未來工作的走向：人工智慧和自動化對工作會有怎樣的影響？
人工智慧和自動化的兩種方式
陳力偉博士表示人工智慧（AI）可以透過兩種方式應用於工作領域。第一種方式是自動化，也就是利用 AI 取代一些人類的工作。第二種方式是增強，利用 AI 提升人類智慧和能力，以完成一些任務。陳力偉指出，增強並不是取代人類，而是與人類相輔相成，能更好地合作完成任務。他進一步指出，儘管人們通常認為這兩種方式是分開的，但事實上在時間和空間的組織下，它們是相互交織、相互依賴的。
過去的歷史及未來的變革
弗洛爾博士表示根據過去的經驗，我們將找到一個新的平衡點，人們的整體生產力將會提高。但這並不意味著對所有人都有好處。例如，由於汽車的普及，馬車製造商不得不轉行。在這次變革中，一些人，一些職業或一些行業可能會變得不再需要。另一方面，對於一些工作，AI 能夠幫助人們完成一些例行工作，從而讓他們花更多時間思考更需要思考的事情，而例行的工作可以由 AI 完成。
人工智慧能否創造？
弗洛爾博士認為，這可以諮詢一些哲學家：創造究竟意味著什麼？AI 使用的算法在某種程度上已經存在一段時間，但確實有對其進行了更新。改變的是資料的可用性。它可以爬取網路並獲取各種訊息。如果你思考創造是什麼意思，如果你是一位藝術家，你會發現某些筆觸和東西，然後將它們結合在一起。這正是人工智慧所做的。現在這是否意味著它像人類一樣聰明？他認為這基於一種算法，但它可以存取如此多的資料，可以在許多地方收集訊息，因此開始學習：“當我將這個結合在一起時，人們會認為這是好的。”這就是它的工作方式。它基於一個打分算法，它會從很多可能的答案中思考，並接受這些答案透過訓練而獲得更好的評價。從底層來看，它所做的方法並不是全新的，但它能夠處理的資料量以及底層算法的一些進步讓它能夠做出很棒的事情。
聊天機器人的影響
弗洛爾博士認為，像 ChatGPT 這樣的聊天機器人將會對人們的工作方式產生影響，但他並不擔心它們會完全取代人類工作。他認為，這些機器人主要是為人們的工作提供輔助。他舉了一個例子，一位房地產經紀人通常需要花費大約 2 到 3 個小時撰寫一份新房的列表。現在她可以將一些關鍵詞和基本訊息複製貼上到聊天機器人中，它會在大約 2 分鐘內生成第一稿，然後她可以花 10 分鐘進行修改。這樣 2 到 3 個小時的工作時間縮短到了 15 分鐘。這讓她有更多的時間與客戶合作，減少在電腦前坐著的時間。
人工智慧無法取代的工作
陳力偉博士認為，創造力和批判性思維是人工智慧無法取代的領域。他指出，他在課堂上向本科生展示了 ChatGPT 生成一篇文章的段落，並對所生成的段落進行了批評性評論。研究表明，ChatGPT 的觀點往往是中立的、描述性的、訊息性的，但缺乏創意和批判思維。相比之下，如果他要求學生們寫一篇類似的文章，他們的想法可能更加開放，可能會有更有創意的想法和更有深度的思考。
受影響的工作型別
弗洛爾博士表示訊息自動化是從 1860 年代開始改變幾乎所有製造業的機械自動化的延續。不同之處在於，我們現在開始看到它影響白領工作，即那些處理訊息而不是物理商品的工作，例如所謂的“知識工作”。
人工智慧的創造力
弗洛爾博士提到，關於人工智慧是否能夠“創造”，這可以向一些哲學家進行諮詢。他認為，人們在某些情況下往往虛假地表達情感。如果你知道在商業環境中，你必須對某人友好，即使你不覺得應該這樣做，你可以假裝表達情感。人工智慧可以學會這一點。它可能不是我們所認為的真實情感，但我無法肯定在某一時間點上，人工智慧無法很好地模擬虛假情感。此外我們能否判斷它們是虛假的？我不確保。
受到人工智慧無法取代的任務
陳力偉博士指出，人們在創造性和批判性思維方面的能力優於人工智慧。他在課堂上展示了 ChatGPT 生成文章段落並對其進行評論。觀察結果表明，它所提出的觀點往往是中立的、描述性的、訊息性的，但不具有創意、公式化，也不一定是創造性的。相比之下，如果我要求我的學生寫一篇類似的文章，他們的想法可能更加開放，可能具有真正的創意和批判性思考能力。
職業受到影響的可能性
