經濟數位化導致大規模失業頻傳

　幾乎每天都在報導因經濟數位化而導致大規模失業的憂慮。舉個例子，2014年，台灣電子產品製造公司富士康（主要在深圳及中國其他地區設廠，擁有120萬名員工）的執行長曾表示，公司的裝配工作即將由機器人取代，尤其是在生產新iPhone手機的製程。當然，數位化的範圍遠不止於機器人化。許多從事日常工作（即容易程式化的工作）的職位已被淘汰，資料分類即為一例。銀行交易已電腦化，支票都透過光學識別處理，客服中心也使用軟體來縮短客戶與員工之間的通話時間。許多城市的書店和唱片店也消失不見了。

　這些變化令人擔憂。整體而言，新興和低度開發國家一向依賴低薪來吸引業務和就業機會以脫離貧困。如今，機器人、人工智慧（能讓軟體幾乎像人類一樣返應）以及其他取代人力的數位創新，在在威脅著這些國家的經濟成長。那麼，已開發國家的員工又該如何自處？如果中國的勞動力成本上升，他們的員工未來會是什麼樣子？

　麻省理工學院的經濟學教授大衛．奧托爾研究了這些創新所造成的極端化現象。他研究美國的情況長達三十年，現在也擴展到歐洲和其他國家。資訊科技通常惠及那些本身技能可與資訊科技互補的高素質員工，但顯然減少了可被電腦和機器人取代的工作數量，並在工作分配上形成一個極大缺口，使得高薪的高技術工作與基礎的服務性工作間的差距越來越大。

　目前較為常見的低薪工作，包括護理人員、清潔工、餐飲服務人員、服務台人員、保全人員、社會服務工作者等；而高薪工作則有銷售人員、技術人員、管理階層和專業人士等；提供中等薪資的工作，例如行政人員、熟練工人、工匠、維修工人等，其重要性相對也在下降。另外一個顯著的現象是，近30年來，美國大學畢業生的薪資與高中畢業生的薪資差距大幅增加。

　過去30年來，電腦已能輕易取代人類的某些工作。解決問題的「演繹處理」（traitement déductif）就是將一個已知規則套用到實際情況上，從一般原則推理出特定結論，甚至是一種「循環論證」邏輯。例如，自動提款機會確認卡號、密碼、銀行帳戶餘額，並在符合條件後吐出現金，並扣除相應金額：只需設定這些程序就能取代銀行櫃員。

　「歸納處理」（traitement inductif）則是從許多具體事實推出通則，難度更高，電腦需要大量數據才能辨識出重複的模式。不過，近年來這方面的技術已取得長足的進步，例如，一些演算法現在已能和專業律師一樣準確預測美國最高法院對專利案的判決。

　對電腦而言，最困難的問題出現在無法預測的情況中，這些問題既無法套用既定程式，也無法利用大量現有情境來進行分析並歸納出經驗法則。麻省理工學院的弗蘭克‧李維（Frank Levy）和哈佛大學的理查‧穆南（Richard Murnane）舉出一個例子。假設一輛無人駕駛車前方出現一顆小球，這顆球本身不對車輛構成威脅，因此車輛沒有理由緊急煞車。然而，人類會預見可能有小孩追球而來，因此做出不同反應；無人駕駛汽車則因缺乏這種經驗而無法做出適當的反應。當然，這並不代表示無法解決問題，畢竟我們可以將這樣的關聯性教給機器。不過，這個例子充分說明了電腦目前仍面臨的難題。

　電腦和人類面臨的困難並不相同。電腦執行邏輯性強、可預測的任務時速度更快而且可靠，何況現在可以藉由機器學習處理一些突發情況，但前提是讓它掌握足夠的數據來辨識問題結構。然而，電腦的靈活度不如人類大腦，未必能解決一些連五歲小孩都能回答的問題。李維和穆南認為，最能適應新世界的人是那些擁有抽象知識的人，因為這有助於適應環境；而僅有簡單知識、只適合執行例行性任務的人則可能會被電腦取代。這點對我們的教育體系當然不會沒有深遠影響。來自家庭環境及教育品質的不平等可能會進一步加劇。（三之二，摘自聯經《邁向共善》；更多精彩內容請免費下載《翻爆》APP）