爱问 爱问共享资料 爱问分类
首页 > > > 与机器赛跑_中文版.pdf

与机器赛跑_中文版.pdf

与机器赛跑_中文版.pdf

上传者: 曾几何时
433次下载 1人收藏 暂无简介 简介 2014-02-11 举报

简介:逻辑思维推荐

目 录目 录内容简介内容简介第一章 技术对就业和经济的影响第一章 技术对就业和经济的影响第二章 棋盘下半场的人性与技术第二章 棋盘下半场的人性与技术第三章 创造性破坏:技术飞速发展和就业岗位消失下的经济第三章 创造性破坏:技术飞速发展和就业岗位消失下的经济第四章 该怎样做?处方和建议第四章 该怎样做?处方和建议第五章 结论:数字化前沿第五章 结论:数字化前沿致谢致谢作者简介作者简介译后记译后记书名:与机器赛跑数字革命如何加速创新、推动生产力,并且不可逆转地改变就业和经济作者:埃里克布林约尔松(ErikBrynjolfsson)和安德鲁麦卡菲(AndrewMcAfee)闾佳 译www.RaceAgainstTheMachine.com东西文库授权青苹果数据中心作全球电子版发行版权所有侵权必究关于东西文库东西文库(West&EastLibrary)致力于“第三种文化”(TheThirdCulture)的思考、传播与交流;注重在互联网、科技、商业、媒体、电子阅读等领域的互动;包括但不限于:纸质、电子出版,版权引进、策划,文化论坛。已出版《失控》、《技术元素》、《字体故事》、《数字乌托邦》、《比特素养》、《变革的力量》等图书。官方网站:http://welib.us/译文使用权归东西文库独家所有。未经许可,严禁以任何方式使用。关注我们:新浪微博http://weibo.com/welibrary豆瓣小站http://site.douban.com/151743/如有选题推荐、合作意向,请联系:WElibrary@dongxi.net内容简介内容简介为何美国的中值收入停止了增长?为何工人们分配到的利益越来越少?为何我们的经济和社会变得愈加不公平?一种较普遍的解释是,产生这类症状的根源来自于技术的停滞,即能带来进步和繁荣的创新和发明正在减缓出现。在《与机器赛跑》里,麻省理工学院的埃里克布林约尔松和安德鲁麦卡菲给出了一个截然不同的解释。基于他们的“数字商务中心”团队的研究,他们指出,技术的发展并没有减缓,实际上,数字革命正在加速进行。一些本在科幻小说里才出现的事情已经在现实中发生:智能电脑开始能在车流中自动驾驶,能高效地翻译人类语言,还能击败智力节目里的最佳人类选手。这些例子都证明,数字技术正在快速地掌握原本只属于人类的技能。该现象从深度和广度上都深刻影响了经济。虽然大多数影响是积极的:数字革新将提高效率、降低商品价格(甚至到免费),以及增加经济总量。但数字革新也改变了经济总量分配的方式,而对处于中层的工作者来说,情况并不乐观。随着技术继续领跑,更多的人将被甩开。工人的技能被计算机掌握后,他们获得的工作机会将更少,他们的薪酬和前景也将进一步缩减和暗淡。创业式的商业模型,新式的组织结构和其他机构都需要保证他们的员工的平均水平不能落后于迅速发展的机器。在《与机器赛跑》里,布林约尔松和麦卡菲汇集了一系列数据、案例和论证,证明了技术进步正在加速进行,而这种趋势对技能、薪酬和就业机会都有深层影响。本书将告诉你,造成糟糕的就业现状的原因并不是技术的停滞,而是人类和我们的机构无法赶上机器的脚步。献给我的父母,阿里布林约尔松和玛格丽特布林约尔松,谢谢他们对我的一贯信任。献给我的父亲大卫麦卡菲,是他告诉我,好好地完成一份工作是最美妙的事。第一章 技术对就业和经济的影响第一章 技术对就业和经济的影响如果,无需手的指引,梭子能照原样织布,琴拨能照原样奏出旋律,一流的工人们也就不会想要仆人了。——亚里士多德这本书要探讨的是,信息技术如何影响就业、技能、薪资和经济。为什么这是一个重要问题呢?我们只需要看看美国近年来就业增长的统计数字就明白了。2011年夏末,美国经济落到了一个糟糕到恐怖的程度,往日里的坏消息,在这时候居然显得挺靠谱。政府公布了一份报告,表明7月份创造了11.7万个就业岗位。这代表形势较5月和6月有所好转,因为五六月份总共只创造了不到10万个就业岗位,于是,人们对该报告的反应还挺热烈。8月6日,《纽约时报》上有一篇文章的标题宣称,“美国报告就业稳定增长。”不过,在那些漂亮的标题背后,却藏着一个棘手的问题。11.7万个新增的就业岗位,还不够跟上人口增长的速度,更遑论还有1200万美国人需要再就业,这些可怜人是在2007年到2009年的经济大衰退中丢掉工作的。按经济学家劳拉迪安德亚泰森(LauraD’AndreaTyson)的计算,就算新创造的就业岗位数目翻上一倍,达到2005年间的每个月20.8万个,也要到2023年才能合上经济衰退期间拉开的大口子。反过来说,随着时间的推移,2011年7月观测到的就业岗位创造水平,只会让就业美国人所占比例越来越低。而到了9月,政府报告说,整个8月都没有再创造出新增就业机会。在伴随着经济大衰退及随后复苏而来的一切可怕的统计数字和故事当中,有关就业的数据和消息最最糟糕。诚然,经济衰退总会增加失业,但2007年5月到2009年10月之间,失业率跃升了至少5.7个百分点,创下战后的最大增幅。没让人重返职场的经济没让人重返职场的经济然而,还有一个更大的问题:就算经济恢复了增长,失业的人仍然找不到工作。2011年7月,经济衰退正式结束25个月之后,美国的失业率仍然维持在9.1%,只比形势最糟糕时略降了不到1个百分点。截至2011年中期,失业的平均时间已经暴涨到了39.9周,几乎是此前战后任何一次经济复苏期间的两倍。劳动力参与率,或适龄成年人上岗百分比,则跌到了64%以下——这个水平,自1983年(当时妇女尚未大规模进入就业市场)以来还从没见到过。人们一致认为,这是个可怕的问题。诺贝尔经济学奖得主,经济学家保罗克鲁格曼(PaulKrugman)形容道:“失业是一场可怕的灾难......一出持续的悲剧……如果数百万的美国年轻毕业生一开始就没机会步入职业生涯,我们如何能期待未来20年继续繁荣呢?”唐佩克(DonPeck)在《大西洋月刊》(TheAtlantic)上描述:“失业是一种慢慢吞噬人民、家庭,以及,整个社会结构(如果扩散足够广的话)的瘟疫。事实上,历史经验表明,它恐怕是对社会毒害最大的疾病……这个高失业率的时代,可能会常年扭曲我们的政治、我们的文化,还有我们社会的性格。”他的同事梅根麦卡德尔(MeganMcArdle)请求读者们想象一下人长期失业的情形:“想一下吧,外面那数百万人会碰上些什么……他们的储蓄和社会网络耗尽了(或者从来就没有足够大过),他们50多岁,还够不上退休的年纪,但再也找不到愿意给他们跟旧公司一样待遇的东家。想想这些无力抚养孩子、甚至无力维持自己的人吧。想想他们有多么的绝望。”确实有许多美国人挂念着这样的可怜人。2011年6月的一次盖洛普民意调查中,24%的受访者认为“失业/就业”是美国面临的最重大问题(此外还有36%的人选择了“整个经济”)。严峻的失业统计数据让许多人感到困惑不已,因为2009年6月大衰退正式结束之后,其他商业健康指标都迅速反弹。经济衰退结束后的7个季度里,国内生产总值平均增长2.6%,比1948年到2007年的平均速度快75%。美国企业的利润创下新高。到2010年,设备和软件领域的投资恢复到了历史峰值的95%,也是整整一代人里设备投资复苏最快的一次。经济历史告诉我们,企业发展、赚取利润、购买设备的时候,通常也会招聘工人。但是,大衰退结束之后,美国企业并未大规模地招聘人手。裁员的数量很快回到了衰退前的水平,也就是说,公司不再裁人了。但新招聘的数量仍然低得可怕。公司购买新机器,却不招新工人。就业岗位哪儿去了就业岗位哪儿去了为什么这一轮的失业浪潮持续得如此之久呢?分析师提供了三种不同的解释:周期性、停滞和“工作的终结”。周期性一说认为,这事儿完全不新鲜,不神奇;美国的失业率这么高,完全是因为经济发展速度还不够快,不足以把人们送回职场。保罗克鲁格曼是这一解释的主要支持者。他写道:“各方的事实表明,美国失业率高企是需求不足的结果——句号。”前联邦管理和预算办公室主任彼得奥斯泽格(PeterOrszag)表示赞同,他写道:“让失业的美国人重返职场的根本障碍在于经济增长疲软。”按照周期性解释,像大衰退这样的需求大幅下降,必然需要一段慢得叫人揪心的漫长时期才能复苏。简而言之,美国自2007年之后遭遇的一切,尽管叫人异常痛苦,但无非是商业周期的又一个例子罢了。当前困难局面的第二种解释认为,罪魁祸首不是周期性,而是停滞。这种情况下的“停滞”指的是,美国的创新能力,以及生产率的提高速度陷入了长期衰退。经济学家泰勒考恩(TylerCowen)在2010年出版的《大停滞》(TheGreatStagnation)一书中表达了这一观点:我们未能理解为什么我们衰落了。所有这些问题,都有一个很少有人注意到的根本原因:至少300年来,我们都是靠着最容易摘到的果子过活。……然而,过去的40年里,容易摘到的果子快要摘完了,我们却假装它们还挂在那儿。我们没有认识到,我们来到了技术的高原,树木结出果实比我们想象的难得多。就是这样。出毛病的地方就在这儿。为支持他的观点,考恩列举了美国家庭中值收入下降的例子。中值收入是一个中间点;收入低于这个数目的家庭,和收入高于这个数目的家庭一样多。中值收入的增长,至少在30年前就开始明显放缓,事实上,在本世纪的最初10年,它还有所下降;美国的典型家庭,其2009年的收入低于1999年。考恩把中值收入增长放缓的原因归结于经济进入“技术高原”。里奥蒂尔曼(LeoTilman)和诺贝尔经济学奖得主埃德蒙费尔普斯(EdmundPhelps)在《哈佛商业评论》上撰文对停滞说表示赞同:“(美国的)活力——它的创新能力和创新爱好——创造出了无数的就业岗位,扩大了经济的包容度。它还带来了真正的繁荣——吸引人的、挑战性的工作,自我实现、自我发现的事业……(但)在过去10年,活力一直在衰减。”停滞说并未忽视经济大衰退,但并不认为这是当前经济复苏缓慢、失业率过高的主要原因。这些灾难有一个更为根本的源头:推动经济进步的强大新观念,放缓了出现的脚步。这种放缓,在大衰退之前就有征兆。事实上,考恩在《大停滞》中指出,自20世纪70年代以来情况就是这样,当时,美国的劳动生产率增长放缓,美国家庭的中值收入增长不再像过去那么快。考恩、菲尔普斯和其他“停滞论者”认为,只有创新和技术进步的速度变得更快,才能让当前经济摆脱低迷状态。此一解释还有另一种版本。该版本认为不是美国停滞了,而是中国和印度等其他国家开始迎头赶上。在全球化经济中,如果美国的企业和工人生产效率不能比其他国家的同行更快,就无法获得溢价。从前,因为存在地理和知识的障碍,资本家和消费者无法在全球范围内寻找价格最低的资源和产品,可现在,技术消除了大部分的此类障碍。结果,价格和工资等要素变得均等,发展中国家的工资上涨,逼得美国的劳动力在不同的条件下进行竞争。诺贝尔经济学奖得主迈克尔斯宾塞(MichaelSpence)分析了这一现象,论述了它对日益趋同的生活水平造成了什么样的影响。美国就业机会短缺问题的第三种解释,把停滞论点翻了个面,认为新近的技术进步并不是太少,而是太多。我们称之为“工作的终结”论点,这是1995年,杰里米里夫金(JeremyRifkin)给自己的一本书所起的标题。里夫金在书中提出了一个令人不安的大胆假设:“我们进入了世界历史的一个全新阶段——为全球人口生产商品、提供服务所需要的工人,正变得越来越少。”