人工智能时代将如何改变社会？

麦肯锡分析师估计，所有经济部门的自动化潜力约为50%。这意味着，目前全球劳动力中人们有偿从事的所有活动中，约有一半可能通过当前可用的技术实现自动化。它代表了近15万亿美元的工资（大约相当于今天的中国GDP）。从历史上看，每一次工业革命（图1）都有其主要驱动因素。例如，电力的采用定义了大规模生产的时代，并导致了规模经济，影响了资本和劳动力。自动化带来的巨大社会挑战类似于工业革命的挑战。

图 1工业革命时间表。

我们可以从过去吸取什么教训？目前的驱动因素和经济后果是什么？道德在持续变化中的作用是什么？

工业革命和恩格斯的停顿

当我们谈论技术对社会的影响时，我们可以参考过去的教训。例如，我们知道，由于1圣工业革命，机械化提高了每个工人的生产率，但实际工资停滞了大约50年。

图2恩格斯在生产率增长期间实际工资的停顿（MGI，2017;艾伦，2008）。

在经济理论中，这种现象被称为“恩格斯的停顿”。它解释说，由于巨大的技术发展，在社会开始长期繁荣之前，许多人的生活首先恶化了。

最后，新兴产业的增长驱动力是什么？让我们确定这个资源，它将使我们能够创造新型的工作并改变业务。

数据是“新电”

蒸汽，电力，计算机和互联网...以前工业革命的驱动力。现在让我们来看看在人工智能时代，什么会推动变革。除了算法和先进的计算工具外，构成人工智能的模型的准确性在很大程度上依赖于现实世界数据的可用性。数据将推动人工智能的发展，而数据至关重要。IDC 估计，到 2025 年，全球可用数据将增长 10 倍，可分析数据将增长近 50 倍（高达 5.2 ZB）。451 Research预测数据市场将达到1380亿美元，这一数字超过了超过135个国家（IMF）的GDP。

图 3数据市场规模（IDC，2017;451 研究， 2017)

数据是新工业时代的驱动力，它在这里，不断发展，数据驱动型应用程序带来的持续转型过程给社会带来了新的挑战。这些挑战不在于人工智能开发的技术领域，而是植根于我们的人性。虽然到2020年，各行各业工作所需的技能中有35%将发生变化，但经合组织国家至少有四分之一的工人已经报告，与他们当前工作所需的技能不匹配（世界经济论坛，2017）。问题不在于没有工作，而在于新工作的技能要求（麻省理工学院斯隆管理评论，2017;世界经济论坛，2018年）今天已经创建（参见AI老师）。

人类将如何超越和适应恩格斯因采用人工智能和自动化而可能出现的停顿？

吸收技能和新兴产业

纵观历史，一些大规模就业部门的衰落被吸收工人的新部门的增长所抵消。最近个人电脑出现的例子向我们表明，随着时间的推移，技术创造的就业机会比它所创造的要多得多，主要是在行业本身之外（图4）。据估计，从1970年到2015年，个人计算机行业在美国摧毁了近300万个工作岗位，同时在其他领域创造了超过1900万个工作岗位。这种增长导致服务业、贸易和软件业等新产业的迅速增长。

图 4知识经济的诞生（MGI，2017;IPUMS，2017）。

在1960年代开始的信息时代，变革的主要驱动力是计算机的传播，因此也是全球对互联网的接入。这反过来又创造了所谓的知识经济。

基于知识密集型活动的产品和服务，有助于加快技术和科学进步的步伐，并迅速过时。Knowledge Economy （Powell & Snellman， 2004）)

在知识经济中，我们有可能远程提供服务，外包业务流程，并通过基于互联网的支付系统将经济交易的整个概念非物质化。

未来的工作场所需要哪些技能？在之前的文章中，我们多次提到这个问题，并不断反思它。

未来的工作、技能和指导：人工智能能把我们带到哪里？
AI论坛：技能、辅导、学习
敬业度、生产力和新工作空间

教育、就业能力和工作的未来

为什么我们要在这一系列关于伦理的文章中谈论教育？我们这样做是因为我们能够重新利用从历史中吸取的教训，重新思考我们的未来，并重新培养个人，以造福经济并保障他们的工作权利。

人人有权工作，有权自由选择工作，有权享有公正和有利的工作条件，有权获得失业保护。《世界人权宣言》第23.1条

米尔顿和罗斯·弗里德曼在他们的书中说：“经济自由的本质部分是按照我们自己的价值观使用我们拥有的资源的自由 - 进入任何职业，从事任何商业企业，向其他人购买和出售的自由，只要我们在严格自愿的基础上这样做”。

我们需要什么来支持这种自由？技术进步可能导致收入不平等，技能得到技术补充的工人收入较高，但技能被技术取代的工人收入却不高。加拿大央行的经济学家认为：“最大的生产力收益将发生在拥有高质量人员管理和决策流程以及高水平人力资本的公司中”。

发展人力资本需要教育。过去，人们不得不花很多时间在图书馆里挖掘，而访问信息或寻找老师的机会有限。今天，大多数答案都可以在我们的智能手机上使用，并且可以全天候访问。尽管如此，根据统计数据，寻找工作的人并没有花足够的时间进行再教育和再培训。

