
機器人的崛起將導致人類失業(yè)?經濟學家并不這么看
近年來,人工智能和機器人得到了突飛猛進的發(fā)展。這導致一些人預測:未來人類將無法找到工作。
中英雙字視頻如下:
機器人的崛起并不意味著人類的失業(yè)
針對不方便打開視頻的小伙伴,CDA字幕組也貼心的整理了文字版本,如下:
十年前,機器人看起來還很有局限性。
如今,已經大不相同。
計算機不僅僅能贏得國際象棋 ;它們還能在《危險邊緣》中獲勝(《危險邊緣》(Jeopardy)美國智力問答節(jié)目);它們還能在圍棋中獲勝。
這一切都發(fā)生地非???。這導致一些人預測:未來人類將無法找到工作。
但如果你去問經濟學家,他們的看法往往與未來學家和硅谷精英們截然不同。
“你是否擔心新的科技將導致大規(guī)模失業(yè)?”
Heidi Shierholz: 高級經濟學家,經濟政策研究所
"不擔心。 "
Martin Ford:企業(yè)家,《機器人崛起》的作者
"擔心。"
Heidi Shierholz: 高級經濟學家,經濟政策研究所
"我致力于研究勞動力市場,尤其是關于中低收入工人的生活水平。我擔憂很多問題,但我對這件事并不擔憂。"
很多經濟學家對于機器人將搶走所有工作持懷疑態(tài)度的原因之一在于 ,之前我們聽說過這種說法。
歷史因素
在20世紀30年代末,對自動化的擔憂出現(xiàn)激增。
當時機器開始取代一些農場和工廠的工作。這篇1928年的文章指出 ,當時在紐約的地鐵有人負責開關地鐵門,而且在閘機出現(xiàn)前有人負責檢票。
對自動化的焦慮在50年代末和60年代初再次飆升。肯尼迪總統(tǒng)將自動化列為造成就業(yè)挑戰(zhàn)的首要因素。
一篇發(fā)表于1958年的文章表示,當時約有17000名碼頭工人在碼頭上抗議自動化。
如果你不知道碼頭工人是什么,那是因為如今從事這種職業(yè)的人已經很少了。科技摧毀了大量這類工作。
但話又說回來,我們并沒失去工作。
這張圖表顯示了在美國處于壯年期有工作的人口。
自從女性大量加入勞動力大軍以來,工作的人口占比一直處于80% 除了經濟衰退時期。
在此期間,在美國技術取代了約八百萬農民、七百萬工廠工人、超過一百萬鐵路工人,以及成千上萬的電話接線員。
大量工作已經消亡,但工作仍在存在。
當看到這些過去的報道時,我們很容易看到哪些工作被機器所取代了,但想象之后會出現(xiàn)哪些工作就不太容易了。
科技將帶來新的工作
新型科技通過一些方式產生新的工作。
有一些直接的工作,需要人們來設計和維護科技;有時科技會孕育出全新的行業(yè)。
但我們往往忘記是,那些節(jié)省勞力發(fā)明的間接作用。當企業(yè)用更少的精力能完成更多內容,它們能夠擴張,也許產生新的產品,或者新開設新辦公點,然后降低成本用于競爭。
這意味著消費者可以買更多它們的產品,或者我們不需要更多這種產品的話,我們可以省錢買更多其他產品。也許用來觀看更多的體育賽事或者出去就餐;或者更多的理發(fā);為孩子增加日托等。
這個過程顯示了我們的生活水平是如何隨著時間而提升,而且當中總是需要人工作。
Heidi Shierholz: 經濟學家
"這里的關鍵經濟邏輯是,自動化確實取代了一些工作。但因為相互抵消,實際上并沒有影響到就業(yè)的總人數。"
關于"工作的終結"的警示只關注了這部分內容,而忽視了另一部分的內容。
就像在2013年被廣泛引用的一項研究。
"根據牛津大學的一份研究 ,在未來的十年到二十年內,美國47%的工作將被機器人取代。"
這項研究對自動化技術的能力進行了評估,但沒有嘗試評估自動化實際的程度和發(fā)展情況,或者對就業(yè)的整體影響。
這并不意味著新的工作會馬上出現(xiàn),也不意味著新工作將出現(xiàn)在同樣的領域,而且與消亡的工作薪資一樣。這意味著對人類工作的整體需求并沒有消失,
技術專家和未來學家沒否認這是歷史上的事實,但他們質疑歷史是否能很好地指導未來的發(fā)展。
Martin Ford:企業(yè)家,《機器人崛起》的作者
"歸根結底,爭論在于這次是截然不同的,我是這么認為的。想象一下機器能夠將日常的工作都自動化,這就是我們現(xiàn)在在探討的,而且將會是全面的。"
對科技的低估
人們常常會低估科技的發(fā)展。
在一本出版于2004年的書中,兩名經濟學家對未來自動化進行評估:認為教會計算機駕駛交通設施這類任務是"非常困難的"。
同年,一篇回顧了50年研究的文章得出結論:人類級別的語音識別已經被證明是一個難以實現(xiàn)的目標。
如今呢?
