AI机器人大规模上岗之后,我们会不会变得更好

简介: 四年时间,对于这一次人工智能浪潮来说,已经足够引发一场沧桑巨变了。只有2%的人能够跨越这场智能时代的革命,剩下98%的人都可能是被人工智能所取代或淘汰,那么这些人未来该如何生活?

四年时间,对于这一次人工智能浪潮来说,已经足够引发一场沧桑巨变了。

记得2016年在北京一所高校的大礼堂里听到知名科普作家和硅谷投资人吴军在推荐他当时的新书《智能时代》,他在台上大胆预言:只有2%的人能够跨越这场智能时代的革命,剩下98%的人都可能是被人工智能所取代或淘汰的那些人。

当时的我对这一结论是深表怀疑的,分享结束之后,我专门挤到台上问了吴军博士这个问题:如果98%的人注定要被淘汰,那么这些人未来该如何生活?

时间关系,吴军博士也并没有能够给出过多解释,他较为乐观地说,未来可能要寄托在政府的强力调控,由富人多纳税,来增加其他阶层的福利。不管这种理想社会的图景是否会出现,人工智能技术在此后几年的狂飙突进,确实要超出我们的预期,而且“智能”替代“人工”的趋势也愈发明显。
image.png

上周我参加了今年的北京国际信息通信展,亲眼见证了5G网络、人工智能技术正在对传统产业工作方式的创新革命,无人车间、港口货运调度的远程操作、自动驾驶送货等。越来越多的场景都在出现AI机器人对于人工劳动力的替代,或者因为人工智能技术的应用,大幅减少了现场的运维人员。

我们看到这一趋势造成了两种结果,一种是很多人的工作岗位被AI所替代,这些人不得不另谋生计;另一种是AI代替了众多充满重复性、危险性的工种,客观上增加了劳动者的劳动福利。

显然无论出于哪种考虑,人工智能技术的发展趋势都只会越来越快,而我们不得不面对人工智能技术对于替代我们工作岗位的可能性威胁,也必须要思考大规模人工智能技术上岗之后,对于人类劳动者所带来的正反两面的作用和影响。

疫情之下,一大波AI机器人正在上岗

今年新冠疫情的出现,导致了一左一右的两个趋势加速:一个是全球化的退潮,从开放交流走向相互封闭、各自为战,跨国人员流动的大幅缩减;一个是数字经济的加速,疫情导致的物理隔离,引发了传统产业的数字化升级和在线办公模式的增长,当然这一趋势在疫情之前就早已出现。

简单来说,就是物理世界中尽可能减少人际接触,数字世界里尽可能增加人机交互、人际互动。无论是个人的直观经验,还是根据媒体报道所看到的趋势,我们都能深刻感受到数字技术当中,AI技术正在对现有工作方式的革新,以及对现有工作者的替代和支配。

疫情的出现为这种AI机器人的上岗提供了绝佳的机会。比如,英国和澳洲的一些农场,在这个季节正在迎来水果、蔬菜的大规模成熟,原本这个时候这些农场会雇佣季节性的采摘工人,通常是由东欧来的工人和国外各地的背包客们完成采摘任务,但是受今年疫情影响,这些人入境困难,一度造成非常严重的用工荒。

英国的一些农场开出500英镑每周的薪资,也很难发动起本地的年轻人来从事这些辛苦而枯燥的工作,澳大利亚的部分农场甚至给出 3800 美元/周的超高薪来招聘,高出澳大利亚的职工平均收入水平的三倍,也同样找不到年轻人愿意来工作。
image.png

一边是烂在地里的农产品,一边是超市瓜果蔬菜的价格上涨,一些地方的农场主已经开始主动寻求AI机器人的帮助,通过采摘机器人来顶替人工采摘。据报道,英国推出一种可以采摘树莓的机器人Robocrop,拥有四个爪子,借助传感器和3D摄像机的引导,同时进行采摘工作。Robocrop可连续无休地采摘 20 个小时,每天最多可以采摘 2.5 万个树莓,而八小时轮班制的工人,每天一共可采摘 1.5 万个。