这一重大转变是计算机带来的。“未来岁月,”里夫金写道,“更先进的软件技术,会让整个文明变得越来越‘去工人化’......今天,经济的……所有部门……都经历着技术换代,逼得数百万的人口进入失业状态。”为应对这种转变,他写道:“很可能是下个世纪最紧迫的社会问题。”其他许多人,包括经济学家约翰梅纳德凯恩斯(JohnMaynardKeynes)、管理理论家彼得德鲁克(PeterDrucker)、诺贝尔经济学奖得主瓦西里列昂季耶夫(WassilyLeontief)都曾提出过“工作终结”论。1983年,列昂季耶夫指出:“马匹曾在农业生产中扮演过重要的角色,可一旦出现了拖拉机,马匹就日趋减少,最后彻底消失。人类如今是生产里最重要的因素,但这个角色,注定会像马匹一样走向没落。”2009年,软件业高管马丁福特(MartinFord)出版了《未来之光》(TheLightsintheTunnel)一书,亦对此观点持赞同态度,他认为:“到了未来的某个时候——可能是从现在起几年或几十年——机器便能完成相当大比例的‘普通人’的工作,而这些人,则再也无法找到新的工作。”布赖恩阿瑟(BrianArthur)则说,一个庞大但几乎无形的“第二经济”,已经以数字自动化的形式存在了。“工作终结”论在直觉上有很强的吸引力;每当我们不从收银员而是从ATM提款机里取出现金的时候,每当我们在机场使用自助检票机换票登机的时候,我们都看到了技术取代人力劳动的活生生的证据。但美国20世纪80年代、90年代,甚至新世纪的最初7年,失业率一直很低,削减了人们对技术换代的许多担忧,在如今对失业型复苏的主流讨论中,也并不见“工作终结”的身影。例如,2010年,里奇蒙德联邦储备银行(FederalReserveBankofRichmond)公布了一篇报告,名为《长期失业的增长:潜在的成因与影响》(TheRiseinLong-TermUnemployment:PotentialCausesandImplications),但正文中却丝毫不见“计算机”、“硬件”、“软件”或“技术”等词汇。2011年,国际货币基金会发表了两篇研究论文,《周期性、结构性失业的新证据》(NewEvidenceonCyclicalandStructuralSourcesofUnemployment)和《大衰退带来了美国结构性失业?》(HastheGreatRecessionRaisedU.S.StructuralUnemployment?),同样对技术三缄其口。科技记者法哈德曼约奥(FarhadManjoo)在网络杂志《Slate》上总结说:“大多数经济学家并未严肃考虑这些担忧。迄今为止,计算机可能会严重破坏人类劳动力市场,进而进一步削弱全球经济的想法,仍然是个边缘意见。”我们的目标:把技术带入讨论我们的目标:把技术带入讨论我们认为,现在是时候把这个观点带进主流的视线,让更多的人注意到技术对技能、薪资和就业的影响了。经济大衰退需要漫长的恢复期,当前的需求低迷,主要是因为缺乏就业机会,这两点我们当然同意。但周期性需求疲软并非事情的全貌。停滞论者说,更深更长的趋势在发挥作用,这也是正确的。大衰退让这些长期趋势露出了真容,但在此之前,它们已经持续了颇长一段时间。停滞论者正确地指出,中值收入和美国经济健康的其他重要指标,好些年前就不再强劲增长了,但对他们总结的原因,我们并不同意。他们认为是技术创新的步伐放缓了。我们则认为,正是因为技术创新的步伐太快,才把许许多多的人抛在了后面。简而言之,好多工人,在跟机器的赛跑中出了局。不只工人如此。技术进步——尤其是计算机硬件、软件和网络上的发展——速度如此之快,如此出人意料,现今的许多组织、机构、政策和思维方式都跟不上了。从这个角度看,日益全球化并非失业率有增无减的另一种解释,而只是技术无处不在且力量愈发强势带来的一个后果罢了。故此,我们认同“工作终结”说,也即,计算机化带来了深刻的变革,但我们并不像里夫金等人那么悲观。我们不相信将来所有人类工人都会遭到淘汰。事实上,即便置身数字技术强大得无所不能的时代,有些人类技能反而变得愈发宝贵了。但其他的技能就无甚可取了,守着错误技能不放的人会发现自己再没有什么东西能从雇主那儿换回口粮了。他们在与机器的赛跑中出了局,这便是当今就业数据所反映出来的现实。之所以写这本书,是因为我们认为,数字技术是当今经济的重要推动因素。它们改变了工作的世界,又是生产力和经济增长的关键动力。然而,人们尚未充分理解、认识数字技术对就业的影响。人们现在谈论美国的就业岗位时,一般会提到经济的周期性,外包和离岸,税收和监管,不同经济刺激手段是否明智、功效如何。我们毫不怀疑这些因素都很重要。经济是一种复杂而多面的实体。但相对而言,谈到技术加速所扮演的角色的人就不多了。技术进步会对数百万人的薪资和就业造成伤害,看起来似乎很矛盾,但我们认为,现实情况正是如此。一如我们指出,现在的计算机正做着许多过去只由人来完成的事情。计算机对人类技能的这种侵蚀,其速度和规模几乎前所未有,并有着深刻的经济意义。最重要的一点或许是,数字化进程的发展做大了经济整体这块饼,但与此同时,它也恶化了一部分人(甚至许多人)的境遇。未来,计算机(硬件、软件和网络)只会变得越来越强劲,越来越能干,对就业、技能和经济的影响越来越大。问题的根源并非我们身处经济大衰退,或者大停滞当中,而在于我们正经受着“大重构”的初期阵痛。我们的技术竞相发展,我们的技能和组织却落在后面。所以,我们迫切需要理解这些现象,讨论其影响,并拿出战略,让人类驾驭机器冲到前面,而不是让人类和机器赛跑。在本书接下来的篇幅中,我们打算探讨如下内容:棋盘下半场上的人性与技术棋盘下半场上的人性与技术为什么计算机现在跑到工人前头去了?有什么办法能够补救这一局面吗?第二章讨论了数字技术,给出了数字技术近年来惊人发展的例子,揭示它们是怎样扰乱了本来已经趋于完善的观念,以及计算机有哪些不擅长做的事情。此外,我们所经历的发展,还预示着未来数年内更大的进步。我们解释了这种进步的来源,以及它的局限性。创造性破坏:技术飞速发展和就业岗位消失下的经济创造性破坏:技术飞速发展和就业岗位消失下的经济第三章探讨这些飞速发展的技术进步有什么样的经济影响,以及,随着造成经济赢家和输家的匹配失当的不断发展,还会出现怎样的经济后果。我主要论述的3种理论解释了技术进步怎样既造福了整个社会,又把一部分人甩在了后面。高技能和低技能的工人之间、明星和普通人之间、资本和劳力之后,都存在很大的背离。我们列举了所有的这3种背离发生的证据。该怎样做?处方和建议该怎样做?处方和建议明确了技术发展趋势和经济原则之后,我们在第四章探讨了怎样迎接高失业带来的挑战,以及人类和机器赛跑带来的其他不良后果。这场赛跑我们赢不了,因为计算机仍在越变越强,越变越能干。但借助计算机,把它们视为盟友而非对手,我们可以学会更好地赛跑。我们讨论了将这项原则付诸实践的途径,主要方法是加速组织创新和提高人力资本。结论:数字化前沿结论:数字化前沿我们在第五章以一个乐观昂扬的音符做出了结论。本书撰写于一个失业率居高不下、薪资陷入停滞、国内生产总值发展萎靡不振的时期,论述的又是就业和经济,乐观的态度显得有点奇怪。但对一本探讨数字技术的书,乐观的态度又不可或缺。事实上,我们在考察计算机和网络对目前和未来整体影响的时候,真的非常乐观。这些工具极大地改善我们的世界和我们的生活,并且将继续如此。我们是完全的数字乐观派,我们还想说服你也变成这样。第二章 棋盘下半场的人性与技术第二章 棋盘下半场的人性与技术任何足够先进的技术都和魔术差不多。——阿瑟克拉克(ArthurC.Clarke),1962年过去,我们曾颇有信心地认为,自己明白计算机和人类的相对优势和弱势。但计算机逐渐开始在一些出人意料的领域取得了进展。这点事实,有助于我们更好地理解过去动荡的这几年,以及数字技术对就业的真正影响。为说明近年来的技术进步有多快,这里有一个很好的例子:我们用2010年实现的一项成就,对比了2004年出版的一本书,这本书的内容,是以作者谨慎的研究为基础的。比较结果叫我们颇为吃惊。该书名叫《劳动新分工》(TheNewDivisionofLabor),作者是经济学家弗兰克利维(FrankLevy)和里查德默南(RichardMurnane)。一如书名暗示,这本书描述的是计算机和人类工人的相对能力。在该书第二章“为什么人依然重要”,两位作者将信息处理任务按照难易程度做了排列。列表的一端,是应用既定规则的简单任务。这些任务,如执行算法,可以轻松地实现自动化。毕竟,计算机是很擅长照着规则做事的。在列表的另一端,则是复杂的、无法推断规则的模式识别任务。《劳动新分工》以在车流中驾驶汽车作为此类任务的一个例子,并断言它无法实现自动化:……卡车司机处理着环境中接连不断涌入的(视觉、听觉和触觉)信息流……对这种行为编程,我们可以先从摄像机和其他捕捉感官输入的传感器着手。但当着迎面而来的车流左转弯,涉及到太多的因素,很难想象能找出一套规则可以复制司机的行为……除了高度结构化的情况,要阐明(人类)知识,将之植入软件,在当前还是一桩极其困难的任务……在(驾驶卡车等)任务中,计算机还无法轻易替代人类。正好,2004年举办了第一届达帕无人驾驶挑战赛(DARPAGrandChallenge)。比赛的结果肯定了利维和默南的结论。挑战赛的内容是制造一辆无人驾驶的汽车,在荒无人烟的莫哈维沙漠里,穿越一条长达150英里的路线。就连“胜出”的那辆车也只不过是磕磕碰碰地行驶了不到8英里,而且,还用了好几个小时。在一个又一个领域里,计算机跑在了前头在一个又一个领域里,计算机跑在了前头但区区6年之后,在真实环境下开车,就从一个无法自动化的例子,变成了一个业已实现自动化的例子。2010年10月,谷歌在官方博客上宣布,被他们改装后的丰田普锐斯车队,基本上完全实现了自动化驾驶:其中,在美国公路上行驶了1000多英里,全程无人干预;又行驶了14万多公里,驾驶员只在方向盘后做了极少量的人工输入。(为遵守相关的驾驶法律,谷歌认为,方向盘后面必须随时有人坐着。)利维和默南说,在川流不息的道路上自动驾驶,是一项极为困难的任务;在这一领域,开发一台能替代人感知、进行模式匹配的计算机不容易。完全正确。的确是不容易,但并非不可能——谷歌基本上完成了这一挑战。面对利维和默南提出的挑战,谷歌的技术人员之所以取得突破靠的不是抄捷径,而是迎面而上。他们使用了服务于谷歌地图和谷歌街景服务的庞大的数据,为车队行驶的路线提供尽量多的信息。他们的车辆还通过安装好的摄像、雷达、光达(lightdetectionandranging,简称LIDAR,光探测和侧距)设备收集海量的实时数据;这些数据输入软件后,跟道路规则、仪表、行驶轨道,以及邻近区域的所有物体、驾驶条件等等相匹配。该软件不光能控制汽车,说不定还比人类驾驶员更敏锐、更警醒,反应时间更快。谷歌的无人驾驶汽车只出过一次意外事故,但那是因为它停在交通灯前面,被后面一辆由人类司机操纵的汽车给追了尾。这一切来得完全不容易。但凭借丰富而准确的数据、强大的传感器、庞大的存储容量和处理能力,它也是有可能做到的。我们现在生活的世界恰恰具备了这些条件。计算机进步的速度如此之快,其性能从科幻领域进入日常生活历时还不到人的一生,甚至也不到专业人士的整个职业生涯,而仅仅是短短几年罢了。利维和默南所举机器难以模仿人类能力的另一个例子,是复杂沟通(complexcommunication)。复杂沟通涉及到和人类进行交谈,尤其是在复杂、情绪化或表达不明确的环境之下。