這是計算機硬件發(fā)展的圖表。
這是隨著時間的推移,工程師們壓到電腦芯片上晶體管的數量。已經相當可觀了,但注意這不是按一般比例增長,這些數字呈指數級增長。
從線性尺度來看,應該是這個樣子。很難想象這不會造成顛覆性的影響。
正如《第二個機器時代》的作者指出,"處理器并不是計算能力的成指數性提升唯一維度。"
Martin Ford:企業(yè)家
"你在日常生活中遇到的加速是什么概念?也許是在汽車中幾秒的加速,或者是在飛機內的幾秒。有些東西能在幾十年內持續(xù)加速,這并不是我們能控制的,我們認為是直線發(fā)展?!?
自動化的增長≠生產力的增長
但這些創(chuàng)新并沒有顯示在數據中。
Heidi Shierholz: 經濟學家
"說道自動化的大幅增長,我們會想到生產力的增長比通常要快得多,而我們卻看到了相反的情況。"
勞動生產率是衡量我們生產的商品和服務除以工作時間的標準。
隨著時間的推移,我們能用較少的勞動力做更多的事情,我們的效率更高。
如果看到大量節(jié)省勞動力的創(chuàng)新,你會預期這條線變得更陡。
但當看到生產率增長時,你會發(fā)現(xiàn)自本世紀初以來生產率一直在放緩,不僅僅美國是這種情況。
新技術正在改變我們的生活,也許并沒有從根本上改變經濟。
那么這都會改變嗎?
今天的機器人和人工智能會造成大規(guī)模失業(yè)嗎?
我們有理由懷疑,但沒人真正知道。
但我們知道的是,技術創(chuàng)造的財富并不一定與就業(yè)者們分享。
當通貨膨脹時,隨著經濟的增長,大多數家庭的收入都保持在相當低的水平。
Heidi Shierholz: 經濟學家
"在過去四十年中,我們看到的一個問題是:生產率的增長并沒有被廣泛的分享,這只被一小部分高收入的人群所獲得。"
即使失業(yè)率保持在低水平,自動化也可能加劇經濟不平等。
《英國金融時報》:
"美國社會流動差距在持續(xù)擴展。"
在美國,這種情況已經比大多數其他發(fā)達國家更為嚴重。
Bloomberg :
"OECD (經合組織) 表示,智利、墨西哥和美國的不平等程度最高。"
但科技并不是定數。
美國《國會山報》:
"自2014年以來 沒有醫(yī)療保險的人口比例首次增長。"
Martin Ford:企業(yè)家
"我們已經采取了一些政策,并不是試圖抵消技術 全球化和其他因素造成的趨勢。我們在很多情況下加劇了這種趨勢。我們在這背后助力,讓這發(fā)展得更迅猛,這是個大問題。"
我們可能會一直被機器人將取代我們工作的前景所吸引。但是,如果把注意力集中在我們無法控制的事情上,我們就會忽視我們能做的事情。
如何學習 AI
人工智能的發(fā)展離不開人才的培育,而CDA數據分析師作為行業(yè)的領頭羊,將從各個應用場景入手,用實際案例教學來使CDA人工智能工程師就業(yè)班課程更能符合行業(yè)要求。
掃描二維碼,報名CDA人工智能工程師就業(yè)班,抓住機遇,贏在未來。咨詢電話:趙老師 18510169390。
掃描二維碼 報名加入
數據分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
訓練與驗證損失驟升:機器學習訓練中的異常診斷與解決方案 在機器學習模型訓練過程中,“損失曲線” 是反映模型學習狀態(tài)的核心指 ...