现在,采摘机器人的造价成本高昂,采摘速度稍逊于人工,但是如果采用租用的方式,并且连续不间断工作,其采摘成本就要比雇佣人工要低。

如果这一采摘机器人的模式成功推广,必然会带来以下两方面的后果:当农场主发现AI机器人的自动化采摘会带来更显著的成本降低和效率增加,那么,他们将会更多与这些机器人研发机构和公司合作,推动种植和采摘的标准化、自动化过程。与此同时,就是这些农场未来不再需要外国工人的劳动力,随之而来的就是这些人将减少一大部分收入。

再一种是受疫情影响,企业对经营利润预期的下降,导致很多企业开始主动裁员或者削减人力开支,取而代之的就是采用人工智能的技术方案来替代这些人力资源支出。这一现象从高端的银行金融业、到汽车等制造业,甚至是互联网行业都可以看到大量的案例。
image.png

年初微软用AI编辑代替了一大批人类编辑的新闻,还让一众新闻媒体人惊诧不已。YouTube也在年初大规模的裁撤了遍布全球的内容人工审核团队,而全部替换成了AI进行内容审核,这一举措为YouTube省下了大笔的人力开支,也使得YouTube出现有史以来第一次整一季度,没有人工审核员参与内容初审的情况。

这一系列“智能”对“人工”的替代场景的出现,绝非疫情之下才会出现,而只是因为疫情的到来变得更为紧迫,加速替代的过程变得更快而已。现在,我们不得不思考我们的工作有无被AI所替代的可能性,或者未来与AI一起协作而被支配的威胁。

要么主动接受?要么被动淘汰?

为什么我们需要人工智能?对于国家层面来说,发展人工智能是一个国家的核心技术竞争力,其重要性毋庸置疑;对于政府、企业组织来说,AI技术是可以广泛应用于社会管理、企业生产管理的有效技术手段,也是可以创造巨大社会经济财富的新型生产力代表。而对于我们个体人而言,AI技术能为我们提供更加安全、便捷的生活环境,为生活和工作提供种种高效和丰富的智能化解决方案。

在我们已经默认享受AI技术带给我们种种好处的同时,我们也必须看到AI技术带给我们工作价值的替代性威胁。

首当其冲的是AI技术已经加入到与人类劳动者一起协作的工作体系中,开始对劳动者进行支配或控制。一个典型案例就是最近那篇《外卖骑手,困在系统里》的文章中,其所揭示出的一种外卖骑手们被算法锁定而产生的“与时间、生命赛跑”的安全困境。

由于疫情众多企业裁员、服务业停摆,大量就业者涌入了就业门槛最低、技能要求不高的外卖行业,获得基本收入的生存考虑成为他们的第一考虑。就这样平台希望业绩最大、消费者希望等待时长最少、骑手希望送出更多订单,算法则在不断被训练以高效为最优目标,自然而然就会将骑手的送餐时间“优化”到极致,从而造成这种几方都可以推脱责任,但最终又难以解决的困境。

类似外卖骑手这样的重复性、结构化、时间刚性的工作,像电商仓库的分拣工人、共享出行的快车司机、流水线的一线工人等蓝领,是最容易被进行AI算法的优化改造的职业领域,一方面他们要接受AI系统、摄像头和用户评价系统的实时监控,一方面企业还在研究相应的AI机器人来完全取代他们的工作。

如果你认为只有这些蓝领职业处于AI机器人“监管”之下,那就“Too Young,Too Naive”了。根据《华尔街日报》的报道,疫情期间,由于美国大量企业开启了居家办公模式,有越来越多的企业开始采用具有监控性质的管理软件,用来自动记录和分析员工在电脑中的操作记录,并且还可以截屏作为证据。原本可以作为优化员工工作效率的智能工具走向了自己的反面,成了“不休不眠”的监工和“告密”者。

