人類被低估了：你需要何種技能保證職業發展

　　你或許以為，一直以來，只有人類才能夠執行例如外科手術這樣的生活當中最精細、風險最高、要求最嚴格的任務。但是加利福尼亞大學伯克利分校（University of California at Berkeley）的研究人員正在訓練一種機器人，用來識別和切除癌變組織。眼下的外科手術機器人實際上是由人類醫生操縱的工具，但是這款不一樣，它完全靠自己做手術。

　　你或許又以為，科技盡管創造了眾多的奇跡，但是只能蠶食一小部分人類的工作。畢竟，能當外科醫生的人不多?？墒窃诮衲?月，戴姆勒公司（Daimler）開始在內華達的公路上測試第一種自動駕駛的單軸拖車。這可是美國男性的頭號工作。美國有290萬男性是卡車司機。美國女性就安全了嗎？科技將不斷吞食文書和辦公室工作。這正是美國女性的頭號工作，目前有300萬女性在做行政助理。

　　可以用一個問題來代表困擾今日勞動者的最大的焦慮：我們人類應該怎樣增加價值？流行文化對這個問題很著迷。AMC電視臺新播的連續劇《真實的人類》（Humans），講述了一種名為“synths”的神秘人形機器人帶來的希望與危險。這似乎是好萊塢在2015年的主題。比如《機械姬》（Ex Machina），講的是人形機器人騙過了人類，在殺人之后以人類的身份融入社會；再比如《終結者：創世紀》（Terminator Genisys），由阿諾德·施瓦辛格（Arnold Schwarzenegger）扮演的人形機器人再度拯救世界；還有《復仇者聯盟2：奧創紀元》（Avengers: Age of Ultron），人形機器人試圖消滅整個人類；以及《超能查派》（Chappie），壞家伙們想毀掉被設計成可以思考和感覺的人形機器警察。這些電影的大思路都是一樣的：無論好壞，機器都會變得跟人一樣，只是更加優秀。

　　我們人類有充分的理由感到不安：美國經濟已經出現了一些奇怪的現象。處于黃金工作年齡的男性的就業率創下了歷史新低（參見圖表），而在從前，這類人群的就業是最為充分的。推動這一趨勢的因素有好幾個，但是大多數的經濟學家都認為，不斷進步的科技是其中之一。無論是在工廠和辦公室，還是在建筑工地和柜臺后面，科技在很多工作上都比人類做的更加出色。

　　對科技導致失業的擔憂就和科技的歷史一樣古老。這種擔心總是缺乏根據的。在不同的時期，在不同的經濟體之內，科技都讓工作崗位增加了數倍，提高了人類的生活水平，而且提高幅度之大，超過了歷史上的任何一種力量，一直到今天都沒有改變過?？墒乾F在，越來越多的經濟學家和科技人員懷疑，這種趨勢或許已經走到頭了。因此，美國的前財政部部長（Treasury Secretary）勞倫斯·薩默斯（Lawrence H. Summers）說：“這些問題將是我們這個時代鮮明的經濟特征。”

　　我們人類應該怎樣增加價值？答案有，但是我們始終在以錯誤的方式去尋找，直到現在也沒有改變。傳統方法一直是詢問哪種工作是計算機做不了的。計算機學不會的技能就有價值，這似乎已經成為了常識。歷史告訴我們，聲稱存在著計算機最終會學不會的技能是很危險的。從很久以前開始，就有過一連串令人尷尬的預測。早期的研究人員對機器翻譯極度悲觀，認為這個領域很難超越20世紀60年代時的基本不能實用的狀態?，F在，谷歌（Google）提供免費的書面文字翻譯，借助于人類用戶的反饋，讓翻譯的質量達了歷史新高。Skype提供免費的實時語音翻譯。麻省理工學院（MIT）的休伯特·德雷弗斯（Hubert Dreyfus）在1972年出版的一本著作《計算機不能做什么》（What Computers Can't Do）當中指出，計算機下國際象棋雖然已經達到了中級水平，但是棋力很難再有大幅提高了。結果，IBM的深藍（Deep Blue）計算機在1997年打敗了國際象棋世界冠軍加里·卡斯帕羅夫（Garry Kasparov）。經濟學家弗蘭克·利維（Frank Levy）和理查德·默南（Richard J. Murnane）在2004年出版了一部精彩的著作《勞動新分工》（The New Division of Labor），詳解了開車如何需要復雜的瞬間判斷，而讓計算機開車是極端困難的?？墒?年之后，谷歌推出了它的第一款自動駕駛汽車。哈佛大學（Harvard）的心理學教授史蒂文·平克（Steven Pinker）在2007年評價到：“評估環境的布局與引導一件物體通過它是極為復雜的工程任務，比如讓洗碗機自己清空碗碟，真空吸塵器自己爬樓。”但是沒過多久，iRobot公司就真的開始制造能夠自己在房間里到處移動，同時又不傷害家具、寵物或兒童的吸塵器和拖地機。同時，公司也開始生產能夠爬樓梯的機器人。顯然，只要有足夠的需求，它就可以生產能夠做這種動作的機器。而由德國的卡爾斯魯厄理工學院（Karlsruhe Institute of Technology）研制的Armar IIIa機器人能夠在洗碗機上裝載和卸載碗碟。

