「未来商业是什么样子？我们决定在《 New Scientist》 探讨下一个十年中，三个主要商业驱动力——能源，资金和自动化——会如何变化。为此，我们邀请了三位对这些领域有深刻见解的作者，谈谈他们对未来会如何展开、如何挫败我们最初预期的看法。
《Game Changers》系列的第二份报告作者是 Steven Cherry ，他在 IEEE Spectrum 工作了 15 年，现在领导 TTI / Vanguard 。在这篇报告中，对于人类工作终将全部外包给自动化这个问题，Cherry 从正反两方面进行探讨，并且对其中矛盾之处进行深入分析。1）如果认知复杂的工作才是（不会被自动化夺走）的安全工作，那么，为什么市场对收银员的需求仍然这么旺盛？2）如果自动化会产生新的工作机会，那么，为什么 GDP 正在放缓？3）什么时候你就能期待机器人来取代你的工作？」
游戏改变者：自动化和人工智能
Malone的第三定律：「所有技术突破所需的时间是我们预期时间的两倍，准备时间的一半。」科技作家迈克·S·马龙。 Malone的第三定律在自动化领域依旧生效。
就拿汽车来说。1995年，CMU 打造了一辆实验性质的 Pontiac Trans Sport 自动驾驶汽车，从匹兹堡到洛杉矶，98.2%的路程靠自动驾驶完成。二十年后，我们仍然没有可以全程自动驾驶的汽车。那可能是一件好事——我们还没有解决法律、保险政策、金融或文化方面的难题，当几年后，全自动汽车已经准备好时，我们很可能仍然没有解决这些问题。
语音助手是另外的例子。还记得哈尔么，那个在电影《2001：太空漫游》悦耳若真人的的电脑。年初去世的人工智能先驱马文·明斯基认同亚瑟·C·克拉克的选择：2001年，人工智能就能与我们进行完整的对话。但是现在，我们还是做不到这一点—— 尽管我们创造了诸如 Siri, Cortana, Alexa, Hound, Google Now 之类的工具——而且，这也是件好事，因为较之打算通过一款高速公路上的自动化软件 ，我们更没有准备好与身边的软件机器人程序展开合作。
在藩篱的两侧，肯定还有很多非马龙主义者。在最偏激的技术拥护者看来，十年后，我们和同事干杯时，就会用石油取代啤酒了。（同事都是机器人——译者）
对技术热情的另一种情况是诸如约翰·马尔可夫这样的人，马尔可夫是2015出版的《Machines of Loving Grace: The quest for common ground between humans and robots》一书的作者。他认为，机器人完全模拟人类，仍遥不可及。2014年 DARPA 机器人挑战赛中，机器人甚至无法完成一些简单任务，例如行走和控制阀门，他说，「远离机器人暴徒，只需锁好你的门」。
认为机器人将取代人类工作，这一标准观点——或称之为卓别林-马克思理论——将工厂自动化视作典型案例。在电影《摩登时代》中查理·卓别林将工厂中的工作描述为完全服从传送带的需求，按设备需求，尽快拧紧螺丝。电影结束时，工人其实就是机器中的一个齿轮。
卡尔·马克思将装配流水线视为一种方式，将工作分解为简单、重复性任务，然后将这些任务交由机器完成，工人就有时间休闲了，这是马克思主义乐观版本的看法，如果从悲观角度来看，就不是休闲而是贫穷了。不管怎么看，后果都是失业。
然而，工厂自动化几乎不曾减少我们的工作岗位。诚然，世界最著名的装配流水线——亨利·福特的迪尔伯恩装配工厂，每辆 T 型车装配完成的时间，在关键的一年，也就是1913年，从12小时骤减到1.5小时。但是，纵观整个二十世纪，汽车需求在增加，总体上，需要更多的工人。尽管裁员在工业领域非常普遍，但几乎都是经济衰退和国外竞争的产物，自动化对此影响甚微。