进化给人类内置的“程序”,让人们能够毫不费力地做到这一点,但同样是靠编程运作的计算机,却很难做到。比如说,将一种人类语言翻译为另一种,长久以来这一直是计算机科学努力想要实现的目标,但其进展非常缓慢,因为人类语言的语法和词汇都十分的复杂且多具歧义。然而,2011年1月,翻译服务公司莱昂布里奇(Lionbridge)公布了GeoFluent技术的试点企业客户。GeoFluent是和IBM公司合作开发的一种技术,只要向它输入一种语言写成的文字(如顾客为寻求某问题的帮助,在线输入聊天信息),它就能准确又快速地将之翻译成另一种语言(如另一国家客户服务代表所说的语言)。GeoFluent以IBM托马斯J.沃森研究中心开发的统计式机器翻译软件为基础。靠着莱昂布里奇公司过往的翻译数据库,该软件得到了改善。这种“翻译记忆库”让GeoFluent变得更加准确,并尤其擅长翻译大型高科技公司与顾客或其他客户之间有可能展开的对话。有一家这样的公司测试了GeoFluent在线聊天信息自动翻译的质量。这些信息(内容涉及到该公司的产品和服务)是通过中国和西班牙客户发给说英语的员工的。GeoFluent对信息进行了即时翻译,将之转化成了接收方的母语。聊天进程结束后,该公司请客户和员工报告自动翻译的信息是否有用——也即,这些自动翻译信息是否足够明确,让人能据以采取有意义的行动。大约有90%的使用者报告说,有用。在此种情况下,自动翻译已经足以应付商业用途了。谷歌的无人驾驶汽车表明,数字模式识别能力近年来进步得有多么快,多么远。莱昂布里奇的GeoFluent技术表明,计算机进行复杂沟通的能力已经取得了多么大的进步。IBM沃森实验室的另一项技术(名字也叫“沃森”)则表明,将两种能力合二为一后计算机可以变得多么强大,多么深入地闯入原以为专属于人类的领域。“沃森”是一台超级计算机,设计目的是参加一个流行的游戏节目《危险边缘》(Jeopardy!)。节目会向参赛者们提出覆盖范围极广的各类问题,参赛者们事前并不知道题目。很多时候,题目都涉及到了双关语,以及其他类型的文字游戏。光是弄清题目要问什么、怎样构建答案就很难了。简单地说,要想玩好《危险边缘》,需要具备进行复杂沟通的能力。“沃森”玩这个游戏的方式,也需要海量的模式匹配。这台超级计算机预先加载了上亿毫无关联的数字文档,内容包括百科全书和其他参考类书籍,新闻报道,还有《圣经》。接收到问题之后,“沃森”会立刻运转起来,弄清楚问题问的是什么(使用专攻复杂沟通的算法),然后就开始查询所有的这些文档,寻找并进行模式匹配,以得出答案。沃森的运转极为彻底且速度惊人,IBM的研究经理埃里克布朗(EricBrown)在接受采访时解释说:我们从单一的线索入手。我们分析这一线索,接着展开一个候选生成阶段,这个阶段会同时运行若干不同的主搜索,每一主搜索都产生50个搜索结果。接下来,每个搜索结果都可能产生若干候选答案,所以,等我们生成所有候选答案的时候,兴许对该线索已经有了300到500个候选答案。现在,所有的这些答案都可以独立、并行处理,所以,我们就将它们分散展开进行答案-得分分析,为答案计算得分。我们又为答案运行更多的搜索,收集更多的证据,接着就每一证据进行深入分析,这样,每个答案大概又会生成20条支持该答案的证据。这时候,每一条证据又都可以进行独立、并行分析,所以再次逐条分散展开。这下你有了可以深入分析的证据了……所有的这些分析生成了最终要合并起来的得分,也就是说,通过一种机器学习框架来权衡得分,对候选答案进行最终排序,并得出对每一候选答案的最终把握。“沃森”最后给出的回答就是这么来的。“沃森”最后给出的回答又快又准确,就连最优秀的人类玩家都望尘莫及。2011年2月,沃森在电视转播的比赛中对阵《危险边缘》节目史上两位最出色的人类参赛者。比赛进行了3天,一共比了两轮,计算机最后所得的奖金,是排名第二的,有着血肉之躯的对手的3倍。对手之一肯詹宁斯(KenJennings)承认,数字技术完全把《危险边缘》这款游戏给接管了!詹宁斯在比赛最后一道题的书面回答后补充写了一句话,“我,欢迎我们的新霸主,电脑。”摩尔定律和棋盘下半场摩尔定律和棋盘下半场这些霸主是从哪儿冒出来的呢?科幻小说是怎样如此迅速变成商业现实的呢?要理解这一显著的进步,有两个概念必不可少。第一条,也是较出名的一条,是摩尔定律,它来自对戈登摩尔(GordonMoore)所观察到现象的延伸。摩尔是微处理器制造商英特尔公司的联合创始人。1965年,摩尔在《电子杂志》(ElectronicsMagazine)上发表文章指出,造价最低的集成处理电路上的晶体管数量,每12个月会翻一倍,他预测,这一发展速度未来将会持续下去。等事实证明他所言不虚时,摩尔定律就诞生了。后来,人们修正了集成晶体管翻倍所需的时间;目前最多人接受的时间期限是18个月。摩尔定律的其余版本,也适用于磁盘驱动器容量、显示分辨率和网络带宽的发展。在上述和其他众多的数字进步案例中,翻倍是定数,而且速度极快。软件似乎也跟硬件进步得同样快,至少,在某些领域是如此。计算机学家马丁格罗谢尔(MartinGrötschel)分析了1988年到2003年计算机处理标准优化问题的速度。他发现这期间计算机的处理速度提高了4300万倍。进步主要来自两个因素:处理器更快,软件内置的算法更好。处理器速度提高了1000倍,但这跟算法上的改进比起来不免相形见绌:算法在同一时期改善了43000倍。理解近年来与计算发展相关的第二个概念,跟摩尔定律有很深的联系。它来自一个古老的数学故事,创新家兼未来学家雷库兹韦尔(RayKurzweil)在现代意义上对其做了引申。有一个版本的故事是这样的:国际象棋的发明者将自己的发明呈给了本国的君主。皇帝很喜欢这种游戏,就问发明家想要什么样的奖励。睿智的发明家要求以如下规则得到大米:棋盘的第一格放一粒大米,第二格放两粒,第三格放4粒,依此类推,每一格放的大米粒数都是前一格的两倍。皇帝答应了,以为这样的奖励微不足道。然而,他最终明白,持续翻倍会带来一个庞大的天文数字。到头来,发明家卷走了264粒大米,这些大米堆起来比珠穆朗玛峰还要高。在故事的另一些版本中,发明家因为聪明过了头,惹得皇帝动了怒,砍掉了他的脑袋。库兹韦尔在2000年出版的《智能机器的时代》(TheAgeofSpiritualMachines:WhenComputersExceedHumanIntelligence)中指出,在棋盘的上半场,大米堆并不显得特别离谱:在经过32次平方之后,皇帝需给发明家40亿粒大米。这是一个合理的数目——差不多相当于一大片耕田的价值——而皇帝也开始有点上心了。但这时候,皇帝仍然还是皇帝。发明家仍然可以保住他的脑袋。直到大米堆进棋盘的下半场之后,他们中才有一个家伙真正陷入了麻烦。在这里,库兹韦尔的要旨是,反映指数增长的持续翻倍很有迷惑性,因为它最初不值一提。指数增长一开始看起来像是标准的线性增长,其实不然。随着时间的推移,我们进入棋盘的下半场,指数增长就完全搞糊涂了我们的直觉,彻底颠覆了我们的期待。它的加速远超线性增长,带来了有如珠穆朗玛峰一般宏伟的大米堆,以及能完成从前不可能完成任务的计算机。那么,在计算机的商用历史上,我们来到了什么地方呢?我们进入了棋盘的下半场了吗?当然,这是一个无法准确回答的问题,但通过合理的估计,却能得出有趣的结论。1958年,美国经济分析局将“信息技术”列入了商业投资类别,我们就把这一年当成起始年好了。接着,让我们设定摩尔定律的标准倍增期是18个月。翻倍32次之后,我们来到了2006年,也就进入了棋盘的下半场。那么,诸如谷歌无人驾驶汽车、拿下《危险边缘》大奖赛冠军的超级计算机“沃森”、高质量的瞬时机器翻译,就都可以视为数字化创新进入下半场之后的第一批例子了——在这个全新的阶段,指数增长带来了令人瞠目结舌的结果。计算经济:通用技术的经济实力计算经济:通用技术的经济实力这些结果将波及几乎每一项任务、每一种工作,以及每一个行业。多功能性是所谓“通用技术”(generalpurposetechnologies,GPTs)的一个关键特性。在经济学家口中,“通用技术”指的是极其强大的一小组技术创新,它们打断并加速了经济进步的正常步伐。“通用技术”的前几代例子,分别是蒸汽动力、电力和内燃机。通用技术的重要性,再怎么强调也不算夸张。经济学家蒂莫西布雷斯纳汉(TimothyBresnahan)和曼纽尔切腾贝格(ManuelTrajtenberg)指出:整个时代的技术进步和经济发展似乎都……受通用技术的推动。(通用技术)以普及程度(有众多下游领域以之作为输入),技术进步的内在潜力,和“创新互补性”(意思是,下游领域的研发生产力随着通用技术创新的发展而增长提高)为特点。故此,随着通用技术的进步,它们扩散到整个经济当中,带来了整体生产力的提高。那么,随着时间的推移,不光通用技术本身得到改进(一如摩尔定律所示,计算机显然是这样),生产通用技术的流程、企业以及行业也都随之出现互补性的创新。简而言之,通用技术在深度和广度上都带来了无数的好处。计算机就是我们时代的通用技术,尤其是再结合以网络,并冠名为“信息及通信技术”(informationandcommunicationstechnology,ICT)之后。经济学家苏桑托巴苏(SusantoBasu)和约翰弗纳尔德(JohnFernald)着重指出通用技术如何令得企业脱离传统轨道:廉价的信息和通信技术触手可及,令得企业以完全不同且能大幅提高生产力的方式配置其他输入。在此过程中,采用信息和通信技术的行业,又在廉价的计算机及通信设备的促动下,设计出更多的互补性发明。需要指出的是,通用技术不光造福了它们的“母体”产业。例如,计算机不光提高了高科技领域的生产力,也提高了所有购入并使用数字设备的行业的生产力。时至今日,这就意味着几乎所有的行业;就连美国信息技术最不密集的行业,如农业和采矿业,每年也会花费数十亿美元为自己进行数字化武装。还请注意巴苏和弗纳尔德选用的字眼:计算机和网络为企业带来了越来越多、不断扩展的机会。换句话说,数字化并不是只能提供一次性好处的项目。相反,它是一个持续的过程:创造性破坏;创新者利用成熟的新技术在任务、工作、流程甚至整个组织层面上实现深刻的变革。这些变革以彼此为基础,又为彼此提供养料,所以,数字化提供的机遇,确确实实是不断扩展的。只要企业使用电脑,情况就一直是这样,哪怕我们还在棋盘的前半场。举例来说,20世纪80年代初,计算机的民主化将处理能力交到越来越多的知识工人手里。20世纪90年代中期出现了两大创新:万维网和大型商业企业软件,如企业资源规划(ERP)和客户关系管理(CRM)系统。前者给了公司挖掘新市场和销售渠道的能力,还让世界的知识前所未有地便于获取;后者让企业重新设计了业务流程,监视、控制远程运作,收集并分析海量的数据。这些进步不会过期,也不会随着时间而逐渐消失。相反,它们会跟之前或之后的技术整合起来,令得收益继续累积。例如,谷歌便利了搜索之后,万维网更好用了,之后便兴起了新一轮的社交浪潮、本地化浪潮和移动应用浪潮。客户关系管理系统已经扩展到智能手机上,销售人员能在路上随时保持连线状态,现在的平板电脑则提供了个人电脑的大部分功能。我们开始在棋盘下半场看到的创新,同样会纳入这一持续进行的产业发明过程。实际情况其实已经是这样了。莱昂布里奇公司提供的GeoFluent技术,为客户服务互动带去了瞬时机器翻译。IBM正与哥伦比亚大学医疗中心和马里兰大学医学院合作,把“沃森”应用到医学诊断中去,同时又宣布了一项与语音识别软件厂商Nuance公司的合作计划。