生成式AI革命/AI會取代人類的工作?這次真的不一樣

生成式AI的爆發,讓世人驚覺人工智慧不再只是教授們的研究課題,也不只是財經雜誌上的專題報導。ChatGPT與Midjourney等相關應用,已經真實地走入了我們的生活,甚至開始產生影響,例如,有些人因此失業。

對於AI影響人類工作,長久以來有悲觀與樂觀兩種聲音。悲觀者認為我們終將被淘汰,樂觀者則借鑑歷史,主張過往新技術消滅工作機會時也創造新的工作。

倫敦國王學院經濟學研究教授、牛津大學人工智慧倫理中心資深研究員薩斯金(Daniel Susskind)在著作《不工作的世界:AI時代戰勝失業與不平等的新經濟解方》中,拳拳到肉地解釋了AI對工作影響的一切。

他主張樂觀與悲觀者同時都是對的,卻也都是錯的。過往新技術的確消滅舊工作、創造新工作,人類反而過得更好,但薩斯金說,這次不一樣。

他詳細地說明何以自動化帶來的科技性失業,將會使得未來沒有足夠的工作,並點出工作量減少的世界將會面臨的問題,包含失業潮下如何分配經濟果實、科技巨頭壟斷資源的可怕後果,以及人們需要投入時間思考,在沒有工作之後,生活該如何安排、生命又有何意義。

以下整理《不工作的世界》的重點:

回顧技術影響社會的歷史:的確不必擔憂

2016年物理巨擘霍金(Stephen Hawking)稱自動化將毀滅藍領工作,且影響將會擴增至中產階級;60年前美國總統甘迺迪也說自動化將會替產業帶來黑暗的威脅。新技術引發的焦慮從來不新,早在18世紀中葉、第一次工業革命興起時,熟稔技術工人遭機器取代時,便引發了自動化焦慮(automation anxiety),也出現了毀壞紡織機、企圖阻撓新技術的盧德份子(Luddite)。

不過,薩斯金指出,固然技術進步帶來負面替代效應,使得人們失業,但同時也有三種類型的正面互補效應,包含生產力上升(productivity effect)例如司機仰賴自動導航、整體經濟大餅因科技進步而擴大(bigger pie effect)、經濟大餅因科技進步產生變化(changing pie effect)例如數十年前難以想像的軟體業等

薩斯金以自動櫃員機(ATM)為例,銀行行員並沒有因為廣設ATM而消失,反而在增設的同期間成長受僱人數,因為不只有發生替代行員的效應,互補效應也在作用,ATM解放行員時間,讓他們改做更有價值的任務,例如提供理財建議、規劃資產配置等。

「人們一次又一次擔心『這次不一樣』只是白忙一場,擔心最先進的科技將一舉淘汰勞動大軍的情勢已經迫在眉睫,但事實上每一次的結果都一樣,龐大的失業潮並未發生。」

我們似乎可以安心,勞動者沒有更差的命運,因為截至目前為止,互補力量總是贏過替代效應,科技進步同時造福整體經濟與人類工作者,「...永遠都有充裕的人力職缺需求。我們可以稱之為勞動時代(age of labour)。」

處於勞動時代時,勞工總是能夠因為新技術的出現而廣泛受益。利用Midjourney生成
處於勞動時代時,勞工總是能夠因為新技術的出現而廣泛受益。利用Midjourney生成

回顧技術影響社會的歷史:的確不必擔憂

但薩斯金馬上粉碎如此想法。他指出勞動時代已經終結,機器/人工智慧正在全面侵占所有人類擅長的任務。
在深入論述之前,薩斯金回顧受新技術衝擊的工作機會類型,他指出科技平等對勞工的影響並不均值,例如60年代以降,受教育對收入有正面影響,但工業革命時卻是高技術工人被機器取代,但無論是誰受惠,科技進步總是和勞工互補。

然而,80年代以來中等技能勞工(技能指正規教育程度)難以因為新技術而得到助益,出現中產階級空洞化。對此,經濟學家提出AML假說,此假說認為不應以「職業」看待勞動市場,而應將工作拆解成「任務」;此外,不應用人類本位的技能純熟度(即所需教育水準)看待任務難易,而應改用例行性程度檢視任務是否容易被自動化。

在這兩個前提下,機器取代的是任務而非職業,且會優先從不具內隱知識(tacit knowledge)的任務開始取代。經濟學家對於科技進步對工作影響的觀點從重視教育程度的技能偏向,轉向為任務偏向,因為它能解釋中產階級空洞化,例如某些預測談論會計師相較護理師更容易被取代,原因在於前者工作中有較多比例的任務有例行性質。

