原標(biāo)題：MIT報(bào)告解讀 | 100%自動(dòng)化遠(yuǎn)未達(dá)到，AI對(duì)就業(yè)前景影響尚未明確

近日，麻省理工學(xué)院（ MIT Work of the Future）發(fā)表了一份報(bào)告——《The Work ofthe Future : Shaping Technology and Institutions》，其中探討了AI和機(jī)器學(xué)習(xí)（ML）對(duì)企業(yè)自動(dòng)化及勞動(dòng)力市場(chǎng)的影響。

針對(duì)這篇報(bào)告，Joe McKendrick在福布斯發(fā)表了相關(guān)文章，對(duì)報(bào)告中AI與ML的應(yīng)用觀點(diǎn)進(jìn)行了解讀。文章認(rèn)為，在企業(yè)日常運(yùn)營方面，人工智能和機(jī)器學(xué)習(xí)可能是理想選擇，但面對(duì)創(chuàng)新的、難以預(yù)見的或者一次性的事件，人工智能卻不盡如人意。 即使企業(yè)級(jí)AI仍舊有很長的路要走，但業(yè)務(wù)與IT領(lǐng)導(dǎo)層依舊需要對(duì)AI能夠帶來的優(yōu)勢(shì)進(jìn)行試點(diǎn)與探索。

MIT的報(bào)告也提到了這一觀點(diǎn)，并將人工智能視為推動(dòng)就業(yè)領(lǐng)域和工作環(huán)境變革的一部分因素，報(bào)告認(rèn)為“我們距離人工智能系統(tǒng)還有很長的路要走，因?yàn)檫@種人工智能系統(tǒng)可以閱讀新聞，根據(jù)如英國脫歐或貿(mào)易糾紛等預(yù)期事件重新規(guī)劃供應(yīng)鏈，使生產(chǎn)任務(wù)適應(yīng)新的零件和材料來源。”

究其原因，首先，數(shù)據(jù)作為推動(dòng)人工智能決策的燃料，還尚未能支撐人工智能實(shí)現(xiàn)飛躍。迄今為止，大多數(shù)成功的AI計(jì)劃都是基于機(jī)器學(xué)習(xí)（ML）系統(tǒng)，而機(jī)器學(xué)習(xí)系統(tǒng)又依賴于大型數(shù)據(jù)集。報(bào)告指出，人工智能及相關(guān)技術(shù)在新產(chǎn)品和新生產(chǎn)方法的創(chuàng)造上具有優(yōu)勢(shì)。“通過訪談，我們發(fā)現(xiàn)許多公司認(rèn)為自己在這些技術(shù)應(yīng)用的早期階段，就弄清楚如何收集和構(gòu)建數(shù)據(jù)，從而更深入地應(yīng)用到現(xiàn)有業(yè)務(wù)，而這樣則需要集成多個(gè)數(shù)據(jù)源，同時(shí)也需要融合運(yùn)營和技術(shù)方面的專業(yè)知識(shí)。”

其次，ML系統(tǒng)仍面臨挑戰(zhàn)。目前，在投入使用的機(jī)器學(xué)習(xí)（ML）應(yīng)用中，圖像分類、人臉識(shí)別、機(jī)器翻譯、文檔分析、客戶服務(wù)和數(shù)據(jù)預(yù)測(cè)等最為突出。但報(bào)告認(rèn)為，ML系統(tǒng)在穩(wěn)健性和可釋性方面仍面臨挑戰(zhàn)，使用ML的行業(yè)正慢慢認(rèn)識(shí)到，用于訓(xùn)練ML系統(tǒng)的數(shù)據(jù)必須是不偏不倚的、可信的。此外，ML系統(tǒng)往往是黑盒子，無法提供他們做出決定的原因與依據(jù)，但可釋性在與人類互動(dòng)以及與法律、生命相關(guān)的重大決策中至關(guān)重要。

再次，100％自動(dòng)化的概念也是一個(gè)謬論， “AI可用于完全自動(dòng)化工廠等設(shè)施”這一觀點(diǎn)也被報(bào)告所駁斥。報(bào)告表示，“無人工廠長期以來一直是烏托邦/反烏托邦式的未來愿景，在產(chǎn)品或工藝成熟且高度穩(wěn)定的某些情況下，這一愿景可能有意義。但即使是自動(dòng)化程度最高的電子設(shè)備或裝配廠，仍需要大量人力來設(shè)置、維護(hù)與維修。一個(gè)典型的例子，手機(jī)這樣一種產(chǎn)量大、穩(wěn)定而標(biāo)準(zhǔn)的產(chǎn)品在生產(chǎn)過程中都流經(jīng)數(shù)十個(gè)人的手。”

相反的，人工智能和ML正在被用于特定的痛點(diǎn)的解決和自動(dòng)化活動(dòng)的實(shí)現(xiàn)，如材料運(yùn)輸或檢查。這些技術(shù)正在發(fā)展，但不能而完全取代勞動(dòng)力，工作并未被淘汰，但工作的流程正在自動(dòng)化。報(bào)告提出，ML適用于理想情況下易于衡量結(jié)果的任務(wù)等級(jí)，且無法使某個(gè)特定職業(yè)完全自動(dòng)化，例如，人工智能正在承擔(dān)數(shù)據(jù)標(biāo)記、文件查找或生產(chǎn)線質(zhì)量檢查等一系列重要工作。

報(bào)告還觀察到，“我們還會(huì)看到通過部署AI和ML工具來幫助呼叫中心響應(yīng)（如加速文檔檢索和摘要）來提高現(xiàn)有員工工作效率的情況。在工程設(shè)計(jì)中，有一些應(yīng)用使用AI來搜索物理模型和設(shè)計(jì)空間，為人類設(shè)計(jì)師提出備選方案，從而提出完全新穎的設(shè)計(jì)。”

為實(shí)現(xiàn)人工智能與人類主動(dòng)性之間的最佳平衡，麻省理工學(xué)院團(tuán)隊(duì)敦促組織“像亞馬遜在其倉庫中部署機(jī)器人時(shí)一樣，重新設(shè)計(jì)工作流程，并重新思考工人與機(jī)器之間的任務(wù)分工，這樣的工作設(shè)計(jì)變化將在某些情況下深刻改變?cè)S多工作的性質(zhì)。”

最后，報(bào)告總結(jié)說，AI和ML對(duì)就業(yè)前景的影響，仍然沒有明確的答案。“雖然人工智能刺激了對(duì)計(jì)算機(jī)與數(shù)據(jù)科學(xué)家需求的增長，但對(duì)勞動(dòng)力市場(chǎng)似乎不太可能造成太大的影響，對(duì)特定技能群體的影響也尚不確定，不僅僅取決于技術(shù)部分，還要取決于管理和組織的選擇。”返回搜狐，查看更多

責(zé)任編輯：