2025-09-19解析 DataHub 與 Kafka:數據生態(tài)中兩類核心工具的差異與協(xié)同 在數字化轉型加速的今天,企業(yè)對數據的需求已從 “存儲” 轉向 “ ...
2025-09-19CDA 數據分析師:讓統(tǒng)計基本概念成為業(yè)務決策的底層邏輯 統(tǒng)計基本概念是商業(yè)數據分析的 “基礎語言”—— 從描述數據分布的 “均 ...
2025-09-19CDA 數據分析師:表結構數據 “獲取 - 加工 - 使用” 全流程的賦能者 表結構數據(如數據庫表、Excel 表、CSV 文件)是企業(yè)數字 ...
2025-09-19SQL Server 中 CONVERT 函數的日期轉換:從基礎用法到實戰(zhàn)優(yōu)化 在 SQL Server 的數據處理中,日期格式轉換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關聯(lián)查詢效率:打破 “拆分必慢” 的認知誤區(qū) 在 MySQL 數據庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18DSGE 模型中的 Et:理性預期算子的內涵、作用與應用解析 動態(tài)隨機一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數據分析師:解鎖表結構數據特征價值的專業(yè)核心 表結構數據(以 “行 - 列” 規(guī)范存儲的結構化數據,如數據庫表、Excel 表、 ...
2025-09-17Excel 導入數據含缺失值?詳解 dropna 函數的功能與實戰(zhàn)應用 在用 Python(如 pandas 庫)處理 Excel 數據時,“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗與 t 檢驗:差異、適用場景與實踐應用 在數據分析與統(tǒng)計學領域,假設檢驗是驗證研究假設、判斷數據差異是否 “ ...
2025-09-16CDA 數據分析師:掌控表格結構數據全功能周期的專業(yè)操盤手 表格結構數據(以 “行 - 列” 存儲的結構化數據,如 Excel 表、數據 ...
2025-09-16MySQL 執(zhí)行計劃中 rows 數量的準確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調優(yōu)中,EXPLAIN執(zhí)行計劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實踐指南 在 Python 進行 HTTP 網絡請求開發(fā)時(如使用requests ...
2025-09-15CDA 數據分析師:激活表格結構數據價值的核心操盤手 表格結構數據(如 Excel 表格、數據庫表)是企業(yè)最基礎、最核心的數據形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調用、數據爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點數據的科學計數法問題 為幫助 Python 數據從業(yè)者解決pd.read_csv讀取長浮點數據時的科學計數法問題 ...
2025-09-12CDA 數據分析師:業(yè)務數據分析步驟的落地者與價值優(yōu)化者 業(yè)務數據分析是企業(yè)解決日常運營問題、提升執(zhí)行效率的核心手段,其價值 ...
2025-09-12用 SQL 驗證業(yè)務邏輯:從規(guī)則拆解到數據把關的實戰(zhàn)指南 在業(yè)務系統(tǒng)落地過程中,“業(yè)務邏輯” 是連接 “需求設計” 與 “用戶體驗 ...
2025-09-11塔吉特百貨孕婦營銷案例:數據驅動下的精準零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當下,精準營銷成為企業(yè)突圍的核心方 ...
2025-09-11