人工智能对人类工作的影响：乌托邦？敌托邦？

苏令银

（上海师范大学 马克思主义学院，上海 200234）

一、人工智能影响人类工作：学术史的考察

人工智能（AI）在多大程度上从根本上改变了人类与工作的关系？人工智能会影响人们的工作方式和工作地点吗？过去10多年里，关于人工智能对工作可能产生的影响的研究文献大量涌现，创造出“乌托邦式”和“敌托邦式”工作场所的未来愿景。前者认为人工智能将带来更多的工作机会，也将创造出更高的工作效率，以及更加美好的工作愿景。后者认为人工智能必将造成大量工人失业，人工智能将对人类就业和生计产生切实的威胁，并最终完全取代人类劳动。人工智能有潜力通过高效、快速地解决复杂问题，来改变对劳动力、工作性质和基础设施运营的需求。然而，尽管相关报告和研究成果激增，作为一种新兴的技术，人工智能仍是一个谜，它的应用率和对工作结构产生的影响仍需要探讨。

虽然经济分析倾向于突出人工智能在提高创新、生产率、产出和劳动力需求方面的潜力，但其他哲学社会科学研究则强调了失业、监控以及系统性偏见等问题。人们一直在争论关于自动化和人工智能是否会造成大规模失业，潜在劳动力被取代的实际规模也存在争议[1]。牛津大学学者弗雷（Frey）和奥斯本（Osborne）预测，到21世纪30年代早期，47%的美国就业岗位将面临电子计算机化的“高风险”，而经济合作与发展组织（OECD）的阿恩茨（Arntz）等人的一项研究声称这一数字太过高估，经济合作与发展组织地区只有9%的工作岗位是可以实现自动化的。更有趣的是，只有少数几项研究试图确定在什么情况下，劳动力需求的增长可能会被人工智能替代。在这种情况下，阿西莫格鲁（Acemoglu）和雷斯特雷波（Restrepo）在剑桥“区域、经济与社会”（CJRES）杂志的一期特刊中关注在“正确”类型的人工智能下，生产力的增长如何能够超越替代效应，以及当政府在塑造人工智能的方向上发挥积极作用时，更好的社会结果如何更有可能出现[2]。

对技术和工作之间的关系、技术和工作组织的替代效应的关注有着悠久的历史，特别是以技术取代劳动是一个古老而反复出现的主题。19世纪，卢德分子（Luddites）毁坏了英国的纺织机，以保住他们的工作。在美国，一首经典的民歌讲述了非裔美国人约翰·亨利用全部的力量来对抗蒸汽驱动的钻孔机的故事。这一主题在整个政治经济学史上都引起了共鸣。马克思把技术变革、所有权和组织结构作为他对资本主义批判的核心。熊彼特讲述了一个通过技术创新的扩散来实现经济增长的英雄般的、必然性的故事，技术创新摧毁了前一轮的就业机会、技能和积累的资本。但是，随着时间的推移，其他观察者看到了工作和技术之间更加复杂的关系。尽管凯恩斯（Keynes）在大萧条最严重的时候强调了技术在应对大规模失业中的作用[3]，但他也提出了一个著名的观点，即技术主导的生产率的提高可以大幅缩短每周的工作时间，最终结果是催生了更多的休闲和文化消费。

因此，尽管这些主题并不新鲜，但人工智能技术的出现再次引起了人们对大规模工人流离失所问题的重视和社会焦虑。直到最近，机器自动化的应用主要集中在特定的行业和任务上，如在需要高度重复性劳动或大量体力的工厂中使用机器人。但人工智能和自动化的结合将构成一个前所未有的新发展局面，这可能意味着失业的威胁更严重、范围更广、更具有破坏性。这就意味着，全球发达国家和发展中国家之间，以及这些国家内部的收入分配不均问题将加剧。在发展中国家，人们特别担心一度被认为是一种安全发展手段的工业化，可能无法创造更多的工作和收入，因为机器人会完成以前由低技能工人完成的枯燥、危险和肮脏的工作[4]。此外，在全球服务业和公共部门中，自动化、机器学习和人工智能能力的综合应用影响中等技能和白领职业的情况将越来越多。法律服务、数据操作、公共服务、医疗和客户服务等职业都是面临转型的潜在目标。

人工智能增加了其应用程序影响的不确定性。目前，人工智能的增长和直接应用很大程度上预期了对劳动力流失的焦虑，但在许多方面，人工智能的影响可能被高估了。一些学者表示，想象中的人工智能技术比在现实工作场所中更具实质性[5]。斯朋瑟（Spencer）和斯莱特（Slater）强调人工智能技术的潜力不在于消除低技能工作，而在于增加低技能和低报酬的工作[6]。“人工智能”“机器学习”和“自动化”等术语已经被混为一谈——不仅在普通报刊上如此，在学术研究中也是如此。迪格纳姆（Dignam）提醒我们，到目前为止，人工智能作为有知觉的人类意识只存在于科幻小说中[7]。在很多方面，人工智能已经成为工作中一系列技术变革的总称。对服务业[8]和制造业[9]的研究表明，小企业主和经理人在描述自动化的新应用时可能会提到人工智能。也就是说，自动化和机器学习的不同技术形式被理解为人工智能，即使人工智能（真正的机器智能）本身的使用更为有限。此外，商业咨询部门对人工智能增长的预测常常显得夸张——对当前趋势的线性预测——而且很难评估。这些咨询公司不是作为技术应用的中立观察者，而是作为推动工作场所对人工智能的需求和应用的重要参与者。

