蘇令銀

（上海師范大學 馬克思主義學院，上海 200234）

一、人工智能影響人類工作：學術史的考察

人工智能（AI）在多大程度上從根本上改變了人類與工作的關系？人工智能會影響人們的工作方式和工作地點嗎？過去10多年里，關于人工智能對工作可能產(chǎn)生的影響的研究文獻大量涌現(xiàn)，創(chuàng)造出“烏托邦式”和“敵托邦式”工作場所的未來愿景。前者認為人工智能將帶來更多的工作機會，也將創(chuàng)造出更高的工作效率，以及更加美好的工作愿景。后者認為人工智能必將造成大量工人失業(yè)，人工智能將對人類就業(yè)和生計產(chǎn)生切實的威脅，并最終完全取代人類勞動。人工智能有潛力通過高效、快速地解決復雜問題，來改變對勞動力、工作性質(zhì)和基礎設施運營的需求。然而，盡管相關報告和研究成果激增，作為一種新興的技術，人工智能仍是一個謎，它的應用率和對工作結(jié)構(gòu)產(chǎn)生的影響仍需要探討。

雖然經(jīng)濟分析傾向于突出人工智能在提高創(chuàng)新、生產(chǎn)率、產(chǎn)出和勞動力需求方面的潛力，但其他哲學社會科學研究則強調(diào)了失業(yè)、監(jiān)控以及系統(tǒng)性偏見等問題。人們一直在爭論關于自動化和人工智能是否會造成大規(guī)模失業(yè)，潛在勞動力被取代的實際規(guī)模也存在爭議[1]。牛津大學學者弗雷（Frey）和奧斯本（Osborne）預測，到21世紀30年代早期，47%的美國就業(yè)崗位將面臨電子計算機化的“高風險”，而經(jīng)濟合作與發(fā)展組織（OECD）的阿恩茨（Arntz）等人的一項研究聲稱這一數(shù)字太過高估，經(jīng)濟合作與發(fā)展組織地區(qū)只有9%的工作崗位是可以實現(xiàn)自動化的。更有趣的是，只有少數(shù)幾項研究試圖確定在什么情況下，勞動力需求的增長可能會被人工智能替代。在這種情況下，阿西莫格魯（Acemoglu）和雷斯特雷波（Restrepo）在劍橋“區(qū)域、經(jīng)濟與社會”（CJRES）雜志的一期特刊中關注在“正確”類型的人工智能下，生產(chǎn)力的增長如何能夠超越替代效應，以及當政府在塑造人工智能的方向上發(fā)揮積極作用時，更好的社會結(jié)果如何更有可能出現(xiàn)[2]。

對技術和工作之間的關系、技術和工作組織的替代效應的關注有著悠久的歷史，特別是以技術取代勞動是一個古老而反復出現(xiàn)的主題。19世紀，盧德分子（Luddites）毀壞了英國的紡織機，以保住他們的工作。在美國，一首經(jīng)典的民歌講述了非裔美國人約翰·亨利用全部的力量來對抗蒸汽驅(qū)動的鉆孔機的故事。這一主題在整個政治經(jīng)濟學史上都引起了共鳴。馬克思把技術變革、所有權(quán)和組織結(jié)構(gòu)作為他對資本主義批判的核心。熊彼特講述了一個通過技術創(chuàng)新的擴散來實現(xiàn)經(jīng)濟增長的英雄般的、必然性的故事，技術創(chuàng)新摧毀了前一輪的就業(yè)機會、技能和積累的資本。但是，隨著時間的推移，其他觀察者看到了工作和技術之間更加復雜的關系。盡管凱恩斯（Keynes）在大蕭條最嚴重的時候強調(diào)了技術在應對大規(guī)模失業(yè)中的作用[3]，但他也提出了一個著名的觀點，即技術主導的生產(chǎn)率的提高可以大幅縮短每周的工作時間，最終結(jié)果是催生了更多的休閑和文化消費。

因此，盡管這些主題并不新鮮，但人工智能技術的出現(xiàn)再次引起了人們對大規(guī)模工人流離失所問題的重視和社會焦慮。直到最近，機器自動化的應用主要集中在特定的行業(yè)和任務上，如在需要高度重復性勞動或大量體力的工廠中使用機器人。但人工智能和自動化的結(jié)合將構(gòu)成一個前所未有的新發(fā)展局面，這可能意味著失業(yè)的威脅更嚴重、范圍更廣、更具有破壞性。這就意味著，全球發(fā)達國家和發(fā)展中國家之間，以及這些國家內(nèi)部的收入分配不均問題將加劇。在發(fā)展中國家，人們特別擔心一度被認為是一種安全發(fā)展手段的工業(yè)化，可能無法創(chuàng)造更多的工作和收入，因為機器人會完成以前由低技能工人完成的枯燥、危險和骯臟的工作[4]。此外，在全球服務業(yè)和公共部門中，自動化、機器學習和人工智能能力的綜合應用影響中等技能和白領職業(yè)的情況將越來越多。法律服務、數(shù)據(jù)操作、公共服務、醫(yī)療和客戶服務等職業(yè)都是面臨轉(zhuǎn)型的潛在目標。

人工智能增加了其應用程序影響的不確定性。目前，人工智能的增長和直接應用很大程度上預期了對勞動力流失的焦慮，但在許多方面，人工智能的影響可能被高估了。一些學者表示，想象中的人工智能技術比在現(xiàn)實工作場所中更具實質(zhì)性[5]。斯朋瑟（Spencer）和斯萊特（Slater）強調(diào)人工智能技術的潛力不在于消除低技能工作，而在于增加低技能和低報酬的工作[6]?！叭斯ぶ悄堋薄皺C器學習”和“自動化”等術語已經(jīng)被混為一談——不僅在普通報刊上如此，在學術研究中也是如此。迪格納姆（Dignam）提醒我們，到目前為止，人工智能作為有知覺的人類意識只存在于科幻小說中[7]。在很多方面，人工智能已經(jīng)成為工作中一系列技術變革的總稱。對服務業(yè)[8]和制造業(yè)[9]的研究表明，小企業(yè)主和經(jīng)理人在描述自動化的新應用時可能會提到人工智能。也就是說，自動化和機器學習的不同技術形式被理解為人工智能，即使人工智能（真正的機器智能）本身的使用更為有限。此外，商業(yè)咨詢部門對人工智能增長的預測常常顯得夸張——對當前趨勢的線性預測——而且很難評估。這些咨詢公司不是作為技術應用的中立觀察者，而是作為推動工作場所對人工智能的需求和應用的重要參與者。

