Home Artists Posts Import Register
Patreon importer is back online! Tell your friends ✅

Content

人類的發展進程,並不一定如理論般推進,社會的客觀情況,雖然不足以改變歷史進程,卻可以大幅度調節時間表和路線圖。

年前在南韓獲邀參加一個國際人力資源研討會,不少講者都是資訊科技公司巨頭,不斷引述同一個例子:由電力推動的升降機自19世紀末開始,就在世界各地普及,到了1950年代,已經完全無需要有「電梯操作員」存在。然而這職位的黃金時期,居然在幾年後才開始出現,特別是酒店、百貨公司等,都要聘請「電梯操作員」開關升降機門、協助顧客出入。

這些操作,當然不是顧客不能為之。「電梯操作員」的職位之所以得到保留,很大程度是商場考慮到公司、商場的檔次、形象,而保留這些「人力資源」的代價有限,卻滿足了業務的某種非物資需求。到了近年,全球的「電梯操作員」才徹底式微,距離電梯全自動普及化,足足數十年。

從上述例子可見,除了新科技的應用,不同界別持份者的觀點、大眾的非物質需求,同樣是決定人工智能與自動化何時取代各行業的關鍵。最具影響力的自然是決策者,與及影響決策者的既得利益者。例如電動私家車在技術上已不成問題,但政府如何調節其首次登記稅,自然影響消費者的購買意慾,車廠在衡量過政府政策對需求的影響,自然會調整營運規模。又如一直被拖延的香港數碼廣播,在網絡電台百花齊放後的日子,才獲批出牌照,但此時數碼廣播、網絡電台,都已是明日黃花。因政策而令新科技與香港擦身而過的例子,俯拾即是。

勞資雙方的觀點,亦是影響新科技如何普及的關鍵。除了因為公司形象而保留電梯操作員一類案例,資方亦會考慮成本問題。使用新科技生產,需要一定投資,能否於短期內收回成本,沒有保證。加上全球化下,資方傾向將生產線搬到勞動成本較低的地方,例如近年不少工廠從內地搬到越南、柬埔寨,也延長了勞力密集工業的壽命。唯有當資方有信心使用新科技後,能大大提升生產力、降低成本,才會作出以機器取代人手的決定。市場等待的是某個大刀闊斧使用新科技、而又能迅速提高業績的案例,然後改變,就會直落懸崖,不可收拾。

至於勞方的觀點,也有一定角色。這在勞動法例薄弱的地方或難以理解,但在好些國家,要使用機器取代工人,並非政府、企業能獨自決定,因為工會、媒體、大眾的角色,足以左右政壇大局。美國一方面科技發達,另一方面不少小鎮依然相當復古,就是這麼一回事,特朗普的出現,相信又會拖延機械化進程五至十年。

何況在考慮生產力、利潤之餘,勞工權益在現今需要人文關懷的社會,也具有公關作用。政府也會考慮大量工人失業造成的社會動盪,例如十九世紀初,英國工人反對紡織工業化的盧德運動(Luddite),就是工運史的著名例子,信心不足的管治者,往往對這些趨勢格外恐懼。

由於比起前三次工業革命,「第四次工業革命」對不同國家、勞工造成的影響勢必更深,各地政府紛紛嚴陣以待。例如美國總統行政辦公室,曾就人工智能對經濟影響評估,指出要從三方面應對挑戰:為人工智能帶來的好處作出投資;為美國人對將來出現的工種作教育、培訓;協助轉型期間受影響的工人,讓他們分享經濟成果。

另一討論熱點是SpaceX創辦人馬斯克(Elon Musk)提出過的「全民基本收入」(Universal Basic Income),讓離開工作崗位的人,從事其他有意義事業,從而達到軟著陸,不過短期內,可行性十分成疑。到了身旁的律師、會計師、編輯都被人工智能淘汰,我們的社會,又會怎樣回應呢?

*改編自沈旭暉《信報財經新聞》文章

▶️ 職業翻譯 Judy:兩年後,人工智能會淘汰絕大多數翻譯員
https://www.youtube.com/watch?v=shsmRQslQfs 

Files

Comments

cas idit

謝教授的經典復刻。今次都可以share多啲insight: 教授講既基本上可以以socio-technical system去睇diffusion and spread in technology. 而呢種「斷崖式」的uptake of certain technology,都可以以so called social tipping points嚟形容。可用system change,transition theories的angle去睇。而上述的勞方、政府、supply chain等agents,都可以用complexity science既方法去嘗試進行量化的研究,例如用social network analysis, system dynamics, agent-based modeling, 去model每間公司或agents in supply chain等等。結合Bottom up同top down interactions去model個technology spread同uptake,從而去make predictions。 social tipping points 比 tipping points in natural systems固然唔同,但都有啲物理學家數學家等等同社會科學的人一齊去研究呢個topic。 呢類研究可以擴展到唔同technology,也用到energy transition 如solar panels, wind farms, hydrogen等。而一去到system change就又可以將唔同systems的transitions去做類比同分析,例如energy system, food system, 或甚political system。 有關的同教授講social change lag behind technology change 既research theme , 例如可以睇下Sante Fe Institute呢個research project “The growing gap between our physical and social technologies” https://www.santafe.edu/research/projects/growing-gap-between-physical-and-social-tech

lyk

關於人工智能對就業帶嚟嘅影響,已經有好多相關嘅書籍同文章講述。較為忽略嘅係scaling: 譬如你跑步仲有氣有力,但係膝蓋跟唔上,都係跑唔到。譬如軟件擴散,其中一個前提係硬件要跟得上。譬如做一個robot,某方面智能提升得好快,啲手腳係咪跟得上呢?手機好似越嚟越快,但係舊電池好似有越嚟越重。非實體嘅嘢可以scale 得好快,但實體嘅嘢,往往scale得好慢。越多Dependency滲透時間就越耐。人工智能同自動化好有關連,但係兩個唔同嘅概念。第二係大家都知道人工智能應用都唔係一個單一嘅概念,譬如自動駕駛嘅computer vision要實時處理video,錯咗會死人,99%啱係唔夠嘅。從99%到99.999%要幾耐時間scale呢?芯片要配合,汽車硬件要配合,交通設施要配合,監管要配合..咁幫人寫文章啲Language Model呢?文字處理同影像處理對硬件嘅要求好唔同。咁篇文章係咪90%啱就夠?好視乎你要做啲乜。要scale到99.9%啱,要花多幾多投入呢?考試攞90分到攞99分要花多幾多時間溫習呢?差唔多全個Internet嘅網頁都用嚟train而家嘅Model,咁下一步用乜嘢train呢?我唔係提供答案,只係從實體constraint角度提供一個思考方向。人往往高估科技短期帶來嘅影響,但又低估科技長期帶嚟嘅影響。 可參考:https://www.gatesnotes.com/Invention-and-Innovation

堅離地書院 College

一切都係相對,例如療養院,可能AI 可以取代90%,對中上階層 prefer 用人,但對其他本來只得到60%服務的一般人,就會選擇 AI