第四章 AI时代：人类将如何变革？（第18/20页）

那么，人工智能到来后，如果50%以上的简单、重复性工作在未来的一段时间内都会被人工智能所取代，人类过去数千年来分工协作的金字塔结构会不会变得不再稳定？这大概涉及三个问题：

·金字塔底层原本从事简单工作的人，如果都涌向金字塔中部甚至塔顶，试图去尝试艺术创作、决策分析、领导管理等工作，金字塔会不会就此坍塌？

·现代社会里，在金字塔结构中分工协作的人，本来是有一个从初级到高级的上升通道的。比如，在公司里，一个高层管理者通常需要从底层实际工作做起，通过学习和锻炼慢慢承担起中层管理工作，再经过一定时间的积累，最终走上高层管理岗位。如果底层工作都由机器来完成，人们是不是就缺少了向上发展所必需的实际锻炼机会？

·更重要的是，如果未来失去工作的人，都必须从简单工作转换为相对复杂的脑力劳动，那么，他们要学习的知识体系对他们来说将是一个庞大的架构。那些中年失去工作的普通劳动者，他们怎么可能重新开始一次历时5到10年的学习深造呢？

杰瑞·卡普兰在《人工智能时代》一书中提出过一个解决人工智能带来的失业或工作转化问题的方法——工作抵押（Job mortgage）。初听上去，这是一个相当完美的解决方案。本质上，这是一种由政府、雇主和教育系统联合提供保障的再培训机制。当雇主希望使用人工智能来替代某一部分工作人员时，被解雇的人会得到一个免费接受再培训的机会，代价是在培训结束后，必须为目标雇主工作一段时间。仔细想想，这种方案也许存在一个悖论——考虑到在人工智能时代里，由于简单和重复性的工作更容易被人工智能取代，人类教育可能因此比以往复杂得多。人们学习一种新技能可能会变得非常困难。鉴于此，“工作抵押”的再培训机制真的可行吗？

我和杰瑞·卡普兰当面讨论了这个问题。杰瑞·卡普兰对我说：“我想你的问题中包含了一种隐藏的假设：需要低级别技能和更少训练的工作更容易被自动化，而需要高级别技能和更多训练的工作则难于被自动化。这个假设也许不像你想象的那样正确。”

杰瑞·卡普兰举例说，放射科医师是医生的一种，他们需要许多年的培训来学习技能，但他们的工作完全可以被彻底自动化。这是一个高等教育程度的工作也可以被自动化的好例子。驾驶卡车可能是一种低级别的工作，也许需要一些训练，但它显然不是一种高级技能。也就是说，自动化将影响所有技能级别的、各行各业的人。当我们担心我们该如何处置那些低级别工作者的时候，我们一样需要担心那些高级别工作者。

即便如此，仍然存在很多不需要大量训练，但也很难被自动化的工作。从事这些工作的人，是不用担心失业问题的。用人类的身份处理这些工作，是非常重要的。例如，看看那些体育教练，我们很难将这类工作自动化。所以，也许我们可以将失业的卡车司机重新培训成体育教练，而那些能够驾驶卡车的人也许会发现，体育教练的技能是比较容易掌握的。

杰瑞·卡普兰举的另一个例子是按摩服务。通常，按摩服务在今天的美国是一种奢侈服务。你必须拥有足够的收入，才能负担得起按摩服务的昂贵价格。按摩师的收入很高，按摩师需要的工作技能是什么，这种工作技能并不需要特别高级的训练。如果人们有了足够的钱，就会有更多的人选择接受按摩服务。这会让按摩师的需求大增。未来，因为可共享的自动驾驶汽车的普及，你可能不再需要拥有你自己的汽车了。在美国，这意味着平均水平的个人可以每年节省大约1万美元的汽车保有费用。那么，一些人就可以将这些省下来的钱花在按摩等较奢侈的服务上。然后，我们就需要更多的按摩师了。

所以，在杰瑞·卡普兰看来，有关人工智能只会取代低级别工作的假定是不正确的。许多需要人际接触的工作都很难被取代，例如前台接待员。你当然可以用一个自动化系统来取代他们，但你肯定不希望看到你的宾馆或你的公司前台，只有机器来接待访客。你肯定需要在前台安排人类职员，因为你需要他们在那里解决一些很难被高级规范化的系统预测的问题。再比如，调酒师的工作当然可以被自动化。你可以走到一台自动售货机前，用自助的方式买一杯金汤力。但调酒师还可以参与我们的社交活动，你希望看到他们，你希望和他们聊天。所以，调酒师的职业不会消失。那些失业的卡车司机也可以被训练成调酒师。

也就是说，金字塔结构不一定坍塌，更多的可能是在现有基础上进行自我调整。因为人工智能虽将引起社会工作结构的大规模调整，但调整的结果不等于大量从事简单工作的人必须去勉为其难地完成高层次的分析、决策、艺术等创造性的工作。即便是处在金字塔中层或顶层的人，也将面临人工智能技术的冲击，他们也需要重新适应。比如，医生就必须适应与人工智能协同工作以提高诊断效率。

有关金字塔结构如何优化和调整，我们可以拿公司组织结构来做一个类比。

例如，在微软公司，人们常年习惯于逐层汇报、逐级管理的金字塔型管理结构，这根本上是源于微软的主业是Office、Windows等商用软件包的开发与销售，这类任务特别适合被层层拆解后，由一个金字塔型的执行体系逐层细化，按任务、子任务、功能、模块、代码单元等由大到小的层级进行开发。当年，曾经主持微软Office各主要组件开发工作的查尔斯·西蒙尼（Charles Simonyi）就是这种开发模式的拥趸。开发最初版本的Excel时，比尔·盖茨与查尔斯·西蒙尼一道，设计、探讨并实践了后来被人们称为微软产品开发周期模式的理论与方法体系，并在微软内部推广。这么做的好处是，可以由少数精英人才带领一大批相对平庸的工程师，准确地执行公司上层的战略部署，完成产品开发工作。微软公司这种管理机制最符合传统金字塔模型的要求，但在人工智能时代，受到的冲击可能也最大。一旦相对平庸的人才的工作可以被人工智能所代替，那么，整个管理结构就会失衡，公司会面临大规模裁员的风险。

反之，谷歌公司因为从初创时起，就专注于灵活、多变的互联网服务产品的研发，谷歌内部的技术团队大多采用扁平化管理模型，整个产品开发团队由无数个三五人、最多九人的微型团队单元组成，可以根据市场变化或资源调配的需要，随时灵活变更项目组结构，灵活调配资源。在谷歌，大多数技术管理者同时也是软件开发者，不但做分析、决策，也实际动手写代码，而许多实际写代码的工程师也会花时间参与项目中的关键技术决策。与微软对人才的要求不同，谷歌公司总是强调，不同岗位、不同层级的人都需要是最优秀的精英人才，这样，谷歌在需要做任何技术或商业转型时，都很容易重新安排工作的分配方式，因为优秀的人才总能快速学会另一项技能，或快速适应新的岗位。这一体系，相信在人工智能时代受到的冲击会很小。