弗洛爾博士表示像其他技術變革一樣，重複性的任務很可能被人工智慧取代，而那些可以提供具體指令的任務更容易被自動化。他舉了 Excel 電子表格中的一些操作作為例子。如果我知道你需要前往某個地方獲取某個資料，點選這裡，這樣做，我可以快速編寫一段視覺基本程式碼來替換這個任務。然而如果你每天都不知道你的工作任務是什麼，那麼這將更難自動化。
不會受到人工智慧影響的工作
弗洛爾博士表示有一小部分的工作受到的影響不會很大。很多需要對事物進行個人、物理操作的手工勞動工作不會很快受到影響。但對於那些處理訊息的工作，這些人們將會在他們的桌面上、手表上、手機上看到這種變革，如果他們還沒有看到的話。即使是現在的大多數郵件客戶端也嵌入了 AI 來檢測某些內容，例如你收到包含航班預訂訊息的郵件，或者用於語法檢查。一旦你進入純訊息的領域，實施、改進和推進的障礙就非常低。一旦說你必須與物理世界互動，事情就變得更加困難。我們有自動掃地機器人，但那是人們家中唯一的自動機器人，我認為在不久的將來這種情況不會有太大的改變。自動駕駛汽車受到了很多關注，但它還需要進行更多的在路上實驗。
企業如何利用人工智慧？
陳力偉博士表示人工智慧可以幫助企業降低成本。例如，許多公司用機器代替人力，以節省人力資源成本。人工智慧還可以最佳化企業流程，提高運營效益和效率。例如，在自動化倉庫中，機器人可以更快、更長時間地工作，並保持品質不變。工作流程將會標準化和最佳化，不會出現太多的偏差。
人工智慧對工作地點的影響
弗洛爾博士表示如果更多的工人被機器人取代，我們是否會看到更多的公司選擇留在美國而不是在其他國家建立工廠？他認為，這確實開啟了一些方面，其中勞動力成本可能不再是一個問題。這種變革當然不是新的事物。自 80 年代以來，我們一直在談論機器人，國內生產商透過投資機器人來降低勞動力成本。但與此同時許多人，特別是在 80 年代和 90 年代，一直在談論“關燈的工廠”。也就是說，那裡沒有人，所以你不需要任何燈光。全部都是機器人。事實上真正具有這種特點的工廠非常少，如果有的話。我們看到一個新的平衡點，許多例行性任務由機器人完成，人們有更多的時間從事與每天重複一次一百萬次的不同的任務。這確實降低了勞動力成本，也減少了勞動力，但它也開闢了其他工作機會。現在我們正在招聘擁有經驗的有技能的工人。公司可能需要更少的這些工人，因為機器人更高效，但工人可能因為技能水平較高而得到更高的薪水。這可能會讓更多的公司願意留下來，如果勞動力成本不再是問題，但我們尚需觀察。
大量人工智慧取代導致失業的可能性
弗洛爾博士懷疑人工智慧會導致大規模失業，至少在短期內不會。初步跡象表明，人工智慧對就業的凈影響可能是正面的。弗洛爾教授表示根據過去的經驗，工作不會像預想的那樣快速消失，而是會發生變化。他舉了一個例子，大部分鐵匠的工作消失了，因為人們不再騎馬。但很多黑匠的工作變成了汽車修理工的工作。工作可能會減少，但也會帶來其他就業機會。然而我們不能忽視的是，並不是每個人的情況都會變得更好。財富不平等大幅增加。盡管平均收入可能有所提高，但這個平均收入並不代表所有人。
如何應對工作的變化
弗洛爾博士表示無論人工智慧和自動化的應用如何普及，不同的角色都有不同的責任，無需對所有人都進行相同的培訓。他舉了一個例子，計程車司機無需理解引擎的燃燒過程。你不需要擁有電腦科學學位來與生成型 AI 進行互動。他指出，OpenAI 等公司已經投入了大量努力，使這些工具對公眾可用。他還提到，由於 ChatGPT 允許使用者提供反饋，因此他們可以利用這些反饋來改進算法。
人工智慧中的偏見
弗洛爾博士表示確保人工智慧中不存在偏見可能是不可能的，就像找到一個完全沒有偏見的人可能是不可能的一樣。偏見不僅存在於我們選擇用來訓練 AI 的資料中，也存在於 AI 的構建方式中。他認為，我們需要盡可能多地透明，以便那些關心此問題的人能夠有效地理解。弗洛爾博士認為，確實有一些方法可以解決偏見的問題，例如使用多樣化的訓練資料，設計可解釋的 AI，以理解它為什麼給出特定的結果。但他提醒我們，如果只是一個人做出這些決定，那麼他們也會有偏見。有時候，聲稱人工智慧或算法比個人更不透明是不公平的。我並不總是知道為什麼某人做出決定。當我問他們時，他們可能對我撒謊。無論是人還是 AI，決策都是具有偏見的。但有方法可以使 AI 的“透明度”與人一樣。
