掌門記者會
精彩公開演講
最HOT文章
 
美國白宮人工智慧白皮書解讀: 迎戰就業市場完美風暴
 


撰文◎Career就業情報公司顧問 臧聲遠

AI人工智慧來勢洶洶,美國白宮近期連續發佈兩份戰略白皮書:《為人工智慧綢繆未來》(Preparing for the Future of Artificial Intelligence)和《人工智慧,自動化與經濟》(Artificial Intelligence, Automation, and the Economy),針對勞工就業、所得分配、教育訓練、社會安全網等層面提出因應對策,以下擇要解讀之。

高階與低階勞工 誰得到好處?
人工智慧與自動化,究竟對哪一種勞工衝擊最大?一般人直覺會認為是低技術、低教育程度的勞工,其實回顧科技發展史,答案沒這麼簡單。白皮書指出,19世紀工業革命時,資本家使用機器搭配無技術廉價勞工,取代高薪高技術的手藝工匠,可稱為「無技術者獲益的科技變遷」(unskill-biased technical change)。20世紀後期的電腦與網路技術則相反,受到最大衝擊的是高度定型化的職業,其工作內容可預測、容易程式化(如生產線工人、文書職員、電話接線生),以低階勞工為主;而受惠最大的是需要抽象思考、創意與問題解決能力的職業,可稱為「高技術者獲益的科技變遷」(skill-biased technical change)。白皮書認為,人工智慧可望延續20世紀後期的模式,並引用兩項調查做為佐證:

●OECD指出,低教育程度勞工比起高教育程度勞工,更容易被自動化取代,美國高中以下學歷被取代機率為44%,高中學歷為19%,大學學歷只有1%。

●Frey與Osbourne研究指出,時薪低於20美元的低階勞工,被自動化取代的機率達83%,但時薪高於40美元的高階勞工,被取代機率只有4%。

順著這個邏輯,政府似乎只要加強教育投資與低階勞工訓練,再補強失業勞工的社會安全網,就能應付人工智慧海嘯。白皮書中就此提出大量政策建言,但問題顯然沒這麼簡單,茲解析如下。

教育訓練有用論 vs. 教育訓練無用論
1低階勞工固然遭殃,但知識型高階勞動也未必能倖免。《機器人崛起:技術與未來工作消失之威脅》作者Martin Ford指出,「有一種常見的觀點很值得商榷,那就是認為自動化主要威脅沒受多少教育和低技術的勞動者。其實,今後擁有高學歷的白領將發現,他們的工作也難以抵擋軟體自動化和演算能力的快速推進,所有『可預測』的工作都將受到衝擊。不妨試想一下,別人看了你留下的詳細工作記錄,多重覆練習幾次之後,是否也能勝任你的工作?如果真是這樣的話,那麼電腦程式很可能學走你的工作。尤其大數據的持續發展,更使這種可能性大增。許多工作任務的信息正在被壓縮成數據,智慧機器只要研究前人的這些記錄,有朝一日就能自學出師。包括律師、記者、藥師在內的很多專業技術人員都會受到衝擊,不單是這些職業,大多數工作基本上都是常規性、可預測的,真正靠創意和天馬行空思想賺錢的人,畢竟是極少數。因此結論就是,獲得更多教育或技能,不一定
能有效保障未來工作不受到自動化的威脅
。」

2事實上,白皮書本身也坦承,「這一次可能有所不同」,歷史上技術變遷的經驗,不見得適用於人工智慧。若說20世紀電腦與網路技術造就了「高技術貴族」與「低技術賤民」,人工智慧與自動化可能會使大多數高技術貴族也淪為賤民,「高技術者獲益的科技變遷」進一步扭曲成「超級明星獲益的科技變遷」(superstar-biased technical change),在資訊科技贏者全拿的特性下,只有0.01%的人是贏家。經濟運轉將只需要很少量的勞工,在此情形下,「社會必須在勞工薪酬之外,找到另一種替代性的資源分配方式」——白皮書中不太情願地提到左派與右派不約而同倡議的「全面基本所得制」(universal basic income),也就是跳脫傳統失業給付與社會救助的申請資格限制,不分男女老少一律由政府無條件固定發錢,其財源可能來自比爾蓋茲提議的「對機器人課稅」,或是政府主權基金、央行QE所掌握的企業股票盈利。但白皮書作者堅決認為,這不啻是政策投降,自甘放棄幫助被取代的勞工獲得再雇用的機會。政府無論如何都應把發展勞工技能放在第一優先,使其得以搭上智慧科技列車。