在服务业，就业岗位总数在保持增长，而不只是弥补失去的制造业岗位。众所周知，当手机公司安装连接到直接拨号的自动转换器后，英国裁了12万电话总机线员，美国裁了35万。然而，随着电话服务更加便宜，电话业也进一步挖掘商业实践和个人生活的商机，通信行业的工作岗位数量已在增长，无论是串接电缆的线务员或是手机装配线工人。就像在制造业，接线总机岗位主要是被淘汰，而不是取代那些离开的人。
但是，过去并不总是预示着未来。世界已经改变了吗？
新装配生产线
本章要点
自动化曾经增加（而非消减）工作机会。
今天的机器人正在学习新的技能，逆转趋势。
在美国，汽车的自动化威胁万个人工岗位以及大约200万汽车销售和零件经销商的生意。
在《Race Against the Machine》（2011）和《The second Machine Age》（2014）两本书中，两位MIT的经济学家认为，世界已经改变。
「现在不同了，」MacAfee说。「在过去几年里，我们的机器已经展示出前所未有的技能：理解，说，听，看，应答，写。而且它们仍然在学习新技能。」比如，「将 Siri 连接到 IBM 的超级计算机上 Wason 上，如此一来，很多工作都能通过计算机服务器来实现自动化了……那一天不远了，让人形机器人来做我们手上的工作。」
在美国，出租车、豪车、巴士、卡车提供了大约400万份工作，这个数字在英国也有75万，一旦车能自己跑，这些工作就会全部消失，其他行业也是一样的道理。无论是轿车拼车还是卡车，只要车能自己开，就省去了司机的休息和喝咖啡的时间。如此，汽车数量需求据估计会下降9倍。在美国，汽车的自动化威胁着160万个岗位，以及大约200万汽车销售和配件经销商的生意。停车场以及泊车工将会几乎完全不需要了(车库也逐渐完成自动化)，等等。总共大概有500万到1000万份人工岗位可能会受到自动化的冲击，占美国整个就业人数的5%到10%。
在未来20年里，美国和英国的建筑业或许还能贡献者6%的GDP，但是，却可能无法继续吸收5%的劳动力。无数的力量将会让建筑工作更加安全有效，对建筑工和他们的薪水来说，这可能是唯一的好消息了。
自动化和其他技术会进入建筑工地。无人机会保证工人们不会因为缺少工料而变得懒惰，这种事情永远都不会发生，因为认知计算技术正进入物流供应连管理。机器人现在的码砖速度是每小时1000块。新材料，如位于加州帕萨迪纳市 Greer 公司正在开发的纳米桁架，能让建筑结构更轻便、坚固、更容易操作，需要的人工也更少。来自英国布里斯托大学的化学家正在研发一种能够自我修复的化合物用于飞机机翼和汽车车体，能够节省保养和维修人工。
建筑自动化最终会实现24小时内3D打印房屋。这个技术，加州大学洛杉矶分校工业及系统工程教授 Behrokh Khoshnevis做了20年。最近当被问起还有什么技术障碍没有解决，以至于他无法在印度和中国或者任何一个饱受洪灾的小镇上盖房子时，他的回答是「1000万美元」。
在公路建设中，机器人能给路面铺砖，能修马路牙子，还会放置路面界标。探测器能测量新停机坪的温度，标出能引起路面薄弱的变化，减少路面维护的需要。3D 成像已和遥感技术没什么两样，能够标出高速公路断裂，甚至是路面下的深层断裂。
在林业和种植业上，现在用于引导重型机械的控制系统显得更为重要。精准农业提高了产量，同时用水却更少。迄今，县到县的农业天气预报和土壤分析，已经演进到微气候预报，并进化出几乎下至平方米的增长模型。今天的无人驾驶拖拉机能一英寸一英寸地将种子撒成一条线。根据土壤肥沃程度决定种子的数量——给最肥沃的土壤自动分配到最多的种子，贫瘠的地方撒的种子少一些。而且，最新的树割设备（tree-harvesting equipment），安装在 Ponsse Scorpion King 收割机轮子后，能够开进森林，伐木，捆绑，切割树木，效率堪比一整个伐木工队，虽然后者用到的机器更少。
