前言

看到一篇不错的论文，翻译了前两章，作为一个导读，和大家分享，时间仓卒，将就着看。

英文标题

The future of employment: How susceptible are jobs to computerisation?

作者

牛津大学教授Benedikt Frey跟Michael A. Osborne教授

摘要

我们研究了计算机对人类职业的影响。 为了评估这一点，我们开始实施一种新颖的方法来估计算机化对702个职业的影响概率，这个过程使用高斯过程分类器。 根据这些估计，我们研究未来计算机化对美国劳动力市场结果的预期影响，其主要目的是分析风险工作的数量以及职业的电脑化概率，工资与教育程度之间的关系。

典型职业预测

这篇论文也衍生了一个很有趣的网站，只要输入你的职业，网站就会给出你的职业在未来被取代的概率。名字也相当粗暴直接，就叫“Will Robot Take My Job”。 下面一些职业的可替代性预测（从低到高）

引言

在本文中，我们提到了一个问题：工作对电脑化的敏感程度如何？ 在现有文献的基础上，我们使用了两种方式。 首先，利用机器学习（ML）和移动机器人（MR）的最新进展，我们开发出一种新颖的方法来根据他们对计算机化的敏感性对职业进行分类。其次，我们实施这种方法来估计计算机化对702个详细的职业的影响，并检查未来电脑化对美国劳动力市场成果的预期影响。

我们的文章是由约翰·梅纳德·凯恩斯（John Maynard Keynes）经常引用的广泛技术失业预测作为动机的，因为我们发现了节省使用劳动力的手段，超出了我们可以找到新的劳动用途的步伐（凯恩斯，1933年，3）。 事实上，在过去的几十年里，电脑已经取代了许多职位，包括簿记员，收银员和电话运营商（Bresnahan，1999; MGI，2013）。 最近，发达经济体劳动力市场的表现不佳，加剧了经济学家对技术失业的争论。 尽管持续不满意的持续高昂的就业率背后的驱动力，一些学者指出了计算机控制的设备作为最近的失业增长的一个可能的解释（参见例如，布莱诺夫森和迈克菲，2011年）。

主要由具有明确定义的过程的任务组成，可以通过复杂的算法轻松执行。 例如，Charles et al （2013年）和Jaimovich和Siu（2012年）强调，制造业就业持续下降和其他例行工作的消失导致目前的就业率低.除了常规制造任务的电脑化，Autor和Dorn （2013年）报告了劳动力市场的结构性转变，劳动者从中等收入制造业向低收入劳务派遣劳动力转移。 可以说，这是因为服务职业的手工任务不太容易受到计算机化的影响，因为它们需要更高的灵活性和物理适应性（Autor et al。，2003; Goos and Manning，2007; Autor and Dorn，2013）。

与此同时，随着计算机价格的下降，解决问题的技能也变得越来越有成效，这解释了涉及认知任务的技能劳动和具有优势的职业的大量就业增长以及教育收益持续增长（Katz和Murphy，1992; Acemoglu，2002; Autor and Dorn，2013）。由Goos和Manning（2007）最近开展的工作，标题叫“Lousy and Lovely Jobs”，掌握了目前劳动力市场极化趋势的实质：高收入认知工作和低收入手工职业中的就业人数不断增加，伴随着中等收入例行工作的掏空。

据Brynjolfsson和McAfee（2011）的报告，技术创新的步伐不断增加，更复杂的软件技术使工作人员多余，扰乱了劳动力市场。他们书中的例子令人震惊的是，电脑化不再局限于常规的制造任务。由Google开发的自主无人驾驶汽车提供了一个例子，说明运输和物流中的人工任务如何即将自动化。在“领域领域，计算机竞赛之前”一节中，他们强调了这些发展的速度有多快。不到十年前，在“为什么人仍然重要”一章中，Levy和Murnane（2004）指出了复制人类观念的困难，认为驾驶车辆对自动化是不能理解的：“但执行左转反对迎面而来的交通涉及到很多因素，很难想象发现可以复制司机行为的一套规则”。六年后，2010年10月，谷歌宣布，它已经修改了几个丰田Priuses，完全自主（Brynjolfsson和McAfee，2011）。