無論如何衡量和理解人工智能，它都不太可能在整個經(jīng)濟中得到平均的利用。盡管如此，文獻中一個常見的假設是人工智能的后果在一個國家將是同質(zhì)的。許多關于人工智能的說法認為，民族國家是相關的分析單位，而且人工智能與勞動力轉(zhuǎn)移或生產(chǎn)率提高之間的關系在一個民族中是不變的，即假設這種聯(lián)系是普遍和一致的。盡管如此，探討自動化、人工智能和機器學習的研究越來越多，并認為對工作的影響將是高度不均衡的，這取決于一系列因素，包括地域、經(jīng)濟活動、商業(yè)文化、教育水平和性別等。

在人工智能和工作的文獻中，地域并沒有得到足夠的重視。盡管已經(jīng)制定關于應用人工智能的“準備程度”的國家排名和指數(shù)[10]，但這些分析很少探討因果機制。首先，由于現(xiàn)有的區(qū)域部門模式的重要性，重視地域是有必要的。工業(yè)流程和服務的生產(chǎn)集中在特定區(qū)域[11]。一般來說，工業(yè)活動的自動化可能比服務業(yè)活動的自動化更直接，因此，行業(yè)組合可能更加重要。但是，同樣重要的是，工作文化的組織將創(chuàng)造一個或多或少容易成為自動化目標的環(huán)境[12]。從現(xiàn)有關于創(chuàng)新和國際商業(yè)的文獻中了解到，工業(yè)習慣和實踐已經(jīng)嵌入國家、區(qū)域和部門的工業(yè)實踐中[13]。因此，生產(chǎn)系統(tǒng)因地而異。例如，普華永道咨詢公司（PWC）的一份報告認為，自動化對日本就業(yè)水平的影響將小于德國。他們的論點表明，即使兩國行業(yè)的工業(yè)構(gòu)成相似，但手工任務相對于管理的比例也較低。其他通常基于國家的技術系統(tǒng)（如監(jiān)管和教育）也將影響人工智能的應用。以國家為基礎的監(jiān)管結(jié)構(gòu)通常被認為是影響未來技術應用的重要因素。監(jiān)管（人工智能本身、勞動實踐、隱私法和知識產(chǎn)權(quán)）、勞動關系和稅收（研發(fā)稅收減免、自動化系統(tǒng)稅收等）的變化可能會以不同方式影響全球各地的工作實踐。這意味著自動化或人工智能的應用范圍既不會在所有情況下經(jīng)濟上都同等可行，也不一定明顯或可能[14]。

雖然人工智能的應用范圍將不可避免地對工作崗位的損失或增長產(chǎn)生不均衡的影響，但就業(yè)機會的分布也可能受到商業(yè)服務中人工智能增長的影響。周（Zhou）[15]和迪格納姆[16]都探討了人工智能算法中嵌入的性別和種族偏見。研究表明，面部和語音識別、自動篩選簡歷以及針對性分析等技術的應用，可能會不經(jīng)意間以一種帶有深刻偏見的方式縮小成功求職者的范圍[17]。因此，人工智能和自動化在一般商業(yè)服務領域的普及，比如與求職相關的人力資源功能，可能會在求職者聯(lián)絡和接觸真人之前就對他們產(chǎn)生重大影響。例如，掃描簡歷的自動化流程可能會對獲得工作造成障礙，這反映出程序員有意或無意的偏見，或者僅僅是他們被要求建模的底層數(shù)據(jù)庫質(zhì)量低劣。人工智能在再現(xiàn)偏見方面的作用，可能會加劇性別、種族和階級不平等的組織問題。

教育可能是理解人工智能對工作影響的另一個關鍵點。一般來說，與那些從事更復雜、更自由的任務的人相比，受教育程度低的工人更容易受到自動化的影響。例如，在金融和保險行業(yè)，由于金融和保險行業(yè)的平均教育水平不同，美國的重復性數(shù)據(jù)密集型操作可能比英國更容易實現(xiàn)自動化。在法律服務領域，律師助理、低技能職業(yè)面臨著被替代的最大風險[18]。目前，男性的工作似乎更容易受到自動化的影響，尤其是那些對教育程度要求較低的工作。這些工作往往是機械化和程序化的常規(guī)工業(yè)任務[19]。然而，這種情況在將來可能會改變。在所謂的“高頻接觸”職業(yè)中，女性主導了許多護理部門的工作，其中情緒和認知勞動很重要[20]。由于這些工作都是面對面的，所以不會馬上受到技術侵蝕的影響。專家們認為，從短期來看這些工作不太容易自動化。但從中期來看，新興技術應用旨在通過機器輔助來增強這些服務功能，并可能產(chǎn)生新的性別勞動分工。

本文由五個部分組成。第一，評價關于人工智能的概念史和模糊邊界。第二，通過考察其經(jīng)驗基礎而非僅僅是預測來分析關于就業(yè)增加、替代、破壞和流離失所程度的爭論。第三，分析企業(yè)對人工智能滲透前景的反應，以及咨詢公司在推動企業(yè)擁抱人工智能方面所扮演的角色，那些沒有采取行動的企業(yè)將不可挽回地落后于競爭。第四，探究人工智能在勞動力數(shù)量和質(zhì)量上的變化對社會、空間地理和治理后果的一系列影響。第五，討論人工智能在可能的生產(chǎn)地域和用戶設置中的空間地理表現(xiàn)。

二、智能時代的就業(yè)影響議題：增長、替代、破壞和轉(zhuǎn)移

要理解人工智能是創(chuàng)造就業(yè)還是破壞就業(yè)，就必須評估它在商品和服務生產(chǎn)中是如何使用的。自2008年全球金融危機以來，勞動生產(chǎn)率停滯或低迷一直是多數(shù)七國集團（G7）國家的特征。包括美國、加拿大、英國和德國在內(nèi)，勞動生產(chǎn)率都非常低，而與此相反，波羅的海和東歐更邊緣的國家的勞動生產(chǎn)率卻高得多[21]。七國集團國家低迷的生產(chǎn)率表明，企業(yè)可能會接受在新的“技術修復”方面的投資，以解決勞動生產(chǎn)率低下的問題。相反，在勞動力成本相對較低的一些國家，一些公司可能希望避免投資人工智能系統(tǒng)的成本[22]。鑒于過去10多年勞動生產(chǎn)率增幅較低，許多國家政府希望人工智能在整個經(jīng)濟中的發(fā)展和應用開啟一個生產(chǎn)率高得多的經(jīng)濟增長新階段。盡管如此，擁抱人工智能的影響往往并不清楚。新古典主義通常用勞動時間與產(chǎn)出的比率來概括勞動效率的衡量標準。然而，勞動生產(chǎn)率的衡量僅部分地反映了勞動者技能或勞動強度方面的勞動生產(chǎn)率。從根本上說，GDP和工作時間之間的比率取決于其他投入的組合，如資本和工作的技術、社會和組織結(jié)構(gòu)——這些問題受到人工智能技術應用方式的深刻影響，這是新古典主義方法難以捕捉的[23]。因此，人工智能技術在工作場所的使用方式可能因行業(yè)和企業(yè)的不同而有所不同，既可以用來提高生產(chǎn)率，也可以用來取代勞動力。