内华达州议会指示机动车辆管理部门对本州路面上行驶的无人驾驶汽车拿出一套管理规范来。当然,这些只是信息技术带来的无数创新中的极小一部分,它们正改变着制造、分销、零售、传媒、金融、法律、医药、科研、管理、市场营销和几乎所有其他经济部门及企业的功能。人(至少目前)还能占上风的地方人(至少目前)还能占上风的地方尽管计算机正蚕食着高级模式识别和复杂沟通等过去人类独占的领土,但目前,人类仍然在这些领域掌握着制高点。比如,经验丰富的医生做出诊断,靠的是将自己积累的医学知识跟患者的化验结果和症状描述进行比较,同时采用一种我们称为“直觉”的先进潜意识模式识别能力。(“这名患者似乎是有什么难言之隐吗?他们看起来健康吗?还是肤色、能量水平里欠缺了点东西?”)同样的,最优秀的治疗师、管理人员、销售人员都擅长与他人互动和沟通,他们收集信息、影响他人行为的策略也极其复杂。但正如本章所介绍的例子,随着我们更深地进入棋盘下半场,计算机也正迅速地改进着自己的这两项技能。我们开始看到这一数字化进程影响整个商业世界的证据。2011年3月,约翰马科夫(JohnMarkoff)在《纽约时报》上发表了一篇报道,着重强调了法律行业如何大举利用计算机的模式识别能力,据估计,在案卷调查过程中,从人力劳动转为数字劳动后,一名律师能完成过去需要500人才能做完的工作。例如,1月份,加利福尼亚州帕罗奥图的“黑石探索”(BlackstoneDiscovery)科技公司,就以不到10万美元的价格,帮忙分析了150万份文件……“从法律从业人员的角度看,这意味着,许多过去分派去审核文件的人,再也无法领到酬劳了。”比尔赫尔(BillHerr)说。比尔是一家大型化学公司的律师,从前经常召集成群的律师连着几个星期阅读文件。“人会生厌,会头疼。计算机不会。”计算机似乎很擅长这份新工作……赫尔用e-discovery软件重新分析了20世纪80年代和90年代公司律师们所做的工作。他发现,人类同事们的准确率只有60%。“想想看,花了那么多的钱,结果却只比投硬币定输赢稍微好上那么一丁点儿。”他说。同月,《洛杉矶时报》阿伦娜塞缪尔(AlenaSemuels)发表文章介绍说,尽管完成交易需要展开复杂的沟通,零售行业仍然迅速走向自动化。零售行业一直稳定可靠地提供着就业岗位,每10个美国人里就有一个在该行业就业。可现在,这个行业里的公司,却越来越希望利用更少的员工卖掉更多的产品……虚拟助手正在取代客户服务代表的位置。自动售货亭和自助服务机,则减少了对收银员的需求。如今,自动售货机出售iPod、泳衣、金币、太阳眼镜和剃须刀;有些甚至还能向愿意扫描指纹的消费者提供处方药品和医用大麻。消费者在售货亭里使用触摸屏寻找信息,不再跟服务员对话……(机器的)成本只占实体商店的极小一部分。它们还反映了消费者不断变化的购买习惯。网上购物让美国人感觉很舒服:无需销售员或店员的帮助,就能买到各种各样的产品。在大衰退期间,美国销售业有近1/12的员工丢了饭碗,加速了这股早已开始的趋势。例如,1995年创造的实际国内生产总值中,每100万美元就需要聘用2.08人从事“销售及相关”职业。到2002年(有持续数据可用的最后一年),这一数字已跌到1.79人,下降了近14%。如果,一如这些例子所示,模式识别和复杂沟通如今都容易自动化了,那么,还有什么人类技能能免遭此劫吗?随着我们越来越深地挺进棋盘下半场,人类还有任何可持续的相对优势吗?在肢体领域,我们似乎还做得不错。人型仿生机器人仍然相当原始,精细运动技能差,下楼梯总会跌倒。所以,园丁、餐馆跑堂暂时还无需担心被机器取代。还有许多肢体工作需要高级的心理能力;水管工和护士整天要进行大量的模式识别和问题处理,护士还需跟同事及患者展开许多复杂沟通。将这些工作自动化的困难不禁让我们想起了一句话,这句话来自1965年美国航空航天局一份支持载人航天飞机飞行的报告,报告曾说:“人是成本最低的非线性全功能计算机系统,重量只有150磅,而且可由非熟练劳动力大规模生产。”即便在纯知识工作的领域——不含肢体运动元素的工作——也有很多计算机尚未触及的疆土。2005年,雷库兹韦尔在《奇点临近》(TheSingularityIsNear:WhenHumansTranscendBiology)中预言,未来的计算机将“包括……模式识别能力、问题解决技能,以及人类大脑本身的情绪道德智商。”但到目前为止,只有第一项能力在计算机身上得到了证明。眼下,计算机已经具备了强大的模式识别能力,但并不擅长整体性地解决问题;例如,如果不经过人类创造者的重新设计、重新编程、输入不同的数据,IBM的超级计算机并不能把从国际象棋里学到的知识应用到《危险边缘》游戏,或者其他任何挑战上。如今的数码机器尽管力量强、速度快,但尚未表现出太多的创新能力。它们不能写出非常好听的歌曲和了不起的小说,或是为新业务提出优秀的设想。倒是也有几个明显例外的情况,但它们反倒证明了上述规律。有个爱恶作剧的人利用一种在线计算机科学论文摘要生成器,创作了一篇文章,竟然获得了某技术大会的接受(事实上,该大会的组织者甚至邀请“作者”主持评审团)。但这份摘要其实只是一连串似是而非的技术术语,用若干标准口语连词串在一起罢了。同样道理,为棒球比赛赛况自动生成概要的软件运作得很不错,那是因为大部分体育赛事文章都是高度程式化的写作,适合进行模式匹配和较简单的沟通。以下是一套名为“StatsMonkey”的程序生成的文章示例:大学园(UNIVERSITYPARK)——本周六在梅德拉(MedlarField),威利阿格(WillieArgo)率伊利诺斯棒球队以11-5大败美洲狮队。阿格为伊利诺斯队轰出了两记本垒打。他在比分为3-4时上场,拿到了5分打点和两次跑垒得分。伊利诺斯的先发球员威尔斯特拉克(WillStrack)干劲十足,6局里5次跑垒,但候补队员阿格不得跑垒,靠着进攻时击球17次接手了剩下的比赛,为伊利诺斯队锁定了胜利。自动生成公式化文章和真正的洞见之间仍有着明显的区别,一项已有60年历史的测试为我们揭示了这一点。数学家和计算机科学的先驱阿兰图灵(AlanTuring)认为,机器是否能够思考这个问题“毫无意义,不值得讨论”,但1950年,他提出用一项测试来检验机器能变得有多像人。“图灵测试”指的是,让人类测试组同时跟人和计算机在线聊天。如果测试组的成员基本无法判断哪一方是机器,那么机器就通过了测试。图灵自己预测,到2000年,计算机在这一测试中和人无法区别的概率是70%。然而,在洛伯纳大奖赛(自1990年开始举办的图灵测试竞赛)上,聊天程序只要能说服一半的评审相信自己是人,就能拿到25000美元的奖金了。总之,不管计算机现在达到了多么高的境界,始终还不够像“人”。不过,正如本章的例子所示,如今,计算机展现出了过去只属于人类工人的技术和能力。随着我们深入挺进棋盘下半场,这种趋势只会加速。这种现象对经济有什么样的影响呢?我们在下一章集中讨论这一主题。注 释注 释作者注:准确地说,主办方也会给《危险边缘》的参赛者们出示答案,但此时参赛者必须将与这些答案相对应的问题逆推出来。第三章 创造性破坏:技术飞速发展和就第三章 创造性破坏:技术飞速发展和就业岗位消失下的经济业岗位消失下的经济我们正受着一种新疾病的折磨,这种病的名字,一些读者或许还没听说过,但在未来岁月,他们会反复听到的——这就是,技术性失业。也即是说,因为我们新发现了大量减少使用劳动力的手段,而又尚未及时地给劳动力找到新的用途,如此导致了失业。——约翰梅纳德凯恩斯(JohnMaynardKeynes),1930年第二章讨论的具体技术以及更广泛的技术加速趋势,正创造着庞大的价值。毫无疑问,它们提高了生产力,故此增加了我们的整体财富。但与此同时,和所有的通用技术一样,计算机需要商业模式、组织流程结构、制度和技能的同步创新。这些无形的资产,包括组织和人力资本,在公司的资产负债表和官方的国民生产总值统计数据上,往往是遭到忽视的,但它们的重要性毫不亚于硬件和软件。问题就出在这里。数字技术迅速变化,但组织和技能却跟不上。因此,数百万的人被抛在了后面。他们的收入和就业机会都遭到了摧残,较之数字革命之前,他们的绝对购买力变得更差了。尽管我们经济制度的基础以为价值创造和就业岗位创造之间存在着密切的联系,但“大衰退”则表明,这一联系变弱了,或是断裂了。这不仅仅是商业周期的产物,更是生产性质深层结构变化带来的一种症状。随着棋盘下半场的技术提速,经济失谐也会加速,导致社会契约的破坏。最终,除了第一波失业浪潮的受害者,穷人和富人也都会受到伤害。技术、生产力和就业的经济越发成为辩论的战场,而且似乎充满了矛盾。明明创造了这么多的价值,为什么同时还存在着这么多的经济上的厄运呢?技术加速,收入却停滞不前,这怎么可能呢?一如前文所述,数字技术发展迅速,人类的变化却很缓慢,两者之间日益失谐。然后,我们再结合若干已经得到了充分理解的经济原理,就能解开这些明显的悖论了。生产率的发展生产率的发展在海量的经济统计数据中——失业、通货膨胀、贸易、预算赤字、货币供给,等等——有一点至关重要:生产率的增长。生产率指的是每单位投入的产出量。尤其是,劳动生产率可以用每名工人每小时的产出来衡量。长期来看,生产率的增长几乎是确保生活水平不断提高的唯一关键。罗伯特索洛(RobertSolow)夺下诺贝尔经济学奖,就是因为他指明了,经济增长并非因为人们工作更努力,而是因为人们干活干得更聪明。这意味着使用新的技术和生产技巧能创造更多的价值,且无需增加所用的劳动力、资本和其他资源。即便每年生产率只增长区区几个百分点,随着时间的推移,也会造就巨大的财富。假设劳动生产率每年增长1%(整个19世纪就是这样),那么,大约70年,生活标准就能翻一倍。可如果劳动生产率每年增长4%(像2010年那样),那么,70年之后,生活标准能翻16倍。4%的增长固然是例外,好消息是,过去10年的劳动力增长始终颇为可观——是20世纪60年代以来最棒的。平均每年2.5%的增长速度,比20世纪70年代和80年代都快很多,甚至也比90年代快(见图3.1)。而且,对90年代中期以来生产率激增的来源,经济学家们基本上达成了共识:信息技术。尽管官方的统计数据令人鼓舞,但它们远非完善。在质量、品种、及时性、客户服务,以及其他难以衡量的产出方面,它们很难说明问题。小麦生产了多少吨、钢铁炼了多少吨当然比较容易计算,但是老师的教学质量的高低、超市里的谷物可供选择的品种,或者是否能全天24小时提供ATM机提款等等,这些因素的价值却难以评估。除了这种测量上的问题,还有一点事实需要考虑:像维基百科、Facebook和YouTube这些东西,基本上是无法体现在生产力统计数据中的。互联网和移动电话提供越来越多的免费服务,人们清醒的时候花在上面的时间越来越多,这种测量误差就变得愈加重要了。此外,大部分政府服务只计算成本值,这么做隐含的假设是,政府行业的整个生产率增长为零——不管其真实生产率增长较之经济其他领域的水平如何。测量误差的最后一项源头来自医疗保健。医疗保健是经济中一个尤为重大的组成部分。医疗保健领域的生产力很难测量,人们还经常以为它是停滞不动的,然而,较之1960年,美国人的平均寿命延长了10年。这一点极有价值,但它却并不算在我们的生产率数据当中。按经济学家威廉诺德豪斯(WilliamNordhaus)的说法:“大致上,20世纪寿命增长带来的价值,跟非健康商品和服务领域的可测增长价值同样大。”早前的时代也有许多意义重大却又未曾衡量的质量元素,如电话带来的福利收益,抗生素令得疾病减少带来的福利收益等。此外,也有生

