「人工智慧」下的「失業焦慮」

2月13日，天氣晴，宜開會，忌寫碼。

早上與某汽車公司的客戶開會，討論如何用機器學習優化他們的業務流程。他們常年需要在國際間進出口汽車零件，每天與各國海關打交道。進出口的流程需要在WTO的制定的框架下進行，並遵照協調關稅制度（ harmonized system）來決定一件商品在進入到進口國時該如何繳稅。

我不是商科背景，也不大了解進出口的規則，於是客戶耐心的給我解釋了現有的流程。貨物從A國進入B國，那麼進口方需要決定在B國海關的繳稅。當然，不同的貨物可能有不同對應的類別，而不同類別間的稅率差別很大。比如「聖誕蠟燭」可以被歸為節慶用品，也可以被歸為日用品，而二者之間的稅率差別可能很大。因此正確的選取最佳的分類對於我們的客戶非常重要，但當涉及到多個國家的規則時，正確的分類是很難的。錯誤的分類不僅可能會交錯稅被海關罰，也可能在後期被第三方審計時出現問題。

我很好奇的問他這些年他們怎麼處理這個問題，誰來分類，純人工是不是很貴？他哈哈一笑，告訴我大概從十五年前他們就在東南亞建立了幾個處理中心，專門利用當地便宜的勞力來對進出口商品進行分類，準確率很高。當然，他們偶爾也使用第三方的中介機構進行分類，也很划算。他接著畫風一轉，說雖然現有的方法很好，成本也不高，但我們要為企業進行長遠規劃，將這套系統電子化、智能化，逐步擺脫人工。如果你們的模型較為準確，解釋效果也好，那我們會逐步縮減外包員工的編製。如果單純從技術角度來看，如果數據積累好，較為簡單的學習模型，如決策樹，就可以滿足客戶的需求，這並不是一個難度很大的項目。

這樣的項目不是孤例，機器學習的自動化是壓垮初級體力/腦力勞動者失業的最後一根稻草。在越南公司裡面對著商品信息分類員工不會想到，他們跟隨十五年的老闆正在另一個大陸討論怎麼用自動化模型替代他們。資本是逐利的，因此我們應該有一個基本的認識：社會穩定的基本前提不是保證每個人都有工作，而是每個人的工作都有意義。而人工智慧所引發的產業升級，不再是大家口中的「狼來了」，而是真的在逐步靠近。在數據積累量好，定義明確的問題上，成熟的機器學習模型並不是天方夜譚。

前兩天系裡面轉來了一份採訪安排，一位大報的專欄記者想要了解人工智慧在企業中落地情況，對於非結構性的數據一般如何應用。我很好奇他的初衷，於是在見面前發信問他具體的聊天內容，他回復說：

My audience for this article is a bunch of largely middle-aged accountants who are trying to keep up with the mindset of their clients. Their clients are in every field under the sun—from retail to food-service to government to sports/entertainment to tech. For years, decades perhaps, these accountants have viewed their clients through the relationship of structured data. In fact, the whole purpose of the accounting industry is to bring structure to (financial) data. But now, suddenly, their clients are developing a new relationship to data, because there are these (increasingly easy to use) machine-learning tools out there that allow them to get value out of data even before it is put in structured form. This doesnt mean that accountants will be put out of a job, or that the world wont need profit-and-loss statements. But it will mean that clients are going to be asking different kinds of questions, and expecting a broader range of advice in regard to data management and valuation.

簡單翻譯，他這篇文章的主要讀者是在時代變化中感到壓力的中年會計師。他們曾經很了解自己的客戶，然而突然間他們的客戶開始擁抱機器學習，開始使用數據手段來改變傳統方式。這並不代表這些會計師們會失業，只是代表不再理解如何幫助和理解客戶的業務了，而傳統審計的方式也可能發生改變。因此這位專欄作家希望更好的了解工業界的不同領域如何使用機器學習，對於企業的業務、資產、人才儲備會起到什麼影響。

我見到他的時候，以為他是來聽故事的，對機器學習應該一竅不通。然而聊過以後發現他做了很足的功課，甚至了解了很多機器學習的基本概念。我開玩笑說「你也是蠻拼的」，他說他曾經也是工科出身但轉行做了30年文字工作，然而現在愈發覺得需要補充一些相關知識，以防被行業淘汰。他所在的報紙曾經是日刊，而現在因為各種原因已經縮減了發行頻率，主要發力在電子版上，而越來越多的寫作以及選題不再是根據主編和記者，而是大眾興趣和演算法。

對於人工智慧對於就業的影響，一直有兩種看法：(i) 人工智慧會讓大部分人失業，但會提供更好的基礎保障 (ii) 人工智慧只會幫助我們更好，各國政府為了維持社會穩定不會允許大規模失業。粗淺從資本逐利的角度來看，即使大規模的失業不會發生，但靠資本家的善心是不足以阻擋被替代的命運。這種趨勢影響的不僅僅是初級從業者，中級從業者的工作模式也會發生更為深刻的改變，比如「中年會計師」，「知名的專欄記者」以及像我一樣的科技從業者。由產業升級所帶來的影響不由我們每個勞動者決定，就像越南員工的命運取決於萬里之外伺服器上的模型。在科技快速發展的時代，我們每個人或多或少都有無力感和壓力。

如何應對？要和機器一樣換代升級，盡量遠離初級工種，並懷著接受科技的態度成為一個能使用現代工具的從業者。你不需要成為跑的最快的人，但要看到老虎在身後，並接受現實換上跑鞋準備逃生。科技大輪轟隆將至，只有選接受改變的人才不會被碾過。