因此，預測人工智能對經(jīng)濟的影響是很困難的。人工智能、機器學習和自動化技術的興起與蔓延，導致人們普遍擔心其對就業(yè)的影響，極端情況下，人們產(chǎn)生了嚴峻的、末日般的幻覺，認為人類勞動可能變得越來越多余。無人駕駛汽車、大規(guī)模監(jiān)控或使用算法確定社會安全地位被認為是“敵托邦式”人工智能未來的一部分。流行歷史學家尤瓦爾·諾亞·赫拉利（Yuval Noah Harari）聲稱，21世紀最嚴重的威脅之一將是“無用階級”的崛起，預測數(shù)十億人將被這些新技術所淘汰[24]。

對與自動化相關的技術對就業(yè)影響的焦慮，一直是經(jīng)濟理論中反復出現(xiàn)的擔憂?？梢院唵蔚貙⑾嚓P研究者分為三類：悲觀主義者、實用主義者和樂觀主義者。對馬克思來說，工業(yè)革命使工業(yè)和技術在生產(chǎn)中發(fā)揮了更重要的作用。他預言這將導致工人階級和資產(chǎn)階級之間不可避免的階級斗爭。因此，“技術性失業(yè)”是馬克思的資本主義剝削理論的基石。相比之下，凱恩斯在大蕭條時期就曾對“技術性失業(yè)”的“新疾病”發(fā)出過警告[25]。他認為，當經(jīng)濟上對勞動力的使用速度超過了新工作方式的出現(xiàn)速度時，失業(yè)就會發(fā)生。同樣，瓦西里·萊昂蒂夫（Wassily Leontief）預測，自動化將使勞動力對經(jīng)濟運轉(zhuǎn)的重要性越來越小。他認為，即使出現(xiàn)了新的就業(yè)機會，工作崗位的數(shù)量也不足以雇用所有想要工作的人[26]。這些實用主義者認為需要制定公共政策來支持教育、培訓和再技能化培訓，以應對技術性失業(yè)的潛在有害影響。約瑟夫·熊彼特（Joseph Schumpeter）對自動化對就業(yè)的影響給出了更為樂觀的解讀。他認為，盡管技術變革在短期內(nèi)具有破壞性——導致失業(yè)——但在中長期內(nèi)，它將在生產(chǎn)率更高的創(chuàng)新行業(yè)創(chuàng)造就業(yè)機會。他提出的“創(chuàng)造性破壞”概念將創(chuàng)新視為增長、競爭和結(jié)構(gòu)變革的引擎[27]。結(jié)合20世紀70年代信息和通信技術革命的興起，人工智能和機器學習技術有效地為全球互聯(lián)的平臺型經(jīng)濟提供了基礎設施。包括弗里曼（Freeman）、澤特（Soete）和佩里茲（Perez）在內(nèi)的學者認為，一種新的“技術經(jīng)濟范式”已經(jīng)到來，它導致了一場技術性失業(yè)危機。他們認為，技術的影響需要精心規(guī)劃的應對措施：工作本身正在進行深刻的重組，同時呼吁政府在工人再培訓和教育方面投入巨資[28-29]。

事實上，這項研究在影響對技術和就業(yè)的進一步研究的接受方面起到了重要作用，包括經(jīng)濟合作與發(fā)展組織和歐洲委員會在內(nèi)的許多機構(gòu)對此表示贊同。從21世紀初開始，深度學習（使用多層軟件的算法，如神經(jīng)網(wǎng)絡）取得了進一步突破。如今，機器學習的進步正在重新引發(fā)人們對這些技術將在何處與就業(yè)結(jié)果交互的焦慮、期待和興奮。許多評論人士認為，自動化將最有可能取代制造業(yè)中的常規(guī)和低技能工作[30]。定期有針對性的任務被認為是會影響體力、重復性的任務，比如裝配線上的工作。然而，這一新的技術浪潮也有可能影響非常規(guī)性的認知任務，這些任務通常由“白領”、高技能和高薪員工執(zhí)行，甚至在專業(yè)和服務行業(yè)也是如此[31]。

在很大程度上，關于技術變革和就業(yè)之間實際關系的歷史證據(jù)似乎表明，幾個世紀以來，技術變革雖然導致部分工人的工作被取代，但通過提高生產(chǎn)率，其對整個經(jīng)濟和工人產(chǎn)生的影響是積極的。對工業(yè)革命的經(jīng)濟分析或第一批裝配線的引入并沒有導致大規(guī)模的技術失業(yè)[32]。換句話說，到目前為止，技術變革還沒有像馬克思、凱恩斯、萊昂提夫或弗里曼和澤特預測的那樣產(chǎn)生令人擔憂的影響，以后是否會有所不同呢？

