Bishop, Pattern Reition and Mae Learning (New York: Springer, 2007)."></span>优秀的司机、银行经理和律师，对路况、投资或谈判交涉并没有什么神奇的直觉，只不过是辨识出了某些一再出现的模式，于是能够躲过漫不经心的行人、拒绝无力偿债的借款人和识破图谋不轨的骗子。但同时也证明，大脑的生化算法距离完美还有很长一段路。大脑会走捷径，会根据不完整的信息快速找出答案，而且大脑的回路也显得过时，整套机制适合的是过去的非洲大草原，而不是现在的都市丛林。这也就难怪，即便是优秀的司机、银行经理和律师，也会犯下愚蠢的错误。

    这意味着，就算是那些原本认为依靠直觉的工作，人工智能也能表现得比人类更好。人工智能不会比人类更有那种难以言喻的第六感，但如果说人工智能比人类更懂得计算概率和模式识别，听起来可信度就大了许多。

    特别是，如果某些工作需要“关于别人”的直觉，人工智能的表现就会优于人类。许多工作（例如在满是行人的大街上开车、把钱借给陌生人、商务谈判等）都需要准确评估别人的情绪和愿望。那个孩子会不会突然跑到马路中间？这个穿着西装的人是不是打算从我这儿一借到钱就消失？那位律师的威胁是认真的，还是只想吓吓我？只要我们觉得这些情绪和欲望是来自某种非实体的心灵，计算机就永远无法取代人类的司机、银行经理和律师。原因在于：计算机怎么可能理解“心灵”这种神圣的创造物呢？然而，如果这些情绪和欲望实际上只不过是某些生化算法，计算机就没有理由无法破译这些算法，而且它们的成绩一定比任何智人都要好。

    不管是司机预判行人想往哪儿走，银行经理评估借款人的信用好坏，还是律师衡量谈判桌上的气氛，依赖的都不是巫术，而是在他们毫无察觉的情况下，大脑就会通过分析面部表情、声调、手部动作甚至体味来识别生化模式。人工智能只要搭配适当的传感器，绝对可以把这些工作做得比人类更精确、更可靠。

    因此，失业的威胁不只是因为信息技术的兴起，还因为信息技术与生物技术的融合。要从功能性磁共振成像（fMRI）扫描仪走到劳动力市场，这条路肯定是漫长而曲折的，但花个几十年总能走完。脑科学家今天对杏仁核和小脑的研究，就有可能让计算机在2050年比人类更适合担任精神病学家和保镖。

    人工智能不仅能够侵入人类，在以往认为专属于人类的技能上打败人类，更拥有独特的非人类能力，使得人工智能和人类之间的差异不是程度高低的问题，而是完完全全的两回事。人工智能特别重要的两种非人类能力是“连接性”和“可更新性”。

    人类都是个体，很难将所有人彼此连接，从而确保他们都能得到最新信息。相反，计算机并不是彼此相异的独立个体，因此很容易把计算机集成为一个单一、灵活的网络。所以这样说来，我们面临的不是几百万台计算机和机器人取代几百万个工人，而是所有作为个体的工人都会被一套集成的网络所取代。因此，讨论自动化的时候，不该把“一位司机”的能力拿来和“一台自动驾驶汽车”比较，也不该把“一位医生”和“一位人工智能医生”进行比较，而该拿“一群人”的能力和“一套集成网络”进行比较。

    举例来说，交通规则时有调整，但许多司机并不熟悉，于是常常违规。此外，每辆车都是独立运作的实体，所以当两辆车到达同一个十字路口时，司机可能会误读彼此的意图，于是发生事故。相反，自动驾驶汽车是连接成一个整体的，所以两辆自动驾驶汽车来到十字路口时并非独立运作，而是属于同一套算法的一部分。这样一来，因沟通不畅而发生事故的机会也就大幅减少。此外，如果交通部门决定调整某些交通规则，所有的自动驾驶汽车都能轻松地在同一时间更新程序；除非程序出错，否则大家都会遵守新的规则。<span class="" data-note="Seyed Azimi et al., ‘Vehicular works for Collision Avoida Interses,’ SAE Iional Journal of Passenger Cars – Meical Systems 4 (2011), 406–16; Swarun Kumar et al., ‘Car Speak: A terietwork for Autonomous Driving’, SIG puter unication Review 42 (2012),259–70; Mihail L.Sichitiu and Maria Kihl, ‘Inter-Vehicle unication Systems: A Survey’, IEEE unications Surveys & Tutorials (2008), 1erla, Eun-Kyu Lee and Giovanni Pau, ‘I of Vehicles: From Intelligent Grid to Autonomous Cars and Vehicular Clouds’, 2014 IEEE World Forum on I of Things (WF-IoT) (2014), 241–6."></span>

    同样，如果世界卫生组织确认出现某种新的疾病，或者某实验室研制出某种新药，目前几乎不可能让全世界所有人类医生都得知相关的最新消息。但相较之下，就算全球有100亿个人工智能医生，各自照顾一个人的健康状况，仍然可以在瞬间实现全部更新，而且所有人工智能医生都能互相分享对新病或新药的感受。连接性和可更新性可能带来的优势巨大，至少对某些工作来说，就算某些个人的工作效率仍然高于机器，但合理的做法将会是用计算机取代所有人类员工。

    有人可能会反驳说，把个体人类转换为计算机运算网络之后，就会失去个性化所带来的优势。举例来说，如果某位人类医生做出了错误判断，并不会因此让世界上所有的患者都丧命，也不会阻碍所有新药的开发。相反，如果所有医生都属于某一系统，一旦该系统出错，结果可能就极其严重。但事实上，集成的计算机系统可以在不失去个性化优势的情况下，把连接性的优点发挥到极致。比如可以在同一个网络上运行多种算法，这样位于偏远丛林山村里的病人通过智能手机能找到的就不只是某位医学权威，而是上百位不同的人工智能医生，而且这些人工智能医生的表现还会不断被比较。你不喜欢那位IBM（国际商业机器公司）医生的诊断吗？没关系。就算你现在被困在乞力马扎罗山上，也能通过搜索引擎轻松找到医生，寻求不同意见。

    这很可能会给人类带来巨大的好处。人工智能医生能为几十亿人带来更好、更便宜的医疗保健服务，特别是那些目前根本没有医疗保健服务可用的人。凭借学习算法和生物传感器，就算是某个经济不发达国家的贫困村民，也可能通过智能手机获得良好的医疗保健服务，而且比目前最富有的人在最先进的城市医院所获得的服务水平有过之而无不及。