3白皮書的「教育訓練有用論」、Martin Ford的「教育訓練無用論」,究竟何者才對?或許可從白皮書的兩處記載,試做進一步的推敲。其一,Frey和Osbourne預測,人工智慧與自動化將危及美國47%的工作,但白皮書引用OECD的觀點,強調「工作任務」(task)不等於職業(occupation),一個職業是由多種工作任務所組成,人工智慧與自動化會改變部份的task,但並不等於這整個職業會消失;會被完全取代的職業其實只有9%。由此可合理推論,勞工只要學習新方法完成這些task,是可以保住occupation的。

其二,訓練薪資較低的中階勞工,熟稔應用人工智慧技術,就可以少用或取代薪資昂貴的高階勞工,這對企業具有很大的誘因。例如報稅軟體可使中階財會人員取代會計師的部份工作,醫學影像辨識技術使中階醫務人員也能分擔部份醫療診斷工作。由此可大膽推論,人工智慧可能使高低階勞工兩頭受害,但中階勞工卻可藉由教育訓練學習「人機協作」而蒙利。

消滅舊工作,也創造新工作
人工智慧與自動化,對某些人是威脅,對某些人卻是機會。白皮書指出,人工智慧在模式辨認與預測上,固然無比犀利,但在需要社交技能、創意、手藝靈巧度、以及通用智能(general intelligence,對照於當前AI的專用智能)的工作方面,短期仍難與人類匹敵,相關職業猶能維持榮景。進一步來說,人工智慧不只消滅舊工作,白皮書中也點出4種新工作機會的可能:

1協作:人工智慧與其說搶走工作,其實更多的是扮演輔助提高生產力的角色,所以AI也可稱為是一種「擴增智慧」(Augmented Intelligence),讓你更強而不是取代你。白皮書認為,AI在人機協作方面,將會創造最多新的勞動需求。例如IBM的華生系統(Watson),在癌症等疾病的早期偵測上,精準度遠超過人類,是人工智慧現今最成熟的應用之一。但是光有華生不夠,還需搭配多種醫護人員,「他們能理解與轉譯病人的病徵,向病人解說各種治療方案,引導病人完成整個療程。」因此對人類就業不必過於悲觀,重點是要學習人機協作。

2開發:人工智慧在初始階段,不只需要軟體工程師,還需要許多數據生產、數據收集與數據管理人員,提供機器學習所要用的大量訓練數據,數據品質決定了AI的運作表現。

3監督:在涉及倫理或社會敏感議題上,由於AI缺乏道德意識與社會智能,若沒有人類從旁即時監控,有時會惹出大亂子(例如做出有爭議的推薦,或傳播有爭議的網路話題)。而智慧機器面臨不同優先性抉擇時,也需要人類判斷做出決策。

4因應典範轉移:例如自動駕駛車未來上路後,將啟動道路設計、都市規劃、交通法規等一連串人才需求。

教育改造與多元雇用的挑戰
兩份白皮書在教育方面著墨甚深,強調在人工智慧的時代,資訊能力是所有國民都要具備的新基礎能力,要讓所有孩童都有機會從幼稚園就開始學習電腦科學,培養演算思考能力,並且從中小學就展開數據科學教育,「使其成為能讀懂、運用、解釋、溝通各種數據的識字公民(data-literate citizen)」。學校課綱必需重新設計,納入人工智慧與數據科學的內容,教師專業能力要同步俱進,而學校與圖書館也要全面提供高速寬頻與無線上網的環境。另一方面,人工智慧具有跨學科的特性,學術機構必須組建一個能整合電腦科學、統計學、資料庫、軟體程式、數理邏輯等專業的研究團隊。

兩份白皮書另一個共同焦點是,如何維持雇用的多元平等。科技界原本就有嚴重的性別與種族比例失衡,美國電腦科學的女性研究生,從1984年的37%一路降到現今的18%,在人工智慧領域的女性比例比這更低。更要警惕的是所謂「演算法偏見」,就好比人工智慧若用在犯罪風險預測上,很可能會根據過往記錄與模式,把無辜的年青黑人男性也看成潛在罪犯;或是用在新聞推薦引擎上,往往會根據過去閱讀習慣,讓持有特定政見者看的都是本身陣營的新聞,加深政治偏見與仇恨。企業雇用亦然,「如果把機器學習模型用來篩選求職者,而訓練這些模型的數據帶有過去的偏見,那麼所得出的結果將會使以往的偏見恆久化。」例如以現有優秀團隊成員做為訓練數據,經由演算法篩出具備相似特質的求職者,這會使企業永遠專找「類似先前雇用過的求職者」,而遺漏其他異質性的合格應徵者。

人工智慧的完美風暴正在接近,台灣做好迎戰準備了嗎?

(本文原載於經濟部人才快訊,2017年3月號)
 

人氣數(424)




    搜尋

 ...more
今日人數:437
累計人數:2486787
發表文章:730
Copyright 2007 @ Career Consulting Co.,Ltd 就業情報資訊股份有限公司.