然而,AML假說撞上了冰山。2003年,首次提出AML假說時,醫療診斷、駕駛、法律文書寫作都被歸類於非例行任務,但20年後的現況並非如此。薩斯金說,前人無法預料,AI毋需像人一樣按照規則執行任務(任務例行性與否的區分標準),例如影像辨識的運作原理就和人類的判斷方法不全相同,增強學習的出現更揭示了AI走出截然不同路徑的可能性,所以任務例行性高低的界線再也不適用了。

薩斯金列舉了人類工作時使用到的三種能力:手作、認知、情感,三者都遇上了機器接手的任務侵占(task encroachment)。農業與工業使用的機器人正在取代工人的手作,醫療與法律領域的自動化讓我們見識到機器的認知能力,情感運算領域的發展更擊倒了人類曾經自豪的「溫度」。即使人類不斷嘗試找出區分機器不擅長、人類還能展現優勢的規則,但唯一不會改變的是,任務侵佔會持續發生。

當下尚未看到機器全面取代人類,不是能力不足,而是其他因素作用:成本、文化差異與監管、任務等。未來人們將會受到包含技能錯配在內的摩擦型科技性失業影響,更會受到結構型科技性失業的全面衝擊。前者指的是有些人做不來某些工作,後者則是更為嚴峻的情形:職缺不夠。

面對工作不夠的未來,如何預作準備?

人類將面臨前所未有的結構性失業挑戰,我們必須做好準備。利用Midjourney生成。
人類將面臨前所未有的結構性失業挑戰,我們必須做好準備。利用Midjourney生成。

為什麼人類職缺會不夠?這種危言聳聽的想法,背後的論點在於,過往都認為「人類必然是最適合執行任務者,」所以前述提到的互補力量,能夠對人類整體有益。然而,薩斯金警吿,互補力量正在減弱。

生產力上升效應的例子中司機與自動導航互補,但未來的機器恐怕不再需要人類駕駛所需的能力;經濟大餅會繼續擴大,但產值上升並不等於需要更多人類僱員,自動化農業和工業4.0就是明顯例子;經濟因科技進步產生變化是事實,但新產業很可能不需要太多人類員工,例如現在的科技巨頭。「憑什麼假設人類是最適合執行這些任務的呢?隨著任務侵占持續發生,難道將更多複雜的新任務分配給機器不是更明智的做法嗎?」

當然,還是有工作需要人類,包含不可能自動化、可以自動化但無利可圖(例如店員在目前還比機器便宜)、礙於監管或文化不適合自動化(例如法官)、可以自動化但人類重視的任務(例如現在還是有人愛看人類下棋、手沖咖啡等)。但整體來說,薩斯金表示,未來留給人類的工作不多了。

那麼,人類應該做哪些準備?薩斯金提出幾個應該關注的重點,首先是失業帶來的社會經濟分配問題,勞工本身的收入差異會更加極端、薪資收入占整體大餅的比重會愈來愈低、傳統資本的分配因為科技巨頭興起也會漸趨不平等。

接著,人們應該思考教育應如何因應自動化的影響,現有課程的技能不再有技能溢價,課程如何和機器互補,甚至在工作不夠的前提下討論勞動市場以外的學校意義也是選項之一。

另外,因為不平等問題,薩斯金提出了類似無條件基本收入概念的有條件基本收入,重點條件之一在於領取收入的資格—他認為應該考慮是否「支持社區」。如果說勞動時代的現在,人們考慮移民時會查看對方的經濟貢獻,例如審查存款與收入,那麼在後勞動時代的未來,更應該考慮工作量不夠時如何維繫社會運作,例如參與文化勞動、照護同胞等。至於收入來源,他強調向科技巨頭等掌握新興資本徵稅的重要性。

最後,或許是本書最顯露人性的地方,在於沒有工作之後的生活意義。對許多人來說,工作不只是維繫生活的經濟來源,更是賦予自己價值的重要身分,因此在工作量變少的世界裡,必須正視這些騰出時間後,人們應該如何找回生命的重心,例如調整休閒政策,或者創造(經濟上不具效益的)工作。

薩斯金用了完整一本書的篇幅,勾勒出一個整體工作量不足的世界。他切分機器取代任務標準、拆解經濟力量,並以人工智慧的發展,解釋何以過往總是能幫上人類的新技術,這次無法發揮相似效果。這是在眾聲喧嘩的當下,關心人工智慧對社會影響的人,不可錯過的好書。

手刀報名》5/9 最強線上課程:「從ChatGPT到Midjourney: 打造AI腦,高效致勝工作法」

更多精采報導,歡迎加入《遠見》 Line官方帳號!

看更多遠見雜誌文章:
生成式AI革命/104數據長:新工具與舊觀念碰撞,白領們如何應對?
生成式AI革命/他用裁員預警、逼員工消滅自己工作
他和馬斯克聯名暫停ChatGPT,因早預言AI這12種結局