经济学家凯恩斯曾设想，到2030年，技能进步、成本增长和生产率提高将给我们带来巨大的经济福祉，把我们引领到一片“经济乐土”。
但是，《事情的意义：从史前到未来的人类变革》一书作者、剑桥大学人类学家詹姆斯·苏兹曼看到，随着技能的发展，对人力的需求将会削弱，首先是那些须要亲力亲为的基层劳动力会被机器取代，在未来，机器的机动度类似乃至超过人类，乃至还能模拟人的社交智商和创造力。
这样，纵然是那些看起来还没有办法被取代的事情，也不能够拥有绝对的保障。
本书作者还指出，自动化将为那些已经很富有的人创造更多财富，而那些没有能力购买公司股份、无法享受自动化技能红利的人将处于更加不利的地位。

凯恩斯认为，每个人只拥有基本需求，很随意马虎得到知足，没有人会进行额外的劳动。
但问题是，成本主义是欲壑难填的，是须要不断增长与扩展的。
就这样，在基本需求得到知足之后，有志于赢利的人还会连续做大量事情，一方面给自己的生活创造出一种虚假繁忙的觉得，另一方面获取一个在财富上超越邻居的机会。
以是，詹姆斯·苏兹曼认为，未来，人类对经济制度和劳动意义真正的反省机遇，可能不在自动化和人工智能的发展，而可能来源于迅速变革的景象、系统性的财富分配失落衡引发的愤怒乃至是突如其来的大瘟疫。

《智能技能的寻衅》（节选）

文 | 詹姆斯·苏兹曼 译 | 蒋宗强

在描述“后事情时期”的乌托邦时，约翰·梅纳德·凯恩斯曾经警告说：“我们正在遭受一种新疾病的折磨，有些读者可能还没有听说过这个名字，但在未来岁月里会听到很多，这种疾病便是技能性失落业。
这意味着这种失落业的根源在于我们能够以更快的速率去创造节约劳动力的方法，而至于如何让这些冗余劳动力找到新的用武之地，我们制订新法案的速率则比较慢。
对付20世纪30年代的受众而言，凯恩斯的不雅观点清楚地阐释了为何会涌现大规模失落业征象。
自从工业革命进入第二阶段以来，人们一贯担心自己的行当或生存被新技能和事情办法所取代，但很少有人能像凯恩斯那样清楚地看到这一征象的根源，即随着效率和自动化进一步提升，经济发展对人力的需求将遭到削弱。

如今转头去看，凯恩斯低估了做事业吸纳冗余劳动力的程度，由于在发达经济体中，只管越来越多的人从农场、矿山、渔场和自动化程度越来越高的生产线上被赶了出来，但不断膨胀的做事业险些绝不费力地吸纳了他们。
以是，只管在许多国家曾经司空见惯的角色已经实现了自动化，比如火车站的售票员和超市的收银员，但就算到了近年，关于自动化蚕食就业的谈论依然紧张局限于少数几个技能中央、公司董事会或学术期刊。
之以是没有引发大规模谈论，做事业迅速扩展并吸纳冗余劳动力便是一个主要缘故原由。

2013年9月，统统都改变了。
当年，来自牛津大学的卡尔·弗雷（Carl Frey）和迈克尔·奥斯本（Michael Osborne）揭橥了一项研究成果，该研究项目紧张评估了凯恩斯关于技能性失落业的预测准确性。

牛津大学的这项研究之以是引起如此大的轰动，是由于它得出一个结论认为，机器人不仅已经在工厂门口排队，而且它们那闪闪发亮的小眼睛还盯着美国当前近一半的事情。
根据对702种不同职业的调查，他们估计在美国目前所有的事情中，有47%的事情在2030年被自动化淘汰的风险很高。
他们关注的另一件事是，被淘汰风险最高的人每每并非那些臃肿

大量类似的研究纷至沓来。
政府机构、多边组织、智库、诸如天下经济论坛之类的镀金企业俱乐部以及大型管理咨询公司，都参与了进来。
只管它们利用的方法略微不同，但它们的创造都为弗雷和奥斯本的悲观评估增长了一层又一层的细节。