与机器赛跑_中文版.pdf

与机器赛跑_中文版.pdf

上传者: 曾几何时
433次下载 1人收藏 暂无简介 简介 2014-02-11 举报

简介:逻辑思维推荐

目 录目 录内容简介内容简介第一章 技术对就业和经济的影响第一章 技术对就业和经济的影响第二章 棋盘下半场的人性与技术第二章 棋盘下半场的人性与技术第三章 创造性破坏:技术飞速发展和就业岗位消失下的经济第三章 创造性破坏:技术飞速发展和就业岗位消失下的经济第四章 该怎样做?处方和建议第四章 该怎样做?处方和建议第五章 结论:数字化前沿第五章 结论:数字化前沿致谢致谢作者简介作者简介译后记译后记书名:与机器赛跑数字革命如何加速创新、推动生产力,并且不可逆转地改变就业和经济作者:埃里克布林约尔松(ErikBrynjolfsson)和安德鲁麦卡菲(AndrewMcAfee)闾佳 译www.RaceAgainstTheMachine.com东西文库授权青苹果数据中心作全球电子版发行版权所有侵权必究关于东西文库东西文库(West&EastLibrary)致力于“第三种文化”(TheThirdCulture)的思考、传播与交流;注重在互联网、科技、商业、媒体、电子阅读等领域的互动;包括但不限于:纸质、电子出版,版权引进、策划,文化论坛。已出版《失控》、《技术元素》、《字体故事》、《数字乌托邦》、《比特素养》、《变革的力量》等图书。官方网站:http://welib.us/译文使用权归东西文库独家所有。未经许可,严禁以任何方式使用。关注我们:新浪微博http://weibo.com/welibrary豆瓣小站http://site.douban.com/151743/如有选题推荐、合作意向,请联系:WElibrary@dongxi.net内容简介内容简介为何美国的中值收入停止了增长?为何工人们分配到的利益越来越少?为何我们的经济和社会变得愈加不公平?一种较普遍的解释是,产生这类症状的根源来自于技术的停滞,即能带来进步和繁荣的创新和发明正在减缓出现。在《与机器赛跑》里,麻省理工学院的埃里克布林约尔松和安德鲁麦卡菲给出了一个截然不同的解释。基于他们的“数字商务中心”团队的研究,他们指出,技术的发展并没有减缓,实际上,数字革命正在加速进行。一些本在科幻小说里才出现的事情已经在现实中发生:智能电脑开始能在车流中自动驾驶,能高效地翻译人类语言,还能击败智力节目里的最佳人类选手。这些例子都证明,数字技术正在快速地掌握原本只属于人类的技能。该现象从深度和广度上都深刻影响了经济。虽然大多数影响是积极的:数字革新将提高效率、降低商品价格(甚至到免费),以及增加经济总量。但数字革新也改变了经济总量分配的方式,而对处于中层的工作者来说,情况并不乐观。随着技术继续领跑,更多的人将被甩开。工人的技能被计算机掌握后,他们获得的工作机会将更少,他们的薪酬和前景也将进一步缩减和暗淡。创业式的商业模型,新式的组织结构和其他机构都需要保证他们的员工的平均水平不能落后于迅速发展的机器。在《与机器赛跑》里,布林约尔松和麦卡菲汇集了一系列数据、案例和论证,证明了技术进步正在加速进行,而这种趋势对技能、薪酬和就业机会都有深层影响。本书将告诉你,造成糟糕的就业现状的原因并不是技术的停滞,而是人类和我们的机构无法赶上机器的脚步。献给我的父母,阿里布林约尔松和玛格丽特布林约尔松,谢谢他们对我的一贯信任。献给我的父亲大卫麦卡菲,是他告诉我,好好地完成一份工作是最美妙的事。第一章 技术对就业和经济的影响第一章 技术对就业和经济的影响如果,无需手的指引,梭子能照原样织布,琴拨能照原样奏出旋律,一流的工人们也就不会想要仆人了。——亚里士多德这本书要探讨的是,信息技术如何影响就业、技能、薪资和经济。为什么这是一个重要问题呢?我们只需要看看美国近年来就业增长的统计数字就明白了。2011年夏末,美国经济落到了一个糟糕到恐怖的程度,往日里的坏消息,在这时候居然显得挺靠谱。政府公布了一份报告,表明7月份创造了11.7万个就业岗位。这代表形势较5月和6月有所好转,因为五六月份总共只创造了不到10万个就业岗位,于是,人们对该报告的反应还挺热烈。8月6日,《纽约时报》上有一篇文章的标题宣称,“美国报告就业稳定增长。”不过,在那些漂亮的标题背后,却藏着一个棘手的问题。11.7万个新增的就业岗位,还不够跟上人口增长的速度,更遑论还有1200万美国人需要再就业,这些可怜人是在2007年到2009年的经济大衰退中丢掉工作的。按经济学家劳拉迪安德亚泰森(LauraD’AndreaTyson)的计算,就算新创造的就业岗位数目翻上一倍,达到2005年间的每个月20.8万个,也要到2023年才能合上经济衰退期间拉开的大口子。反过来说,随着时间的推移,2011年7月观测到的就业岗位创造水平,只会让就业美国人所占比例越来越低。而到了9月,政府报告说,整个8月都没有再创造出新增就业机会。在伴随着经济大衰退及随后复苏而来的一切可怕的统计数字和故事当中,有关就业的数据和消息最最糟糕。诚然,经济衰退总会增加失业,但2007年5月到2009年10月之间,失业率跃升了至少5.7个百分点,创下战后的最大增幅。没让人重返职场的经济没让人重返职场的经济然而,还有一个更大的问题:就算经济恢复了增长,失业的人仍然找不到工作。2011年7月,经济衰退正式结束25个月之后,美国的失业率仍然维持在9.1%,只比形势最糟糕时略降了不到1个百分点。截至2011年中期,失业的平均时间已经暴涨到了39.9周,几乎是此前战后任何一次经济复苏期间的两倍。劳动力参与率,或适龄成年人上岗百分比,则跌到了64%以下——这个水平,自1983年(当时妇女尚未大规模进入就业市场)以来还从没见到过。人们一致认为,这是个可怕的问题。诺贝尔经济学奖得主,经济学家保罗克鲁格曼(PaulKrugman)形容道:“失业是一场可怕的灾难......一出持续的悲剧……如果数百万的美国年轻毕业生一开始就没机会步入职业生涯,我们如何能期待未来20年继续繁荣呢?”唐佩克(DonPeck)在《大西洋月刊》(TheAtlantic)上描述:“失业是一种慢慢吞噬人民、家庭,以及,整个社会结构(如果扩散足够广的话)的瘟疫。事实上,历史经验表明,它恐怕是对社会毒害最大的疾病……这个高失业率的时代,可能会常年扭曲我们的政治、我们的文化,还有我们社会的性格。”他的同事梅根麦卡德尔(MeganMcArdle)请求读者们想象一下人长期失业的情形:“想一下吧,外面那数百万人会碰上些什么……他们的储蓄和社会网络耗尽了(或者从来就没有足够大过),他们50多岁,还够不上退休的年纪,但再也找不到愿意给他们跟旧公司一样待遇的东家。想想这些无力抚养孩子、甚至无力维持自己的人吧。想想他们有多么的绝望。”确实有许多美国人挂念着这样的可怜人。2011年6月的一次盖洛普民意调查中,24%的受访者认为“失业/就业”是美国面临的最重大问题(此外还有36%的人选择了“整个经济”)。严峻的失业统计数据让许多人感到困惑不已,因为2009年6月大衰退正式结束之后,其他商业健康指标都迅速反弹。经济衰退结束后的7个季度里,国内生产总值平均增长2.6%,比1948年到2007年的平均速度快75%。美国企业的利润创下新高。到2010年,设备和软件领域的投资恢复到了历史峰值的95%,也是整整一代人里设备投资复苏最快的一次。经济历史告诉我们,企业发展、赚取利润、购买设备的时候,通常也会招聘工人。但是,大衰退结束之后,美国企业并未大规模地招聘人手。裁员的数量很快回到了衰退前的水平,也就是说,公司不再裁人了。但新招聘的数量仍然低得可怕。公司购买新机器,却不招新工人。就业岗位哪儿去了就业岗位哪儿去了为什么这一轮的失业浪潮持续得如此之久呢?分析师提供了三种不同的解释:周期性、停滞和“工作的终结”。周期性一说认为,这事儿完全不新鲜,不神奇;美国的失业率这么高,完全是因为经济发展速度还不够快,不足以把人们送回职场。保罗克鲁格曼是这一解释的主要支持者。他写道:“各方的事实表明,美国失业率高企是需求不足的结果——句号。”前联邦管理和预算办公室主任彼得奥斯泽格(PeterOrszag)表示赞同,他写道:“让失业的美国人重返职场的根本障碍在于经济增长疲软。”按照周期性解释,像大衰退这样的需求大幅下降,必然需要一段慢得叫人揪心的漫长时期才能复苏。简而言之,美国自2007年之后遭遇的一切,尽管叫人异常痛苦,但无非是商业周期的又一个例子罢了。当前困难局面的第二种解释认为,罪魁祸首不是周期性,而是停滞。这种情况下的“停滞”指的是,美国的创新能力,以及生产率的提高速度陷入了长期衰退。经济学家泰勒考恩(TylerCowen)在2010年出版的《大停滞》(TheGreatStagnation)一书中表达了这一观点:我们未能理解为什么我们衰落了。所有这些问题,都有一个很少有人注意到的根本原因:至少300年来,我们都是靠着最容易摘到的果子过活。……然而,过去的40年里,容易摘到的果子快要摘完了,我们却假装它们还挂在那儿。我们没有认识到,我们来到了技术的高原,树木结出果实比我们想象的难得多。就是这样。出毛病的地方就在这儿。为支持他的观点,考恩列举了美国家庭中值收入下降的例子。中值收入是一个中间点;收入低于这个数目的家庭,和收入高于这个数目的家庭一样多。中值收入的增长,至少在30年前就开始明显放缓,事实上,在本世纪的最初10年,它还有所下降;美国的典型家庭,其2009年的收入低于1999年。考恩把中值收入增长放缓的原因归结于经济进入“技术高原”。里奥蒂尔曼(LeoTilman)和诺贝尔经济学奖得主埃德蒙费尔普斯(EdmundPhelps)在《哈佛商业评论》上撰文对停滞说表示赞同:“(美国的)活力——它的创新能力和创新爱好——创造出了无数的就业岗位,扩大了经济的包容度。它还带来了真正的繁荣——吸引人的、挑战性的工作,自我实现、自我发现的事业……(但)在过去10年,活力一直在衰减。”停滞说并未忽视经济大衰退,但并不认为这是当前经济复苏缓慢、失业率过高的主要原因。这些灾难有一个更为根本的源头:推动经济进步的强大新观念,放缓了出现的脚步。这种放缓,在大衰退之前就有征兆。事实上,考恩在《大停滞》中指出,自20世纪70年代以来情况就是这样,当时,美国的劳动生产率增长放缓,美国家庭的中值收入增长不再像过去那么快。考恩、菲尔普斯和其他“停滞论者”认为,只有创新和技术进步的速度变得更快,才能让当前经济摆脱低迷状态。此一解释还有另一种版本。该版本认为不是美国停滞了,而是中国和印度等其他国家开始迎头赶上。在全球化经济中,如果美国的企业和工人生产效率不能比其他国家的同行更快,就无法获得溢价。从前,因为存在地理和知识的障碍,资本家和消费者无法在全球范围内寻找价格最低的资源和产品,可现在,技术消除了大部分的此类障碍。结果,价格和工资等要素变得均等,发展中国家的工资上涨,逼得美国的劳动力在不同的条件下进行竞争。诺贝尔经济学奖得主迈克尔斯宾塞(MichaelSpence)分析了这一现象,论述了它对日益趋同的生活水平造成了什么样的影响。美国就业机会短缺问题的第三种解释,把停滞论点翻了个面,认为新近的技术进步并不是太少,而是太多。我们称之为“工作的终结”论点,这是1995年,杰里米里夫金(JeremyRifkin)给自己的一本书所起的标题。里夫金在书中提出了一个令人不安的大胆假设:“我们进入了世界历史的一个全新阶段——为全球人口生产商品、提供服务所需要的工人,正变得越来越少。”这一重大转变是计算机带来的。“未来岁月,”里夫金写道,“更先进的软件技术,会让整个文明变得越来越‘去工人化’......今天,经济的……所有部门……都经历着技术换代,逼得数百万的人口进入失业状态。”