三、人工智能技術社會后果的多重緯度

目前已有大量出版物討論人工智能對21世紀就業(yè)的影響，其作者包括咨詢公司、企業(yè)、政府機構(gòu)和學者。在這個話題上，夸夸其談的說法比比皆是，但幾乎沒有證據(jù)支持它們。撇開這些不談，在那些被引用最多的定量研究中，預測卻大相徑庭。例如，弗雷和奧斯本采用基于職業(yè)的方法，估計美國47%的就業(yè)崗位都高度“容易”自動化，包括服務、銷售和建筑等一系列職業(yè)[33]。相反，阿恩茨等人認為這種方法是高估了其影響。采用基于任務的方法，他們聲稱在經(jīng)濟合作與發(fā)展組織地區(qū)只有9%的工作是可自動化的[34]。這兩項研究都認為，技術變革將不成比例地影響到最不合格的工人。在這些研究中所使用的方法、所覆蓋的地域和所處的時間階段很大程度上解釋了這些差異。其他學者認為，人工智能可能根本不會導致大規(guī)模的工作替代。利（Leigh）等人發(fā)現(xiàn)通過機器人實現(xiàn)的自動化促進了美國地區(qū)就業(yè)的增長[35]。斯賓塞（Spencer）和斯萊特（Slater）認為，對一些國家來說，人工智能技術可能會導致低收入、低技能工作的激增[36]。他們認為弗雷和奧斯本等學者高估了大量工作崗位的損失，因為工作崗位的損失不能僅僅從工業(yè)結(jié)構(gòu)中得出。此外，他們認為人工智能技術的應用“將受到管理決策、部門狀況、勞動力技能可用性、現(xiàn)有技術投資和鎖定、勞資關系考慮，以及在跨國背景下特有的法律、社會和制度考慮的驅(qū)動”[37]。但他們認為，鑒于人工智能和自動化的新技術能力，工作中的許多任務很可能會被重新配置。這很可能會增加低技能和低報酬的工作。

（一）工作的未來命運是注定的嗎？

技術對就業(yè)的影響并不是決定性的——這些新技術的應用取決于多種因素，包括公共政策、企業(yè)戰(zhàn)略和空間地理等。阿西莫格魯和雷斯特雷波認為，新興技術對就業(yè)的影響最終取決于企業(yè)和政府是否推廣“正確的”人工智能[38]。換句話說，就業(yè)的未來取決于我們?nèi)绾螛?gòu)建以及構(gòu)建什么樣的技術平臺。他們認為，“正確的”人工智能應該是那種有潛力提高生產(chǎn)力和創(chuàng)造廣泛繁榮的技術。這種觀點認為，技術具有“賦能”或“替代”兩種效果。賦能技術增強了人類的工作能力，從而提高了生產(chǎn)率。好的例子包括大學教授的筆記本電腦給他們提供了更多的工具來組織工作，掃描儀有利于超市收銀員工作效率的提高，計算機輔助設計使建筑師、設計師和工程師的設想與建造更為精準。因此，技術革新通過提高生產(chǎn)率來促進就業(yè)，可能會導致工資上漲。雖然這可能不會對所有工人都有利——它可能會傷害一部分勞動力——但這一福利會影響到足夠多的工人，從而增加勞動力需求。布魯克斯（Brooks）在將基于人工智能的技術引入法律領域的研究中論證了賦能技術的效果[39]。他認為至少在短期內(nèi)，技術正在幫助律師減少法律研究、合同審查和分析所需的時間，以及加快程序和擴大決策過程[40]。人工智能功能主要用于自動化更勞動密集的實踐，其中很少需要專業(yè)判斷，如提高日常法律實踐的準確性。因此，將人工智能引入法律行業(yè)似乎具有一種賦予能力的功能。

另一種方法認為，人工智能是一種替代技術，也就是說，它拿走了以前由工人完成的任務——有效地用機器來完成任務。阿西莫格魯和雷斯特雷波認為，工業(yè)機器人不是為了提高生產(chǎn)力而設計的；取而代之的是，它們被設計成自動化以前在工廠車間由生產(chǎn)工人完成的任務。它們的作用是降低單位產(chǎn)出成本，從而增加資本所有者的收入，資本所有者往往比依賴勞動收入的所有者更富有[41]。替代技術的例子包括超市的“自助結(jié)賬”、郵件分揀、裝配線和自動提款機。技術的替代會造成一級替代效應——人類不再需要完成這項任務——并可能對就業(yè)和工資產(chǎn)生不利影響，加劇收入不平等。

然而，這些新技術的替代效應往往是復雜的，不太可能是失去所有的工作。就業(yè)增長可能會很好地抵消一些替代效應。例如，一種觀點認為，如果一家超市使用自助結(jié)賬服務，最終會降低成本，其好處將會傳遞到整個超市行業(yè)，潛在地創(chuàng)造新的就業(yè)機會，并增加該行業(yè)以及相關行業(yè)的勞動力需求。目前，雖然許多零售公司已經(jīng)安裝自動結(jié)賬機，但他們發(fā)現(xiàn)仍然需要員工來減少偷竊，幫助和安撫顧客，這使得使用這項技術的商店的新勞動力要求模糊不清[42]。事實上，一些商店正試圖專門培養(yǎng)知識淵博的員工來顯示自己的與眾不同[43]。此外，較低的成本可以讓消費者有更多的錢花在其他事情上，這可能會給整個經(jīng)濟帶來新的就業(yè)機會。瓦爾德曼布朗（Waldman-Brown）報告了自動化技術在中小企業(yè)中的應用[44]。她發(fā)現(xiàn)了一些例子，比如企業(yè)選擇增量自動化來提高生產(chǎn)率，從而使技術變得可行，也可以替代技術。在她的研究中，企業(yè)所有者增加了工人的任務，而不是取代他們，但當工人被取代時，他們會被重新部署到工廠的不同職能中。因此，在技術造成的替代效應和有可能成為平衡力量的生產(chǎn)力效應之間存在著一種“競爭”。當人工智能技術表現(xiàn)良好并降低成本時，更有可能產(chǎn)生較強的生產(chǎn)力效應；然而，如果生產(chǎn)力效應較弱——當新技術只是“不過如此”時，這可能不足以減弱替代效應。如果工作被取代，另一個問題是誰將失去工作？英國國家統(tǒng)計局（ONS）估計，自動化在服務行業(yè)和公共部門的應用越來越多，可能對女性和年輕員工的影響最大[45]。英國國家統(tǒng)計局的有關數(shù)據(jù)顯示，英國最大的低技能工人群體在20～24歲之間。他們還估計，在英國，超過70%的自動化高風險工作由女性擔任，這可能會創(chuàng)造一種新的性別勞動分工。

總之，人工智能、機器學習和自動化對就業(yè)的影響并不是預先注定的，而是取決于企業(yè)和政府推動提高生產(chǎn)率的人工智能形式的決定：要么部署能夠賦能的技術，要么利用生產(chǎn)率高的替代技術。這些反過來又部分由空間地理和當?shù)啬芰Q定。康帕努奇（Compagnucci）等人論證了不同的經(jīng)濟結(jié)構(gòu)、不同的產(chǎn)業(yè)專業(yè)化如何具有適應新技術的獨特能力[46]。公共政策將要求對工人進行再培訓，以確保他們能夠應對人工智能給就業(yè)帶來的挑戰(zhàn)。一種動態(tài)的教育和培訓方法，加上更具適應性和靈活性的學習方法將創(chuàng)造出正確的能力，以及更好的安全網(wǎng)。最后，即使選擇“正確的人工智能”，由此產(chǎn)生的生產(chǎn)力收益也需要相當長的時間才能變得可見并可衡量。布萊恩杰爾夫森（Brynjolfsson）等人解釋說，這種滯后是因為大多數(shù)人工智能技術是“通用技術”，這意味著它們在各個行業(yè)都有廣泛的應用，并要求行業(yè)本身圍繞這些創(chuàng)新進行重組，以看到收益[47]。