可以肯定的是，挑出一个自动化例子然后进行广泛推断是很容易的事情。当McAfee说，「我们打算把 Siri 连接到 Watson 上」时，他跳过了一堆复杂问题。即便是现在，在他渡过难关的5年后！游戏显示，Watson 能应用的范围很窄，被限定在几个特定的领域。根据假设，Watson 将能做至少大部分的医疗诊断工作。但是实践中，IBM 很快将它限制在肿瘤诊断上，接着，再一次将诊断范围限制在几种非常特定的癌症上。
换句话说，我们又回到了马龙时代。将技术创新带回了一个呼唤阵地战和闪电战的世界：耗时的商业模式发展过程必须跟上工程洞见的闪电。品牌，市场，技能培训和基础建设不是一夜完成的。
类似的，原福特汽车装配线上的真实效率，要比传说中的装配线神话还要复杂一点。每台T型车的用工时间缩减了8倍，而售价从1908年的825美元的首发价降到1912年的575美元，到了1927年，更是降到了300美元。这种直线式的降价的原因，主要源于有所不同但又并非特别的革新:福特自己制造大部分汽车零部件。
诚然，劳动力剩余不仅仅是因为每辆汽车工时的减少。采纳装配线，让福特将劳动力从技术型转变为非技术型。这种看法有点道理，尤其是在20世纪20年代，对于被卓别林视为整天无限重复一个动作的装配线工作来说，多少有点道理。今天，现代自动化工厂里的非技术性常规工作已经大大自动化了。
延伸阅读
1）分享财富
如果机器做越来越多的工作，人的工作越来越少。我们的提议是平等分享剩余的人类工作。
美国制造业每周工作时长
1880 年 60.7 小时
1919 年 50.8 小时
1926 年 40 小时（福特汽车公司）
1940 年 40 小时 （国家法定每周工作时长）
瑞典正在试验每周工作 30 小时（每个工作日 6 小时）。美国奥勒冈州波特兰市的一家公司 Treehouse 从 2006 年开始 32 小时（4 个工作日）工作制。现在法国一些联盟提倡使用这种工作制，替代现在的 35 小时工作制。
然而，把每一个方式广泛应用于美国或英国都可能造成工作危机。每周 40 小时工作制首次出现于 19 世纪 80 年代，但知道 1940 年才正式立法，当时是美国经济大萧条时期的第 11 年。
2）收益分配怎么办？
美国最低工资标准是最薄弱的增加最低收入的机制，是历史遗留问题。1968 年，扣除物价因素的最低工资 10.86 美元能保持三口之家在贫困线以上。但如今 7.25 美元的最低工资，即使两人工作一年收入超过 1000 美元，生活水平都无法达到贫困线之上。（在美国还有很多的单收入的二口、三口家庭，包括一千万单亲母亲。单亲母亲家庭在 1970 年只有三百四十万。）
总而言之，高度政治化的最低收入水准很难提升，而且也不会提升太高。一个备选是收入税收抵免，这是尼克松政府提案，由他的接任者福特总统签进法案。相比于保证最低收入，这种方法以一种消极的方式增加低收入，特别是对有孩子的家庭而言。通过只给有工作（低收入）的人帮助，它避免了很多由基础收入保证引发的政治问题。在20 世纪 60 年代，这得到了自由主义经济学家 Milton Friedman 和马丁·路德金的支持。
哪些工作岗位是安全的？
本章要点
传统观点认为，常规任务可以变成自动化工作，而低端或高端的非常规技能则难以自动化。
然而，非常规的任务，如今也在以一种创造性的方式自动化了。
自动化不能取代工人的地方，管理方或许可以将一些任务外包给客户。
最终，所有工作都存在被自动化的风险。
2003年，Maarten Goos 和 Alan Manning 两位经济学家在论文《Lousy and lovely jobs: the rising polarization of work in Britain》中，对以上观点进行了进一步阐述。他们认为，「由于科技的影响，高薪且技术难度较高的工作（通常需要非常规的认知技能），与低薪且技术难度较低的工作（通常需要非常规的操作技能），需求量都将会提升，而中等的工作（通常需要常规的操作和认知技能）需求量将会减少」。他们将此过程称为「工作的两极化」。
