圍繞人工智能和自動化的爭論似乎一直都是悲觀主義者占主導(dǎo)，他們擔心機器人會取代所有的工作，而樂觀主義者則不以為然。但麻省理工學院Sloan教授Erik Brynjolfsson和他的同事們表示，爭論需要不同的觀點。

新的研究發(fā)現(xiàn)，在不久的將來，自動化將取代工作中的特定任務(wù)，而不是整個職業(yè)本身，其中一些工作比其他工作受到的影響更大。

研究人員在5月份在美國經(jīng)濟協(xié)會論文和會議刊物上發(fā)表的一篇文章中寫道，“我們的研究結(jié)果表明，在關(guān)于人工智能的影響的辯論中需要轉(zhuǎn)變：從整體上關(guān)注整個工作的完全自動化和普遍的職業(yè)替代，以重新設(shè)計工作和商業(yè)實踐的再造?！痹撗芯渴怯葿rynjolfsson和卡內(nèi)基梅隆大學機器學習系的Tom Mitchell教授和麻省理工學院數(shù)字經(jīng)濟學博士研究生兼研究員Daniel Rock共同完成的。

Brynjolfsson說，“不管好萊塢怎么說，我們離通用人工智能還很遙遠。那種AI可以做人類能做的一切事情。我們沒有任何東西接近它，除非有驚人的突破，否則未來幾十年仍然如此。”

Brynjolfsson說，我們所擁有的是功能強大的窄AI系統(tǒng)，通常使用深度神經(jīng)網(wǎng)絡(luò)能夠解決人類或超人類準確度的特定問題。這些技術(shù)擅長涉及預(yù)測分析、語音和圖像識別以及自然語言處理等任務(wù)。

他說，“但那不是一切，這只是部分事情。這提出了一個明顯的問題：這個驚人的AI能做得好哪些事情，哪些是他們做不了的任務(wù)？”

為了回答這些問題，研究人員開發(fā)了一個有23道問題的測試，以確定任務(wù)是否適合機器學習。Brynjolfsson說，這個測試中的任務(wù)分數(shù)的高低表明了自動化和機器學習的敏感程度。?

他說，“任何一個經(jīng)理都可以利用這個測試，如果他們想用機器學習來完成任務(wù)，那么這個測試應(yīng)該能給他們一些指導(dǎo)。有很多很適合機器學習的任務(wù)，然而大多數(shù)公司真的只是抓住了表面。”

研究人員想進一步研究這個想法。由于工作只是各種任務(wù)的集合，所以還可以使用這些標準來衡量整個職業(yè)對機器學習的適用性。使用聯(lián)邦勞工統(tǒng)計局的數(shù)據(jù)，這正是他們?yōu)槊绹?jīng)濟中超過900個不同職業(yè)所做的一切，從經(jīng)濟學家和首席執(zhí)行官到卡車司機和學校教師。

研究人員寫道，“歷史上，自動化技術(shù)一直是提高工業(yè)生產(chǎn)力的關(guān)鍵驅(qū)動力，它們也曾系統(tǒng)地破壞了就業(yè)和工資結(jié)構(gòu)。然而，我們的分析表明，與早期的自動化浪潮相比，機器學習會影響勞動力的不同部分。..。..機器學習技術(shù)可以轉(zhuǎn)變經(jīng)濟中的許多工作，但完全自動化不如流程再造和重組任務(wù)。”

Brynjolfsson說，舉個例子，放射科醫(yī)生有26項與其工作相關(guān)的不同任務(wù)。閱讀醫(yī)學圖像是一項非常適合機器學習的任務(wù)，計算機開始比人類更擅長圖像識別。但是，像將醫(yī)療信息傳遞給患者這樣的人際交往能力并不是機器能容易且有效地執(zhí)行，他說。

“幾乎在每個職業(yè)中，活多或少有一些任務(wù)可能會受到影響，但是在每個職業(yè)中也有許多任務(wù)不會。也就是說，一些職業(yè)的任務(wù)確實比較多，可能會受到機器學習的影響。” Brynjolfsson表示，注意到像禮賓服務(wù)這樣的工作可能并且正在被大多數(shù)基于從谷歌等公司的機器學習服務(wù)取代。該研究表明，像按摩治療師這樣的機器學習潛力不大的職業(yè)可能影響最小。

研究人員建議，在每一個職業(yè)中，了解通過機器學習可以實現(xiàn)高度自動化的任務(wù)，將它們從其他任務(wù)中分離出來，并重新組織工作以適應(yīng)這些發(fā)展。機器學習可以做他們最理想的任務(wù)，他們寫道，而人力勞動可以被解放出來做更多的機器學習活動不太適合，從而提高利潤率。

研究人員寫道，這并不是說機器學習的新發(fā)展不會對未來的就業(yè)和經(jīng)濟產(chǎn)生更廣泛的影響?！盀榱似ヅ湮磥頇C器學習領(lǐng)域不斷發(fā)展的狀態(tài)，將需要相應(yīng)地更新測試?！?/p>