更直接的威胁在于AI算法及其机器人设备对大量岗位工作者的直接替代。

比如自动驾驶正在跨越大规模商用的临界点。最近Waymo再次受到关注,就在于这一次Waymo在一部分自动驾驶出租车上真正去掉了安全员,做到了真正的无人驾驶出行。几乎同时,百度Apollo在北京也开放了自动驾驶出租车打车服务。

我们总觉得自动驾驶距离走进日常生活还很遥远,取代数以千万的司机还有很长的路走。实际上,自动驾驶前期的技术迭代、硬件普及以及基础设施和法律体系完善确实需要很长一段时间博弈,但是这些条件一旦成熟,其普及速度将如海啸般袭来。到时候,对于大多数私家车主来说,这意味着路上时间的彻底解放,而对于货车司机和出租车司机而言,这无异于工作机会的消失。

同样,对于那些处于高度结构化、程序化、弱社交联接的脑力劳动,如银行的柜台职员、股票交易员、电话客服,甚至处理基础文件的律师、看片医生、财务会计等专业性岗位,都在专门性的AI系统的升级下遭遇被替代的威胁。

我们可以透过这一标准来回顾下我们当前的工作模式,可以反思下哪些环节正在和人工智能产生协作,哪些环节存在被AI优化的可能,而哪些环节已经被AI系统所取代。

比如,前两年我在超市还看到一个收银员在努力地向顾客介绍自主结算和人脸识别支付的技术。而现在很多人都可以很轻松自主结账和支付,而收银台只需要开放少数窗口来为上年纪的顾客结账。显然,这一过程已经减少了收银员工的数量了。

再比如,像我们这些自媒体人,资料收集和撰写过程中,已经有大量的搜索算法和输入法算法帮助我们来提高效率,但是从选题的构思和谋篇布局,还需要我们亲力亲为。但是横亘在我们眼前的GPT-3,已经可以根据一个题目或一句开篇,就能有模有样地编辑完整的长文。如果比较产量,我们会被轻松虐成渣,但是比较可读性,我们可能还有一点胜算,毕竟哪个人类要去读这些毫无感情色彩的机器写的毫无人性的文章。

在AI技术对我们工作的大肆入侵的现状下,我们确实只能有两种态度,要么选择主动接受,与AI一起协作,要么等着被动淘汰,在AI的卓越表现面前败下阵来。

但是,我们又该如何看待这一“人类退位,AI上位”的进程呢?

“人类一抱怨,AI就发笑”

米兰昆德拉说过“人类一思考,上帝就发笑”。借用这一句式,我们可以引申一句“人类一抱怨,AI就发笑”。这该如何理解呢?

如果你仔细观察就会发现,AI技术在人类生产生活当中的引入,都与人们在工作生活的各个环节当中存在种种的不满和抱怨有关。比如,司机抱怨起早贪黑开车时间长,那么自动驾驶就出现了;保安抱怨熬夜值班太辛苦,智能监控就出现人;客服抱怨打电话单调乏味、对方态度粗暴无理,智能客服就出现;电力工人抱怨野外巡山太艰苦、矿工抱怨下井太危险,塔吊工人抱怨作业太孤单寂寞,那么相应的自动化设备和远程超控就出现了;行政文员抱怨工作重复、单调枯燥,那么智能应用和自动化流程办公就出现了……

我们首先应该是从正向看待“AI对人工”的替代价值的。显然,AI的出现不仅大幅提高了劳动生产效率,而且可以有效地减轻劳动者的劳动强度,改善其劳动环境,解决大量重复性、危险性和有损身体健康的负面工作问题。

可以说,人类从采集狩猎时代步入农业社会起,就被无休止的沉重体力劳动所裹挟,但其实人类本性仍然在追求舒适和享乐,随着近代工业革命进入大型机械化、自动化流程,劳动者又重新开始拥有了大量的闲暇和休息时间。而人工智能技术的普及,将彻底将这一进程推向极致,那就是大批劳动者得到真正的解放。