（二）咨詢公司對人工智能應用的影響

當未來學家、學者和政策制定者對人工智能、機器學習和自動化可能帶來的后果發(fā)表看法時，企業(yè)也出于各種目的紛紛研究這些技術的相關元素。有兩類人對之特別感興趣：積極應用這些技術來解決眾所周知的問題的公司和建立適合自己專長的市場定位的顧問。雖然一個通知另一個的可能性相同，但當前的時刻特別令人驚訝。與企業(yè)一樣，咨詢公司也在瘋狂地聘請這些領域的專家來建立自己的產(chǎn)品線。全球頂級咨詢集團的宣傳材料，如波士頓咨詢集團、普華永道、埃森哲和麥肯錫，沒有給其他企業(yè)留下任何機會。這些公司正專注于他們已經(jīng)出名的“面包和黃油”產(chǎn)品，同時提供驚人的相似的警告，要么是關于即將發(fā)生的問題，從而證明他們的服務是合理的，要么是提出關于先決行為改變的警告，以確保成功的可能性[48]。換句話說，“正面和中心”是一份偽裝成盡職調(diào)查聲明的免責聲明。咨詢公司利用先行者客戶來證明自己的服務，從而限制公司的責任，但附帶條款是如果客戶沒有執(zhí)行提供給他們的嚴格建議，這些咨詢公司就不承擔責任。鑒于這一套技術的涌現(xiàn)性質(zhì)，公司材料中的幾句話強調(diào)了它們的不確定性。

咨詢顧問們正一致認同這樣一種說法，即人工智能（機器學習和自動化進一步實現(xiàn)了人工智能）不亞于一種新的生產(chǎn)要素?？偛课挥诠雀杷阉髌脚_的全球咨詢公司埃森哲（Accenture）稱：“這是一種全新的生產(chǎn)要素，它能夠通過增強人類的自然專長而將自動化帶到新的地方，并將創(chuàng)新傳播到整個社會，從而推動業(yè)務增長?！盵49]畢馬威更加謹慎地指出，這些組合技術帶來的收益可能會滲透到包括數(shù)據(jù)、業(yè)務流程、勞動力、風險和聲譽在內(nèi)的關鍵的業(yè)務領域[50]。畢馬威進一步暗示了需要的謹慎程度，并指出前期成本將是巨大的。把人工智能作為一種簡單的“即插即用”戰(zhàn)略的想法是一種誤解。這些咨詢公司警告說，即使要開始利用人工智能，企業(yè)也需要建立廣泛的內(nèi)部能力，膽怯的人不適合進入人工智能領域。一個成功的應用程序更有可能是那些既靈活又不受遺留資產(chǎn)（如已存在的平臺、內(nèi)建過程和過去特有的嚴格實踐）束縛的應用程序。換句話說，與那些已經(jīng)建立安全的操作慣例的公司相比，不受約束的年輕公司可能更容易增強它們的能力。

2019年，總部位于美國的國際咨詢公司麥肯錫（Mckinsey，Inc.）公布了其客戶公司的人工智能應用年度評估[51]。在兩份評估報告中，他們的發(fā)現(xiàn)表明，人工智能、機器學習和自動化跨部門的應用，發(fā)生在當今效率明顯的領域。汽車和重工業(yè)正在使用機器人技術和機器學習技術來使得骯臟、危險和困難的任務自動化。零售商正在使用人工智能分析來跟蹤銷售和客戶偏好。在全球范圍內(nèi)，人工智能得到越來越多的應用，亞太地區(qū)和北美地區(qū)處于領先地位。然而，該報告表明，至關重要的是大多數(shù)應用程序都存在短期問題。

利用更復雜的人工智能相關應用的公司越來越少，原因是不愿意“投資人才，比如翻譯專家，并確保業(yè)務人員和技術團隊擁有成功擴張所需的技能”[52]。對大多數(shù)商業(yè)企業(yè)來說，人工智能技術目前正被用于解決低風險問題，比如追蹤客戶偏好，或者為關鍵模式挖掘大數(shù)據(jù)。總的來說，組織正試圖緩慢地擴大規(guī)模，吸收這些新的能力，而不是追求導致組織變革的行動。就這些技術的應用而言，各公司正在“摘低掛的果子”，并將他們的“大腳趾”伸進未知的“寒冷水域”[53]。

另外兩項發(fā)展值得注意。主流媒體報道和全球咨詢公司都在關注一系列與人工智能、機器學習和自動化有關的隱私影響、對主觀和無意偏見的精確控制，以及最終采用后與預期的就業(yè)結(jié)果相關的問題[54]。提供咨詢服務要求客戶放棄對數(shù)據(jù)的控制權(quán)，數(shù)據(jù)的形式是有關組織及其基于配置的競爭優(yōu)勢的機密信息，這些競爭優(yōu)勢與企業(yè)實踐、文化和戰(zhàn)略緊密相連。會計師事務所對數(shù)據(jù)隱私表示嚴重關切。

一些學者預先強調(diào)了企業(yè)在追求一個由人工智能、機器學習和自動化增強的未來時所面臨的挑戰(zhàn)。關于這些技術能力的后果，我們?nèi)杂泻芏嘈枰私獾牡胤健９竞皖檰杺児_討論了這樣一種認識：流離失所不僅是可能的，而且是極有可能的。麥肯錫2019年度報告顯示，2019年整個世界的就業(yè)形勢是積極的，特別是那些正在積極規(guī)劃和實施現(xiàn)有員工再培訓計劃的公司，這種情況會持續(xù)多久尚不清楚。最明顯的是，有兩條出路。在“恐嚇策略”和“巨大未知”的推動下，咨詢公司正在推動企業(yè)在落后之前坐上“末班車”。每家咨詢公司都在為各自不同的發(fā)展方向開辟一個有力的基礎市場，從依賴削減成本和淘汰低技能勞動力，到利用這些技術發(fā)展的潛力，利用現(xiàn)有勞動力的戰(zhàn)術知識，促進向新前沿的過渡，從而重新定位他們。目前結(jié)果尚不確定，但我們看到了另一種選擇。企業(yè)咨詢師們表示，有了人工智能，經(jīng)濟增長正獲得生產(chǎn)力的第四個維度——人類的智力能力正得到機器支持的增強[55]。與阿西莫格魯和雷斯特雷波的建議相呼應的是，這些技術的應用結(jié)果并不是預先注定的，它將反映組織和社會層面作出的選擇[56]。