    同样，自动驾驶汽车能让交通服务质量大幅提升，特别是能够降低车祸死亡率。如今，每年有将近125万人死于车祸（足足是战争、犯罪和恐怖袭击死亡人数的两倍）。<span class="" data-note="World Health anization, Global status report on road safety 2015 (2016);‘Estimates for 2000–2015, Cause-Specific Mortality’, ho.ihinfo/global_burden_disease/estimates/en/index1., accessed 6 September 2017."></span>而在这些事故中，超过90%是人为造成的：有人酒驾，有人边开车边看手机，有人疲劳驾驶，有人开车的时候只顾着发呆。根据美国国家公路交通安全管理局2012年的统计，全美致死车祸中有31%出于滥用酒精，30%出于超速，21%出于驾驶分心。<span class="" data-note="关于美国车祸的原因调查，参见：Daniel J.Fagnant and Kara Kockelman,‘Preparing a Nation for Autonomous Vehicles: Opportunities, Barriers and Policy Reendations’, Transportation Research Part A: Polid Practice 77 (2015), 167–81；全世界大致情况的调查，参见：OECD/ITF, Road Safety Annual Report 2016 (Paris: OECD Publishing, 2016), dx.d/10.1787/irtad-2016-en."></span>而这些错误，自动驾驶汽车永远都不会犯。虽然自动驾驶汽车仍有其自身的问题和局限性，也免不了会有些事故，但根据预测，如果把所有驾驶工作完全交由计算机处理，将能够减少约90%的道路伤亡。<span class="" data-note="Kristofer D.Kusano and Hampton C.Gabler, ‘Safety Bes of Forward Collision Warning, Brake Assist, and Autonomous Braking Systems in Rear-End Collisions’, IEEE Transas on Intelligent Transportation Systems 13:4 (2012), 1546–55; James M.Anderso al., Autonomous Vehicle Teology: A Guide for Policymakers (Santa Monica: RAND Corporation, 2014), esp.13–15; Daniel J.Fagnant and Kara Kockelman, ‘Preparing a Nation for Autonomous Vehicles: Opportunities, Barriers and Policy Reendations’, Transportation Research Part A: Polid Practice 77 (2015), 167–81; Jean-Francois Bonnefon, Azim Shariff and Iyad Rahwan, ‘Autonomous Vehicles Need Experimental Ethics: Are We Ready for Utilitarian Cars?’, arXiv (2015), 1–15.关于车辆如何建立车际网络以避免车祸，参见：Seyed R.Azimi et al., ‘Vehicular works for Collision Avoida Interses’, SAE Iional Journal of Passenger Cars – Meical Systems 4:1 (2011), 406–16; Swarun Kumar et al., ‘Car Speak: A terietwork for Autonomous Driving’, SIG puter unication Review 42:4 (2012), 259–70; Mihail L.Sichitiu and Maria Kihl,‘Inter-Vehicle unication Systems: A Survey’, IEEE unications Surveys & Tutorials 10:2 (2008); Mario Gerla et al., ‘I of Vehicles: From Intelligent Grid to Autonomous Cars and Vehicular Clouds’, 2014 IEEE World Forum on I of Things (WF-IoT) (2014), 241–6."></span>换句话说，只要全面改用自动驾驶汽车，每年就能少死亡100万人。

    因此，如果只是为了保住工作就拒绝交通和医疗保健等领域的自动化，绝对是不明智之举。毕竟，我们真正该保护的是人类，而不是工作。如果自动化让司机和医生变得无用武之地，就让他们找点儿别的事来做吧。

    <h3>机器里的莫扎特</h3>

    至少在短期内，人工智能和机器人还不太可能完全取代整个产业。有些工作专精在小范围，日复一日做的都是程序化的动作，这种工作就会被自动化取代。然而，如果是每天都有变化、需要同时运用广泛技能组合的工作，或者需要应对难以预见的情况的工作，就不太容易用机器来取代人类。以医疗保健为例。很多医生的主要工作是处理信息：汇总并分析医疗数据，然后做出诊断。相比之下，护士需要有良好的运动和情绪技能，才能帮患者打针、换绷带，或者安抚激动的患者。因此，我们的智能手机上出现人工智能家庭医生的时间，很有可能会远远早于我们拥有可靠的护理型机器人。<span class="" data-note="Michael Chui, James Manyika and Mehdi Miremadi, ‘Where Maes Could Replace Humans – and Where They 't (Yet)’, Msey Quarterly (2016), .msey./business-funs/digital-msey/our-insights/where-maes-could-replace-humans-and-where-they-t-yet, accessed 1 March 2018."></span>人文关怀产业（也就是照顾老幼病残）大概在很长一段时间内仍然会是人类的工作。事实上，随着人类寿命延长和少子化，养老产业很可能成为人类劳动力市场成长最快的行业类别。

    除了养老产业，创意产业也是自动化特别难以突破的领域。现在，我们可以直接从iTunes（苹果数字媒体播放应用程序）下载音乐，而不需要由真人店员来销售，但作曲家、音乐家、歌手和音乐节目主持人都还是活生生的人。我们需要这些人的创意，除了是要制作全新的音乐，也是为了在多到让人头昏脑涨的诸多选项当中进行选择。

    尽管如此，最终所有工作都有可能走向自动化，对此就连艺术家也得小心。现代社会一般认为，艺术与人类的情绪紧紧相连，艺术家引导着人类的心理力量，艺术的目的是让我们和自身的情绪有所联系，或者激发出新的感受。因此，当我们品评艺术的时候，通常就是看它对观众的情绪起了多大的作用。但如果真以这个标准来定义艺术，当外部的算法比莎士比亚、弗里达·卡罗（Frida Kahlo，墨西哥女画家）或碧昂丝更能了解和操纵人类的情绪时，又会发生什么事？

    毕竟，情绪也不是什么神秘的现象，只是生化程序反应的结果。因此在不久之后，只要用机器学习算法，就能分析身体内外各种传感器所传来的生物统计资料，判断人的性格类型和情绪变化，或是计算某首歌（甚至是某个音高）对情绪的影响。<span class="" data-note="Wu Youyou, Michal Kosinski and David Stillwell, ‘puter-based personality judgments are more accurate than those made by humans’, PANS, vol.112 (2014), 1036–8."></span>

    在所有艺术形式中，最容易受到大数据分析冲击的可能就是音乐。音乐的输入和输出都适合用精确的数学来描述，输入时是声波的数学模式，输出时则是神经风暴的电化学反应模式。在几十年内，算法只要经过几百万次的音乐体验，就可能学会如何预测某种输入如何产生某种输出。<span class="" data-uart Dredge, ‘AI and music: will we be slaves to the algorithm?’ Guardian, 6 August 2017, https://.theguardian./teology/2017/aug/06/artificialintelligend-will-we-be-slaves-to-the-algorithm, accessed 15 October 2017.关于这些方法的综览，参见：Jose David Fernández and Francisco Vico, ‘AI Methods in Algorithmiposition: A prehensive Survey’, Journal of Artificial Intelligence Research 48 (2013), 513–82."></span>