图 5许多不工作的人最常见的活动（KPCB互联网趋势，2018）。

为什么会这样？今天的正规教育系统基于过时的工业学习方法（Rolff，1993;巴纳西， 1993;格雷， 2009;罗斯，2012）。技术发展迅速，使许多课程甚至在学习者毕业之前就已经过时了。让我们想想这个：教师学习和准备课程材料，他们上课，设计评估系统并帮助学生毕业。当这一切发生时，所教授的信息已经过时了。

我们一直，现在仍然是，采用“信息推送方法”，将教师和内容置于中心，而学习者和问题则不然。事实证明，这种方法是不够的，应该进行改革（经合组织2018年报告）。随着MOOC的引入，我们更容易地解决知识的可用性和获取问题。然而，学习者的参与度仍然是一个挑战，因为学习者被不同的信息所淹没。

让我回顾一下：我们知道人工智能和自动化会带来变化，我们知道这种变化会对工人产生影响，我们无法阻止变化。因此，我们需要通过实现指数思维（图6）来帮助人们适应变化，为他们带来最大的利益（图6），以便人类和人工智能相辅相成。将此问题归咎于机器不是解决方案。21世纪人力资本的就业能力圣世纪将需要新的技能：韧性，批判性思维，社交技能以及学习，反思和快速适应变化的能力。

图 6具有正确思维方式和工具的适应性和指数级思维（SU，2018）。

获得这些技能需要新的学习方法和讨论，如果不是一系列研究项目，会议和辩论，也值得单独写一篇文章。终身学习需要创造性的破坏，其中“创造性”这个词是关键。创造力这个词植根于创造，创造新的含义，新的互动，新的产品和新的市场。在1933年大萧条和艰辛的深渊中，富兰克林·罗斯福就职演说的开场白是：“......我们唯一需要害怕的就是恐惧本身。适应不确定性是任何创作过程的重要组成部分，尤其是在创造积极未来时。

PocketConfidant团队认为，教育是我们社会为未来做好准备的基础。我们需要一种教育模式，帮助每个人根据个性，优势和兴趣更快，更轻松地学习。新的教育模式应该有助于预测生活中永无止境的变化，同时考虑到个人价值观、欲望和目标。这就是 Team PocketConfidant 在 2017 年开始与教育系统合作的方式，作为开发支持学习方法和学术创新的新方法的第一步。

在人工智能时代，我们应该如何治理，以积极影响隐私、安全和财富分配？
正如彼得·德鲁克（Peter Drucker）曾经说过的那样，“预测未来的最好方法就是创造未来”。我认为以下方法可以帮助社会调节人工智能的影响。

行业主导的对每个利益相关者的影响评估;
专家与公民之间包容、持续和公开的对话;

行业主导的影响评估

很难估计人工智能对整个社会的影响。然而，我们可以在个人基础上估计，规范和设计人工智能的影响 - 逐个行业，逐项技术以及每个角色。我提出了一个非常简单的框架来处理影响评估：

工业	利益相关者角色	科技	变革性影响
哪个垂直行业可能会受到影响？	目前在垂直行业中涉及哪些人力和机构角色？	哪些新技术正在打破现状？	将、可能或应该出现哪些新的角色、流程和法规？
示例：医疗保健	示例：医生	示例：通过图像识别自动诊断黑色素瘤	例如：医生作为机器，辅助器械，医生推荐的自我医疗等的老师。

我认为每个行业联盟和社区都可以使用这样的基本框架来开始对话并制定有针对性的方法。

专家与公民之间包容、持续和公开的对话

专家和公民之间的包容性对话可以带来人类和人工智能成功合作的包容性社会。当一个话题有争议或复杂时，公共对话是有用的。正如RSA报道和深思熟虑的思维总监Diane Beddoes所建议的那样，与公民陪审团建立公开对话存在优势，局限性和挑战：

优势	限制/挑战
使公民能够就社会和道德性质的主题提供直接意见专注于一个定义明确的问题与公司的财务利益分离和客观允许公民听取专家的意见，挑战和质疑专家为广泛的审议提供时间可以将政治/组织注意力集中在公众观点上可以为该主题的其他研究提供信息：例如，调查	定义公民的角色 - 他们的意见是个人的还是代表社会的？中立和公正地构建问题和证据，以符合公司的财务利益提供足够广泛的证据和意见尊重对主题的情感和理性反应数量有限的公民陪审团有可能产生选择偏差确保陪审团的调查结果产生影响

四. 结论和建议的后续步骤

在本文中，通过工业革命的棱镜，我介绍了人工智能将带来的一些预期的转型变化。即将到来的转型将具有颠覆性，并将改变未来的工作以及我们发展人类技能的方式。与此同时，在PocketConfidant中，我们对变革的潜力持积极态度，我们认为，如果预期良好，它们可以造福社会。我们认为，适当的预测和准备需要1）行业主导的评估，确定技能和学习方法，以使劳动力适应未来发展，2）在专家和公民之间建立包容性对话，以及3），用于人工智能的每个具体应用。

在我们的下一篇文章中，我将讨论AI决策的治理和道德规范，并将分享我们对包容性AI设计的看法。