（三）社會后果：誰在工作？

有如此多的預言者或驚嘆人工智能、機器學習和自動化的奇跡，或?qū)χ硎緭鷳n和悲哀，以至于人們很難區(qū)分重要和不重要。從自動駕駛汽車到面部識別，再到導致機器在刑事法庭上提出精細優(yōu)先級的結(jié)構(gòu)化搜索，世界正在迅速變化。拋開夸張不談，這些擁有巨大計算能力的技術對于諸如“誰在工作”這樣的社會問題意味著什么？伴隨這些新技術能力而來的變化有多大？

一些學者對自動化、機器人和人工智能技術的發(fā)展和傳播中缺乏問責性和公共目的提出了更具批判性的分析[57]。讓算法、人工智能和機器人變得公平、透明、可理解，并因此變得更負責任的壓力越來越大。夏基（Sharkey）和他的同事們認為有必要“將目前自動智能系統(tǒng)技術的設計和制造中可能不會自動考慮到的人類福祉的倫理方面納入其中，并重新定義成功的概念”[58]。所以人類的進步可以包括有意地優(yōu)先考慮個人、社區(qū)、社會和倫理價值。

然而，到目前為止，主要的參與者是在私營部門，而且人工智能的發(fā)展是相對不受管制的。有關人工智能和公眾利益的法律與監(jiān)管結(jié)構(gòu)仍處于萌芽階段，僅具有咨詢作用。例如，英國有監(jiān)管機構(gòu)和公共程序來探討生物技術與人類受精技術的許多應用的生物倫理，目的是彌合公眾、專家和政府之間的差距。然而，這與人工智能的發(fā)展不是齊頭并進的[59]。迪格納姆指出，許多人工智能技術公司的創(chuàng)始人和首席執(zhí)行官都有自由意志主義的信念，他們積極倡導政府為人工智能提供一種相對寬松的監(jiān)管結(jié)構(gòu)。他們認為新技術的本質(zhì)是不受法律和法規(guī)約束：新的技術前沿是由數(shù)學計算控制的，而舊的、過時的、已經(jīng)存在的法律不能阻礙[60]。同樣的批評者阿西莫格魯和雷斯特雷波提醒我們，技術并不決定其用途和應用，而是社會決定的，從這個意義上說，技術是一種社會建構(gòu)[61]。

人工智能系統(tǒng)的公平性是一個值得關注的問題。在人工智能的廣泛應用中已經(jīng)觀察到的一個問題是，它被用于篩選當今勞動力市場的機會。有很多人工智能復制和放大性別與種族偏見的例子。個人簡歷中使用過于“女性化”的自我描述可能會導致項目篩掉該份申請；個人的膚色可能會決定面部識別軟件是否推薦其做這份工作。例如，周在亞馬遜對其招聘自動化系統(tǒng)的實驗中發(fā)現(xiàn)了偏見。由于科技行業(yè)是男性主導的，機器學習模式中輸入的大部分簡歷都是男性的，由此產(chǎn)生的制度對男人比對女人有利。如果這種招聘制度得以實施，科技行業(yè)將進一步排斥女性[62]。盡管這可能不是目的，但關于人工智能在“人力資源”功能中的使用的廣泛反饋指向人工智能的一個基本問題：有偏見的數(shù)據(jù)集。周的研究強調(diào)人工智能系統(tǒng)完全依賴于從數(shù)據(jù)庫中學習；如果數(shù)據(jù)庫不完整或有偏差，系統(tǒng)會無意中將偏差擴大到更大范圍。同樣，他特曼（Tatman）和卡斯滕（Kasten）發(fā)現(xiàn)YouTube語音識別程序存在偏見；他們發(fā)現(xiàn)，不同方言和種族之間的錯誤率有統(tǒng)計學上的顯著差異，非白種人的錯誤率要高得多[63]。這樣，帶有微妙的種族主義和性別歧視模式的非代表性數(shù)據(jù)，重現(xiàn)了同樣的模式[64]。這些發(fā)現(xiàn)表明，人工智能能夠在工作中重現(xiàn)和放大現(xiàn)有的性別與種族偏見。正如瓦克（Wacher）所指出的：“系統(tǒng)可以做出不公平和歧視性的決定，復制或發(fā)展偏見，并以不可思議和意想不到的方式在高度敏感的環(huán)境中表現(xiàn)出來，將人類利益和安全置于危險之中?！盵65]

由于許多大型數(shù)據(jù)集是不完整的、不具有代表性的，它們可能會錯誤地識別特定的個體，特別是涉及少數(shù)群體和婦女時?！皵?shù)據(jù)集往往不能代表公眾人口。在捕捉弱勢群體時，數(shù)據(jù)被剝奪的程度很高。有偏見的數(shù)據(jù)集放大了性別和種族不平等，并將過去和現(xiàn)在的偏見投影到未來?！盵66]例如，勃拉姆溫妮（Buolamwini）和吉布魯（Gebru）研究面部識別系統(tǒng)中的偏見，他們的“性別陰影”研究評估面部識別系統(tǒng)中的偏見程度，發(fā)現(xiàn)在對膚色較深的女性、膚色較淺的女性、膚色較深的男性和膚色較淺的男性進行分類的準確性上存在顯著差異。相比之下，膚色較深的女性被錯誤分類的概率高達34.7%，而膚色較淺的男性被錯誤分類的概率最高只有0.8%[67]。同樣，加納尼（Garnerin）指出，女性在媒體中的代表性不足，在說話人和“言語轉(zhuǎn)換”方面，她們在語音識別數(shù)據(jù)中的代表性不足[68]?？死锢唷づ謇姿梗–riado Perez）認為這個問題是雙重的。數(shù)據(jù)集不僅是由白人男性主導的，而且他們的過度代表性反過來又扭曲了輸出：“男性數(shù)據(jù)構(gòu)成了我們知道的大部分”，所以“什么是男性被視為普遍”[69]。因此，人工智能可能成為一種延續(xù)偏見的方法，造成意想不到的負面后果，加劇不平等[70]。夏基呼吁禁止所有“改變生命的決策法則”，這反映了人工智能中這些偏見的嚴重性[71]。