而这一过程的副产品就是原本需要大量人工劳动力的岗位消失,越发多的人没有实质性工作。现有的“不劳动者不得食”的薪酬分配体系根本无法应对这一问题,而像我一开始提到“人工智能替代我工作之后,我该如何生存”的担忧,正是这一价值体系下的问题。

我们不妨大胆地预测,一旦依靠技术进步和AI所带来的效率提升,数字经济所产生的社会总财富将远远高出目前的水平,因此,尽管大量的人不再从事原本的工作,社会也会有相应的财富转移给到这些人,但显然大多数人只可能得到维持基本生活所需的福利。随着老龄化社会的加剧,这一过程也将愈发明显。一方面是社会的年轻劳动力不足,必须采用大规模的AI机器人来从事生产。比如现在日本面对农业人口的过度老龄化,只能大力推行农业机械的自动化和智能化,实现无人农业;一方面社会财富的增加,保障这些“失业者”仍然享受较为富足的生活水平。
image.png

对于那些能够和AI系统建立协作的劳动者而言,这一进程将呈现出另外一种面貌。那就是卷入一张快节奏、高效率的协作网络,在AI的加持下完成更多复杂性的工作。这些人自然可以获得高额的财富和工作成就感,但同时这些人也将在这张协作网络中变得越来越繁忙,真正成为《智能时代》当中描述的那2%的人群。

回到前面的故事,陷入算法系统困局当中的外卖骑手,因为也有种种“抱怨”,未来也大概率会被另外一套系统,诸如无人送货车和无人机取代,甚至被未来室内的智能打印的快餐机器人所取代。但在这个新旧系统和职业价值更替的过程中,外卖骑手这一非标准化、多灵活性的职业,仍然是很多其他被淘汰的劳动者所能“暂时过渡”的一种选择了。

而YouTube的取代内容人工审核员的AI系统,则因为过于高效,标记违规的视频过于宽泛,导致YouTube又不得不回聘那些经验丰富的人类审核员。AI在关于什么是色情、暴力和恐怖内容,什么又是艺术、玩笑和纪实报道之间做区分,还有很长的路要走。但是这项工作对于人类审核员来说,确实存在着有损身心健康的职业风险。显然,未来这样的工作更适合AI来进行,而人类审核员要根据用户申诉起到最后把关者的作用。

未来,我们将全方位地和AI携手同行,能够与AI算法一起协作,虽然辛苦但有价值,这是一件值得庆幸的事情。如果无法与AI一起协作,但能够享受足够的闲暇和娱乐,这也是一件不错的事情,至少我们还在不断向AI系统释放我们作为人类的活生生的数据,来形成人类更大规模的集体智慧。这或许是我们面向未来的最重要的价值吧。

原文链接:https://ai.51cto.com/art/202010/628952.htm
本文转载自51CTO,本文一切观点和机器智能技术圈子无关。
在线免费体验百种AI能力:【点此跳转】