无论如何衡量和理解人工智能，它都不太可能在整个经济中得到平均的利用。尽管如此，文献中一个常见的假设是人工智能的后果在一个国家将是同质的。许多关于人工智能的说法认为，民族国家是相关的分析单位，而且人工智能与劳动力转移或生产率提高之间的关系在一个民族中是不变的，即假设这种联系是普遍和一致的。尽管如此，探讨自动化、人工智能和机器学习的研究越来越多，并认为对工作的影响将是高度不均衡的，这取决于一系列因素，包括地域、经济活动、商业文化、教育水平和性别等。

在人工智能和工作的文献中，地域并没有得到足够的重视。尽管已经制定关于应用人工智能的“准备程度”的国家排名和指数[10]，但这些分析很少探讨因果机制。首先，由于现有的区域部门模式的重要性，重视地域是有必要的。工业流程和服务的生产集中在特定区域[11]。一般来说，工业活动的自动化可能比服务业活动的自动化更直接，因此，行业组合可能更加重要。但是，同样重要的是，工作文化的组织将创造一个或多或少容易成为自动化目标的环境[12]。从现有关于创新和国际商业的文献中了解到，工业习惯和实践已经嵌入国家、区域和部门的工业实践中[13]。因此，生产系统因地而异。例如，普华永道咨询公司（PWC）的一份报告认为，自动化对日本就业水平的影响将小于德国。他们的论点表明，即使两国行业的工业构成相似，但手工任务相对于管理的比例也较低。其他通常基于国家的技术系统（如监管和教育）也将影响人工智能的应用。以国家为基础的监管结构通常被认为是影响未来技术应用的重要因素。监管（人工智能本身、劳动实践、隐私法和知识产权）、劳动关系和税收（研发税收减免、自动化系统税收等）的变化可能会以不同方式影响全球各地的工作实践。这意味着自动化或人工智能的应用范围既不会在所有情况下经济上都同等可行，也不一定明显或可能[14]。

虽然人工智能的应用范围将不可避免地对工作岗位的损失或增长产生不均衡的影响，但就业机会的分布也可能受到商业服务中人工智能增长的影响。周（Zhou）[15]和迪格纳姆[16]都探讨了人工智能算法中嵌入的性别和种族偏见。研究表明，面部和语音识别、自动筛选简历以及针对性分析等技术的应用，可能会不经意间以一种带有深刻偏见的方式缩小成功求职者的范围[17]。因此，人工智能和自动化在一般商业服务领域的普及，比如与求职相关的人力资源功能，可能会在求职者联络和接触真人之前就对他们产生重大影响。例如，扫描简历的自动化流程可能会对获得工作造成障碍，这反映出程序员有意或无意的偏见，或者仅仅是他们被要求建模的底层数据库质量低劣。人工智能在再现偏见方面的作用，可能会加剧性别、种族和阶级不平等的组织问题。

教育可能是理解人工智能对工作影响的另一个关键点。一般来说，与那些从事更复杂、更自由的任务的人相比，受教育程度低的工人更容易受到自动化的影响。例如，在金融和保险行业，由于金融和保险行业的平均教育水平不同，美国的重复性数据密集型操作可能比英国更容易实现自动化。在法律服务领域，律师助理、低技能职业面临着被替代的最大风险[18]。目前，男性的工作似乎更容易受到自动化的影响，尤其是那些对教育程度要求较低的工作。这些工作往往是机械化和程序化的常规工业任务[19]。然而，这种情况在将来可能会改变。在所谓的“高频接触”职业中，女性主导了许多护理部门的工作，其中情绪和认知劳动很重要[20]。由于这些工作都是面对面的，所以不会马上受到技术侵蚀的影响。专家们认为，从短期来看这些工作不太容易自动化。但从中期来看，新兴技术应用旨在通过机器辅助来增强这些服务功能，并可能产生新的性别劳动分工。

本文由五个部分组成。第一，评价关于人工智能的概念史和模糊边界。第二，通过考察其经验基础而非仅仅是预测来分析关于就业增加、替代、破坏和流离失所程度的争论。第三，分析企业对人工智能渗透前景的反应，以及咨询公司在推动企业拥抱人工智能方面所扮演的角色，那些没有采取行动的企业将不可挽回地落后于竞争。第四，探究人工智能在劳动力数量和质量上的变化对社会、空间地理和治理后果的一系列影响。第五，讨论人工智能在可能的生产地域和用户设置中的空间地理表现。