天下最大经济体俱乐部—经济互助与发展组织开展过一个干系研究，得出的结论认为，无论在成员海内部，还是在成员国之间，自动化的影响可能因地域而异。
他们预测，在一些地区，比如在斯洛伐克西部，自动化可能导致事情岗位流失落率高达40%，而在其他地方，比如挪威都城奥斯陆，如果经济的自动化率低于5%，那么事情岗位险些不会涌现明显的流失落率。
麦肯锡环球研究院的“顶尖人才”表示，在接下来的15至35年里，30%~70%的事情岗位随意马虎受到自动化的冲击。
另一家大型咨询公司普华永道表示，英国30%的事情岗位、美国38%的事情岗位、德国35%的事情岗位、日本21%的事情岗位将受到自动化的影响。
所有这类研究都同等认同一个事实，即在同一个经济体内，一些子部门比其他部门更随意马虎受到自动化的影响，由于在这些子部门里，自动化技能的本钱已经低到足以让企业包袱得起的水平，企业在自动化技能方面的投资能得到相对较快的回报。
他们把稳到，那些最薄弱的子部门，即事情岗位流失落率可能高达50%以上的子部门，包括“水、污水和废物管理行业”以及“运输和储存行业”。
紧随其后的是“批发零售行业”以及“制造业的各个子部门”，这些子部门在不久的将来可能会裁掉40%~50%的劳动力。

这类研究还指出，一些职业彷佛在很大程度上不受自动化的影响，至少在短期内来看是这样。
这些职业都具备自动化技能无法取代的特色：有的职业须要依赖狡猾的话术去说服别人，比如公关类岗位；有的须要高度同理心，比如生理年夜夫或精神病年夜夫；有的须要创造力，比如时装设计师；有的须要高度机动的手指，比如外科年夜夫。

这些特色给从业者供应任何保障都只是暂时的，由于目前人们正在投入越来越多的资源去制造人工智能机器，这些机器的机动度类似乃至超过人类，而且有些机器还能模拟人的社交智商和创造力。
结果，几年前彷佛还遥不可及的里程碑变成现实的可能性越来越大。
比如2017年，清华大学与一家国有企业互助研发的机器人“孝义”顺利通过了中国国家执业医师资格考试的笔试，谷歌的阿尔法狗打败了天下上最精良的人类围棋选手。
这被视为一个特殊主要的里程碑，由于与国际象棋不同，围棋不能仅靠信息处理能力取胜。
2019年，一个名为“IBM辩手”的人工智能机器人（外不雅观看起来就像一个庄严肃穆的玄色圆柱）在连续多年与IBM公司雇员练习辩术之后，同一位曾经荣膺天下辩论赛总冠军的辩手展开了关于是否该当支持学前教诲补贴的辩论。
末了，虽然“IBM辩手”失落败了，但它作为一台智能机器人，其表现非常令人信服，“魅力令人震荡”。
不仅如此，随着技能的发展，每一个能够连接互联网的人都可以看到一些深度虚假的***，而且机器在翻译人类措辞和创造性地利用措辞方面做得越来越好。
因此，目前普遍存在一种明显的觉得，即没有任何人的事情绝对安全无忧。
因此，2018年联合利华宣告将部分招聘职能外包给一个全自动的人工智能机器也就不足为奇了，由于这样每年能为公司节约70000小时的事情量。

诸如经济互助与发展组织之类的机构之以是不愿定人工智能和机器学习的潜力，一个主要缘故原由是那些致力于设计这些系统的人或企业面临着诸多不愿定性成分，由于一些机器学习和人工智能技能看起来像是去世胡同，在这方面投入更多资源可能会引发更大亏损。
只管如此，新的人工智能模型（个中许多借鉴了神经心理学）一贯不断发展，而且这个趋势只朝着一个方向提高，不会倒退。

人们对机器人和人工智能蚕食就业市场的潜力进行了多次评估，而奇怪的是，他们对其他一些更易于预测而且影响深刻的经济冲击保持缄默。
事实上，大多数人只是愉快地流传宣传自动化将带来一个生产力更高、效率更高、股东分红更丰硕的美好新天下。

对付麦肯锡这样的公司而言，以这种态度对待自动化是可以理解的，毕竟，在当前自动化水平不断提升的经济体系之下，它们的员工得到了高收入，能吃得起日本和牛牛排，坐得开始等舱。
如果要深入磋商人工智能的其他问题，它们将不得不承担很大的风险，被迫重新考虑如何全面重修当前的经济体系，这对它们而言无异于一次艰巨的旅程。
比如，一种看似合理的不雅观点认为人类劳动、努力和回报之间存在同等对应关系，但随着人工智能的发展，这种假象终将消亡。
另一个与之密切干系的问题是：谁将从自动化中受益以及如何受益？