    假设你刚和男友大吵一架，负责音响系统的算法就会立刻发现你内心的情绪波动，并根据它对你个人以及对整体人类心理的了解，自动播放适合你的歌曲，与你的忧郁共鸣，附和你的悲伤。它放的这些歌可能不适合其他人，但完全符合你的性格类型。算法先把你带到悲伤的底层，然后放出全世界最可能让你振作起来的那首歌，原因可能是这首歌在你的潜意识里与某个快乐的童年记忆紧密相连，而你可能根本毫无察觉。任何一位人类音乐节目主持人，都不可能与这样的人工智能相匹敌。

    你可能会提出异议，认为这样一来，人工智能不就扼杀了所有的偶然，把我们束缚在一个狭隘的音乐“茧”里，一丝一缕都是由我们自己的好恶织成的？你是想探索新的音乐品位和风格吗？没问题。你可以轻松地调整算法，让它完全随机地挑选5%的内容，为你播放印度尼西亚的甘美兰（Gamelan）合奏、罗西尼的歌剧，或者最新的韩国流行音乐。慢慢地，通过监测你的反应，人工智能甚至能判断出对你来说理想的随机性程度，可能是上调至8%，也可能是下调到3%，让你既能探索新音乐，又不会觉得厌烦。

    另一种可能的异议，则是认为算法不见得知道该让情绪把我们带到哪里。刚和男友大吵一架之后，算法究竟是该让你高兴还是难过？它对于“好”情绪和“坏”情绪的判断，会不会过于武断？或许有时候，它觉得伤心也不见得是件坏事？当然，这些问题就算是人类音乐家和音乐节目主持人也会遇到。但放到算法领域，这个难题就会有许多有趣的解决方案。

    方案一，让使用者自己选择。你可以自己评估情绪，再让算法依你的指示行事。不管你是想沉湎于自怜中还是兴奋地跳起来，算法都会像个奴隶般乖乖听你的话。算法也确实有可能学会在你自己还毫无察觉的情况下，就判断出你到底想要什么。

    方案二，如果你不信任自己，则可以先挑选出你信任的著名心理学家，再让算法听那位心理学家的建议就可以了。比如，如果男友甩了你，算法或许能够协助你走过理论上“悲伤的五个阶段”：先用博比·麦克费林（Bobby McFerrin）的歌曲《不要忧虑，要快乐》（Don't Worry, Be Happy）帮你否认发生的事；再用艾拉妮丝·莫莉塞特（Alanis Morissette）的《你应该知道》（You Oughta Know）让你发泄愤怒；接着用雅克·布雷尔（Jacque Brel）的《不要离开我》（Ne me quitte pas）和保罗·扬（Paul Young）的《回来，留下来》（e Bad Stay）鼓励你讨价还价；用阿黛尔·阿德金斯（Adele Adkins）的《如你》（Someone Like You）让你深刻体会沮丧；最后再用葛罗莉亚·盖罗（Glaynor）的《我会活下去》（I Will Survive）让你接受一切。

    接下来，算法开始调整这些歌曲和旋律，为你量身打造。或许某首歌什么都好，只有一个地方让你不喜欢。算法知道这件事，是因为只要一到那个地方，你的心跳就会停一下，催产素水平也会稍微降低。而算法能做的，就是把那个讨厌的地方重写或干脆删去。

    最后，算法就能学会编写整首曲子，人类的情绪就像钢琴琴键般任它们弹奏。有了你的生物统计数据之后，算法甚至可以量身打造出全宇宙只有你会喜欢的旋律。

    常有人说，人类之所以喜欢艺术，是因为可以在艺术中看见自己。但如果脸谱网开始运用它对你所知的一切来打造个性化的艺术品，结果可能会出人意料，甚至造成危险。比如，如果男友甩了你，脸谱网呈现给你的可能是一首完全为你量身打造的歌曲，内容就是关于这个负心人的，而不是那个让阿黛尔或艾拉妮丝·莫莉塞特伤心的不知名人士。这首歌甚至能提醒你在过去交往时那些只有你们俩知道的事情。

    当然，为个人量身打造的艺术可能成不了流行，因为人还是喜欢大家都爱的玩意儿。如果这个曲调只有你知道，不就没办法和大家一起唱唱跳跳了？然而，比起制作个性化作品，算法可能更擅长制作全球热销作品。运用储存了数百万人数据的生物统计数据库，算法知道只要按下哪些生化按钮，就能在全球掀起热潮，让所有人在舞池里疯狂摇摆。如果艺术的重点真的在于启发（或操纵）人类的情绪，那么人类音乐家大概难以再与这样的算法匹敌，因为算法实在比人类更了解它们所拨弄的这个乐器：人类的生化系统。

    这一切会带来伟大的艺术吗？这可能要看艺术是如何定义的。如果说听众觉得美就是美，而且顾客永远是对的，那么生物统计算法就有可能创造出历史上最佳的艺术。但如果艺术是一种比人类情绪更深层的东西，应该表达出超越生化震动的事实，那么生物统计算法大概就不会成为优秀的艺术家。然而，大多数人大概也成不了优秀的艺术家。只是为了进入艺术市场，取代许多人类作曲家和表演者，算法并不需要直接打败柴可夫斯基，先打败小甜甜布兰妮就行了。

    <h3>新工作？</h3>

    从艺术到医疗保健行业，许多传统工作将会消失，但其造成的部分影响可以由新创造出的工作抵消。例如，诊断各种已知疾病、执行各种常规治疗的全科医生，有可能被人工智能医生取代，这会省下很多经费，让医生和实验室助理得以进行开创性的研究，研发新药或手术方案。<span class="" data-note="Eric Topol, The Patient Will See You Now: The Future of Medie is in Your Hands (New York: Basic Books, 2015); Robert Wachter, The Digital Doctor:Hope, Hype and Harm at the Dawn of Medie's puter Age (New York:McGraw-Hill Education, 2015); Simon Parkin, ‘The Artificially Intelligent Doctor Will Hear You Now’, MIT Teology Review (2016), https://.teologyreview./s/600868/the-artificially-intelligent-doctor-will-hearyou-now/; James Gallagher, ‘Artificial intelligence “as good as cer doctors”’,BBC, 26 January 2017, .bb/news/health-38717928."></span>人工智能也可能以另一种方式协助人类创造新的工作：人类与其想赢过人工智能，不如把重点放在人工智能的维护和运用上。举例来说，因为无人机取代了飞行员，有些工作确实消失了，但同时在维护、远程控制、数据分析和网络安全等方面也创造出了许多新的工作机会。美国军方每派出一架“捕食者”（Predator）无人机或“死神”（Reaper）无人机飞越叙利亚，就需要有30人在幕后操作；至于收集完数据的后续分析则至少还需要80人。2015年，美国空军就曾经因为缺少足够的训练有素的人而面临无人操作无人机的窘境。<span class="" data-note="Kate Brannen, ‘Air Force's lack of drone pilots reag “crisis” levels’,Fn Policy, 15 January 2015, fnpoli/2015/01/15/airforces-lack-of-drone-pilots-reag-crisis-levels/."></span>