糟糕的工作和优质的工作这个观点，换句话说，就是常规任务可以被自动化，而非常规的——位于技能连续替代两端——工作不会被自动化。因此，重认知的工作，比如计算机程序员，对冲基金经理等属于安全范围，而仓库货架填料员，服务员，售货员，「手工工艺」或代理记账工作等将消失。
又一次，现实往往更复杂。
基于以上 Goos 和 Manning 的研究，两个牛津大学的经济学家 Carl Benedikt Frey 和 Michael Osborne 进一步认为，不是所有的非常规任务都是安全的。「法律文书写作和卡车驾驶将很快实现自动化」，他们于 2013 年的一篇论文中写到，「但是，比如劝说工作就不会自动化」。所以销售顾问至少还处于安全地带。
但 Frey 与 Osborne 可能也是过分乐观了。很多非常规工作正在以创新性的方式自动化。比如，结账收银员的工作可能属于薪酬最低的一种，你可能觉得它不会消失，然而事实上收银员工作也已经在逐渐消失了。
超市首次在结账中引入了自动化技术，以减轻收银员的工作量。结果就像卡尔马克思预测的那样——收银工作成为两个不关联的，机械化的动作，即将商品划过扫描器，然后刷信用卡。最后这两个操作还没有自动化，是因为将这项工作交给我们这些消费者会更加方便、廉价。
类似地，在机票预订、付税、洗衣等过程中，我们都将一些工作流程自动化了，使用软件简化其他流程，最后将剩下的流程分配给终端用户。美国旅游代理商数量在 2000 年到 2012 年间下降了 25%。Brynjolfsson 预计，17% 的会计师因为TurboTax 等客户软件丢掉工作。2011年，英国的每 1600 人里有一位专业化洗衣工，而1901年则是每162人中就有一个。
其实，所有的工作都有被自动化的风险，软件工程师也不例外。
Emina Torlak 是西雅图华盛顿大学的计算机科学，是诸多研发自动化技术构建或验证各类软件的人中的一个。她已经实现了对某种特定编程语言的错误检测和软件验证过程较高程度的自动化，并且准备着手处理更多通用编程语言。MIT 的 Kalyan Veeramachaneni 则在研究如何将数据分析功能自动化。他研发的软件在 3 个相关科学竞赛中，至少能打败五分之三的人类选手。
SigOpt 是德州奥斯汀的一家创业公司，它对目前人工智能的进展不满意。该公司开始研究如何将生产机器学习模型的过程自动化，而该领域已经有很多人尝试过且屡战屡败。他们的目标是开发一个系统能优化几乎所有事情，从设计飞机机翼，到维护人员安排，甚至是挑选华尔街股票都可以被优化。因为一旦这三种情况，以及其他成百上千种情况中，都可以被优化，人类编程的过程就可以被缩短。
至于对冲基金经理的工作，今年早些时候香港的一个公司 Aidyia Technologies 转而使用一个全自动化的交易程序。据《连线》杂志报道，这个自动化的对冲基金「不需人工干预，只使用人工智能就可以进行所有股票交易」。
Ian Stewart 和其他两个德勤的经济学家在 2014 年的论文中，回避了 McAfee 和 Brynjolfsson 的论点，他们提到，有些东西已经改变，而有些东西一直都在变。工业革命的影响是痛苦的，相对于新工作的到来，我们更易预见一些工作的消失，虽然我们一直在创造新的工作。Stewart 说：「历史表明，一旦我们有了一套需求，为了使成本降低，就会产生另一套需求。」工作的总量是不确定的，但人的需求也是不确定的。
他们的论据如以下所述。一些产业的工作在减少，特别是制造业、农业、还有多数「肌肉力量型职业」。但是因为生产力的提升，价格就会下降，然后就会发生两件事情：在科技产业中，就业率直接提升，不管是制造苹果手机还是给手机编程的部门都会提升。而且，无论在哪里科技对工作都进行补充。比如医药、专业服务、市场营销、设计和教育。而后也会产生三级效应。食物和电视成本降低使得在商品和服务上的任意消费增加，从而在餐馆、剧院、健身馆中创造更多的工作。