目前，许多人依然常常低估自己国家的财富分解程度，但越来越多的研究表明，对某些地方的政客而言，这种做法会给自己带来风险。
这类研究之前非常关注国家之间在财富分配方面存在非常大的差异，比如美国等发达经济体和中国等快速增长的经济体，但现在这类研究日益关注净资产的差异。
毕竟，事实证明，自“大脱钩”时期以来，在创造新财富方面，拥有资产比努力事情更有利可图。

首先，从20世纪80年代末到21世纪初，数字技能越来越廉价，得到广泛运用，有助于大幅缩小国家之间的财富分配差异，尤其是帮助穷国利用自身上风提高在环球经济中的竞争力，在环球制造业格局中霸占越来越高的份额。
如今，随着环球经济自动化水平不断提升，这一趋势彷佛有可能被阻挡，乃至被旋转，由于与人力本钱不同的是，自动化技能的本钱在世界各地险些是一样的，从而降落了经济对廉价劳动力的依赖，那些人为哀求较低的国家仅有的一点上风也被肃清了。

然而，自动化不仅会进一步加剧国家之间的构造性不平等，如果经济组织办法不发生根本性转变，许多国家内部的财富分配不平等情形也将急剧恶化。
之以是涌现这种情形，首先是由于自动化水平的提高减少了非闇练、半闇练工人找到体面事情的机会，与此同时，随着企业大体上实现了自动化，在总人口中占比很小的企业主和企业管理者的收入会大幅提高。
同样主要的是，它将提高成本（而非劳动力）带来的回报，如果富人将现金投入到企业自动化改造，财富增速会加快，而如果富人将现金投入到购买廉价劳动力，那么财富增速就会放缓。
这直接意味着自动化将为那些已经很富有的人创造更多财富，而那些没有能力购买公司股份、无法享受自动化技能红利的人将处于更加不利的地位。
自“大脱钩”以来，环球最富有的1%人口从经济增长中攫取的财富总量，相称于其他所有人获取的财富总量的两倍，从而匆匆使财富分解问题演化成了一个很大的寻衅。
目前，环球最富有的10%人口拥有环球总资产的85%，最富有的1%人口占环球总资产的45%。

许多自动化和人工智能系统已经能够承担一些不可或缺的事情了，个中包括基因组研究职员和盛行病学家目前依赖的智能算法、医疗从业者利用的一整套新的数字诊断工具，以及日益繁芜的景象和气象模型。
这些智能设备非常主要，如果没有它们，我们就没有能力管理日益繁芜的城市以及支撑这些城市的根本举动步伐。
然而，大多数人工智能系统的事情目标只有一个：为它们的主人创造财富（同时无须承担雇用人力带来的责任）。
实际上，在“大脱钩”的同时，财富也在逐渐从公共部门转移到私营部门。
过去30年来，在大多数富余国家，私人财富与国民收入总值之比翻了一番，而国民收入与私人财富之比却大幅低落。
比如，在中国，过去30年内公共财富在全国财富总量中所占的比重已经从70%低落到了30%，而在美国和英国，自金融危急以来的公共财富净值已经变为负值。

虽然全自动生产线不是免费事情的，它们所需的能量每每比雇员所需的能量还多，须要定期升级和维修，但与雇员不同的是，它们不会罢工，而且当它们不再胜任事情时，也不会哀求裁员补偿或养老金。
更主要的是，改换或回收它们不会带来任何道德本钱，没有哪个首席实行官会在拆卸、回收或报废机器之前失落眠。

凯恩斯在设想未来的乌托邦时，没有细致地思考自动化可能加剧不平等，由于在他的乌托邦构想中，每个人只拥有基本需求，很随意马虎得到知足，财富分配不平等问题就变得无关紧要了。
只有傻瓜才会做超出自己所需限度的事情。
他设想的乌托邦险些就像佃猎采集社会一样，任何追求财富的人都会招来嘲笑，而不是赞颂。

他阐明说：“如果不是为了享受生活、应对现实而追求金钱，那么霸占金钱的希望将被视为一种可憎的病症，是半犯罪、半病态的性情方向。
”他还指出：“我认为我们能够回到一些传统美德和宗教教义早已确定的原则上去，即贪婪是一种恶习，印子钱剥削是一项罪过，爱财是一种可憎行为。
”