二、智能时代的就业影响议题：增长、替代、破坏和转移

要理解人工智能是创造就业还是破坏就业，就必须评估它在商品和服务生产中是如何使用的。自2008年全球金融危机以来，劳动生产率停滞或低迷一直是多数七国集团（G7）国家的特征。包括美国、加拿大、英国和德国在内，劳动生产率都非常低，而与此相反，波罗的海和东欧更边缘的国家的劳动生产率却高得多[21]。七国集团国家低迷的生产率表明，企业可能会接受在新的“技术修复”方面的投资，以解决劳动生产率低下的问题。相反，在劳动力成本相对较低的一些国家，一些公司可能希望避免投资人工智能系统的成本[22]。鉴于过去10多年劳动生产率增幅较低，许多国家政府希望人工智能在整个经济中的发展和应用开启一个生产率高得多的经济增长新阶段。尽管如此，拥抱人工智能的影响往往并不清楚。新古典主义通常用劳动时间与产出的比率来概括劳动效率的衡量标准。然而，劳动生产率的衡量仅部分地反映了劳动者技能或劳动强度方面的劳动生产率。从根本上说，GDP和工作时间之间的比率取决于其他投入的组合，如资本和工作的技术、社会和组织结构——这些问题受到人工智能技术应用方式的深刻影响，这是新古典主义方法难以捕捉的[23]。因此，人工智能技术在工作场所的使用方式可能因行业和企业的不同而有所不同，既可以用来提高生产率，也可以用来取代劳动力。

因此，预测人工智能对经济的影响是很困难的。人工智能、机器学习和自动化技术的兴起与蔓延，导致人们普遍担心其对就业的影响，极端情况下，人们产生了严峻的、末日般的幻觉，认为人类劳动可能变得越来越多余。无人驾驶汽车、大规模监控或使用算法确定社会安全地位被认为是“敌托邦式”人工智能未来的一部分。流行历史学家尤瓦尔·诺亚·赫拉利（Yuval Noah Harari）声称，21世纪最严重的威胁之一将是“无用阶级”的崛起，预测数十亿人将被这些新技术所淘汰[24]。

对与自动化相关的技术对就业影响的焦虑，一直是经济理论中反复出现的担忧。可以简单地将相关研究者分为三类：悲观主义者、实用主义者和乐观主义者。对马克思来说，工业革命使工业和技术在生产中发挥了更重要的作用。他预言这将导致工人阶级和资产阶级之间不可避免的阶级斗争。因此，“技术性失业”是马克思的资本主义剥削理论的基石。相比之下，凯恩斯在大萧条时期就曾对“技术性失业”的“新疾病”发出过警告[25]。他认为，当经济上对劳动力的使用速度超过了新工作方式的出现速度时，失业就会发生。同样，瓦西里·莱昂蒂夫（Wassily Leontief）预测，自动化将使劳动力对经济运转的重要性越来越小。他认为，即使出现了新的就业机会，工作岗位的数量也不足以雇用所有想要工作的人[26]。这些实用主义者认为需要制定公共政策来支持教育、培训和再技能化培训，以应对技术性失业的潜在有害影响。约瑟夫·熊彼特（Joseph Schumpeter）对自动化对就业的影响给出了更为乐观的解读。他认为，尽管技术变革在短期内具有破坏性——导致失业——但在中长期内，它将在生产率更高的创新行业创造就业机会。他提出的“创造性破坏”概念将创新视为增长、竞争和结构变革的引擎[27]。结合20世纪70年代信息和通信技术革命的兴起，人工智能和机器学习技术有效地为全球互联的平台型经济提供了基础设施。包括弗里曼（Freeman）、泽特（Soete）和佩里兹（Perez）在内的学者认为，一种新的“技术经济范式”已经到来，它导致了一场技术性失业危机。他们认为，技术的影响需要精心规划的应对措施：工作本身正在进行深刻的重组，同时呼吁政府在工人再培训和教育方面投入巨资[28-29]。

事实上，这项研究在影响对技术和就业的进一步研究的接受方面起到了重要作用，包括经济合作与发展组织和欧洲委员会在内的许多机构对此表示赞同。从21世纪初开始，深度学习（使用多层软件的算法，如神经网络）取得了进一步突破。如今，机器学习的进步正在重新引发人们对这些技术将在何处与就业结果交互的焦虑、期待和兴奋。许多评论人士认为，自动化将最有可能取代制造业中的常规和低技能工作[30]。定期有针对性的任务被认为是会影响体力、重复性的任务，比如装配线上的工作。然而，这一新的技术浪潮也有可能影响非常规性的认知任务，这些任务通常由“白领”、高技能和高薪员工执行，甚至在专业和服务行业也是如此[31]。

在很大程度上，关于技术变革和就业之间实际关系的历史证据似乎表明，几个世纪以来，技术变革虽然导致部分工人的工作被取代，但通过提高生产率，其对整个经济和工人产生的影响是积极的。对工业革命的经济分析或第一批装配线的引入并没有导致大规模的技术失业[32]。换句话说，到目前为止，技术变革还没有像马克思、凯恩斯、莱昂提夫或弗里曼和泽特预测的那样产生令人担忧的影响，以后是否会有所不同呢？

