2021 年，全球有超过 300 万台工业机器人在生产活动中运行（图 1）。人工智能 (AI) 在人类活动中的传播范围更广，评估也更复杂。至少自 2006 年以来，人们对技术对就业和工资的潜在影响的担忧一直在稳步增长，这并不令人意外。例如，早在 2017 年，超过 85% 的美国公民就支持限制机器从事特别危险和不健康的工作的法律。然而，这些担忧在经济学中并不是什么新鲜事。他们回到了 N. Ludd 在 1779 年或后来 D. Ricardo 在 19 世纪的话中毁坏织布机的神话：不是建立在偏见和错误之上，而是符合政治经济学的正确原则。不幸的是，估计生产技术改进对职业的影响是一项如此复杂的任务，以至于在 1965 年，诺贝尔奖获得者经济学家 R. Solow 认为回答“自动化是创造还是摧毁更多的工作？”这个问题事实上是不可能的。Paolillo等人通过为 967 个职位描述提出自动化风险指数 (ARI)，报告在回答大规模自动化问题方面迈出了显著的一步。

图 1 ：随着时间的推移，机器人安装和运营库存。

作者根据国际机器人联合会 2022 年的数据计算了 1993-2020 年的机器人安装（左）和以百计的运营库存（右） 。

在经济学文献中为回答自动化问题而开发的不同方法中，Paolillo 及其同事的工作无疑是最有前途的方法之一。通过匹配来自职业信息网络 (O*NET) 的工作资料信息和来自欧洲 H2020 机器人多年度路线图 (MAR) 的机器人能力，并使用技术准备水平 (TRL) 来考虑人类可能被机器人取代的程度机器人能力，作者获得了两个关键结果。首先，它们比文献中提出的类似方法更进了一步通过将 AI 进步在机器人化中的作用纳入其中。这一创新贡献体现了机器人化可以替代工人的大量活动。其次——这可能是 Paolillo 及其同事最令人兴奋的贡献——他们能够利用 O*NET 工作档案中的信息来产生一个弹性指数 (RI)，这可能有助于设计临时再培训计划并促进过渡到自动化风险较低的工作。

然而，在能够回答索洛的“无法回答”的问题之前，仍需要进行更多的研究。第一个障碍是，尽管 O*NET 数据提供了大量信息，但职位描述并不全面。这是 Paolillo 及其同事 等方法的主要缺点。因此需要提高数据质量，以使该工具可用于更准确地计算 ARI。其次，Paolillo 及其同事将 ARI 确定为机器人操作水平低于人类水平（低自动化）和机器人操作水平与人类水平相同（高度自动化）之间的平均值的结果，两者的可能性不一样并且可能随着时间、地区、国家和职业的不同而不同。这意味着所有相关方——包括试图摆脱高度自动化风险职业的个人以及需要在总体层面做出决策的公司和政策制定者——都需要一个更复杂的工具来预测职业概况。

机器人化与就业之间的关系超越了单纯的技术替代效应。这主要是由于总需求的作用。一方面，大大简化了实际辩论，如果技术和总需求以相似的速度增长，我们可能会争辩说，生产技术的改进会增加就业机会，从而增加工资，所以没有什么可担心的。另一方面，如果市场饱和，生产技术的改进可能会取代工人，不仅对单一职业，而且对一个部门/地区和整个经济的所有工人，可能导致 1929 年以及最近且不太明显的 2007 年的经济崩溃。这种情况意味着需要再培训计划和对收入政策的充分补贴。这是 Paolillo 和同事的贡献可能产生最重要结果的地方。将技术分析与经济部门之间的职业分布结合起来，可以让我们不仅估计个人对机器人化的暴露程度，而且还可以估计部门/地区/国家对机器人化的总体暴露程度，从而设计有针对性的政策。

来源：CAAI认知系统与信息处理专委会

排版：麦子

-----------------END-------------------

看累了吗？戳一下“在看”支持我们吧！

关键词： Science Robotics评论大规模自动化问题的思考 人工智能