为应对这种转变,他写道:“很可能是下个世纪最紧迫的社会问题。”其他许多人,包括经济学家约翰梅纳德凯恩斯(JohnMaynardKeynes)、管理理论家彼得德鲁克(PeterDrucker)、诺贝尔经济学奖得主瓦西里列昂季耶夫(WassilyLeontief)都曾提出过“工作终结”论。1983年,列昂季耶夫指出:“马匹曾在农业生产中扮演过重要的角色,可一旦出现了拖拉机,马匹就日趋减少,最后彻底消失。人类如今是生产里最重要的因素,但这个角色,注定会像马匹一样走向没落。”2009年,软件业高管马丁福特(MartinFord)出版了《未来之光》(TheLightsintheTunnel)一书,亦对此观点持赞同态度,他认为:“到了未来的某个时候——可能是从现在起几年或几十年——机器便能完成相当大比例的‘普通人’的工作,而这些人,则再也无法找到新的工作。”布赖恩阿瑟(BrianArthur)则说,一个庞大但几乎无形的“第二经济”,已经以数字自动化的形式存在了。“工作终结”论在直觉上有很强的吸引力;每当我们不从收银员而是从ATM提款机里取出现金的时候,每当我们在机场使用自助检票机换票登机的时候,我们都看到了技术取代人力劳动的活生生的证据。但美国20世纪80年代、90年代,甚至新世纪的最初7年,失业率一直很低,削减了人们对技术换代的许多担忧,在如今对失业型复苏的主流讨论中,也并不见“工作终结”的身影。例如,2010年,里奇蒙德联邦储备银行(FederalReserveBankofRichmond)公布了一篇报告,名为《长期失业的增长:潜在的成因与影响》(TheRiseinLong-TermUnemployment:PotentialCausesandImplications),但正文中却丝毫不见“计算机”、“硬件”、“软件”或“技术”等词汇。2011年,国际货币基金会发表了两篇研究论文,《周期性、结构性失业的新证据》(NewEvidenceonCyclicalandStructuralSourcesofUnemployment)和《大衰退带来了美国结构性失业?》(HastheGreatRecessionRaisedU.S.StructuralUnemployment?),同样对技术三缄其口。科技记者法哈德曼约奥(FarhadManjoo)在网络杂志《Slate》上总结说:“大多数经济学家并未严肃考虑这些担忧。迄今为止,计算机可能会严重破坏人类劳动力市场,进而进一步削弱全球经济的想法,仍然是个边缘意见。”我们的目标:把技术带入讨论我们的目标:把技术带入讨论我们认为,现在是时候把这个观点带进主流的视线,让更多的人注意到技术对技能、薪资和就业的影响了。经济大衰退需要漫长的恢复期,当前的需求低迷,主要是因为缺乏就业机会,这两点我们当然同意。但周期性需求疲软并非事情的全貌。停滞论者说,更深更长的趋势在发挥作用,这也是正确的。大衰退让这些长期趋势露出了真容,但在此之前,它们已经持续了颇长一段时间。停滞论者正确地指出,中值收入和美国经济健康的其他重要指标,好些年前就不再强劲增长了,但对他们总结的原因,我们并不同意。他们认为是技术创新的步伐放缓了。我们则认为,正是因为技术创新的步伐太快,才把许许多多的人抛在了后面。简而言之,好多工人,在跟机器的赛跑中出了局。不只工人如此。技术进步——尤其是计算机硬件、软件和网络上的发展——速度如此之快,如此出人意料,现今的许多组织、机构、政策和思维方式都跟不上了。从这个角度看,日益全球化并非失业率有增无减的另一种解释,而只是技术无处不在且力量愈发强势带来的一个后果罢了。故此,我们认同“工作终结”说,也即,计算机化带来了深刻的变革,但我们并不像里夫金等人那么悲观。我们不相信将来所有人类工人都会遭到淘汰。事实上,即便置身数字技术强大得无所不能的时代,有些人类技能反而变得愈发宝贵了。但其他的技能就无甚可取了,守着错误技能不放的人会发现自己再没有什么东西能从雇主那儿换回口粮了。他们在与机器的赛跑中出了局,这便是当今就业数据所反映出来的现实。之所以写这本书,是因为我们认为,数字技术是当今经济的重要推动因素。它们改变了工作的世界,又是生产力和经济增长的关键动力。然而,人们尚未充分理解、认识数字技术对就业的影响。人们现在谈论美国的就业岗位时,一般会提到经济的周期性,外包和离岸,税收和监管,不同经济刺激手段是否明智、功效如何。我们毫不怀疑这些因素都很重要。经济是一种复杂而多面的实体。但相对而言,谈到技术加速所扮演的角色的人就不多了。技术进步会对数百万人的薪资和就业造成伤害,看起来似乎很矛盾,但我们认为,现实情况正是如此。一如我们指出,现在的计算机正做着许多过去只由人来完成的事情。计算机对人类技能的这种侵蚀,其速度和规模几乎前所未有,并有着深刻的经济意义。最重要的一点或许是,数字化进程的发展做大了经济整体这块饼,但与此同时,它也恶化了一部分人(甚至许多人)的境遇。未来,计算机(硬件、软件和网络)只会变得越来越强劲,越来越能干,对就业、技能和经济的影响越来越大。问题的根源并非我们身处经济大衰退,或者大停滞当中,而在于我们正经受着“大重构”的初期阵痛。我们的技术竞相发展,我们的技能和组织却落在后面。所以,我们迫切需要理解这些现象,讨论其影响,并拿出战略,让人类驾驭机器冲到前面,而不是让人类和机器赛跑。在本书接下来的篇幅中,我们打算探讨如下内容:棋盘下半场上的人性与技术棋盘下半场上的人性与技术为什么计算机现在跑到工人前头去了?有什么办法能够补救这一局面吗?第二章讨论了数字技术,给出了数字技术近年来惊人发展的例子,揭示它们是怎样扰乱了本来已经趋于完善的观念,以及计算机有哪些不擅长做的事情。此外,我们所经历的发展,还预示着未来数年内更大的进步。我们解释了这种进步的来源,以及它的局限性。创造性破坏:技术飞速发展和就业岗位消失下的经济创造性破坏:技术飞速发展和就业岗位消失下的经济第三章探讨这些飞速发展的技术进步有什么样的经济影响,以及,随着造成经济赢家和输家的匹配失当的不断发展,还会出现怎样的经济后果。我主要论述的3种理论解释了技术进步怎样既造福了整个社会,又把一部分人甩在了后面。高技能和低技能的工人之间、明星和普通人之间、资本和劳力之后,都存在很大的背离。我们列举了所有的这3种背离发生的证据。该怎样做?处方和建议该怎样做?处方和建议明确了技术发展趋势和经济原则之后,我们在第四章探讨了怎样迎接高失业带来的挑战,以及人类和机器赛跑带来的其他不良后果。这场赛跑我们赢不了,因为计算机仍在越变越强,越变越能干。但借助计算机,把它们视为盟友而非对手,我们可以学会更好地赛跑。我们讨论了将这项原则付诸实践的途径,主要方法是加速组织创新和提高人力资本。结论:数字化前沿结论:数字化前沿我们在第五章以一个乐观昂扬的音符做出了结论。本书撰写于一个失业率居高不下、薪资陷入停滞、国内生产总值发展萎靡不振的时期,论述的又是就业和经济,乐观的态度显得有点奇怪。但对一本探讨数字技术的书,乐观的态度又不可或缺。事实上,我们在考察计算机和网络对目前和未来整体影响的时候,真的非常乐观。这些工具极大地改善我们的世界和我们的生活,并且将继续如此。我们是完全的数字乐观派,我们还想说服你也变成这样。第二章 棋盘下半场的人性与技术第二章 棋盘下半场的人性与技术任何足够先进的技术都和魔术差不多。——阿瑟克拉克(ArthurC.Clarke),1962年过去,我们曾颇有信心地认为,自己明白计算机和人类的相对优势和弱势。但计算机逐渐开始在一些出人意料的领域取得了进展。这点事实,有助于我们更好地理解过去动荡的这几年,以及数字技术对就业的真正影响。为说明近年来的技术进步有多快,这里有一个很好的例子:我们用2010年实现的一项成就,对比了2004年出版的一本书,这本书的内容,是以作者谨慎的研究为基础的。比较结果叫我们颇为吃惊。该书名叫《劳动新分工》(TheNewDivisionofLabor),作者是经济学家弗兰克利维(FrankLevy)和里查德默南(RichardMurnane)。一如书名暗示,这本书描述的是计算机和人类工人的相对能力。在该书第二章“为什么人依然重要”,两位作者将信息处理任务按照难易程度做了排列。列表的一端,是应用既定规则的简单任务。这些任务,如执行算法,可以轻松地实现自动化。毕竟,计算机是很擅长照着规则做事的。在列表的另一端,则是复杂的、无法推断规则的模式识别任务。《劳动新分工》以在车流中驾驶汽车作为此类任务的一个例子,并断言它无法实现自动化:……卡车司机处理着环境中接连不断涌入的(视觉、听觉和触觉)信息流……对这种行为编程,我们可以先从摄像机和其他捕捉感官输入的传感器着手。但当着迎面而来的车流左转弯,涉及到太多的因素,很难想象能找出一套规则可以复制司机的行为……除了高度结构化的情况,要阐明(人类)知识,将之植入软件,在当前还是一桩极其困难的任务……在(驾驶卡车等)任务中,计算机还无法轻易替代人类。正好,2004年举办了第一届达帕无人驾驶挑战赛(DARPAGrandChallenge)。比赛的结果肯定了利维和默南的结论。挑战赛的内容是制造一辆无人驾驶的汽车,在荒无人烟的莫哈维沙漠里,穿越一条长达150英里的路线。就连“胜出”的那辆车也只不过是磕磕碰碰地行驶了不到8英里,而且,还用了好几个小时。在一个又一个领域里,计算机跑在了前头在一个又一个领域里,计算机跑在了前头但区区6年之后,在真实环境下开车,就从一个无法自动化的例子,变成了一个业已实现自动化的例子。2010年10月,谷歌在官方博客上宣布,被他们改装后的丰田普锐斯车队,基本上完全实现了自动化驾驶:其中,在美国公路上行驶了1000多英里,全程无人干预;又行驶了14万多公里,驾驶员只在方向盘后做了极少量的人工输入。(为遵守相关的驾驶法律,谷歌认为,方向盘后面必须随时有人坐着。)利维和默南说,在川流不息的道路上自动驾驶,是一项极为困难的任务;在这一领域,开发一台能替代人感知、进行模式匹配的计算机不容易。完全正确。的确是不容易,但并非不可能——谷歌基本上完成了这一挑战。面对利维和默南提出的挑战,谷歌的技术人员之所以取得突破靠的不是抄捷径,而是迎面而上。他们使用了服务于谷歌地图和谷歌街景服务的庞大的数据,为车队行驶的路线提供尽量多的信息。他们的车辆还通过安装好的摄像、雷达、光达(lightdetectionandranging,简称LIDAR,光探测和侧距)设备收集海量的实时数据;这些数据输入软件后,跟道路规则、仪表、行驶轨道,以及邻近区域的所有物体、驾驶条件等等相匹配。该软件不光能控制汽车,说不定还比人类驾驶员更敏锐、更警醒,反应时间更快。谷歌的无人驾驶汽车只出过一次意外事故,但那是因为它停在交通灯前面,被后面一辆由人类司机操纵的汽车给追了尾。这一切来得完全不容易。但凭借丰富而准确的数据、强大的传感器、庞大的存储容量和处理能力,它也是有可能做到的。我们现在生活的世界恰恰具备了这些条件。计算机进步的速度如此之快,其性能从科幻领域进入日常生活历时还不到人的一生,甚至也不到专业人士的整个职业生涯,而仅仅是短短几年罢了。利维和默南所举机器难以模仿人类能力的另一个例子,是复杂沟通(complexcommunication)。复杂沟通涉及到和人类进行交谈,尤其是在复杂、情绪化或表达不明确的环境之下。进化给人类内置的“程序”,让人们能够毫不费力地做到这一点,但同样是靠编程运作的计算机,却很难做到。比如说,将一种人类语言翻译为另一种,长久以来这一直是计算机科学努力想要实现的目标,但其进展非常缓慢,因为人类语言的语法和词汇都十分的复杂且多具歧义。然而,2011年1月,翻译服务公司莱昂布里奇(Lionbridge)公布了GeoFluent技术的试点企业客户。