三、人工智能技术社会后果的多重纬度

目前已有大量出版物讨论人工智能对21世纪就业的影响，其作者包括咨询公司、企业、政府机构和学者。在这个话题上，夸夸其谈的说法比比皆是，但几乎没有证据支持它们。撇开这些不谈，在那些被引用最多的定量研究中，预测却大相径庭。例如，弗雷和奥斯本采用基于职业的方法，估计美国47%的就业岗位都高度“容易”自动化，包括服务、销售和建筑等一系列职业[33]。相反，阿恩茨等人认为这种方法是高估了其影响。采用基于任务的方法，他们声称在经济合作与发展组织地区只有9%的工作是可自动化的[34]。这两项研究都认为，技术变革将不成比例地影响到最不合格的工人。在这些研究中所使用的方法、所覆盖的地域和所处的时间阶段很大程度上解释了这些差异。其他学者认为，人工智能可能根本不会导致大规模的工作替代。利（Leigh）等人发现通过机器人实现的自动化促进了美国地区就业的增长[35]。斯宾塞（Spencer）和斯莱特（Slater）认为，对一些国家来说，人工智能技术可能会导致低收入、低技能工作的激增[36]。他们认为弗雷和奥斯本等学者高估了大量工作岗位的损失，因为工作岗位的损失不能仅仅从工业结构中得出。此外，他们认为人工智能技术的应用“将受到管理决策、部门状况、劳动力技能可用性、现有技术投资和锁定、劳资关系考虑，以及在跨国背景下特有的法律、社会和制度考虑的驱动”[37]。但他们认为，鉴于人工智能和自动化的新技术能力，工作中的许多任务很可能会被重新配置。这很可能会增加低技能和低报酬的工作。

（一）工作的未来命运是注定的吗？

技术对就业的影响并不是决定性的——这些新技术的应用取决于多种因素，包括公共政策、企业战略和空间地理等。阿西莫格鲁和雷斯特雷波认为，新兴技术对就业的影响最终取决于企业和政府是否推广“正确的”人工智能[38]。换句话说，就业的未来取决于我们如何构建以及构建什么样的技术平台。他们认为，“正确的”人工智能应该是那种有潜力提高生产力和创造广泛繁荣的技术。这种观点认为，技术具有“赋能”或“替代”两种效果。赋能技术增强了人类的工作能力，从而提高了生产率。好的例子包括大学教授的笔记本电脑给他们提供了更多的工具来组织工作，扫描仪有利于超市收银员工作效率的提高，计算机辅助设计使建筑师、设计师和工程师的设想与建造更为精准。因此，技术革新通过提高生产率来促进就业，可能会导致工资上涨。虽然这可能不会对所有工人都有利——它可能会伤害一部分劳动力——但这一福利会影响到足够多的工人，从而增加劳动力需求。布鲁克斯（Brooks）在将基于人工智能的技术引入法律领域的研究中论证了赋能技术的效果[39]。他认为至少在短期内，技术正在帮助律师减少法律研究、合同审查和分析所需的时间，以及加快程序和扩大决策过程[40]。人工智能功能主要用于自动化更劳动密集的实践，其中很少需要专业判断，如提高日常法律实践的准确性。因此，将人工智能引入法律行业似乎具有一种赋予能力的功能。

另一种方法认为，人工智能是一种替代技术，也就是说，它拿走了以前由工人完成的任务——有效地用机器来完成任务。阿西莫格鲁和雷斯特雷波认为，工业机器人不是为了提高生产力而设计的；取而代之的是，它们被设计成自动化以前在工厂车间由生产工人完成的任务。它们的作用是降低单位产出成本，从而增加资本所有者的收入，资本所有者往往比依赖劳动收入的所有者更富有[41]。替代技术的例子包括超市的“自助结账”、邮件分拣、装配线和自动提款机。技术的替代会造成一级替代效应——人类不再需要完成这项任务——并可能对就业和工资产生不利影响，加剧收入不平等。

然而，这些新技术的替代效应往往是复杂的，不太可能是失去所有的工作。就业增长可能会很好地抵消一些替代效应。例如，一种观点认为，如果一家超市使用自助结账服务，最终会降低成本，其好处将会传递到整个超市行业，潜在地创造新的就业机会，并增加该行业以及相关行业的劳动力需求。目前，虽然许多零售公司已经安装自动结账机，但他们发现仍然需要员工来减少偷窃，帮助和安抚顾客，这使得使用这项技术的商店的新劳动力要求模糊不清[42]。事实上，一些商店正试图专门培养知识渊博的员工来显示自己的与众不同[43]。此外，较低的成本可以让消费者有更多的钱花在其他事情上，这可能会给整个经济带来新的就业机会。瓦尔德曼布朗（Waldman-Brown）报告了自动化技术在中小企业中的应用[44]。她发现了一些例子，比如企业选择增量自动化来提高生产率，从而使技术变得可行，也可以替代技术。在她的研究中，企业所有者增加了工人的任务，而不是取代他们，但当工人被取代时，他们会被重新部署到工厂的不同职能中。因此，在技术造成的替代效应和有可能成为平衡力量的生产力效应之间存在着一种“竞争”。当人工智能技术表现良好并降低成本时，更有可能产生较强的生产力效应；然而，如果生产力效应较弱——当新技术只是“不过如此”时，这可能不足以减弱替代效应。如果工作被取代，另一个问题是谁将失去工作？英国国家统计局（ONS）估计，自动化在服务行业和公共部门的应用越来越多，可能对女性和年轻员工的影响最大[45]。英国国家统计局的有关数据显示，英国最大的低技能工人群体在20～24岁之间。他们还估计，在英国，超过70%的自动化高风险工作由女性担任，这可能会创造一种新的性别劳动分工。