迪格納姆強調(diào)了另一個問題——設計、編碼和編程人工智能技術的實際勞動力缺乏多樣性[72]。他研究蘋果、谷歌、臉書等公司的就業(yè)數(shù)據(jù)，發(fā)現(xiàn)人工智能勞動力中存在很大程度的性別差異，尤其是在技術人員中。狄龍（Dillon）和科利特（Collett）發(fā)現(xiàn)了同樣的問題并呼吁人工智能勞動力的多樣化，以使技術的設計和實施更加公平。隨著人工智能的崛起，對熟練技術專家的需求增加，且變得更加迫切。“以目前的速度，現(xiàn)有的不平等只會因為人工智能勞動力市場而加劇和擴大，而人工智能勞動力市場未能反映出人口的多樣性?！盵73]人們再次被提醒為什么社會建構(gòu)性批判如此強大，雖然大規(guī)模計算能力允許更大的統(tǒng)計規(guī)模，但在社會基本統(tǒng)計完整性方面沒有根本改變，仍主要取決于人類的判斷。高度熟練和技能化的人類設計、操作和監(jiān)督仍然是至關重要的[74]。

四、人工智能技術發(fā)展的空間意蘊

人們每天都在忍受著關于未來將會包括什么的預言。一方面，伴隨這些技術空間分析而來的經(jīng)驗證據(jù)主要是加強了當前科技產(chǎn)業(yè)、高等教育和個人財富的空間地理。到目前為止，還沒有出現(xiàn)突破全球工業(yè)和技術領先地位的地方。然而，地緣政治可能在推動國家人工智能技術發(fā)展方面發(fā)揮重要作用。20多年來，中國一直在與美國、英國和日本的領先技術供應商進行著競爭。如今，中國的角色已不再是跟隨者，而是這些行業(yè)中一個敏捷的競爭者。國防應用刺激了美國許多新技術產(chǎn)業(yè)的增長，包括人工智能[75]。有些國家人工智能技術發(fā)展的重點將首先集中在部署技術來監(jiān)視和控制本國或他國公民。因此，對于與這些技術相關的產(chǎn)業(yè)將在何處出現(xiàn)，空間地理是一個重要的但不是決定性的因素。

目前，根據(jù)現(xiàn)有的人力資本形成空間和長期的工業(yè)集中情況，技術發(fā)展與采用的空間地理似乎大多是經(jīng)過試驗的真實途徑。然而，早期的證據(jù)確實表明，在確定專業(yè)技術出現(xiàn)的空間地域時，使用的空間地理可能比單純地確定現(xiàn)有技術集群存在的地域更重要。1997年，地理學家斯坦（Stan）和克里斯汀·奧彭肖（Christine Openshaw）編寫了《地理學中的人工智能》，這本書預言了一個未來世界，在那里，地理信息計算將迅速發(fā)展，并在任何數(shù)量的同源和衍生領域應用。此外，學者們已經(jīng)闡明一個事實，即盡管經(jīng)濟全球化的力量強大，但國家和地區(qū)的工業(yè)文化與工作實踐仍然可能因地區(qū)而異[76]。薩克森尼（Saxenian）研究了計算機和軟件業(yè)在不同地區(qū)經(jīng)濟中如何有不同的模式和工作實踐[77]。格特勒（Gertler）指出，這些不同的工作實踐意味著相同的技術在不同的環(huán)境中以微妙而不同的方式被部署。他研究了加拿大企業(yè)在實現(xiàn)從德國新機床中提高生產(chǎn)率面臨的困難，指出其原因是兩國的工作組織方式略有不同。德國的工作慣例（特別是工程師和車間之間更緊密的關系）被嵌入到新技術中[78]。因此，人工智能或其他新技術的技術擴散并不總是直接的，而且可能因區(qū)域或國家的工作慣例而復雜化。吉特森（Kitson）認為，在英國，創(chuàng)新政策過于集中于產(chǎn)生創(chuàng)新，從而忽視鼓勵創(chuàng)新的擴散和應用的復雜性[79]。在德勤的認知狀態(tài)調(diào)查中，研究者發(fā)現(xiàn)人工智能技術的最大障礙之一是認知項目與現(xiàn)有流程和系統(tǒng)整合的困難——調(diào)查沒有提供這一發(fā)現(xiàn)的地區(qū)和國家模式的線索，但它仍然表明，“整合”問題對企業(yè)來說仍然很突出[80]。

最后，人工智能的發(fā)展可能會加強現(xiàn)有技術集群的經(jīng)濟實力，因為“平臺”公司的經(jīng)濟實力為最新的技術進步所加強[81]。這些現(xiàn)有技術聚集區(qū)可能會出現(xiàn)與新技術有關的就業(yè)增長。研究表明，人工智能、機器學習和自動化對改善發(fā)展不平衡這一由來已久的問題可能作用不大，這進一步表明，增長最有可能發(fā)生在類似活動的現(xiàn)成集群中。也就是說，初始稟賦顯然是一個地區(qū)從開發(fā)新技術中獲益的、潛在的關鍵決定因素，特別是落后地區(qū)很可能處于明顯的不利地位[82]。布爾克（Buarque）等在考慮目標產(chǎn)業(yè)活動中企業(yè)申請專利的空間地理時得出了類似的結(jié)論[83]。在歐盟國家，人工智能、機器學習和自動化領域涌現(xiàn)出的具有創(chuàng)新成果的企業(yè)，它們大部分出現(xiàn)在現(xiàn)有工業(yè)發(fā)展的關鍵節(jié)點上。

然而，在2019年一份關于產(chǎn)業(yè)政策的研究文獻中，柏雷（Bailey）強調(diào)了歐盟是如何試圖對落后的區(qū)域經(jīng)濟進行戰(zhàn)略性投資，使它們能夠開發(fā)新的技術專長，從而使發(fā)展進入新的軌道[84]。然而，人工智能應用的空間地理也可能是不均衡的，并與現(xiàn)有的工業(yè)優(yōu)勢和劣勢密切相關。英國國家統(tǒng)計局發(fā)現(xiàn)，在英國，自動化導致失業(yè)的可能性各不相同。在東南部和倫敦增長中心以外的外圍地區(qū)較貧窮的區(qū)域經(jīng)濟體最有可能因為自動化而失去工作。因此，小城鎮(zhèn)和農(nóng)村地區(qū)，如波士頓、南荷蘭和芬蘭是失業(yè)最高的概率地區(qū)，如北康沃爾、西蘭開夏和里布爾谷[85]。這些地區(qū)有獨特的地方經(jīng)濟，但都有當?shù)氐墓ぷ鹘Y(jié)構(gòu)，雇傭的低技能工作數(shù)量高于平均水平，而這些工作可能是最容易實現(xiàn)自動化的。這可能會在許多不同的國家背景下上演，因為在某些地方的經(jīng)濟中，容易受到自動化和機器學習影響的工作將占更大比例。