凯恩斯相信，向近乎完备自动化的转变不仅标志着物资稀缺的结束，而且环绕着办理经济问题这个之前看似永恒的寻衅而形成的所有的社会、政治、文化、规范、代价不雅观、态度和年夜志都将随之结束。
换句话说，他认为稀缺经济学终将结束，一定被新的丰裕经济学取代，并呼吁该当像由牙医处理牙病一样，把经济问题交给经济学家，经济学家未来将不再霸占神圣的社会地位，而是像“牙医”一样平常扮演平凡又称职的角色。

将近30年后，约翰·肯尼斯·加尔布雷斯提出了类似不雅观点，坚称稀缺经济学便是由狡猾的广告商制造出来的希望支撑的。
他还认为，伴随着向丰裕社会的转变，个体将放弃对财富的追求，转而从事自认为更有代价的事情，而且相信这种转变在“二战”后的美国已经成为现实，走在前列的便是他所说的“新阶层”，由于这些人选择事情的条件不是为了钱，而是为了事情带来的其他回报，比如快乐、知足感和荣誉。

加尔布雷斯和凯恩斯或许是对的，由于这种转变的确已经发生了。
一方面，工业化国家的“千禧一代”常日坚持只找自己喜好的事情，而不是试着去热爱现有的事情。
在如何开展事情方面，也存在一个明显的趋势，那便是店主越来越方向于为员工供应更多的灵巧性。
在许多国家，无论男女，劳动者都享有产假，而且得益于数字通信，越来越多的人每周有几天在家事情，或者能够灵巧安排事情韶光。

然而到了本日，每周事情韶光仍旧普遍坚持在40小时旁边，许多雇员无法选择弹性事情制，不得不忍受路途长且本钱高的通勤，由于他们被市中央的房价所迫，不得不住在阔别事情场所的地方。
不仅如此，环球只有15%的人表示热爱自己正在从事的事情，而且从属于加尔布雷斯所谓“新阶层”的许多职业，比如学者和西席，正越来越多地被吸引到私营部门事情，以便获取更高收入。
与此同时，犹如跟随小麦等作物进入新大陆和新生态系统的杂草一样，“欲壑难填之病”找到了新的家园，极好地适应了从照片墙到脸书的一系列数字生态系统，并不断扩散。

如果活到本日，凯恩斯可能会得出这样的结论，即他当年设想乌托邦时选错了预测的机遇，乌托邦中“不断增长的痛楚”预示着一种更为持久的弊病，但这种弊病终将可以治愈。
或者他可能会得出这样的结论，即自己当年的乐不雅观预测是没有根据的，由于人们连续办理经济问题的欲望如此强烈，以至于在基本需求得到知足之后，有志于赢利的人还会连续做大量毫无意义的事情，一方面给自己的生活创造出一种虚假繁忙的觉得，另一方面获取一个在财富上超越邻居的机会。

凯恩斯是伦敦“马尔萨斯同盟”的生动成员。
这个同盟的成员是一群积极倡导操持生养的人，相信未来繁荣的最大潜在威胁是人口过剩。
因此，凯恩斯可能会把把稳力集中在另一个更紧迫的问题上，即减少人口。
然而，事实表明，正是凯恩斯过于看重技能驱动型经济增长，才开错了处方，这种处方反而加重了经济难题。

在凯恩斯设想的经济乌托邦中，没有人为导致的景象变革，也没有海洋酸化或大规模生物多样性损失。
但即便有这些问题，险些肯定会好比今掌握得更好，毕竟在他的乌托邦里，科学家和科学方法受到尊重，外行人也负责谛听他们的警告。
更主要的是，在他的乌托邦里，那些刺激人们消费希望的、须要耗费大量能源的“相对需求”大大削弱，人们不再方向于定期升级和改换他们所拥有的统统，只要保持商业的车轮正常运转就足够了。

我们或许已经在实现凯恩斯乌托邦的道路上渐行渐远，只是还没有超过一个能够改变统统的关键门槛，或者我们由于深陷于鼓噪之境而很难清楚地理解未来的发展轨迹，但问题是我们已经没有韶光去等待创造这统统了。

毕竟，到目前为止，景象变革的不详前景已经引发了大量谈论和一些行动。
如今，在国际组织、政府机构乃至企业的年度报告、政策和操持中，关于可持续性的谈论俯拾即是。
然而，只管来自"大众的压力越来越大，顽强的抵制依然存在。
事实上，很多人创造质疑硬科学的完全性更随意马虎，而要对经济学这种软科学提出寻衅则比较困难。