总之，人工智能、机器学习和自动化对就业的影响并不是预先注定的，而是取决于企业和政府推动提高生产率的人工智能形式的决定：要么部署能够赋能的技术，要么利用生产率高的替代技术。这些反过来又部分由空间地理和当地能力决定。康帕努奇（Compagnucci）等人论证了不同的经济结构、不同的产业专业化如何具有适应新技术的独特能力[46]。公共政策将要求对工人进行再培训，以确保他们能够应对人工智能给就业带来的挑战。一种动态的教育和培训方法，加上更具适应性和灵活性的学习方法将创造出正确的能力，以及更好的安全网。最后，即使选择“正确的人工智能”，由此产生的生产力收益也需要相当长的时间才能变得可见并可衡量。布莱恩杰尔夫森（Brynjolfsson）等人解释说，这种滞后是因为大多数人工智能技术是“通用技术”，这意味着它们在各个行业都有广泛的应用，并要求行业本身围绕这些创新进行重组，以看到收益[47]。

（二）咨询公司对人工智能应用的影响

当未来学家、学者和政策制定者对人工智能、机器学习和自动化可能带来的后果发表看法时，企业也出于各种目的纷纷研究这些技术的相关元素。有两类人对之特别感兴趣：积极应用这些技术来解决众所周知的问题的公司和建立适合自己专长的市场定位的顾问。虽然一个通知另一个的可能性相同，但当前的时刻特别令人惊讶。与企业一样，咨询公司也在疯狂地聘请这些领域的专家来建立自己的产品线。全球顶级咨询集团的宣传材料，如波士顿咨询集团、普华永道、埃森哲和麦肯锡，没有给其他企业留下任何机会。这些公司正专注于他们已经出名的“面包和黄油”产品，同时提供惊人的相似的警告，要么是关于即将发生的问题，从而证明他们的服务是合理的，要么是提出关于先决行为改变的警告，以确保成功的可能性[48]。换句话说，“正面和中心”是一份伪装成尽职调查声明的免责声明。咨询公司利用先行者客户来证明自己的服务，从而限制公司的责任，但附带条款是如果客户没有执行提供给他们的严格建议，这些咨询公司就不承担责任。鉴于这一套技术的涌现性质，公司材料中的几句话强调了它们的不确定性。

咨询顾问们正一致认同这样一种说法，即人工智能（机器学习和自动化进一步实现了人工智能）不亚于一种新的生产要素。总部位于谷歌搜索平台的全球咨询公司埃森哲（Accenture）称：“这是一种全新的生产要素，它能够通过增强人类的自然专长而将自动化带到新的地方，并将创新传播到整个社会，从而推动业务增长。”[49]毕马威更加谨慎地指出，这些组合技术带来的收益可能会渗透到包括数据、业务流程、劳动力、风险和声誉在内的关键的业务领域[50]。毕马威进一步暗示了需要的谨慎程度，并指出前期成本将是巨大的。把人工智能作为一种简单的“即插即用”战略的想法是一种误解。这些咨询公司警告说，即使要开始利用人工智能，企业也需要建立广泛的内部能力，胆怯的人不适合进入人工智能领域。一个成功的应用程序更有可能是那些既灵活又不受遗留资产（如已存在的平台、内建过程和过去特有的严格实践）束缚的应用程序。换句话说，与那些已经建立安全的操作惯例的公司相比，不受约束的年轻公司可能更容易增强它们的能力。

2019年，总部位于美国的国际咨询公司麦肯锡（Mckinsey，Inc.）公布了其客户公司的人工智能应用年度评估[51]。在两份评估报告中，他们的发现表明，人工智能、机器学习和自动化跨部门的应用，发生在当今效率明显的领域。汽车和重工业正在使用机器人技术和机器学习技术来使得肮脏、危险和困难的任务自动化。零售商正在使用人工智能分析来跟踪销售和客户偏好。在全球范围内，人工智能得到越来越多的应用，亚太地区和北美地区处于领先地位。然而，该报告表明，至关重要的是大多数应用程序都存在短期问题。

利用更复杂的人工智能相关应用的公司越来越少，原因是不愿意“投资人才，比如翻译专家，并确保业务人员和技术团队拥有成功扩张所需的技能”[52]。对大多数商业企业来说，人工智能技术目前正被用于解决低风险问题，比如追踪客户偏好，或者为关键模式挖掘大数据。总的来说，组织正试图缓慢地扩大规模，吸收这些新的能力，而不是追求导致组织变革的行动。就这些技术的应用而言，各公司正在“摘低挂的果子”，并将他们的“大脚趾”伸进未知的“寒冷水域”[53]。

另外两项发展值得注意。主流媒体报道和全球咨询公司都在关注一系列与人工智能、机器学习和自动化有关的隐私影响、对主观和无意偏见的精确控制，以及最终采用后与预期的就业结果相关的问题[54]。提供咨询服务要求客户放弃对数据的控制权，数据的形式是有关组织及其基于配置的竞争优势的机密信息，这些竞争优势与企业实践、文化和战略紧密相连。会计师事务所对数据隐私表示严重关切。