    这样说来，2050年的就业市场的特点很可能在于人类与人工智能的合作，而非竞争。从警务到银行等各个领域，“人类+人工智能”的表现都能超越单纯的人类或单纯的计算机。在IBM的“深蓝”（Deep Blue）于1997年击败国际象棋特级大师加里·卡斯帕罗夫（Garry Kasparov）之后，人类并没有停止下棋。相反，在人工智能的协助下，人类的国际象棋大师水平比过去更高。至少有一段时间，被称为“半人马”（taur）的“人类+人工智能”组合，在国际象棋比赛中的表现比单纯的人类或计算机都要出色。很有可能，人工智能也能如法炮制，协助培养出历史上最优秀的侦探、银行经理和军人。<span class="" data-yler , Average is Over: P America Beyond the Age of the Great Stagnation (New York: Dutton, 2013); Brad Bush, ‘How bined human and puter intelligence will redefine jobs’, Tech ch (2016), https://tech/2016/11/01/how-bined-human-and-puter-intelligencewill-redefine-jobs/."></span>

    然而，这些新工作很可能需要高水平的专业知识，因此无法解决无技能失业者的就业问题。让失业者接受再培训之后去做这些工作，可能还不如直接创造完全属于人类的全新工作。在过去的自动化浪潮中，劳动者通常可以从某个低技能的工作轻松转到另一个低技能的工作。比如，1920年，因为农业机械化而失业的农场工人可以在生产拖拉机的工厂里找到新工作；1980年，工厂工人失业后，可以去超市当收银员。这种职业转变在过去是可行的，因为从农场到工厂、从?工厂到超市，都只需要稍加培训即可。

    但是到了2050年，收银员或纺织工人的工作全部由机器人接手之后，他们几乎不可能变身为癌症研究人员、无人机驾驶员或“人类+人工智能”的银行团队中的一员。他们缺少必备的技能。在第一次世界大战中，派出几百万名毫无作战经验的士兵扛着枪一阵乱射，牺牲成千上万人，其实是有意义的做法，毕竟当时个人的技术好坏并不会造成太大差异。但是今天，就算无人机驾驶员和资料分析师的岗位确实缺人，美国空军也不会找个失业的超市收银员来填补空缺。你不希望有个没经验的“菜鸟”把阿富汗的婚礼派对误认为是塔利班的高层集会吧？

    因此，虽然出现了许多新的人类工作，我们仍然可能看到新的“无用阶层”日益庞大。我们甚至可能两面不讨好：一方面许多人找不到工作，另一方面也有许多雇主找不到有技能的雇员。这有点儿像19世纪汽车取代马车时的情景，当时有许多马车夫转行当出租车司机，只是我们可能不是那些马车夫，而是被淘汰的马。

    此外，由于机器学习和 673a." >机器人技术还会持续进步，所以其实任何人类工作都有可能受到自动化的威胁。就算某位40岁失业的沃尔玛收银员靠着惊人的努力让自己改头换面成了无人机驾驶员，也很有可能在10年之后因为无人机也自动化了而必须再改头换面一次。职场波动如此剧烈，使得组织工会或保障劳工权益变得更加困难。我们现在就能够看到，即使是在发达经济体中，很多新工作的形态也是无保障的临时工、自由职业和一次性合作。<span class="" data-note="Lawrence F.Katz and Alan B.Krueger, ‘The Rise and Nature of Alternative Work Arras in the Uates, 1995–2015’, National Bureau of Eic Research (2016); Peter H.Cappelli and J.R.Keller, ‘A Study of the Extent and Potential Causes of Alternative Employment Arras’, ILR Review 66:4(2013), 874–901; Gret M.Spreitzer, Lindsey Cameron and Lyndon Garrett,‘Alternative Work Arras: Two Images of the New World of Work’,Annual Review anizational Psychology and anizational Behavior 4(2017), 473–99; Sarah A.Donovan, David H.Bradley and Jon O.Shimabukuru,‘What Does the Gig Eean for Workers?’, Washington Dgressional Research Service (2016), https://fas.p/crs/misc/R44365.pdf, accessed 11 February 2018; ‘More Workers Are in Alternative Employment Arras’, Pew Research ter, 28 September 2016, socialtrends./2016/10/06/the-state-of-ameri-jobs/st_2016-10-06_jobs-26/, accessed 11 February 2018."></span>如果某个专业在10年间就迅速起落，又怎么可能组织起工会呢？

    同样，“半人马”组合很有可能变成一场人类与计算机之间不断的拔河角力，而不是稳定的终身伙伴关系。完全由人类组成的团队（比如福尔摩斯和华生），常常会形成长期的阶层和惯例，并能够延续数十年。然而，如果侦探和IBM的超级计算机系统“沃森”合作［该人工智能系统2011年在电视益智抢答节目《危险边缘》（Jeopardy!）中获胜］，会发现所有的阶层都可能被打破，所有的惯例也都可能被干扰。昨天的搭档，明天可能就成了你的主管；所有的规章和守则也都必须每年重写。<span class="" data-note="David Ferrucci et al., ‘Watson: Beyond Jeopardy!’, Artificial Intelligence 199–200 (2013), 93–105."></span>

    仔细观察国际棋坛的动态，或许可以预估未来世界将走向何方。“深蓝”战胜卡斯帕罗夫之后的几年间，人机合作是国际棋坛的热门形式。但近几年来，计算机已经变得非常擅长下棋，以至于人类合作者失去了他们的价值，而且可能很快就会变得完全无关紧要。