他们的论据就像是水涨众船高。但是，如果水没有涨呢？
本章延伸阅读
生产力悖论
对信息技术的投资是商界面临的最棘手的问题。你怎么知道投资后能得到相当好的回报？
企业对 IT 的长期焦虑可以追溯到 19 世纪 80 年代晚期，当时经济学家们——他们注意到与 IT 消费大幅增长相伴的是，个人电脑进入办公场所——观察了对其投资所得到的回报。
观察的结果令人震惊：都没有回报。在 1987 年，因对长期经济增长研究而获诺贝尔奖的经济学家 Robert Solow 有段著名的话：「我们随处可看到计算机时代的证据，除了在生产力统计上。」最终，在 20 世纪 90 年代中期，经济学家发现，生产力像他们期望的那样提高了。通过对一批公司长期的研究，Erik Brynjolfsson 和他的同事 Lorin Hitt 断定这一投资的平均回报近似于 50%。
他们不能确定的是这些问题的答案： IT 投资的最好方向是哪里？围绕 IT 投资如何最好的重组公司？最有效的外包形式是什么？有最有效的外包形式吗？转向企业资源规划系统或消费者关系管理软件能否急剧增加利益？或者这是否会导致公司破产，就像20世界90年代制药公司 Foxmeyer Drug 那样？至少，一个研究发现，这家制药公司的崩溃因一项「士气问题」，公司员工和中层管理人员害怕 ERP（企业资源计划） 系统的采用会威胁到他们的工作。
峰值增长
本章要点
计算和 IT 是第三次工业革命——是三次革命中最小的一次。
到2012年，电脑取代人类劳动力的时代将基本结束。
到2100年，我们的经济增速也许会退后到贫血症般可怜的0.2%。
如果说有人是技术悲观者行列中的马丁·路德，那么这个人将是 Robert Gordon。他的《九十五条论纲》第一次出现在2012 的文章中，「美国经济增长是否已经结束？步履蹒跚的创新面临无处不在的逆风」。如今则出现在 2016 的新书《美国经济增长的崛起和衰革命落》。他同意 McAfee 和 Brynjolfsson 一切都在改变的观点。但是他认为这种改变截然相反：西方经济作为一个整体，其生产力正在衰退，这种衰退会持续到直到增长保持停滞。
Gordon 认为世界不止出现过一次工业革命，而是三次。三次工业革命间有重要的区别，最值得一提的是第三次工业是最弱的一次，并且濒临结束。事实上， Gordon说「在过去 250 年间人类所取得的伟大进步将会被证明是人类历史上独一无二的时期」。也就是说，他认为，1750 年之前，几乎毫无进步。飞速的增长在二十世纪达到巅峰，而到 2100，我们的经济增速也许会退回到贫血症般可怜的0.2%，如同蒸汽革命之前持续数世纪的停滞时代。
简单来说，三次工业革命：1750-1830（蒸汽机、纺织机、铁路）；1870-1900（电力、内燃机、自来水/室内管道）；1960-2000（计算机、网络）。第二点，也是最重要的差别，「第三次工业革命在九十年代末的 dot.com 时代达到了顶点，彼时它在产业界的影响已经逐渐消逝。」他说。
运输速度的进步趋势的停滞也在这次衰退中显露无遗。在 1860 年，马车的速度是每小时三英里（4.8km/h）。在 1904年，全速运行的纽约地铁速度达到了每小时 40 英里(64.4km/h)。1926的「燕子」复翼飞机拖运着 98 磅的信件，飞行速度是每小时 90 英里(144.8km/h)。到 1958 年，波音 707 飞行速度达到每小时 550 英里（885.1km/h）。「今天，我们不比 1958 年拥有更快地速度，甚至更慢，为了节约燃料。」他说。