　　規律顯然存在。特別聰明的人強調，很多人能夠輕松搞定的各種任務其實極為復雜，包括一些像駕駛汽車的任務，人們做起來毫不費力，可是對于計算機來說，掌握這些任務卻非常艱難。但是，人們一次次發現，計算機學會一門技術只是一個時間問題，而且學習速度經常快過所有人的預想。計算機的處理能力能夠每兩年翻一番，我們的腦子卻容不下這個觀點。按照這個速度，信息科技能力在40年里要增長100萬倍。計算思想家比爾·喬伊（Bill Joy）喜歡指出，噴氣式飛機飛行的速度比步行快100倍，世界就為之改變。我們的經歷無法讓我們理解增長100萬倍是一個什么概念。與此同時，越來越先進的算法使計算機在處理復雜任務時使用的計算能力更少。所以，年復一年，我們都頑固地犯著同樣的錯誤—低估機器的能力。

　　沒錯，通過尋找機器絕不可能做的事情來確定人類的價值是一件極其危險的路子。更好的策略是問，有哪些行為是我們在最深刻的本性或者日常生活的現實的驅使下，只能堅持由其他人類來執行，不管機器能不能做？

　　人類依舊在掌控

　　一大類這類行為是我們需要特定的人來擔當的崗位。一個實際的例子是法庭上的決定，在未來很長的一段時間里，我們還會需要人類法官做裁決。在這個例子當中，人機對決已經不再停留在假設上。在以色列等一些國家里，保釋決定要由法官做出。研究人員在以色列調查了這類決定如何受到人類的一件大事—午餐—的影響。在一天之內，以色列的法官會批準35%的囚犯的假釋申請。但是批準率在午飯之前的兩小時里一直穩步下降，臨近午餐時幾乎降到了零。午餐時間過后，批準率立即飆升至65%，然后再次穩步下降。如果你是一名囚犯，你會在監獄里面待多少年，將在很大程度上取決于你的保釋申請書在法官午餐之前的文件堆里墊底還是午餐之后的文件堆的最上面。在預測重新犯罪方面，數據驅動的算法已經被證實要優于人類法官和陪審團，并且，計算機分析實際上能夠更加有效地裁決假釋申請，當然不會像法官那樣任性?？墒悄阌X得這份工作從法官轉到機器那里的可能性有多大？問題不在于計算機的能力，而是在我們這個社會，重要決定必須有個人來負責。類似地，我們還可以有把握地押寶，承擔其他具有問責性工作的人，比如首席執行官、軍隊將領和政府的各級領導—也會保住這些工作，原因也是同樣的。

　　人類必須同心協力制定集體性目標

　　此外，出于完全現實的理由，一些問題只能夠由人類而不是計算機來解決。原因不是計算機無法徹底解決它們，而是在現實生活里、尤其是在組織化生活當中，我們對問題和目標的看法在不斷地改變。人類必須自己解決這些問題，至關重要的是，他們必須集體解決。原因之一是組織擁有很多的支持者，在解決問題時，必須體現出他們的聲音；還有一個原因是，集體解決問題的能力遠遠優于個人。

　　還有一類只能夠由人類做的工作更為重要，就是那些我們必須與他人協作或是為他人而非機器服務的任務，這只是因為我們最基本的人性需要這樣，其中的道理非常深刻，甚至無法用語言來表達。我們是社會性動物，歷經進化，個人關系對于我們而言就等于生存。我們希望與他人合作，去解決問題，給他們講故事，聽他們說話，與他們一起產生新的想法，因為如果我們10萬年前不在非洲的大草原上做這些事情，我們就會滅亡。證據很明顯，最有成效的團隊的成員最為穩固地擁有最基本和最深刻的人文能力，首先是同理心，還有社會敏感性、敘事、協作、共同解決問題、發展關系，等等。我們發展出了與他人而不是與機器互動的能力，即便那臺機器能夠感知和表達情緒。我們或許也喜歡Pepper機器人，但是我們不會進化到與它互動。

　　即使計算機說的全對（這在未來并非不可能），我們還是想追隨人類領袖。即使計算機能夠看病，我們還是想從醫生那里聽到診斷，因為我們想和醫生討論病情，也許只為與人交談和聽人說話。我們想和一個人商談重要的協議，聽到他說話時的每個顫音，看到他交叉雙臂，觀察他的眼色。

　　而觀察某人的眼色（這不僅是隱喻，很多情況下就是字面上的意思）正是在未來的經濟體中從事高價值職業的關鍵。

　　這不僅是紙上談兵。人類工作的性質正在發生大規模的變化。牛津經濟研究院（Oxford Economics）詢問企業，它們在未來5至10年內需要什么樣的技能，得到的答案里并沒有商業頭腦、分析能力或利潤表管理，這些都是計算機能夠很好地掌握的左腦思考技能。相反，企業最看重的技能包括發展關系、結成團隊、共同創造、頭腦風暴、文化敏感性、管理多元員工的能力，都是屬于右腦的社交互動技能。這些回答和美國人在今日與20世紀70年就業的有關宏觀數據不謀而合。從那時到現在，就業崗位增加最多的一直是教育和衛生服務行業，占全部崗位的百分比提升了一倍有余；專業和商業服務提高了大約80%；休閑娛樂和待客行業上升了大約50%。總體趨勢是，基于人際互動的行業的就業人數出現大幅增加。難怪甲骨文公司（Oracle）的集團副總裁梅格·貝爾（Meg Bear)說：“同理心是21世紀的關鍵技能。”

　　其他研究也支持這個想法。麥肯錫全球研究院（McKinsey Global Institute）發現，從2001年至2009年，美國的交易工作（銀行出納員、收款員等）數量減少了70萬，制造業崗位減少了270萬。但是，人際互動的工作，例如醫生和教師，增加了480萬。所有這些趨勢持續至今。研究院稱，互動工作崗位已經成為“先進經濟體增長最快的就業類別”。