    2017年12月7日，这是围棋具有里程碑意义的一天，但这一天并不是计算机击败人脑（那已经是旧闻了），而是谷歌的AlphaZero程序击败了Stockfish 8程序。Stockfish 8是2016年的全球计算机国际象棋冠军，运用的是几百年来累积的人类国际象棋经验，再加上几十年的计算机象棋经验，每秒计算7000万次走法。相较之下，AlphaZero每秒只计算8万次走法，而且写程序的时候完全没教它任何国际象棋规则，它连基本的起手下法都不会！AlphaZero完全是运用最新的机器学习原理，不断和自己下棋，就这样自学了国际象棋。虽然如此，在AlphaZero与Stockfish 8的100场比赛中，AlphaZero赢28场、平72场，完全未尝败绩。AlphaZero完全没向任何人类学习任何东西，许多获胜走法和策略对人类来说完全是打破常规的，可以说是创意十足，甚至是天纵英才。

    那么，AlphaZero从零开始学习国际象棋，用了多久才准备好与Stockfish 8的对局，而且发展出天才般的直觉？答案是4小时。你没看错，就是4小时。千百年来，国际象棋一直被认为是人类智慧的绝顶展现。但AlphaZero只花了4个小时，完全没有任何人类指导协助，就从一无所知变成创意十足的大师。<span class="" data-note="‘Google's AlphaZero Destroys Stockfish in 100-Game Match’, Chess.,6 December 2017, https://.chess./news/view/google-s-alphazerodestroys-stockfish-in-100-game-match, accessed 11 February 2018; David Silver et al., ‘Mastering Chess and Shogi by Self-Play with a General Reinfort Learning Algorithm’, arXiv (2017), https://arxiv./pdf/1712.01815.pdf,accessed 2 February 2018; see also Sarah Knaptoire Human Chess Knowledge Learned and Surpassed by Deep Mind's AlphaZero in Four Hours’,Telegraph, 6 December 2017, .telegraph.co.uk/sce/2017/12/06/entire-human-chess-knowledge-learned-surpassed-deepminds-alphazero/,accessed 11 February 2018."></span>

    AlphaZero绝不是市面上唯一能够拥有想象力的软件。现在许多程序已经不只在单纯的运算次数上超越人类棋手，就连“创意”也不在话下。现在在限定人类参加的国际象棋比赛中，裁判会不断注意是否有棋手偷偷用计算机作弊。而抓到作弊的方法之一，就是观察棋手所展现的原创性高低。如果有人走了极具创意的一步，裁判常常会怀疑这不是人走出来的，肯定是计算机走出来的。所以，至少在国际象棋这个领域，创意已经不是人类的专利，而是计算机的专利！以前会用金丝雀来侦测煤矿里是否出现有毒气体，而如果国际象棋是我们的煤矿金丝雀，我们已经收到警告：这只金丝雀正面临死亡。而现在发生在人类与人工智能国际象棋组合上的事情，未来也可能发生在警务、医药和银行业。<span class="" data-note=", Average is Over, op.cit.; Tyler , ‘What are humans still good for? The turning point iyle chess may be approag’ (2013), marginalrevolution.arginalrevolution/2013/11/what-are-humans-stillgood-for-the-turning-point-iyle-chess-may-be-approag.."></span>

    因此，创造新的工作、让劳动者接受再培训而重新就业，并不是能够一劳永逸的方法。人工智能革命不会是一个单一的分水岭，可别以为在这之后就业市场就会达到新的平衡状态。相反，破坏只会像雪崩般扩大。现在已经很少有人认为自己能够一辈子都做同一份工作。<span class="" data-note="Maddalaine Ansell, ‘Jobs for Life Are a Thing of the Past.Bring On Lifelong Learning’, Guardian, 31 May 2016, https://.theguardian./highereducatiowork/2016/may/31/jobs-for-life-are-a-thing-of-the-past-bring-onlifelong-learning."></span>而到了2050年，别说同一份工作，就连同一个专业领域也不太可能让人待一辈子。

    就算我们真的能够不断创造出新工作，让劳动者接受再培训，但像这样生活永无宁日，一般人的精神又是否能撑得下去？变化总会带来压力，21世纪初的纷纷扰扰，已经造成全球性的压力蔓延。<span class="" data-note="Alex Williams, ‘Prozaation Is Now the Uates of Xanax’, New York Times, 10 June 2017, https://.nytimes./2017/06/10/style/ay-is-thenew-depression-xanax.."></span>而随着就业市场和个人职业生涯的波动不断加剧，人类是否真能应对？或许，人类将会需要更有效的减压方式（从药物、神经反馈到冥想等），来避免智人精神崩溃。到2050年，“无用阶层”的出现可能不只是因为找不到工作、没受过相关教育，还可能因为精神动力不足。

    显然，以上大部分只是猜测。在本书写作的此时（2018年年初），自动化已经对许多产业造成影响，但尚未导致大量失业。事实上，在美国等许多国家，失业率已降至历史最低点。没人能够确定机器学习和自动化究竟会对未来的各种行业产生怎样的影响，想预估相关时间表也绝非易事。特别是这一切不只要看科技上的突破，各种政治决策与文化传统的影响也至关重要。因此，就算已经证明自动驾驶汽车比人类司机更安全、更便宜，政客和消费者仍然可能会在几年甚至几十年间抗拒改变。

    但我们也不能过于乐观。一心认为会有足够的新工作来弥补被淘汰的工作，将会十分危险。在过去的自动化浪潮中曾发生的这一事实，并不能保证一定会在21世纪这个极为不同的情境下再次发生。一旦真的发生系统性大规模失业，潜在的社会和政治干扰将会极为严重，因此就算发生系统性大规模失业的可能性非常低，我们也必须严肃对待。

    19世纪工业革命兴起之后，当时的社会、经济和政治模式都无法应对相关的新情况和新问题。封建主义、君主制和传统宗教不适合管理工业大都市、几百万背井离乡的工人，并面对现代经济不断变化的本质。于是，人类必须开发全新的模式——自由民主国家、独裁政权、法西斯政权，再用超过一个世纪的惨痛战争和革命来测试这些模式，去芜存菁，以找出并实践最佳解决方案。狄更斯笔下的煤矿童工、第一次世界大战和1932—1933年的乌克兰大饥荒，都只是人类付出昂贵学费的一小部分。

    信息技术和生物技术在21世纪给人类带来的挑战，会比蒸汽机、铁路和电力在上个时代带来的挑战大得多。由于现代文明的破坏力过于惊人，人类实在禁不起更多的测试失败、世界大战或血腥革命。现代如果测试失败，可能导致的就是核战争、基因工程怪物或生物圈的彻底崩溃。所以，我们只能比面对工业革命时做得更好才行。