Gordon 发现相比第二次工业革命，有五类发明是第三次工业革命难以匹敌的：(1)电力；(2)内燃机；(3)自来水，室内管道和中央供暖系统；(4)从汽油到塑料和合成药物的化学创新；(5)包括电话，留声机，大众摄影，收音机，电影在内的通信和娱乐设备。
到 2012 年，「计算机取代人类劳动力的时代基本结束了，过去几十年创新的专注点并没有集中在劳力缩减方面，而是集中在娱乐和通信设备的更新换代上，这些设备和以前的设备功能相同。如今被更小更便利地包裹着。」例如「iPod 取代了 CD 播放器 Walkman；拥有部分取代桌面和平板功能的智能手机取代了普通笨拙的功能手机。」第三次工业革命或许只有第二次工业革命影响力的十分之一：「相比第二次工业革命长达八十一年的对生产力和生活标准全方面的提升，第三次工业革命的对生产力的推动缩水到了八年。」
如果 Gordon 是对的，计算机和网络所激发的创新价值有限；它们无法产生意义重大的进步或生产力进步，显然我们也不会看到由于它们所造成的大规模失业。
另一方面，如果 McAfee 和 Brynjolfsson 是对的，人工智能和电力、抗生素、汽车有着同等地位，新的就业岗位的数量会越来越少，直到更少。显而易见，Gordons 是错的，计算机取代人类劳动力的时代才刚刚开始。但是，我们将如何解释 Gordon 用来证明事实截然相反的图表和论据。
本章延伸阅读
全球放缓。我们首次实现生活水平翻一番花费了 5 个世纪：14世纪到 19世纪。然后开始加速，再次翻一番用了 1 个世纪：19世纪到 20世纪。在 20 世纪，实现了两次翻一番。但增加速率却开始下降：预测在 2007 年至 2100 年，翻一番的速度减缓到一个世纪一次。
控制论经济
本章要点
人工智能的指数级增长意味着我们无法用过去的经验来预测未来。
人工智能驱动免费服务
当制造业和服务业经济变得符合经济控制论时，传统的生产力统计将不再适用。
1959 年，明斯基和同事 John McCarthy 成立了 MIT 人工智能项目。这两人深信，计算机会和人类一样聪明，甚至比人类更聪明。McCarthy 认为功能的人工智能系统十年后就会出现。同时，另一位研究人员，CMU 的 Herbert Simon 预测，1967 年，计算机会成为国际象棋世界冠军。McCarthy 和 Simon 都错得离谱——以至于1972年，加州伯克利的一位哲学教授 Huber Dreyfus 写了篇《 What Computers Can't Do》 的文章，将「玩游戏、翻译、解决问题和模式识别」视为人类可以完成但机器做不到的重要事情。1997 年，Dreyfus 的观点被认为是错误的，当年深蓝击败了世界象棋冠军。
游戏开始：
1957
计算机科学家 Herb Simon预测，1967年，计算机会击败国际象棋世界冠军。
1972
Bobby Fischer 击败 Boris Spassky。 计算机获得 B级，比大师级别低5级
1994-1995
计算机程序 Chinook 击败世界西洋棋冠军
1997年
深蓝击败卡斯帕罗夫
2011年
Watson 击败 Jeopardy！冠军
2015年
程序员「 解决」了德州扑克的一种变体，为软件程序创造了一套不可战胜的策略
2016年
AlphaGo 击败围棋冠军
如果你试着从 1959 年到 1972 年再到 1997 年画出一条直线并由此进行推断，那么，这是无意义的。要么就是 Dreyfus 疯了，要么就是深蓝没有真的击败卡斯帕罗夫。实际上，线性思维本身错了。人工智能技术的进步似乎是沿着摩尔定律前行的，会出现指数曲线——一路走势沉重而缓慢，慢慢提升，直至突然开始像火箭一样一飞冲天。
开始的缓慢发展很容易骗到人。让人想起一个古老的问题，用稻谷装满棋盘。在最开始的地方，也就是车所在之处，放下一粒稻谷；在隔壁马的位置，放两粒；在象的位置，放四粒。放满整个棋盘，每次都加倍放置谷粒。