许多旨在办理景象变革问题和生物多样性损失问题的倡议，不得不先从经济学事理的角度来证明。
这并不令人惊异。
比如富有的猎人射杀了狮子、大象和许多其他野生动物，给自己探求的辩解情由是须要利用这笔收入去为一些事情供应帮助，如果没有这笔帮助，这些事情就会消逝，同时他们还要利用这笔收入去增加用于保护这些物种的资金；海洋生物学家支持修复变白的珊瑚礁，他们的辩解情由是毁坏这些物种会对经济造成负面影响；环保主义者与政治家们就生态系统的命运展开辩论时，给自己找的情由是这些生态系统给我们带来了很多好处；景象学家为减少碳排放或减轻景象变革的影响，竟然须要从商业角度陈述情由，就像先容“商业案例”一样。

遗忘历史的人注定要重复过去的缺点，但就我们目前面临的一些生存寻衅而言，历史上也没有先例。
毕竟，人类历史上从来没有涌现过75亿人，而且每个人捕获和花费的能量是我们佃猎采集先人的250倍。
幸运的是，打算机、人工智能和机器措辞为我们供应了工具，使我们能够比任何贤人和预言家更准确地仿照未来。
这些工具虽然不尽完美，却一贯在改进，改变着我们对付因果关系的理解，并预测当前行动可能在较为久远的未来给我们带来哪些后果。
佃猎采集者建立了“即时回报型”经济模式，投入劳动来知足急迫需求，而农人建立了“延迟回报型”经济模式，投入劳动来坚持下一年的生活。
犹如农人一样，我们现在有责任思考自己的事情在更长的韶光跨度内的前景。

一方面，我们要认识到大多数人的寿命预期比过去任何时候都要长得多，另一方面，我们要认识到自己给后代留下什么样的遗产。
这反过来又给我们平添了一些新的、繁芜的权衡，迫使我们思考短期收益和长期后果之间的关系，不然长期后果可能导致我们损失短期收益。

凯恩斯曾设想到2030年，技能进步、成本增长和生产率提高将给我们带来巨大的经济福祉，把我们引领到“经济乐土”。
在做出这个设想时，他还提出了一个紧张不雅观点，即历史不敷以作为未来的引导。
在他看来，人类借助自动化赢取的未来是一个未知领域，成功驾驭这个领域须要想象力和开放性，须要我们的态度和代价不雅观发生历史上未曾有过的重大转变。

他得出的一个结论认为：“当财富积累不再具有高度主要的社会意义时，我们原来的道德准则会发生重大变革……我们将抛弃那些曾经影响财富分配和经济赏罚的各种社会习俗及经济老例。
”

凯恩斯认为自动化带来的变革将给人们的生活、思想和组织办法带来一场根本性的革命，这也呼应了20世纪早期许多探索未来的思想家的不雅观点。
从这个意义上说，他和卡尔·马克思、埃米尔·迪尔凯姆并没有太大的不同，由于他们都相信历史终极会以某种办法自行办理现实问题，只不过他们对付问题办理办法存在不同意见。
由于我们过于执着地办理经济问题，凯恩斯无法想象到人类活动会引发景象变革和生物多样性损失，也无法想象这些问题的范围和危险，但作为罗伯特·马尔萨斯的粉丝，如果他活到本日，肯定能立即理解这一点。

如果说历史能在某些方面为我们迈向未来供应殷鉴，那便是历史提醒我们，统统都在不断变革，而我们人类是一个执拗的物种，强烈抵制对自己的行为和习气做出深刻改变，纵然形势很明显须要我们这样做，我们依然会抵制。
但历史还揭示出，当我们被迫改变时，则会表现出令人惊异的多才多艺。
我们能在很短韶光内迅速适应新的、迥异的干事办法和思维办法。
只管自动化和人工智能使我们有可能迈向一个完备不同的未来，但它们不太可能匆匆使人类像凯恩斯设想的那样深刻改变自己的社会习俗和经济老例。
在这方面，更有可能的“催化剂”反倒可能是迅速变革的景象（就像曾经催生农业的那种景象一样），是系统性的财富分配失落衡引发的愤怒。
（就像曾经引发俄国革命的愤怒一样），乃至可能是某种病毒造成的瘟疫（瘟疫将暴露涌现有经济制度和事情文化的不敷，匆匆使我们扪心自问若何的事情才具有真正的代价，为什么我们常常许可市场褒奖那些毫无意义或寄生性质的事情，而那些被公认为必要的事情得到的褒奖却大为逊色。
）

本文书摘部分节选自《事情的意义: 从史前到未来的人类变革》第15章，内容有编削，经出版社授权发布。