    <h3>从剥削到无足轻重</h3>

    可能的解决方案分为三大类：如何避免工作消失；如何创造足够的新工作；就算尽了最大的努力，但消失的工作还是远远多于新创造的就业机会，该怎么办？

    避免工作消失，是最没有吸引力也最无法达成的策略，因为这代表着要人类放弃人工智能和机器人的巨大潜力。然而，政府可能会有意放慢自动化的脚步，以减少造成的冲击，争取时间进行调整。技术从来不是只有一条路：事情“可以做”并不意味着“必须做”。运用政府法规的牵制，就算某项新技术已经在商业上可行、在经济上有利可图，也能把它挡下来。比如，这几十年来，人类的技术发展早就足以创造出一个人体器官市场，在欠发达国家开设“人体农场”，应对富裕买家几乎永无止境的需求。像这样的“人体农场”，市场价值可能高达数千亿美元。然而，靠着各项法规禁止人体器官自由交易，虽然还是有黑市，但毕竟规模远小于原本可能的状况。<span class="" data-note="Simon Rippon, ‘Imposing Options on People in Poverty: The Harm of a Live Dan Market’, Journal of Medical Ethics 40 (2014), 145–50; I.Glenn , ‘Regulating the an Market: Normative Foundations for Market Regulation’, Law and porary Problems 77 (2014); Alexandra K.Glazier,‘The Principles of Gift Law and the Regulation an Donation’, Transplant Iional 24 (2011), 368–72; Megan Mdrews and Walter E.Block,‘Legalizing Saving Lives: A Proposition for the an Market’, Insights to Aging World Journal 2015, 1–17."></span>

    放慢改变的速度，或许能让我们有时间创造足够多的新工作机会来弥补大部分损失。但就像前面说的，经济上的开创精神必须搭配教育和心理方面的变革。假设新的工作岗位不仅仅是政府部门的职位，那么也就可能需要高水平的专业知识；而且，随着人工智能不断改良，人类劳动者也需要不断学习新技能，改变自己的专业领域。政府必然需要介入，一方面提供终身教育补贴，另一方面提供安全网，协助国民面对无法避免的过渡期。假设一位40岁的前无人机驾驶员需要三年时间才能成功转型为虚拟世界的设计师，在这段时间内，他和他的家人很可能需要很多的政府协助才能维持生活。（目前北欧各国正在试行此类方案，信念在于“保护劳工，而不是保护工作”。）

    然而，就算有足够的政府协助，像这样让几十亿人不断重新再造自我，究竟会不会影响人们的心理平衡，仍是未知数。如果就算我们付出一切努力，还是有相当比例的人口被挤出就业市场，那么我们将不得不寻找新的模式，来面对“后工作社会”、“后工作经济”和“后工作政治”等种种议题。第一步就是要诚实承认，我们固有的社会、经济和政治模式并不足以对付这样的挑战。

    有些人可能会说，就算人类无法在工作上与人工智能竞争，但还是要靠人来消费吧？人类怎么可能会在经济上无足轻重呢？然而，未来的经济究竟还需不需要由人来作为消费者，现在实在很难说，因为机器和计算机也可以成为消费者。理论上，让A矿业公司生产和售卖铁砂给B机器人公司，B机器人公司再生产和售卖机器人给A矿业公司，A矿业公司于是生产更多铁砂，让B机器人公司能生产更多机器人，这样就形成一个经济环。只要两家公司不断互相交易，就能不断成长扩张到银河系的彼端。它们只要有机器人和计算机就行了，根本不需要人类作为消费者。

    事实上，现在已经有计算机和算法不再只是生产者，还同时扮演起了客户的角色。例如在证券交易所，算法正成为债券、股票和期货的最重要买家。同样，广告业最重要的客户也是算法：谷歌搜索算法。现在设计师设计网页的时候，常常迎合的是谷歌搜索算法，而不是哪个人的品位。

    算法显然没有意识，所以不会像人类消费者那样享受自己购买的物品，做决定时也不会受到感觉和情绪的影响。毕竟，谷歌搜索算法怎么都不可能真的尝一口冰激凌。然而，算法会依据其内部运算和内置偏好来做出各种选择，而这些内置偏好对人类世界的影响也日益增加。以冰激凌品牌为例，谷歌搜索算法对网页搜索结果的排序有十分复杂的考虑，而全球最成功的冰激凌品牌就是被谷歌排在前面的那几家——不见得是真正最好吃的那几家。

    我是从自身经历中体会到这一点的。每次我出书的时候，出版社都会请我写个简短的介绍，让他们用于网络宣传。但出版社会把我写的文字改成迎合谷歌算法的版本。在看过我写的文字后，出版社告诉我：“不要用这个字，换成那个字比较好，能在谷歌算法里得到更多的关注。”我们知道，只要抓住了算法的目光，抓住人类的目光就是自然而然的事了。

    这样一来，我们既不需要人类作为生产者，也不需要人类作为消费者，那么，什么能保障人类的生存与心理健康呢？我们不能等到危机彻底爆发才开始寻找答案，那时候就太迟了。为了应对21世纪这一前所未有的科技和经济动荡局面，需要尽快发展新的社会及经济模式，并以“保护人类，而不是保护工作”为指导原则。很多工作不过是无聊的苦差事，本就应该被淘汰。例如，没有人一辈子的梦想是成为收银员吧？我们应该关注的是要满足人类的基本需求，以及保护其社会地位和自我价值。

    有一种新模式越来越受到关注，即全民基本收入（universal basie, UBI）。全民基本收入认为，政府应该对控制算法和机器人的亿万富翁和企业征税，再用这笔税金为每个人提供足以满足其基本需求的慷慨津贴。这样一来，既能解决因失业和经济混乱而产生的贫穷问题，也能保护富人不受平民主义的怒火洗礼。<span class="" data-note="James J.Hughes, ‘A Strategic Opening for a Basie Guarantee in the Global Crisis Being Created by AI, Robots, Desktop Manufacturing and BioMedie’, Journal of Evolution & Teology 24 (2014), 45–61; Alan Cottey, ‘Teologies, Culture, Work, Basie and Maximum Ine’, AI& Society 29 (2014), 249–57."></span>

    一个相关的建议是要扩大“工作”的定义。目前有几十亿个父母照顾着孩子，邻居照顾着彼此，民众组织着种种社群，这些活动都有其价值，但都不被认可为“工作”。或许我们应该改变一下观念，意识到照顾孩子可以说是世界上最重要、最具挑战的工作。这样转念之后，就算计算机和机器人取代所有司机、银行经理和律师的工作，也不会出现工作短缺的状况。当然，接下来的问题就是该由谁来考核这些新认定的“工作”，并为其付费。6个月大的婴儿大概还没办法付给妈妈工资，这时就需要政府承担起这个责任。另外，如果我们希望此类薪水足以负担家庭的基本开销，那么最终这和全民基本收入也就没有太大差异了。