在最开始的十年，或者说摩尔定律的头十年，计算机性能每年以两倍的速度递增（最近，已经变成每 22 到 24 个月）。因此，如果将计算机性能等同于谷粒，那么，1959 年就是相当于只有一颗谷粒，到 1972 年，就有 8000 颗谷粒。1996年，就有 400 万份谷物。2019 年，就有 1 万亿。2022 年夏天，你能见证世界年谷物产量达 5 亿公吨。2155 年，也就是你填满棋盘的最后一个地方的那一年——你需要 1800 万亿粮食，相当于当前年产量的 16 万亿倍。
即使摩尔定律有点呈平稳状态，但是，很容易看出，人工智能头三、四十年似乎缺少显著进展，但这段时间实际上在为起飞打基础。而且那也是我们现在所处的位置。我们拥有很会玩游戏的系统；翻译系统也好到足以让你安心在国外游玩，还有在数据分析和最优化方面击败最优秀人类选手的软件——所有这些都是 1972 年的计算机做不到的。
诡异的是，谷粒的论证正中 Gordon 下怀。在论及三个工业革命时，他注意到，「 IR #1至少要花150年的时间才能全面释放其影响力。」到2019年，我们将有12亿*万亿*万亿粮食。
或许，我们没在正确计算谷粒。首先，仅几年时间，p2p 经济已经创造出一个虚拟的酒店王国，房间比世界最大连锁酒店的房间还要大得多。我们正在准确地获取 Airbnb、Uber、Lyft、Lending Club 等所有其他共享经济做出的贡献吗？
然后，免费商品和服务的价值和数量也正在持续增长中——维基百科、谷歌搜索、Linux以及所有那些免费的手机应用软件。Brynjolfsson 估计，在免费商品这方面，美国 GDP 每年错失 3000 亿美元， 现在看来，这只占整个经济很小部分，但却是增长迅速的一部分。
想到一项免费服务，WhatsApp。2014 年 9 月，国家经济仅从 55 位员工个人所得税中收益。去年10月，脸书以 220 亿美元收购了这家公司，这 55 位员工成为地球上有史以来最富生产力的员工。
值得记住的是，用 GDP 来衡量生产力，其局限性越来越多，更别提用它来衡量一个社会是否健康了。比如，如果我们在与癌症、糖尿病、痴呆的斗争中占上风，人均国内生产总值可能会下降（而不是上升）。生活质量经常被经济分析所忽视。1948年以来，扣除通货膨胀，一台最好的电视的成本也下降了十二倍。但是，那还没有考虑到 1948 年电视只有16英寸屏幕还是黑白的。
总而言之，传统生产力统计可能会失去他们的关联性，因为制造和服务经济变为一种合成的经济。
本章延伸阅读
看护机器人
2010年，微软撤掉了公司的机器人研究小组及其负责人 Tandy Trower , 一位在公司呆了28年的老员工，他独立离去，想打造看护老年人的辅助型机器人。六年后，这家叫做 Hoaloha Robotics 的创业公司一个机器人都没有，如今，公司已将关注点转移到了为支持新的社会性辅助型机器人设计提供软件和服务。原因？事实证明，不可能为看护家庭和家庭看护机器人找到一个合理的价位。
这当然不是因为不需要机器人。1950年以来，60岁以上的老年人总数翻了三倍多，占世界人口总数的10%，2050年，将达 20亿。英国的中位数年龄已经超过40岁，出生时预期寿命翻了一番，中风幸存人数和患有其他小病的人数也在攀升。每个年龄阶段的人都需要辅助，比如患有自闭症的孩子，其发病率也在上升。
南加州大学的计算机科学家、神经科学家和小儿科教授 *Maja Mataric 说，中风病人需要的重复的、又比较尴尬的物理治疗训练，机器人不会对此加以评断，是理想的看护服务提供者。
实际上，我们不需要有情感的计算机，当人们激动表达自己，就像沮丧的病人可能发生的那样，它能对此表示理解。 剑桥大学计算机实验室，Peter Robinson 领导的一个小组正在研究让机器理解人类面部表情以及其他情绪信号。研究成果可能会出现在可穿戴系统中，帮助自闭症患者注意到情感和社交信号。