GeoFluent是和IBM公司合作开发的一种技术,只要向它输入一种语言写成的文字(如顾客为寻求某问题的帮助,在线输入聊天信息),它就能准确又快速地将之翻译成另一种语言(如另一国家客户服务代表所说的语言)。GeoFluent以IBM托马斯J.沃森研究中心开发的统计式机器翻译软件为基础。靠着莱昂布里奇公司过往的翻译数据库,该软件得到了改善。这种“翻译记忆库”让GeoFluent变得更加准确,并尤其擅长翻译大型高科技公司与顾客或其他客户之间有可能展开的对话。有一家这样的公司测试了GeoFluent在线聊天信息自动翻译的质量。这些信息(内容涉及到该公司的产品和服务)是通过中国和西班牙客户发给说英语的员工的。GeoFluent对信息进行了即时翻译,将之转化成了接收方的母语。聊天进程结束后,该公司请客户和员工报告自动翻译的信息是否有用——也即,这些自动翻译信息是否足够明确,让人能据以采取有意义的行动。大约有90%的使用者报告说,有用。在此种情况下,自动翻译已经足以应付商业用途了。谷歌的无人驾驶汽车表明,数字模式识别能力近年来进步得有多么快,多么远。莱昂布里奇的GeoFluent技术表明,计算机进行复杂沟通的能力已经取得了多么大的进步。IBM沃森实验室的另一项技术(名字也叫“沃森”)则表明,将两种能力合二为一后计算机可以变得多么强大,多么深入地闯入原以为专属于人类的领域。“沃森”是一台超级计算机,设计目的是参加一个流行的游戏节目《危险边缘》(Jeopardy!)。节目会向参赛者们提出覆盖范围极广的各类问题,参赛者们事前并不知道题目。很多时候,题目都涉及到了双关语,以及其他类型的文字游戏。光是弄清题目要问什么、怎样构建答案就很难了。简单地说,要想玩好《危险边缘》,需要具备进行复杂沟通的能力。“沃森”玩这个游戏的方式,也需要海量的模式匹配。这台超级计算机预先加载了上亿毫无关联的数字文档,内容包括百科全书和其他参考类书籍,新闻报道,还有《圣经》。接收到问题之后,“沃森”会立刻运转起来,弄清楚问题问的是什么(使用专攻复杂沟通的算法),然后就开始查询所有的这些文档,寻找并进行模式匹配,以得出答案。沃森的运转极为彻底且速度惊人,IBM的研究经理埃里克布朗(EricBrown)在接受采访时解释说:我们从单一的线索入手。我们分析这一线索,接着展开一个候选生成阶段,这个阶段会同时运行若干不同的主搜索,每一主搜索都产生50个搜索结果。接下来,每个搜索结果都可能产生若干候选答案,所以,等我们生成所有候选答案的时候,兴许对该线索已经有了300到500个候选答案。现在,所有的这些答案都可以独立、并行处理,所以,我们就将它们分散展开进行答案-得分分析,为答案计算得分。我们又为答案运行更多的搜索,收集更多的证据,接着就每一证据进行深入分析,这样,每个答案大概又会生成20条支持该答案的证据。这时候,每一条证据又都可以进行独立、并行分析,所以再次逐条分散展开。这下你有了可以深入分析的证据了……所有的这些分析生成了最终要合并起来的得分,也就是说,通过一种机器学习框架来权衡得分,对候选答案进行最终排序,并得出对每一候选答案的最终把握。“沃森”最后给出的回答就是这么来的。“沃森”最后给出的回答又快又准确,就连最优秀的人类玩家都望尘莫及。2011年2月,沃森在电视转播的比赛中对阵《危险边缘》节目史上两位最出色的人类参赛者。比赛进行了3天,一共比了两轮,计算机最后所得的奖金,是排名第二的,有着血肉之躯的对手的3倍。对手之一肯詹宁斯(KenJennings)承认,数字技术完全把《危险边缘》这款游戏给接管了!詹宁斯在比赛最后一道题的书面回答后补充写了一句话,“我,欢迎我们的新霸主,电脑。”摩尔定律和棋盘下半场摩尔定律和棋盘下半场这些霸主是从哪儿冒出来的呢?科幻小说是怎样如此迅速变成商业现实的呢?要理解这一显著的进步,有两个概念必不可少。第一条,也是较出名的一条,是摩尔定律,它来自对戈登摩尔(GordonMoore)所观察到现象的延伸。摩尔是微处理器制造商英特尔公司的联合创始人。1965年,摩尔在《电子杂志》(ElectronicsMagazine)上发表文章指出,造价最低的集成处理电路上的晶体管数量,每12个月会翻一倍,他预测,这一发展速度未来将会持续下去。等事实证明他所言不虚时,摩尔定律就诞生了。后来,人们修正了集成晶体管翻倍所需的时间;目前最多人接受的时间期限是18个月。摩尔定律的其余版本,也适用于磁盘驱动器容量、显示分辨率和网络带宽的发展。在上述和其他众多的数字进步案例中,翻倍是定数,而且速度极快。软件似乎也跟硬件进步得同样快,至少,在某些领域是如此。计算机学家马丁格罗谢尔(MartinGrötschel)分析了1988年到2003年计算机处理标准优化问题的速度。他发现这期间计算机的处理速度提高了4300万倍。进步主要来自两个因素:处理器更快,软件内置的算法更好。处理器速度提高了1000倍,但这跟算法上的改进比起来不免相形见绌:算法在同一时期改善了43000倍。理解近年来与计算发展相关的第二个概念,跟摩尔定律有很深的联系。它来自一个古老的数学故事,创新家兼未来学家雷库兹韦尔(RayKurzweil)在现代意义上对其做了引申。有一个版本的故事是这样的:国际象棋的发明者将自己的发明呈给了本国的君主。皇帝很喜欢这种游戏,就问发明家想要什么样的奖励。睿智的发明家要求以如下规则得到大米:棋盘的第一格放一粒大米,第二格放两粒,第三格放4粒,依此类推,每一格放的大米粒数都是前一格的两倍。皇帝答应了,以为这样的奖励微不足道。然而,他最终明白,持续翻倍会带来一个庞大的天文数字。到头来,发明家卷走了264粒大米,这些大米堆起来比珠穆朗玛峰还要高。在故事的另一些版本中,发明家因为聪明过了头,惹得皇帝动了怒,砍掉了他的脑袋。库兹韦尔在2000年出版的《智能机器的时代》(TheAgeofSpiritualMachines:WhenComputersExceedHumanIntelligence)中指出,在棋盘的上半场,大米堆并不显得特别离谱:在经过32次平方之后,皇帝需给发明家40亿粒大米。这是一个合理的数目——差不多相当于一大片耕田的价值——而皇帝也开始有点上心了。但这时候,皇帝仍然还是皇帝。发明家仍然可以保住他的脑袋。直到大米堆进棋盘的下半场之后,他们中才有一个家伙真正陷入了麻烦。在这里,库兹韦尔的要旨是,反映指数增长的持续翻倍很有迷惑性,因为它最初不值一提。指数增长一开始看起来像是标准的线性增长,其实不然。随着时间的推移,我们进入棋盘的下半场,指数增长就完全搞糊涂了我们的直觉,彻底颠覆了我们的期待。它的加速远超线性增长,带来了有如珠穆朗玛峰一般宏伟的大米堆,以及能完成从前不可能完成任务的计算机。那么,在计算机的商用历史上,我们来到了什么地方呢?我们进入了棋盘的下半场了吗?当然,这是一个无法准确回答的问题,但通过合理的估计,却能得出有趣的结论。1958年,美国经济分析局将“信息技术”列入了商业投资类别,我们就把这一年当成起始年好了。接着,让我们设定摩尔定律的标准倍增期是18个月。翻倍32次之后,我们来到了2006年,也就进入了棋盘的下半场。那么,诸如谷歌无人驾驶汽车、拿下《危险边缘》大奖赛冠军的超级计算机“沃森”、高质量的瞬时机器翻译,就都可以视为数字化创新进入下半场之后的第一批例子了——在这个全新的阶段,指数增长带来了令人瞠目结舌的结果。计算经济:通用技术的经济实力计算经济:通用技术的经济实力这些结果将波及几乎每一项任务、每一种工作,以及每一个行业。多功能性是所谓“通用技术”(generalpurposetechnologies,GPTs)的一个关键特性。在经济学家口中,“通用技术”指的是极其强大的一小组技术创新,它们打断并加速了经济进步的正常步伐。“通用技术”的前几代例子,分别是蒸汽动力、电力和内燃机。通用技术的重要性,再怎么强调也不算夸张。经济学家蒂莫西布雷斯纳汉(TimothyBresnahan)和曼纽尔切腾贝格(ManuelTrajtenberg)指出:整个时代的技术进步和经济发展似乎都……受通用技术的推动。(通用技术)以普及程度(有众多下游领域以之作为输入),技术进步的内在潜力,和“创新互补性”(意思是,下游领域的研发生产力随着通用技术创新的发展而增长提高)为特点。故此,随着通用技术的进步,它们扩散到整个经济当中,带来了整体生产力的提高。那么,随着时间的推移,不光通用技术本身得到改进(一如摩尔定律所示,计算机显然是这样),生产通用技术的流程、企业以及行业也都随之出现互补性的创新。简而言之,通用技术在深度和广度上都带来了无数的好处。计算机就是我们时代的通用技术,尤其是再结合以网络,并冠名为“信息及通信技术”(informationandcommunicationstechnology,ICT)之后。经济学家苏桑托巴苏(SusantoBasu)和约翰弗纳尔德(JohnFernald)着重指出通用技术如何令得企业脱离传统轨道:廉价的信息和通信技术触手可及,令得企业以完全不同且能大幅提高生产力的方式配置其他输入。在此过程中,采用信息和通信技术的行业,又在廉价的计算机及通信设备的促动下,设计出更多的互补性发明。需要指出的是,通用技术不光造福了它们的“母体”产业。例如,计算机不光提高了高科技领域的生产力,也提高了所有购入并使用数字设备的行业的生产力。时至今日,这就意味着几乎所有的行业;就连美国信息技术最不密集的行业,如农业和采矿业,每年也会花费数十亿美元为自己进行数字化武装。还请注意巴苏和弗纳尔德选用的字眼:计算机和网络为企业带来了越来越多、不断扩展的机会。换句话说,数字化并不是只能提供一次性好处的项目。相反,它是一个持续的过程:创造性破坏;创新者利用成熟的新技术在任务、工作、流程甚至整个组织层面上实现深刻的变革。这些变革以彼此为基础,又为彼此提供养料,所以,数字化提供的机遇,确确实实是不断扩展的。只要企业使用电脑,情况就一直是这样,哪怕我们还在棋盘的前半场。举例来说,20世纪80年代初,计算机的民主化将处理能力交到越来越多的知识工人手里。20世纪90年代中期出现了两大创新:万维网和大型商业企业软件,如企业资源规划(ERP)和客户关系管理(CRM)系统。前者给了公司挖掘新市场和销售渠道的能力,还让世界的知识前所未有地便于获取;后者让企业重新设计了业务流程,监视、控制远程运作,收集并分析海量的数据。这些进步不会过期,也不会随着时间而逐渐消失。相反,它们会跟之前或之后的技术整合起来,令得收益继续累积。例如,谷歌便利了搜索之后,万维网更好用了,之后便兴起了新一轮的社交浪潮、本地化浪潮和移动应用浪潮。客户关系管理系统已经扩展到智能手机上,销售人员能在路上随时保持连线状态,现在的平板电脑则提供了个人电脑的大部分功能。我们开始在棋盘下半场看到的创新,同样会纳入这一持续进行的产业发明过程。实际情况其实已经是这样了。莱昂布里奇公司提供的GeoFluent技术,为客户服务互动带去了瞬时机器翻译。IBM正与哥伦比亚大学医疗中心和马里兰大学医学院合作,把“沃森”应用到医学诊断中去,同时又宣布了一项与语音识别软件厂商Nuance公司的合作计划。内华达州议会指示机动车辆管理部门对本州路面上行驶的无人驾驶汽车拿出一套管理规范来。当然,这些只是信息技术带来的无数创新中的极小一部分,它们正改变着制造、分销、零售、传媒、金融、法律、医药、科研、管理、市场营销和几乎所有其他经济部门及企业的功能。人(至少目前)还能占上风的地方人(至少目前)还能占上风的地方尽管计算机正蚕食着高级模式识别和复杂沟通等过去人类独占的领土,但目前,人类仍然在这些领域掌握着制高点。比如,经验丰富的医生做出诊断,靠的是将自己积累的医学知识跟患者的化验结果和症状描述进行比较,同时采用一种我们称为“直觉”的先进潜意识模式识别能力。