    还有一种做法，政府可以提供全民基本服务，而非全民基本收入。换言之，政府不是直接给钱让人乱花，而是提供免费的教育、医疗保健、交通等服务。事实上，这就是共产主义描绘的愿景。

    目前我们还不知道，究竟是该为民众提供全民基本收入（资本主义的天堂）还是全民基本服务（共产主义的天堂）。两个选项各有优缺点。但无论你选择哪个天堂，真正的问题还是在于“全民”与“基本”的定义。

    <h3>什么是“全民”？</h3>

    无论是全民基本收入还是全民基本服务，通常认为都是由国家来提供的。到目前为止，各种全民基本收入措施都还只是明确限定在某个国家或某个城市执行。2017年1月，芬兰开始为期两年的试点，为2000位失业的芬兰人每月提供560欧元，不论他们在试点开始之后是否找到工作。在加拿大的安大略省、意大利的里窝那市（Livorno）和荷兰的几个城市，也有类似的试点正在进行。<span class="" data-note="Jon Henley, ‘Finland Trials Basie for Unemployed,’ Guardian, 3 January 2017, https://.theguardian./world/2017/jan/03/finland-trialsbasie-for-unemployed, accessed 1 March 2018."></span>（2016年，瑞士举行了全民基本收入提案公投，但选民最后否决了这项提案。<span class="" data-note="‘Swiss Voters Reject Proposal to Give Basie to Every Adult and Child’,Guardian, 5 June 2017, https://.theguardian./world/2016/jun/05/swissvote-give-basie-every-adult-child-marxist-dream."></span>）

    这些国家或城市计划的问题在于，自动化的主要受害者可能并不住在芬兰、安大略、里窝那或阿姆斯特丹。在全球化的影响下，某国人民的生计可能完全依赖其他国家的市场，然而，自动化可能会对这种全球贸易网络的大部分地区造成破坏，给最脆弱的环节带来灾难性的后果。在20世纪，缺乏自然资源的发展中国家主要是靠出售非技术工人的廉价劳动力取得经济进步。今天，仍有数百万孟加拉国人靠制作衬衫卖给美国以营生；在印度的班加罗尔，也有许多人是在客服中心为美国企业处理客户投诉电话。<span class="" data-note="Isabel Hunter, ‘Crammed into squalid factories to produce clothes for the West on just 20p a day, the children forced to work in horrifiregulated workshops of Bangladesh’, Daily Mail, 1 December 2015, .dailymail.co.uk/news/article-3339578/Crammed-squalid-factories-produce-clothes-West-just20p-day-children-forced-work-horrifiregulated-workshops-Bangladesh., accessed 15 October 2017; Chris Walker and Man Hartley, ‘The Culture Shock of India's Call ters’, Forbes, 16 December 2012, https://.forbes./sites/manhartley/2012/12/16/the-culture-shock-of-indiascall-tres/#17bb61d372f5, accessed 15 October 2017."></span>

    然而，随着人工智能、机器人和3D打印的兴起，廉价非技术工人的重要性将会大大降低。对纽约人来说，以后不用大老远地在孟加拉国生产衬衫再运到美国了，只要在亚马逊网络商店选购中意衬衫的程序代码，就能直接在纽约将衬衫3D打印出来。第五大道上的Zara（服装品牌）和普拉达（Prada）店面可能会被位于布鲁克林的3D打印中心取代，甚至有些人可能家里就有一台3D打印机。同时，如果打印机出了问题，也不用打电话到班加罗尔的客服中心，而是直接和谷歌云服务的人工智能厂商代表对谈（人工智能的口音和语调还能依你的喜好来选择）。于是孟加拉国和班加罗尔的纺织工人和客服人员失业了，却又得不到必要的培训以转向时尚衬衫设计或计算机编程，他们要怎么生存下去？

    如果人工智能和3D打印确实接手了过去在孟加拉国和班加罗尔的工作，那么过去流向南亚的收入现在则流进了加州少数科技龙头企业的金库。于是，全球经济虽然增长，却不是让全球的情况普遍改善。我们看到的是像硅谷之类的高科技中心财源滚滚，而许多发展中国家经济崩溃。

    当然，包括印度和孟加拉国在内的一些新兴经济体也有可能进步得很快，一起加入胜利者的队伍。只要有足够的时间，纺织工和客服中心人员的子孙也可能成为工程师或创业者，负责制造甚至自己就拥有计算机和3D打印机。然而，能够这样转业的时间正点滴流逝。在过去，廉价的非技术劳动力就像一道跨越全球经济鸿沟的稳固桥梁，就算某国发展速度缓慢，最后还是可以平安跟上彼方的脚步。在当时，走得稳比走得快重要得多。然而，现在这道桥梁正摇摇欲坠。已经成功跨过桥梁（已从廉价劳动力发展到高技能产业）的国家，大概前景可期；但还落在后面的国家，可能就会发现自己被困在鸿沟错误的那一边，再也没有任何方式能追赶彼方。如果再也没有人需要你的廉价非技术劳动力，而你又没有资源打造良好的教育体系、教授劳动力新的技能，岂不就束手无策？

    这样一来，那些落在后方的人会面临怎样的命运？美国选民大概会同意，亚马逊和谷歌这些美国企业在美国缴的税，可以用来为宾夕法尼亚失业的矿工或纽约失业的出租车司机提供津贴或免费服务。只不过，如果是特朗普口中的“屎洞国家”，美国选民是否也会同意把税金拿去补贴这些地方的失业民众？<span class="" data-note="Lauren Gambini, ‘Trump Pans Immigration Proposal as Bringing People from“Shithole tries”’, Guardian, 12 January 2018, https://.theguardian./us-news/2018/jan/11/trump-pans-immigration-proposal-as-bringingpeople-from-shithole-tries, accessed 11 February 2018."></span>如果你以为真有这种可能，还不如说圣诞老人和复活节兔子会跳出来解决这个问题。

    <h3>什么是“基本”？</h3>

    全民基本收入和全民基本服务的用意，就是要照顾基本的人类需求，但“基本的人类需求”并没有公认的定义。从纯粹的生物学角度来看，智人每天只需要1500~2500卡路里热量就足以存活。高于这个数字，其实就是奢侈。但历史上所有文化所认为的“基本”，都不止于这条“生物贫穷线”。在中世纪欧洲，可能认为参加教堂礼拜比食物更重要，因为礼拜看顾的是你永恒的灵魂，而不是你暂时的身体；而在今日的欧洲，良好的教育和医疗保健服务被认为属于人类的基本需求。还有人甚至认为，现在对于男女老幼而言，使用互联网属于基本需求。如果2050年有个世界联合政府，决定向谷歌、亚马逊、百度和腾讯征税，好为世界上所有人（不论是在孟加拉国还是在底特律的居民）提供基本收入或服务，这里的“基本”究竟该如何定义？