机器智能技术结尾二维码.png

目录
相关文章
|
2月前
|
机器学习/深度学习 人工智能 自动驾驶
2024.10|AI/大模型在机器人/自动驾驶/智能驾舱领域的最新应用和深度洞察
本文介绍了AI和大模型在机器人、自动驾驶和智能座舱领域的最新应用和技术进展。涵盖多模态大语言模型在机器人控制中的应用、移动机器人(AMRs)的规模化部署、协作机器人的智能与安全性提升、AR/VR技术在机器人培训中的应用、数字孪生技术的优化作用、Rust语言在机器人编程中的崛起,以及大模型在自动驾驶中的核心地位、端到端自动驾驶解决方案、全球自动驾驶的前沿进展、智能座舱的核心技术演变和未来发展趋势。
58 2
|
14天前
|
存储 人工智能 搜索推荐
AI智能语音机器人的基本业务流程
简介: 先画个图,了解下AI语音机器人的基本业务流程。上图是一个AI语音机器人的业务流程,简单来说就是首先要配置话术,就是告诉机器人在遇到问题该怎么回答,这个不同公司不同行业的差别比较大,所以一般每个客户都会配置其个性化的话术。话术配置完成后,需要给账号配置线路,目的就是能够顺利的把电话打出去。线路配完后,就是建立任务了,说白了就是导入电话号码,因为资源有限,不可能导入一批立即打完,所以需要以任务的形式分配给机器人,然后机器人逐个完成。值得一提的是,如果有多条线路,创建任务时建议提供线路选择功能,很多公司的业务不止一个城市,而大家又是比较习惯接听自己所在城市的电话,所以这个选择主
|
2月前
|
机器学习/深度学习 传感器 人工智能
马斯克的AI机器人可以拯救一个陷入困境的教育系统吗?
马斯克的AI机器人可以拯救一个陷入困境的教育系统吗?
|
2月前
|
人工智能 搜索推荐 机器人
挑战未来职场:亲手打造你的AI面试官——基于Agents的模拟面试机器人究竟有多智能?
【10月更文挑战第7天】基于Agent技术,本项目构建了一个AI模拟面试机器人,旨在帮助求职者提升面试表现。通过Python、LangChain和Hugging Face的transformers库,实现了自动提问、即时反馈等功能,提供灵活、个性化的模拟面试体验。相比传统方法,AI模拟面试机器人不受时间和地点限制,能够实时提供反馈,帮助求职者更好地准备面试。
63 2
|
7月前
|
机器学习/深度学习 人工智能 安全
机器人+AI+MD模拟,加速材料发现和设计,发现全天然塑料替代品
【5月更文挑战第16天】研究人员结合机器人自动化、AI和MD模拟,加速发现全天然塑料替代品,以解决塑料污染问题。通过机器人制备286种纳米复合材料,使用SVM和ANN模型预测其性能,实现高效设计。模型成功推荐了具有特定性能的生物降解替代品,但面临样品制备自动化、天然成分质量控制、成本和生命周期分析等挑战。论文链接:[Nature article](https://www.nature.com/articles/s41565-024-01635-z)
98 3
|
4月前
|
人工智能 分布式计算 数据处理
Big Data for AI实践:面向AI大模型开发和应用的大规模数据处理套件
文叙述的 Big Data for AI 最佳实践,基于阿里云人工智能平台PAI、MaxCompute自研分布式计算框架MaxFrame、Data-Juicer等产品和工具,实现了大模型数据采集、清洗、增强及合成大模型数据的全链路,解决企业级大模型开发应用场景的数据处理难题。
|
5月前
|
人工智能 PyTorch TensorFlow
分布式训练:大规模AI模型的实践与挑战
【7月更文第29天】随着人工智能的发展,深度学习模型变得越来越复杂,数据集也越来越大。为了应对这种规模的增长,分布式训练成为了训练大规模AI模型的关键技术。本文将介绍分布式训练的基本概念、常用框架(如TensorFlow和PyTorch)、最佳实践以及可能遇到的性能瓶颈和解决方案。
811 2
|
5月前
|
人工智能 自然语言处理 机器人
客户在哪儿AI的ToB获客服务和AI外呼机器人的有何不同
客户在哪儿AI的ToB获客服务 VS AI外呼机器人的ToB获客服务。
|
4月前
|
人工智能 自然语言处理 安全
盘点国内:AI写作助手_ai智能问答机器人
AI写作助手是利用人工智能技术,特别是自然语言处理(NLP)技术,来辅助用户进行写作的工具。这类助手通过分析大量文本数据,能够理解语言的结构和含义,从而生成、编辑或优化文本内容。AI写作助手通常具有自动纠错、语法检查、内容生成和风格调整等功能,帮助用户提高写作效率和质量。
|
6月前
|
机器学习/深度学习 人工智能 自然语言处理

热门文章

最新文章