一些学者预先强调了企业在追求一个由人工智能、机器学习和自动化增强的未来时所面临的挑战。关于这些技术能力的后果，我们仍有很多需要了解的地方。公司和顾问们公开讨论了这样一种认识：流离失所不仅是可能的，而且是极有可能的。麦肯锡2019年度报告显示，2019年整个世界的就业形势是积极的，特别是那些正在积极规划和实施现有员工再培训计划的公司，这种情况会持续多久尚不清楚。最明显的是，有两条出路。在“恐吓策略”和“巨大未知”的推动下，咨询公司正在推动企业在落后之前坐上“末班车”。每家咨询公司都在为各自不同的发展方向开辟一个有力的基础市场，从依赖削减成本和淘汰低技能劳动力，到利用这些技术发展的潜力，利用现有劳动力的战术知识，促进向新前沿的过渡，从而重新定位他们。目前结果尚不确定，但我们看到了另一种选择。企业咨询师们表示，有了人工智能，经济增长正获得生产力的第四个维度——人类的智力能力正得到机器支持的增强[55]。与阿西莫格鲁和雷斯特雷波的建议相呼应的是，这些技术的应用结果并不是预先注定的，它将反映组织和社会层面作出的选择[56]。

（三）社会后果：谁在工作？

有如此多的预言者或惊叹人工智能、机器学习和自动化的奇迹，或对之表示担忧和悲哀，以至于人们很难区分重要和不重要。从自动驾驶汽车到面部识别，再到导致机器在刑事法庭上提出精细优先级的结构化搜索，世界正在迅速变化。抛开夸张不谈，这些拥有巨大计算能力的技术对于诸如“谁在工作”这样的社会问题意味着什么？伴随这些新技术能力而来的变化有多大？

一些学者对自动化、机器人和人工智能技术的发展和传播中缺乏问责性和公共目的提出了更具批判性的分析[57]。让算法、人工智能和机器人变得公平、透明、可理解，并因此变得更负责任的压力越来越大。夏基（Sharkey）和他的同事们认为有必要“将目前自动智能系统技术的设计和制造中可能不会自动考虑到的人类福祉的伦理方面纳入其中，并重新定义成功的概念”[58]。所以人类的进步可以包括有意地优先考虑个人、社区、社会和伦理价值。

然而，到目前为止，主要的参与者是在私营部门，而且人工智能的发展是相对不受管制的。有关人工智能和公众利益的法律与监管结构仍处于萌芽阶段，仅具有咨询作用。例如，英国有监管机构和公共程序来探讨生物技术与人类受精技术的许多应用的生物伦理，目的是弥合公众、专家和政府之间的差距。然而，这与人工智能的发展不是齐头并进的[59]。迪格纳姆指出，许多人工智能技术公司的创始人和首席执行官都有自由意志主义的信念，他们积极倡导政府为人工智能提供一种相对宽松的监管结构。他们认为新技术的本质是不受法律和法规约束：新的技术前沿是由数学计算控制的，而旧的、过时的、已经存在的法律不能阻碍[60]。同样的批评者阿西莫格鲁和雷斯特雷波提醒我们，技术并不决定其用途和应用，而是社会决定的，从这个意义上说，技术是一种社会建构[61]。

人工智能系统的公平性是一个值得关注的问题。在人工智能的广泛应用中已经观察到的一个问题是，它被用于筛选当今劳动力市场的机会。有很多人工智能复制和放大性别与种族偏见的例子。个人简历中使用过于“女性化”的自我描述可能会导致项目筛掉该份申请；个人的肤色可能会决定面部识别软件是否推荐其做这份工作。例如，周在亚马逊对其招聘自动化系统的实验中发现了偏见。由于科技行业是男性主导的，机器学习模式中输入的大部分简历都是男性的，由此产生的制度对男人比对女人有利。如果这种招聘制度得以实施，科技行业将进一步排斥女性[62]。尽管这可能不是目的，但关于人工智能在“人力资源”功能中的使用的广泛反馈指向人工智能的一个基本问题：有偏见的数据集。周的研究强调人工智能系统完全依赖于从数据库中学习；如果数据库不完整或有偏差，系统会无意中将偏差扩大到更大范围。同样，他特曼（Tatman）和卡斯滕（Kasten）发现YouTube语音识别程序存在偏见；他们发现，不同方言和种族之间的错误率有统计学上的显著差异，非白种人的错误率要高得多[63]。这样，带有微妙的种族主义和性别歧视模式的非代表性数据，重现了同样的模式[64]。这些发现表明，人工智能能够在工作中重现和放大现有的性别与种族偏见。正如瓦克（Wacher）所指出的：“系统可以做出不公平和歧视性的决定，复制或发展偏见，并以不可思议和意想不到的方式在高度敏感的环境中表现出来，将人类利益和安全置于危险之中。”[65]

由于许多大型数据集是不完整的、不具有代表性的，它们可能会错误地识别特定的个体，特别是涉及少数群体和妇女时。“数据集往往不能代表公众人口。在捕捉弱势群体时，数据被剥夺的程度很高。有偏见的数据集放大了性别和种族不平等，并将过去和现在的偏见投影到未来。”[66]例如，勃拉姆温妮（Buolamwini）和吉布鲁（Gebru）研究面部识别系统中的偏见，他们的“性别阴影”研究评估面部识别系统中的偏见程度，发现在对肤色较深的女性、肤色较浅的女性、肤色较深的男性和肤色较浅的男性进行分类的准确性上存在显著差异。相比之下，肤色较深的女性被错误分类的概率高达34.7%，而肤色较浅的男性被错误分类的概率最高只有0.8%[67]。同样，加纳尼（Garnerin）指出，女性在媒体中的代表性不足，在说话人和“言语转换”方面，她们在语音识别数据中的代表性不足[68]。克里拉多·佩雷斯（Criado Perez）认为这个问题是双重的。数据集不仅是由白人男性主导的，而且他们的过度代表性反过来又扭曲了输出：“男性数据构成了我们知道的大部分”，所以“什么是男性被视为普遍”[69]。因此，人工智能可能成为一种延续偏见的方法，造成意想不到的负面后果，加剧不平等[70]。夏基呼吁禁止所有“改变生命的决策法则”，这反映了人工智能中这些偏见的严重性[71]。