五、結(jié)論：人工智能與工作的未來展望

人工智能和它的相關應用單元將改變工作的性質(zhì)以及系統(tǒng)和基礎設施的運作，使復雜問題的解決方案高效和快速。盡管這些技術的許多應用旨在增強服務用戶的體驗，但迄今為止由人類腦力和體力完成操作的完全轉(zhuǎn)換的例子也在不斷增加。人工智能對人類工作的影響既非單純的“烏托邦”愿景，也不是單純的“敵托邦”景象，而是呈現(xiàn)出“烏托邦”和“敵托邦”的雙重效應。一方面，人工智能技術的應用將不可避免地造成人類的一部分工作被替代，導致部分職業(yè)的消失和人類某些勞動技能的退化；另一方面，人工智能技術在對人類工作造成替代或消失的同時，也必將會創(chuàng)造出新的就業(yè)和工作機會，從而為人類勞動帶來新的希望和勞動解放的美好前景。

人工智能、機器學習和自動化技術的后果仍在浮現(xiàn)，因此，很可能在國際科學界和商界引發(fā)持續(xù)的辯論。這些發(fā)展將在多大程度上挑戰(zhàn)就業(yè)是復雜的和難以確定的。過去10多年許多國家和企業(yè)勞動生產(chǎn)率一直很低，這意味著企業(yè)很可能希望（或被鼓勵）追求替代勞動力的人工智能形式，而不是提高勞動力的技術形式。顯然，這些技術的傳播和擴散并不是決定性的：它是一種社會和政治選擇。需要強調(diào)法律和政策體系以及由此產(chǎn)生的激勵和抑制因素對這些仍在出現(xiàn)的技術的公認的許多使用方式。但在世界各地，人工智能技術的監(jiān)管基礎設施本身正在以一種緩慢而特殊的方式形成。人工智能系統(tǒng)中的偏見往往不透明，但可能會強化現(xiàn)有的性別和種族偏見。有人呼吁提高人工智能技術的透明度，以便讓這些程序的決策過程公開接受審查。

政府在規(guī)范、監(jiān)督新技術的道德規(guī)范設計以及為新技術設定邊界方面扮演著明確而重要的角色。重要的是，政策的設計應有助于推動私營部門的行動，以產(chǎn)生增加社會福祉的結(jié)果，而不僅僅是尋求增加GDP[86]。政府的作用不僅在于制定產(chǎn)業(yè)政策（迄今大多數(shù)國家的做法都是如此），還在于決定和塑造我們擁有的人工智能技術的類型、它們的應用方式和可接受的使用邊界。國家政策（稅收、研發(fā)減免、監(jiān)管）可以幫助將激勵措施從替代勞動力的技術轉(zhuǎn)向賦能勞動力的人工智能技術?，F(xiàn)有經(jīng)驗證據(jù)表明，迄今只有一小部分公司毫無疑問地采用了人工智能技術[87]。許多公司都在追求漸進式的應用，只是“試水”而已。一些行業(yè)的公司可能會對投資高成本人工智能系統(tǒng)持謹慎態(tài)度，特別是在勞動力成本相對較低的國家。盡管國際咨詢公司是這項新技術的鼓吹者，但許多公司都在測試其用途并監(jiān)測其效果。人工智能技術的最大消費者可能是對國防和監(jiān)控感興趣的國家，而不是商業(yè)公司。這是對人工智能變革性能力的過度推銷，還是一種時滯？抑或是企業(yè)對一種尚未被證實且往往昂貴的技術的謹慎態(tài)度？20世紀80年代中期，經(jīng)濟學家還試圖了解為什么計算機技術在更廣泛的經(jīng)濟領域中擴散的速度比預期的要慢。羅伯特·索洛（Robert Solow）將其稱為“生產(chǎn)率悖論”，即計算機“無處不在，唯獨不在生產(chǎn)率的統(tǒng)計數(shù)據(jù)中”[88]。人工智能技術也是如此嗎？就像早期計算機的普及一樣，人工智能技術的普及和應用可能比行業(yè)支持者所認為的要慢。

一個最重要的擔憂是，基礎科學發(fā)現(xiàn)、咨詢界表現(xiàn)出的技術熱情和國家政策之間的相互作用在多大程度上融入了導致底層競爭的通向未來的路徑。過去的科技時代打破了政治對手之間的權(quán)力平衡，讓許多人在領先的競爭中落后。無論是從什么角度看，都有明顯的警告跡象表明：需要制定政策，以確保那些將在這個新時代遭受破壞的人的福祉。

這里有兩條出路。在“恐嚇策略”和“巨大未知”的推動下，咨詢公司正推動企業(yè)加入這股潮流，以避免成為經(jīng)濟上的“落后者”。每一家咨詢公司都在朝著不同的方向開拓細分市場，從依賴削減成本到消除低技能勞動力。與此同時，政府在人工智能方面的政策大部分都只關注經(jīng)濟增長。然而，另一種經(jīng)過更多考慮的途徑也是可能的。它將利用這些技術發(fā)展的潛力，利用現(xiàn)有勞動力的戰(zhàn)術知識來促進向新領域的過渡，使工人能夠在使用新技術的同時使用自己的技能，從而重新定位現(xiàn)有勞動力。此外，人工智能和相關技術可以用于積極促進教育、衛(wèi)生甚至和平事業(yè)發(fā)展等領域。人工智能的部署方式并非預先注定的。與阿西莫格魯和雷斯特雷波的建議相呼應，這些技術的應用結(jié)果將反映組織、政治和社會層面作出的選擇[89]。像所有技術一樣，人工智能的未來太重要了，這不能單純留給人工智能領域的技術專家。相反，社會科學家、律師和技術倫理專家都需要積極參與人工智能發(fā)展與應用的形態(tài)和結(jié)構(gòu)。