 其他人却很担心，担忧人工智能技术会增压特定任务中现有的计算机化和自动化;就像 200 年前的蒸汽动力一样，让很多工人成了多余。英国诗人 Robert Southey 宣称 ：「蒸汽可怕地加剧着已经正在进行的过程，但太快了。」他担心「这强大之力的发现」已经在「我们知道如何正确使用它」之前到来。许多人对今天的人工智能也这么想。 3、 对工作的影响：自动化与焦虑 更加智能的机器会导致大规模失业吗? 坐在位于旧金山的一间办公室里，Igor Barani 在屏幕上调出几张医学扫描结果。他是 Enlitic 公司的首席执行官，这是一家从对 X 光扫描与 CT 扫描图像分析开始将深度学习应用于医疗业的创业公司。这也是对这项技术的很明显的应用。深度学习因它在图像识别的某些形式上有着超人的实力而闻名;大量的标签化训练数据需要消化，而它有着巨大的潜力，去让医疗变得更加准确和有效。 Barani 博士(曾经是一位肿瘤学家)指着从三个角度拍摄的患者肺部 CT 扫影。随着 Enlitic 的深度学习系统的加入，屏幕上出现了红色闪烁点，比对它们来看是否是血管、无害的成像物体或恶性的肺部肿瘤。最终系统会给出一个重点标注的特征以进一步调查。在与三个放射科专家一起合作的测试中，Enlitic 系统在识别恶性肿瘤上优于人类50%，其假阴性率(没诊断出癌症)为零，相比之下人类则有着7%。Enlitic 的另一个系统，可以用来检查 X 射线扫描来检测腕关节骨折，并有效地超出了人类的表现。
在2013年广为关注的一篇研究中，Carl Benedikt Frey 和 Michael Osborne 核查了702种职业的计算能力，并发现美国47%的工人都面临着工作自动化的风险。尤其是，他们警告说大部分运输业和客运业(例如出租车司机和运货司机)和公关类(例如接待员与保安)「都有可能会被计算机所取代」，还有许多销售业与服务业人员(例如收银员，柜台人员，租赁人员，电话推销员和审计师等)也面临着工作被计算机取代的威胁。 他们总结道：「机器学习近期的发展会占据大量的职业分布，在近期面临风险的职业分布广阔。」后续的研究指出英国有35%的职业可能被取代(英语有许多人从事创业公司，也因此难以被取代)，在日本这个比例是49%。 经济学家正在担心「职业两极化」的风险，也就是说中层技术的工作(例如制造业)正在消失，而低等和高等工作在扩张。实际上，工作可以被划分为两种常规职业：第一种即高薪水高技术的职业(建筑师，高级管理)，还有低薪水低技术的职业(清洁工，快餐员)。 许多西方国家中层职业薪水的停滞都表现出自动化已经开始产生影响——尽管这与外包的影响很难区分出来，后者也取代了许多发展中国家的底薪国家中日常化的工作(例如制造业和呼叫中心)。圣路易斯联邦储备银行发表的数据显示，在美国，非常规认知型工作以及非常规手工型工作自1980年后逐步增长，而常规化工作则一直维持几乎不变。随着更多工作自动化，这种趋势很可能会延续下去。
在更近的例子中，自动取款机(ATM)可能已经有望通过接替一些日常任务来取代银行出纳员的工作，而 Bessen 指出，事实上美国每个银行支行的出纳员平均数量已经从 1988 年的 20 人降低到了 2004 年的 13 人。 这减少了运营一家支行的成本，让银行可以开设更多支行以响应客户的需求。城市银行支行的数量同期上升了 43%，所以总体上雇员的数量增加了。ATM 并没有摧毁工作，而是改变了银行雇员的工作组合——让他们远离了日常任务，进入到了机器不能做的销售和客服领域。 那么谁是正确的：是认为这一次不同于以往而机器将真正夺走所有工作的悲观者(他们中许多是技术者类型的)，还是坚持认为技术终将创造更多工作乐观者(大部分是经济学家和历史学家)? 而事实可能介于两者之间。人工智能不会导致大规模失业，但它会加速与计算机相关的自动化的趋势，像技术改变之前做的那样扰乱劳动力市场，并要求工作者比以往更快地学习新技能。Bessen 预计会有一次「艰难转型」，而不是「尖锐地打破历史」。 尽管人们表达了广泛不同的意见，但几乎所有人都同意这个处方：公司和政府将需要想办法让工作者更容易掌握转换工作所需的新技能。这将在悲观者看法正确的事件中提供更好的防御，同时预防比乐观者所预计的人工智能的更快和更重大的影响。 4、教育和政策：你会失业还是变得富有? 人工智能将会给教育、福利和地缘政治的政策制定者带来影响。 教育 2011 年 7 月，拥有多个头衔的斯坦福大学教授 Sebastian Thrun 在 YouTube 上发布了一段短视频，宣布他和他的同事 Peter Norvig 正在使他们的「人工智能入门(Introduction to Artificial Intelligence)」课程可以在网上免费观看。 到 10 月份该课程开始的时候，来自 190 个国家的 160,000 人报名参加了该课程。与此同时，另一位斯坦福教授吴恩达也将自己的一门关于机器学习的课程免费发布到了网上，有 100,000 人参加了这个课程。这两个课程都持续 10 周。最后，有 23,000 人完成 Thrun 的课程，13,000 人完成了吴恩达的课程。 这样的在线课程，以及短视频讲座、学生的在线讨论板块和自动为他们的课程成绩评级的系统，变成了众所周知的大规模开放式在线课程(MOOC)。2012 年，Thrun 创立了在线教育创业公司 Udacity，吴恩达也联合创立了另一家在线教育创业公司 Coursera。 就在同一年，哈佛大学和麻省理工学院(MIT)联合组建了 edX——一个非营利性的 MOOC 提供组织，该组织由 MIT 人工智能实验负责人 Anant Agarwal 所领导。一些人认为 MOOC 会取代传统的大学教育。最初围绕 MOOC 的炒作现在差不多也已经偃旗息鼓了(尽管已有数百万学生参加了某种形式的在线课程)，但 MOOC 的繁荣说明了在线教育的巨大潜力。 |
