发型师求职,发型师应聘应该怎么说( 四 )


为了落实这种更美好的未来,我们必须先了解接下来我们可能会面对的经济难题 。
许多技术乐观主义者和史学家都认为,新科技发展带来的生产力提升,几乎总是对经济有利,能够创造出更多的就业机会,让人类社会比以前更加繁荣 。
但不是每一项发明都一样,有些发明改变了我们执行单一工作的方式(例如打字机),有些发明消除了对某种人力的需求(例如计算器),有些发明则是彻底颠覆了一整个产业(例如轧棉机) 。
此外,还有规模完全不同的技术变化,这些重大突破不只影响了单一工作或产业,可以延伸至从数十种产业,根本改变整个经济流程,甚至社会组织 。
在过去三个世纪以来,对人类社会影响如此巨大的“通用技术”(General PurposeTechnologies, GPTs)只有三种:蒸汽引擎、电力和信息通讯科技(information and communications technology, ICT) 。
蒸汽引擎和电力创造出来的工作比消灭的多,主要是因为这两项通用技术“去技能化”(deskilling),把原先需要一个高技能工作者的工作(例如手工纺织),拆解成数十个低技能工作者能做的更简单工作(例如操作动力织布机) 。
但信息革命(ICT)与工厂自动化不同,通常被经济学家认为是造成美国工厂就业流失与贫富不均加剧的主因 。
AI革命的破坏和冲击,将比前两次工业革命更广大,发生的速度肯定也快许多 。
蒸汽引擎基本上改变了体力劳动的本质,ICT基本上改变了认知劳动的本质,而AI会同时改变两者,因为它可以执行多种不同的体能工作和智识工作,而且速度和效能远远胜过人类,大幅提升交通、制造到医疗等许多产业的效率 。
工业革命花了百年以上的时间横跨欧洲、美国到世界各地,AI应用基本上可以实时同步在世界各地展开 。
与人类相比,AI最大的优势在于能从大量的数据中辨识非常细微的型态,并可从中学习 。
举例来说,银行的核贷专员可能只会看几项比较相关的“强特征”指针,也许是你的信用评分、所得级距、年龄等,来决定是否要放款给你,但AI算法会根据成千上万条看似不相关的“弱特征”变量,也许包括你使用什么浏览器、多久采买一次生活杂货等,来决定是否放款给你 。
如果把这些变量拆开来单独看,可能会令人完全想不到有这些特质跟还款能力什么关系,但是加总起来,AI算法据以评估、预测出来的贷款违约率,比起行内最谨慎、高竿的专业核贷人员都精准许多 。
在认知任务的表现上,AI自我学习的能力表示计算机不再局限于只能听从、执行人类编写的程序,而是能从不断累积的新数据中持续学习、精进,表现甚至比人类码农更出彩、惊人许多 。
在体力劳动的任务上,机器人不再局限于只能反复执行单一动作(自动化),而是能够根据机器视觉和感测数据规划出新的路径,并且安稳地在各种不同环境中运作(自主化) 。
结合这些新的能力,AI如今可以完成人类社会中的许多任务,包括开车、诊断疾病、提供客服等 。AI执行这些任务的超能力,将导致生产力大幅提升 。
普华永道(PricewaterhouseCoopers)估计,到了2030年,AI的应用部署将为全球GDP增加15.7万亿美元 。
这对拥有大量数据和资本的人来说,无疑是个好消息;但对每日辛勤工作只为温饱,而且工作极可能有被取代的人来说,则是非常令人忧心的坏消息 。
不过,AI现在的能力仍然有限,而这些局限正好是人类希望的所在,可以为人类的未来指出一条明路 。虽然AI能在相对狭窄的领域将结果优化,但仍然无法自行选定目标,或是发挥创意思考 。

推荐阅读