迪格纳姆强调了另一个问题——设计、编码和编程人工智能技术的实际劳动力缺乏多样性[72]。他研究苹果、谷歌、脸书等公司的就业数据，发现人工智能劳动力中存在很大程度的性别差异，尤其是在技术人员中。狄龙（Dillon）和科利特（Collett）发现了同样的问题并呼吁人工智能劳动力的多样化，以使技术的设计和实施更加公平。随着人工智能的崛起，对熟练技术专家的需求增加，且变得更加迫切。“以目前的速度，现有的不平等只会因为人工智能劳动力市场而加剧和扩大，而人工智能劳动力市场未能反映出人口的多样性。”[73]人们再次被提醒为什么社会建构性批判如此强大，虽然大规模计算能力允许更大的统计规模，但在社会基本统计完整性方面没有根本改变，仍主要取决于人类的判断。高度熟练和技能化的人类设计、操作和监督仍然是至关重要的[74]。

四、人工智能技术发展的空间意蕴

人们每天都在忍受着关于未来将会包括什么的预言。一方面，伴随这些技术空间分析而来的经验证据主要是加强了当前科技产业、高等教育和个人财富的空间地理。到目前为止，还没有出现突破全球工业和技术领先地位的地方。然而，地缘政治可能在推动国家人工智能技术发展方面发挥重要作用。20多年来，中国一直在与美国、英国和日本的领先技术供应商进行着竞争。如今，中国的角色已不再是跟随者，而是这些行业中一个敏捷的竞争者。国防应用刺激了美国许多新技术产业的增长，包括人工智能[75]。有些国家人工智能技术发展的重点将首先集中在部署技术来监视和控制本国或他国公民。因此，对于与这些技术相关的产业将在何处出现，空间地理是一个重要的但不是决定性的因素。

目前，根据现有的人力资本形成空间和长期的工业集中情况，技术发展与采用的空间地理似乎大多是经过试验的真实途径。然而，早期的证据确实表明，在确定专业技术出现的空间地域时，使用的空间地理可能比单纯地确定现有技术集群存在的地域更重要。1997年，地理学家斯坦（Stan）和克里斯汀·奥彭肖（Christine Openshaw）编写了《地理学中的人工智能》，这本书预言了一个未来世界，在那里，地理信息计算将迅速发展，并在任何数量的同源和衍生领域应用。此外，学者们已经阐明一个事实，即尽管经济全球化的力量强大，但国家和地区的工业文化与工作实践仍然可能因地区而异[76]。萨克森尼（Saxenian）研究了计算机和软件业在不同地区经济中如何有不同的模式和工作实践[77]。格特勒（Gertler）指出，这些不同的工作实践意味着相同的技术在不同的环境中以微妙而不同的方式被部署。他研究了加拿大企业在实现从德国新机床中提高生产率面临的困难，指出其原因是两国的工作组织方式略有不同。德国的工作惯例（特别是工程师和车间之间更紧密的关系）被嵌入到新技术中[78]。因此，人工智能或其他新技术的技术扩散并不总是直接的，而且可能因区域或国家的工作惯例而复杂化。吉特森（Kitson）认为，在英国，创新政策过于集中于产生创新，从而忽视鼓励创新的扩散和应用的复杂性[79]。在德勤的认知状态调查中，研究者发现人工智能技术的最大障碍之一是认知项目与现有流程和系统整合的困难——调查没有提供这一发现的地区和国家模式的线索，但它仍然表明，“整合”问题对企业来说仍然很突出[80]。

最后，人工智能的发展可能会加强现有技术集群的经济实力，因为“平台”公司的经济实力为最新的技术进步所加强[81]。这些现有技术聚集区可能会出现与新技术有关的就业增长。研究表明，人工智能、机器学习和自动化对改善发展不平衡这一由来已久的问题可能作用不大，这进一步表明，增长最有可能发生在类似活动的现成集群中。也就是说，初始禀赋显然是一个地区从开发新技术中获益的、潜在的关键决定因素，特别是落后地区很可能处于明显的不利地位[82]。布尔克（Buarque）等在考虑目标产业活动中企业申请专利的空间地理时得出了类似的结论[83]。在欧盟国家，人工智能、机器学习和自动化领域涌现出的具有创新成果的企业，它们大部分出现在现有工业发展的关键节点上。