    举例来说，基本教育包括什么？是只要有读写能力就行，还是要会写计算机程序和拉小提琴？是只要提供6年的小学教育，还是要一路照顾到获得博士学位？医疗保健呢？如果2050年医学发展已经能够推迟衰老、显著提升人类寿命，这些新的疗法是该让全球百亿人口雨露均沾，还是让少数亿万富翁个人独占？如果生物技术已经能让父母把儿女“升级”，这会被认为是全人类的基本需求吗？还是我们会看到人类分裂成不同的生物种姓，一边是富有的超人类，所拥有的能力远超另一边可怜的智人族群？

    不论选择如何定义“基本的人类需求”，一旦免费提供给所有人，就会被视为理所当然，接着就会出现激烈的社会竞争和政治角力，争夺种种“非基本”的奢侈品，不管是拥有自驾车、使用虚拟现实公园的权利，还是由生物工程增强身体健康。然而，如果失业民众手中没有任何经济资产，很难想象他们究竟要怎样才有可能取得这些奢侈品。这样一来，富人（腾讯的高层、谷歌的股东）与穷人（依赖全民基本收入的人）之间的差距可能不仅比现在更大，而且更无跨越的可能。

    因此，就算2050年已经有些全民基本方案，能够为穷人提供比今天更好的医疗保健服务和教育，他们仍然会对全球的不平等和缺乏社会流动而感到愤怒。民众会觉得整个社会系统对他们不公，政府只为超级富豪服务，而且自己和子女的未来除了往下滑落便别无其他方向。<span class="" data-note="环境整体改善时，相对的不平等也可能加剧，此种论点参见：Thomas Piketty, Capital iwenty-First tury (Cambridge, MA: Harvard Uy Press, 2013)."></span>

    智人本来就不是一种会满足于现状的动物。他们的快乐很少取决于客观条件，而多半取决于自身的期望。然而，期望又往往会因为各种条件（甚至包括其他人的条件）而不断调整。整体客观条件改善的时候，期望也会随之膨胀，于是虽然客观条件可能已经大幅提升，我们却可能还是像以前一样不满。今天，如果全民基本<bdi></bdi>收入和服务的目标是要改善2050年一般民众享有的客观条件，那么成功的概率应该不小。但如果它的目标是要让人对自己所享有的一切在主观上更满足，并且避免社会产生不满的情绪，那么失败的机会应该就很大。

    要真正实现其目标，全民基本收入和服务还必须搭配让人民有些有意义的目标，从体育到宗教，等等。讲到要在“后工作世界”过着幸福满足的生活，或许到目前为止最成功的实验方案出现在以色列：有大约50%的极端正统派男性犹太教徒从不工作，把生命都奉献给研读宗教经典、进行宗教仪式。他们和家人之所以不会饿死，一部分原因在于他们的妻子通常都有工作，另一部分原因则在于政府会为他们提供慷慨的补贴和各种免费服务，确保他们拥有基本的生活必需品。早在“全民基本收入”这种说法出现之前，犹太教就已经抢先一步。<span class="" data-note="‘2017 Statistical Report on Ultra-Orthodox Society in Israel’, Israel Democrastitute and Jerusalem Institute for Israel Studies (2017), https://en.idi..il/articles/20439, accessed 1 January 2018; Melanie Lidman, ‘As ultra-Orthodox women bring home the ba, don't say the F-word’, Times of Israel, 1 January 2016, https://.timesofisrael./as-ultra-orthodox-women-bring-home-the-ba-dont-say-the-f-word/, accessed 15 October 2017."></span>

    虽然这些极端正统派犹太男性又穷又失业，但一次又一次的调查显示，他们的生活满意度比以色列社会其他任何阶层都高。原因在于整个社群心手相连的力量，以及他们在研读经典、执行仪式时寻得的深切意义。如果说一边是一个小房间，里面满是犹太男性讨论着《塔木德》，另一边是一整座大型血汗纺织工厂，里面满是纺织工人在辛苦地工作，那么比较欢乐、比较有参与感、比较有想法的，大概会是那个小房间里的人。多亏了这群又穷又失业的人，在全球生活满意度调查里，以色列的排名也算是名列前茅。<span class="" data-note="Melanie Lidman, ‘As ultra-Orthodox women bring home the ba, don't say the F-word’, Times of Israel, 1 January 2016, https://.timesofisrael./as-ultra-Orthodox-women-bring-home-the-ba-dont-say-the-f-word/, accessed 15 October 2017; ‘Statistical Report on Ultra-Orthodox Society in Israel’, Israel Democrastitute and Jerusalem Institute for Israel Studies 18(2016), https://en.idi..il/media/4240/shnaton-e_8-9-16_web.pdf, accessed 15 October 2017.在经济合作与发展组织（OECD）最近调查的38个经济体中，以色列的快乐指数排名第11，参见：‘Life Satisfa’, OECD Better Life Index, .oecdbetterlifeindex./topics/life-satisfa/, accessed 15 October 2017."></span>

    世俗的以色列人常常抱怨极端正统派对社会贡献太少，都是靠着别人的努力来过活。世俗以色列人也常常认为，极端正统派的生活方式不可能永续，特别是极端正统派的家庭平均足足有7个小孩。<span class="" data-note="‘2017 Statistical Report on Ultra-Orthodox Society in Israel’, Israel Democrastitute and Jerusalem Institute for Israel Studies (2017), https://en.idi..il/articles/20439, accessed 1 January 2018."></span>国家迟早会无法应对这么多的无业人口，让极端正统派不得不去上班。但事情可能正好相反。随着机器人和人工智能把人类赶出就业市场，极端正统派犹太人有可能会变成未来的楷模，而不是过去的化石。并不是说每个人都要变成正统派犹太教徒、上犹太初等学校、研读《塔木德》，但对所有人来说，对于意义、对于社群的追求，将有可能变得比对工作的追求更为重要。

    如果我们能够打开一张全民经济安全网，再结合强大的社群及有意义的目标，那么工作被算法抢走也可能是塞翁失马。话虽如此，如果被抢走的是对生命的控制权，情况就可怕得多了。虽然我们正面临着人类大规模失业的危险，但更该担心的其实是人类目前握有的权威被算法夺走。这样一来，可能会让人类对自由主义这套故事彻底失去信心，而开启一条通往数字独裁的道路。

百度搜索 今日简史 天涯 或 今日简史 天涯在线书库 即可找到本书最新章节.