据我们所知，没有一项研究能量化近期技术进步​​对未来就业的意义。本研究旨在弥合这一差距。虽然确实存在有用的框架来检查电脑对职业就业组合的影响，但是他们似乎不足以解释技术趋势超出常规任务计算机化的影响。 Autor等人的半自动工作（2003），一方面区分认知和手动任务，另一方面区分常规和非常规任务。虽然计算机代替认知和手动日常任务是显而易见的，但非常规任务涉及从法律写作，卡车驾驶和医疗诊断到说服和销售的一切。在本研究中，我们将会论辩，法律写作和卡车驾驶将很快自动化。根据最近在工程科学方面的发展，特别是ML领域的进步，包括数据挖掘，机器视觉，计算统计学和人工智能的其他子领域，以及MR，我们得出了理解所需的其他维度工作对电脑化的敏感性。不用说，一些因素正在推动自动化决策，我们无法充分掌握这些因素。相反，我们的目标是从技术能力的角度来确定工程师需要解决哪些问题才能实现自动化的特定职业。通过突出这些问题，他们的困难和他们涉及的职业，我们根据他们对电脑化的敏感性对工作进行分类。这些问题的特征与不同的职业特征相匹配，使用O * NET数据，使我们能够检查技术变革的未来方向对其对劳动力市场的职业构成的影响。

本研究涉及两篇文献。首先，我们的分析建立在关于就业任务内容的劳动经济学文献的基础上（Autor et al。，2003; Goos and Manning，2007; Autor and Dorn，2013; Ingram和Neumann，2006）。根据有关计算机的定义的内容，本文将研究电脑化对劳动力市场职业构成的历史影响。然而，最近计算机的作用范围已经扩大，并将不可避免地会继续下去（Brynjolfson和McAfee，2011; MGI，2013）。根据ML最近的进展情况，我们扩展了计算机所要完成任务的前提。这样做，我们以前瞻性的方式建立在任务内容文献上。此外，虽然这篇文献主要侧重于1991年最后修订的“职业头衔辞典”（DOT）的任务措施，但我们依靠2010年版的DOT后继O * NET - 为美国部门开发的在线服务特别是，Ingram和Neumann（2006）使用各种DOT测量来检查不同技能的回报。我们的分析建立在他们的方法上，根据他们使用O * NET数据对电脑化的敏感性对职业进行分类。

第二，我们的研究涉及到离岸信息/基础任务的文献（Blinder，2009; Blinder和Krueger，2013; Jensen和Kletzer，2005,2010; Oldenski，2012）。这些文献包括不同的方法，根据他们对离岸外包的敏感度对职业进行排名和分类。例如，使用O * NET数据对不同职业的工作性质进行比较，Blinder（2009）估计，在未来十年或者两年中，美国就业岗位的22％至29％将被剥离。这些估计是基于不能被剥夺的工作的两个定义特征：（a）工作必须在特定的工作地点执行（b）这项工作需要面对面的个人沟通。自然地，可以分离的职业特征与可以自动化的职业特征不同。例如，大部分由自助服务技术取代的收银员的工作必须在具体的工作地点进行，需要面对面的接触。因此，计算机的程度可能超出离岸外包的程度。因此，虽然我们的方法的实现与Blinder（2009）相似，但我们依赖于不同的职业特征。 本文的其余部分的结构如下。在第二节中，我们回顾了有关技术进步与就业之间历史关系的文献。第3节描述了近期和未来的未来技术发展。在第4节中，我们描述了我们的方法，在第5节中，我们将研究这些技术发展对劳动力市场结果的预期影响。最后，在第6节，我们得出一些结论。

最后

这篇论文也衍生了一个很有趣的网站，只要输入你的职业，网站就会给出你的职业在未来被取代的概率。名字也相当粗暴直接，就叫“Will Robot Take My Job”。