然而，在2019年一份关于产业政策的研究文献中，柏雷（Bailey）强调了欧盟是如何试图对落后的区域经济进行战略性投资，使它们能够开发新的技术专长，从而使发展进入新的轨道[84]。然而，人工智能应用的空间地理也可能是不均衡的，并与现有的工业优势和劣势密切相关。英国国家统计局发现，在英国，自动化导致失业的可能性各不相同。在东南部和伦敦增长中心以外的外围地区较贫穷的区域经济体最有可能因为自动化而失去工作。因此，小城镇和农村地区，如波士顿、南荷兰和芬兰是失业最高的概率地区，如北康沃尔、西兰开夏和里布尔谷[85]。这些地区有独特的地方经济，但都有当地的工作结构，雇佣的低技能工作数量高于平均水平，而这些工作可能是最容易实现自动化的。这可能会在许多不同的国家背景下上演，因为在某些地方的经济中，容易受到自动化和机器学习影响的工作将占更大比例。

五、结论：人工智能与工作的未来展望

人工智能和它的相关应用单元将改变工作的性质以及系统和基础设施的运作，使复杂问题的解决方案高效和快速。尽管这些技术的许多应用旨在增强服务用户的体验，但迄今为止由人类脑力和体力完成操作的完全转换的例子也在不断增加。人工智能对人类工作的影响既非单纯的“乌托邦”愿景，也不是单纯的“敌托邦”景象，而是呈现出“乌托邦”和“敌托邦”的双重效应。一方面，人工智能技术的应用将不可避免地造成人类的一部分工作被替代，导致部分职业的消失和人类某些劳动技能的退化；另一方面，人工智能技术在对人类工作造成替代或消失的同时，也必将会创造出新的就业和工作机会，从而为人类劳动带来新的希望和劳动解放的美好前景。

人工智能、机器学习和自动化技术的后果仍在浮现，因此，很可能在国际科学界和商界引发持续的辩论。这些发展将在多大程度上挑战就业是复杂的和难以确定的。过去10多年许多国家和企业劳动生产率一直很低，这意味着企业很可能希望（或被鼓励）追求替代劳动力的人工智能形式，而不是提高劳动力的技术形式。显然，这些技术的传播和扩散并不是决定性的：它是一种社会和政治选择。需要强调法律和政策体系以及由此产生的激励和抑制因素对这些仍在出现的技术的公认的许多使用方式。但在世界各地，人工智能技术的监管基础设施本身正在以一种缓慢而特殊的方式形成。人工智能系统中的偏见往往不透明，但可能会强化现有的性别和种族偏见。有人呼吁提高人工智能技术的透明度，以便让这些程序的决策过程公开接受审查。

政府在规范、监督新技术的道德规范设计以及为新技术设定边界方面扮演着明确而重要的角色。重要的是，政策的设计应有助于推动私营部门的行动，以产生增加社会福祉的结果，而不仅仅是寻求增加GDP[86]。政府的作用不仅在于制定产业政策（迄今大多数国家的做法都是如此），还在于决定和塑造我们拥有的人工智能技术的类型、它们的应用方式和可接受的使用边界。国家政策（税收、研发减免、监管）可以帮助将激励措施从替代劳动力的技术转向赋能劳动力的人工智能技术。现有经验证据表明，迄今只有一小部分公司毫无疑问地采用了人工智能技术[87]。许多公司都在追求渐进式的应用，只是“试水”而已。一些行业的公司可能会对投资高成本人工智能系统持谨慎态度，特别是在劳动力成本相对较低的国家。尽管国际咨询公司是这项新技术的鼓吹者，但许多公司都在测试其用途并监测其效果。人工智能技术的最大消费者可能是对国防和监控感兴趣的国家，而不是商业公司。这是对人工智能变革性能力的过度推销，还是一种时滞？抑或是企业对一种尚未被证实且往往昂贵的技术的谨慎态度？20世纪80年代中期，经济学家还试图了解为什么计算机技术在更广泛的经济领域中扩散的速度比预期的要慢。罗伯特·索洛（Robert Solow）将其称为“生产率悖论”，即计算机“无处不在，唯独不在生产率的统计数据中”[88]。人工智能技术也是如此吗？就像早期计算机的普及一样，人工智能技术的普及和应用可能比行业支持者所认为的要慢。

一个最重要的担忧是，基础科学发现、咨询界表现出的技术热情和国家政策之间的相互作用在多大程度上融入了导致底层竞争的通向未来的路径。过去的科技时代打破了政治对手之间的权力平衡，让许多人在领先的竞争中落后。无论是从什么角度看，都有明显的警告迹象表明：需要制定政策，以确保那些将在这个新时代遭受破坏的人的福祉。

这里有两条出路。在“恐吓策略”和“巨大未知”的推动下，咨询公司正推动企业加入这股潮流，以避免成为经济上的“落后者”。每一家咨询公司都在朝着不同的方向开拓细分市场，从依赖削减成本到消除低技能劳动力。与此同时，政府在人工智能方面的政策大部分都只关注经济增长。然而，另一种经过更多考虑的途径也是可能的。它将利用这些技术发展的潜力，利用现有劳动力的战术知识来促进向新领域的过渡，使工人能够在使用新技术的同时使用自己的技能，从而重新定位现有劳动力。此外，人工智能和相关技术可以用于积极促进教育、卫生甚至和平事业发展等领域。人工智能的部署方式并非预先注定的。与阿西莫格鲁和雷斯特雷波的建议相呼应，这些技术的应用结果将反映组织、政治和社会层面作出的选择[89]。像所有技术一样，人工智能的未来太重要了，这不能单纯留给人工智能领域的技术专家。相反，社会科学家、律师和技术伦理专家都需要积极参与人工智能发展与应用的形态和结构。