(“这名患者似乎是有什么难言之隐吗?他们看起来健康吗?还是肤色、能量水平里欠缺了点东西?”)同样的,最优秀的治疗师、管理人员、销售人员都擅长与他人互动和沟通,他们收集信息、影响他人行为的策略也极其复杂。但正如本章所介绍的例子,随着我们更深地进入棋盘下半场,计算机也正迅速地改进着自己的这两项技能。我们开始看到这一数字化进程影响整个商业世界的证据。2011年3月,约翰马科夫(JohnMarkoff)在《纽约时报》上发表了一篇报道,着重强调了法律行业如何大举利用计算机的模式识别能力,据估计,在案卷调查过程中,从人力劳动转为数字劳动后,一名律师能完成过去需要500人才能做完的工作。例如,1月份,加利福尼亚州帕罗奥图的“黑石探索”(BlackstoneDiscovery)科技公司,就以不到10万美元的价格,帮忙分析了150万份文件……“从法律从业人员的角度看,这意味着,许多过去分派去审核文件的人,再也无法领到酬劳了。”比尔赫尔(BillHerr)说。比尔是一家大型化学公司的律师,从前经常召集成群的律师连着几个星期阅读文件。“人会生厌,会头疼。计算机不会。”计算机似乎很擅长这份新工作……赫尔用e-discovery软件重新分析了20世纪80年代和90年代公司律师们所做的工作。他发现,人类同事们的准确率只有60%。“想想看,花了那么多的钱,结果却只比投硬币定输赢稍微好上那么一丁点儿。”他说。同月,《洛杉矶时报》阿伦娜塞缪尔(AlenaSemuels)发表文章介绍说,尽管完成交易需要展开复杂的沟通,零售行业仍然迅速走向自动化。零售行业一直稳定可靠地提供着就业岗位,每10个美国人里就有一个在该行业就业。可现在,这个行业里的公司,却越来越希望利用更少的员工卖掉更多的产品……虚拟助手正在取代客户服务代表的位置。自动售货亭和自助服务机,则减少了对收银员的需求。如今,自动售货机出售iPod、泳衣、金币、太阳眼镜和剃须刀;有些甚至还能向愿意扫描指纹的消费者提供处方药品和医用大麻。消费者在售货亭里使用触摸屏寻找信息,不再跟服务员对话……(机器的)成本只占实体商店的极小一部分。它们还反映了消费者不断变化的购买习惯。网上购物让美国人感觉很舒服:无需销售员或店员的帮助,就能买到各种各样的产品。在大衰退期间,美国销售业有近1/12的员工丢了饭碗,加速了这股早已开始的趋势。例如,1995年创造的实际国内生产总值中,每100万美元就需要聘用2.08人从事“销售及相关”职业。到2002年(有持续数据可用的最后一年),这一数字已跌到1.79人,下降了近14%。如果,一如这些例子所示,模式识别和复杂沟通如今都容易自动化了,那么,还有什么人类技能能免遭此劫吗?随着我们越来越深地挺进棋盘下半场,人类还有任何可持续的相对优势吗?在肢体领域,我们似乎还做得不错。人型仿生机器人仍然相当原始,精细运动技能差,下楼梯总会跌倒。所以,园丁、餐馆跑堂暂时还无需担心被机器取代。还有许多肢体工作需要高级的心理能力;水管工和护士整天要进行大量的模式识别和问题处理,护士还需跟同事及患者展开许多复杂沟通。将这些工作自动化的困难不禁让我们想起了一句话,这句话来自1965年美国航空航天局一份支持载人航天飞机飞行的报告,报告曾说:“人是成本最低的非线性全功能计算机系统,重量只有150磅,而且可由非熟练劳动力大规模生产。”即便在纯知识工作的领域——不含肢体运动元素的工作——也有很多计算机尚未触及的疆土。2005年,雷库兹韦尔在《奇点临近》(TheSingularityIsNear:WhenHumansTranscendBiology)中预言,未来的计算机将“包括……模式识别能力、问题解决技能,以及人类大脑本身的情绪道德智商。”但到目前为止,只有第一项能力在计算机身上得到了证明。眼下,计算机已经具备了强大的模式识别能力,但并不擅长整体性地解决问题;例如,如果不经过人类创造者的重新设计、重新编程、输入不同的数据,IBM的超级计算机并不能把从国际象棋里学到的知识应用到《危险边缘》游戏,或者其他任何挑战上。如今的数码机器尽管力量强、速度快,但尚未表现出太多的创新能力。它们不能写出非常好听的歌曲和了不起的小说,或是为新业务提出优秀的设想。倒是也有几个明显例外的情况,但它们反倒证明了上述规律。有个爱恶作剧的人利用一种在线计算机科学论文摘要生成器,创作了一篇文章,竟然获得了某技术大会的接受(事实上,该大会的组织者甚至邀请“作者”主持评审团)。但这份摘要其实只是一连串似是而非的技术术语,用若干标准口语连词串在一起罢了。同样道理,为棒球比赛赛况自动生成概要的软件运作得很不错,那是因为大部分体育赛事文章都是高度程式化的写作,适合进行模式匹配和较简单的沟通。以下是一套名为“StatsMonkey”的程序生成的文章示例:大学园(UNIVERSITYPARK)——本周六在梅德拉(MedlarField),威利阿格(WillieArgo)率伊利诺斯棒球队以11-5大败美洲狮队。阿格为伊利诺斯队轰出了两记本垒打。他在比分为3-4时上场,拿到了5分打点和两次跑垒得分。伊利诺斯的先发球员威尔斯特拉克(WillStrack)干劲十足,6局里5次跑垒,但候补队员阿格不得跑垒,靠着进攻时击球17次接手了剩下的比赛,为伊利诺斯队锁定了胜利。自动生成公式化文章和真正的洞见之间仍有着明显的区别,一项已有60年历史的测试为我们揭示了这一点。数学家和计算机科学的先驱阿兰图灵(AlanTuring)认为,机器是否能够思考这个问题“毫无意义,不值得讨论”,但1950年,他提出用一项测试来检验机器能变得有多像人。“图灵测试”指的是,让人类测试组同时跟人和计算机在线聊天。如果测试组的成员基本无法判断哪一方是机器,那么机器就通过了测试。图灵自己预测,到2000年,计算机在这一测试中和人无法区别的概率是70%。然而,在洛伯纳大奖赛(自1990年开始举办的图灵测试竞赛)上,聊天程序只要能说服一半的评审相信自己是人,就能拿到25000美元的奖金了。总之,不管计算机现在达到了多么高的境界,始终还不够像“人”。不过,正如本章的例子所示,如今,计算机展现出了过去只属于人类工人的技术和能力。随着我们深入挺进棋盘下半场,这种趋势只会加速。这种现象对经济有什么样的影响呢?我们在下一章集中讨论这一主题。注 释注 释作者注:准确地说,主办方也会给《危险边缘》的参赛者们出示答案,但此时参赛者必须将与这些答案相对应的问题逆推出来。第三章 创造性破坏:技术飞速发展和就第三章 创造性破坏:技术飞速发展和就业岗位消失下的经济业岗位消失下的经济我们正受着一种新疾病的折磨,这种病的名字,一些读者或许还没听说过,但在未来岁月,他们会反复听到的——这就是,技术性失业。也即是说,因为我们新发现了大量减少使用劳动力的手段,而又尚未及时地给劳动力找到新的用途,如此导致了失业。——约翰梅纳德凯恩斯(JohnMaynardKeynes),1930年第二章讨论的具体技术以及更广泛的技术加速趋势,正创造着庞大的价值。毫无疑问,它们提高了生产力,故此增加了我们的整体财富。但与此同时,和所有的通用技术一样,计算机需要商业模式、组织流程结构、制度和技能的同步创新。这些无形的资产,包括组织和人力资本,在公司的资产负债表和官方的国民生产总值统计数据上,往往是遭到忽视的,但它们的重要性毫不亚于硬件和软件。问题就出在这里。数字技术迅速变化,但组织和技能却跟不上。因此,数百万的人被抛在了后面。他们的收入和就业机会都遭到了摧残,较之数字革命之前,他们的绝对购买力变得更差了。尽管我们经济制度的基础以为价值创造和就业岗位创造之间存在着密切的联系,但“大衰退”则表明,这一联系变弱了,或是断裂了。这不仅仅是商业周期的产物,更是生产性质深层结构变化带来的一种症状。随着棋盘下半场的技术提速,经济失谐也会加速,导致社会契约的破坏。最终,除了第一波失业浪潮的受害者,穷人和富人也都会受到伤害。技术、生产力和就业的经济越发成为辩论的战场,而且似乎充满了矛盾。明明创造了这么多的价值,为什么同时还存在着这么多的经济上的厄运呢?技术加速,收入却停滞不前,这怎么可能呢?一如前文所述,数字技术发展迅速,人类的变化却很缓慢,两者之间日益失谐。然后,我们再结合若干已经得到了充分理解的经济原理,就能解开这些明显的悖论了。生产率的发展生产率的发展在海量的经济统计数据中——失业、通货膨胀、贸易、预算赤字、货币供给,等等——有一点至关重要:生产率的增长。生产率指的是每单位投入的产出量。尤其是,劳动生产率可以用每名工人每小时的产出来衡量。长期来看,生产率的增长几乎是确保生活水平不断提高的唯一关键。罗伯特索洛(RobertSolow)夺下诺贝尔经济学奖,就是因为他指明了,经济增长并非因为人们工作更努力,而是因为人们干活干得更聪明。这意味着使用新的技术和生产技巧能创造更多的价值,且无需增加所用的劳动力、资本和其他资源。即便每年生产率只增长区区几个百分点,随着时间的推移,也会造就巨大的财富。假设劳动生产率每年增长1%(整个19世纪就是这样),那么,大约70年,生活标准就能翻一倍。可如果劳动生产率每年增长4%(像2010年那样),那么,70年之后,生活标准能翻16倍。4%的增长固然是例外,好消息是,过去10年的劳动力增长始终颇为可观——是20世纪60年代以来最棒的。平均每年2.5%的增长速度,比20世纪70年代和80年代都快很多,甚至也比90年代快(见图3.1)。而且,对90年代中期以来生产率激增的来源,经济学家们基本上达成了共识:信息技术。尽管官方的统计数据令人鼓舞,但它们远非完善。在质量、品种、及时性、客户服务,以及其他难以衡量的产出方面,它们很难说明问题。小麦生产了多少吨、钢铁炼了多少吨当然比较容易计算,但是老师的教学质量的高低、超市里的谷物可供选择的品种,或者是否能全天24小时提供ATM机提款等等,这些因素的价值却难以评估。除了这种测量上的问题,还有一点事实需要考虑:像维基百科、Facebook和YouTube这些东西,基本上是无法体现在生产力统计数据中的。互联网和移动电话提供越来越多的免费服务,人们清醒的时候花在上面的时间越来越多,这种测量误差就变得愈加重要了。此外,大部分政府服务只计算成本值,这么做隐含的假设是,政府行业的整个生产率增长为零——不管其真实生产率增长较之经济其他领域的水平如何。测量误差的最后一项源头来自医疗保健。医疗保健是经济中一个尤为重大的组成部分。医疗保健领域的生产力很难测量,人们还经常以为它是停滞不动的,然而,较之1960年,美国人的平均寿命延长了10年。这一点极有价值,但它却并不算在我们的生产率数据当中。按经济学家威廉诺德豪斯(WilliamNordhaus)的说法:“大致上,20世纪寿命增长带来的价值,跟非健康商品和服务领域的可测增长价值同样大。”早前的时代也有许多意义重大却又未曾衡量的质量元素,如电话带来的福利收益,抗生素令得疾病减少带来的福利收益等。此外,也有生
  • 相关资料
  • 该用户的其他资料
  • 名称/格式
  • 下载次数
  • 资料大小
  • 名称/格式
  • 下载次数
  • 资料大小

用户评论

0/200
暂无评论
上传我的资料

资料阅读排行

关闭

请选择举报的类型

关闭

提示

提交成功!

感谢您对爱问共享资料的支持,我们将尽快核实并处理您的举报信息。

关闭

提示

提交失败!

您的举报信息提交失败,请重试!

关闭

提示

重复举报!

亲爱的用户!感觉您对爱问共享资料的支持,请勿重复举报噢!

全屏 缩小 放大
收藏
资料评价:

/ 24
所需积分:1 立即下载
返回
顶部
举报
资料
关闭

温馨提示

感谢您对爱问共享资料的支持,精彩活动将尽快为您呈现,敬请期待!