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 2014-02-11 评分5 评论0 下载458 收藏1 阅读量989 暂无简介 简介 举报

简介:本文档为《与机器赛跑_中文版pdf》,可适用于人力资源领域,主题内容包含目 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符等。

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wwwRaceAgainstTheMachinecom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(WestEastLibrary)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:welibus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:weibocomwelibrary豆瓣小站http:sitedoubancom如有选题推荐、合作意向请联系:WElibrarydongxinet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。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月份创造了万个就业岗位。这代表形势较月和月有所好转因为五六月份总共只创造了不到万个就业岗位于是人们对该报告的反应还挺热烈。月日《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。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万美国人需要再就业这些可怜人是在年到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年间的每个月万个也要到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年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。而到了月政府报告说整个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年月到年月之间失业率跃升了至少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。年月经济衰退正式结束个月之后美国的失业率仍然维持在%只比形势最糟糕时略降了不到个百分点。截至年中期失业的平均时间已经暴涨到了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%以下这个水平自年(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。年月的一次盖洛普民意调查中%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%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年月大衰退正式结束之后其他商业健康指标都迅速反弹。经济衰退结束后的个季度里国内生产总值平均增长%比年到年的平均速度快%。美国企业的利润创下新高。到年设备和软件领域的投资恢复到了历史峰值的%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:至少年来我们都是靠着最容易摘到的果子过活。……然而过去的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年前就开始明显放缓事实上在本世纪的最初年它还有所下降美国的典型家庭其年的收入低于年。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》中指出自世纪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。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。”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。但美国世纪年代、年代甚至新世纪的最初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》(TheRiseinLongTermUnemployment:PotentialCausesandImplications)但正文中却丝毫不见“计算机”、“硬件”、“软件”或“技术”等词汇。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?》(HastheGreatRecessionRaisedUSStructuralUnemployment)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(ArthurCClarke)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:我们用年实现的一项成就对比了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。年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多英里全程无人干预又行驶了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。然而年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%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到个候选答案。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。年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。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)分析了年到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:在经过次平方之后皇帝需给发明家亿粒大米。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。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个月。翻倍次之后我们来到了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”(generalpurposetechnologiesGPTs)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”(informationandcommunicationstechnologyICT)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。举例来说世纪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。世纪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。年月约翰马科夫(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人才能做完的工作。例如月份加利福尼亚州帕罗奥图的“黑石探索”(BlackstoneDiscovery)科技公司就以不到万美元的价格帮忙分析了万份文件……“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ediscovery软件重新分析了世纪年代和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%。“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的员工丢了饭碗加速了这股早已开始的趋势。例如年创造的实际国内生产总值中每万美元就需要聘用人从事“销售及相关”职业。到年(有持续数据可用的最后一年)这一数字已跌到人下降了近%。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。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。他在比分为时上场拿到了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)干劲十足局里次跑垒但候补队员阿格不得跑垒靠着进攻时击球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。图灵自己预测到年计算机在这一测试中和人无法区别的概率是%。然而在洛伯纳大奖赛(自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)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%(整个世纪就是这样)那么大约年生活标准就能翻一倍。可如果劳动生产率每年增长%(像年那样)那么年之后生活标准能翻倍。%的增长固然是例外好消息是过去年的劳动力增长始终颇为可观是世纪年代以来最棒的。平均每年%的增长速度比世纪年代和年代都快很多甚至也比年代快(见图)。而且对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年美国人的平均寿命延长了年。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

职业精品

(汽车)产品营销策划书范文.doc

HH牙膏营销方案策划书.doc

加班管理人力资源考勤管理系统方案.doc

物品采购管理制度-正式.doc

用户评论

0/200
    暂无评论
上传我的资料

精彩专题

相关资料换一换

资料评价:

/ 24
所需积分:1 立即下载

意见
反馈

返回
顶部