结 论
可能到了 2109 年，机器能够做这些所有工作。当人类不在飞往火星开启难以置信的度假之旅时，我们手工动手的就是比赛做精酿啤酒。但是在未来近期内，很少有系统会完全自动化。大多数情况下，科技将加强人类的能力，这意味着人类仍会有工作。软件现在能够写体育报道、公司收入报告，但它并非完全解放新闻记者，这些记者还要花费时间处理软件解决不了的新闻故事。（新闻专业性正在衰退，但不是因为自动化。）律师事务所内，软件在处理许多苦活、累活上的表现也越来越好。但至今为止，它的影响也只是在于大堆文件的编目和搜索。这些文件的量级因过去 20 多年电子邮件、廉价磁盘驱动和其他数字技术而激增。
《纽约时报》近期报道了一家公司 Kensho，这家公司为华尔街的银行提供新的服务。它们的软件几乎能瞬时发布报告，分析新闻事件对市场造成的可能结果。比如上个月发布的失业统计或最新的总统预选结果。
收银员数量
1974年6月，俄亥俄州的 Troy，扫描仪在美国超市亮相，不过，下面的统计数据表明，收银员数量仅在近期才开始趋于平稳。
1983年，2,009,000 名
1994年，3,005,000 名
2004年， 3,451,100 名
2014年， 3,424,200 名
2024年，3,492,684 名(预计)
「许许多多的金融分析师正在被软件取代。下一个被取代的办公工作会是什么？」《纽约时报》问道。但 Kensho 并非这样的一个例子。它的一位顾客告知：「这家公司的软件只是用于做先前特别耗费时间、有较少意图的工作。」Kensho 初始阶段工作力相当于十几个员工，这可能已经超越了之前所有做这类工作的员工人数。
相似的，在律师事务所，新的电子证据发现软件并未赶走职员、同事。而是这种软件让他们更好的处理现有工作，或者至少在处理较难工作时提供帮助。另外，当大部分养路工作（铺路、画车道线、建路沿）实现自动化的时候，自动化是否赶走了人类？或者我们是否能铺设更多路从而创造更多工作？这些会成为一个待决问题。（解决美国基础设施积压问题的成本据估计超过 2 万亿美元。英国稍微低了一些。）
也就是说，马龙第三定律将会伴随我们一段时间。Frey说：「事实上，相比于前几年有了更多的出纳员和银行职员，而不是减少了。如果你看工作分类普查数据的话，基本每过 10 年，由数字科技创造的完全新型的工作会出现。」
也就是说，即使就业率不大幅度下降，也会产生巨大的转变。一些领域的工作消失，新的工作会出现。就像我们看到一些国家近年来两位数的失业率，然而很多的计算编程工作依然缺失劳动力。
据慈善组织 Mercy Corps 说：即使有些地方每天都会扔弃大量食物，「每天，8 个人中仍有 1 个人饿着肚子睡觉。」相同的，在劳动生产上也会有不是太多就是太少的问题。当汽车实现自动化、一个人就能铺完整条路等这些事实实现之后， 五百万或一千万的人失去了工作，工人的利益被取代了，这会促进生产力吗？或者当利益只属于谷歌、一些汽车公司和设备制造商时，这些产品留着他们自己使用？
和前半部分一样，马龙定律后半部分可以同样看待。人工智能和其他科技创造变化需要时间，但即使把这个时间全部用完我们仍然无法做好准备。这有几个我们现在就能开始着手但可能解决不了的问题：
如果工作转类型转变成了一种我们都不知道该叫什么的分类，进入这一空白领域肯定需要知识和适应性。我们如何保证自我教育的步伐能够跟上科技高速发展的脚步？
我们如何分享这种由失业创造出的财富？
©机器之心，最专业的前沿科技媒体和产业服务平台，每日提供优质产业资讯与深度思考，欢迎关注微信公众号「机器之心」（almosthuman2014），或登录机器之心网站www.almosthuman.cn查看更多精彩内容。
|
