Science Robotics評論大規(guī)模自動化問題的思考

2021 年，全球有超過 300 萬臺工業(yè)機器人在生產(chǎn)活動中運行（圖 1）。人工智能 (AI) 在人類活動中的傳播范圍更廣，評估也更復雜。至少自 2006 年以來，人們對技術(shù)對就業(yè)和工資的潛在影響的擔憂一直在穩(wěn)步增長，這并不令人意外。例如，早在 2017 年，超過 85% 的美國公民就支持限制機器從事特別危險和不健康的工作的法律。然而，這些擔憂在經(jīng)濟學中并不是什么新鮮事。他們回到了 N. Ludd 在 1779 年或后來 D. Ricardo 在 19 世紀的話中毀壞織布機的神話：不是建立在偏見和錯誤之上，而是符合政治經(jīng)濟學的正確原則。不幸的是，估計生產(chǎn)技術(shù)改進對職業(yè)的影響是一項如此復雜的任務，以至于在 1965 年，諾貝爾獎獲得者經(jīng)濟學家 R. Solow 認為回答“自動化是創(chuàng)造還是摧毀更多的工作？”這個問題事實上是不可能的。Paolillo等人通過為 967 個職位描述提出自動化風險指數(shù) (ARI)，報告在回答大規(guī)模自動化問題方面邁出了顯著的一步。

圖 1 ：隨著時間的推移，機器人安裝和運營庫存。

作者根據(jù)國際機器人聯(lián)合會 2022 年的數(shù)據(jù)計算了 1993-2020 年的機器人安裝（左）和以百計的運營庫存（右） 。

在經(jīng)濟學文獻中為回答自動化問題而開發(fā)的不同方法中，Paolillo 及其同事的工作無疑是最有前途的方法之一。通過匹配來自職業(yè)信息網(wǎng)絡 (O*NET) 的工作資料信息和來自歐洲 H2020 機器人多年度路線圖 (MAR) 的機器人能力，并使用技術(shù)準備水平 (TRL) 來考慮人類可能被機器人取代的程度機器人能力，作者獲得了兩個關(guān)鍵結(jié)果。首先，它們比文獻中提出的類似方法更進了一步通過將 AI 進步在機器人化中的作用納入其中。這一創(chuàng)新貢獻體現(xiàn)了機器人化可以替代工人的大量活動。其次——這可能是 Paolillo 及其同事最令人興奮的貢獻——他們能夠利用 O*NET 工作檔案中的信息來產(chǎn)生一個彈性指數(shù) (RI)，這可能有助于設(shè)計臨時再培訓計劃并促進過渡到自動化風險較低的工作。

然而，在能夠回答索洛的“無法回答”的問題之前，仍需要進行更多的研究。第一個障礙是，盡管 O*NET 數(shù)據(jù)提供了大量信息，但職位描述并不全面。這是 Paolillo 及其同事 等方法的主要缺點。因此需要提高數(shù)據(jù)質(zhì)量，以使該工具可用于更準確地計算 ARI。其次，Paolillo 及其同事將 ARI 確定為機器人操作水平低于人類水平（低自動化）和機器人操作水平與人類水平相同（高度自動化）之間的平均值的結(jié)果，兩者的可能性不一樣并且可能隨著時間、地區(qū)、國家和職業(yè)的不同而不同。這意味著所有相關(guān)方——包括試圖擺脫高度自動化風險職業(yè)的個人以及需要在總體層面做出決策的公司和政策制定者——都需要一個更復雜的工具來預測職業(yè)概況。

機器人化與就業(yè)之間的關(guān)系超越了單純的技術(shù)替代效應。這主要是由于總需求的作用。一方面，大大簡化了實際辯論，如果技術(shù)和總需求以相似的速度增長，我們可能會爭辯說，生產(chǎn)技術(shù)的改進會增加就業(yè)機會，從而增加工資，所以沒有什么可擔心的。另一方面，如果市場飽和，生產(chǎn)技術(shù)的改進可能會取代工人，不僅對單一職業(yè)，而且對一個部門/地區(qū)和整個經(jīng)濟的所有工人，可能導致 1929 年以及最近且不太明顯的 2007 年的經(jīng)濟崩潰。這種情況意味著需要再培訓計劃和對收入政策的充分補貼。這是 Paolillo 和同事的貢獻可能產(chǎn)生最重要結(jié)果的地方。將技術(shù)分析與經(jīng)濟部門之間的職業(yè)分布結(jié)合起來，可以讓我們不僅估計個人對機器人化的暴露程度，而且還可以估計部門/地區(qū)/國家對機器人化的總體暴露程度，從而設(shè)計有針對性的政策。

來源：CAAI認知系統(tǒng)與信息處理專委會

排版：麥子

-----------------END-------------------

看累了嗎？戳一下“在看”支持我們吧！

關(guān)鍵詞： Science Robotics評論大規(guī)模自動化問題的思考 人工智能