準備個人應對人工智慧的新現實
弗洛爾博士表示準備個人應對人工智慧對工作產生的新變化是每個人的責任。學校、大學、職業學校、企業都需要參與其中讓學生理解這些技術是存在的，不會消失，最有效的方法是教會他們如何使用、如何與它協作。工作培訓和經驗也要進行投資。有的公司只會讓員工自己去學習，而有的公司會大力投資培訓。大力投資培訓和技術的公司將比對此類技術採取放任自流的公司更有競爭力。我們都在談論終身學習，但採取這種心態的人可能只佔少數。隨著技術變化的速度不斷加快，越來越多的人將不得不擁抱這種心態，才能夠有就業能力。職業培訓和就業經驗也必須進行投資。
如何保證人工智慧中不存在偏見
弗洛爾博士表示無法確保偏見不存在，就像沒有偏見的人一樣。偏見存在於我們選擇用來訓練 AI 的資料中，也存在於 AI 的構建方式中。為了讓那些關注此問題的人能夠審查，在這方面需要盡可能透明。此外他們提到，無論是人工智慧還是個人，做出的決定都存在偏見。但是他們提到，確保多樣性訓練資料、設計可解釋的人工智慧算法和進行持續的取證都是解決偏見問題的多種方式。
什麼樣的工作不會受到人工智慧的影響？
弗洛爾博士表示只有很少數的工作不會受到太大影響。很多需要對事物進行個人、物理操作的手工勞動工作可能不會很快受到影響。但對於那些從事訊息工作的人來說他們將看到這種變革進入他們的桌面、手表和手機中。即使是現在的大多數郵件客戶端也嵌入了 AI，用於檢測接收到的郵件中的航班預訂訊息或者進行語法檢查。任何純粹訊息的情景都是實施、改進和發展的障礙非常低的情景。一旦涉及與物理世界進行互動，事情就變得更加困難。
自動駕駛汽車對卡車司機的影響
弗洛爾博士認為，自動駕駛汽車能否取代卡車司機還存在很多未知因素。他表示自 20 年代以來，我們一直在聽到有關這方面的承諾，但我們現在仍然處於有限的路上試驗階段。他指出，自動駕駛汽車涉及與物理環境的互動，這是非常困難的。機器視覺正在改善，環境刺激的處理速度也在加快，但要實時以我們期望的機器可靠性水平來做到這一點需要巨大的計算能力。有趣的是，人們往往期望機器人比人類更安全。如果自駕車的安全性只能與人類相當，那麼它們將被立法禁止。問題是，如果沒有駕駛員，是車輛製造商還是軟體公司承擔責任？這可能是一個更大的障礙。對於這種技術來說保險可能是一個更大的障礙。如果發生事故，誰負責？現在我們說是司機的責任。如果沒有司機，是車輛製造商還是軟體負責？我們如何確保責任？這是個問題。
企業如何從人工智慧中受益？
陳力偉博士表示人工智慧可以幫助企業降低成本，例如，使用機器代替人力減少人力成本。人工智慧還可以最佳化業務流程，提高運營能力和效率。他舉了一個例子，自動倉庫中的機器人可以更快、更長時間地工作，並始終保持品質。工作流程將會標準化，不會有太多偏差。
人工智慧取代勞動力，對美國留住企業的影響
弗洛爾博士表示如果更多的工人被機器人取代，相對較低的勞動力成本可能會促使更多的公司選擇留在美國而不是在其他國家建立工廠。然而他指出，企業不會只是出於勞動力成本的考慮。弗洛爾博士提到了“關燈的工廠”的概念。許多人們在 80 年代就討論過這一點，但沒有多少工廠真的達到了“關燈”工廠的水平。他表示這種變革將帶來新平衡點，一些例行性工作由機器人完成，人們有更多時間從事不同於每天重複一次一百萬次的任務。這確實降低了勞動力成本，也減少了勞動力，但同時也為一些新的職位帶來了開放的機會。這種情況可能會讓更多的公司選擇留下來，如果勞動力成本不再是問題的話，但我們需要等待一段時間才能確保。
大量失業的可能性
弗洛爾博士表示他對人工智慧導致大規模失業的可能性表示懷疑，至少在短期內。他指出，早期的跡象似乎表明，人工智慧對就業的凈影響可能是積極的。弗洛爾教授表示根據歷史經驗，情況並不像人們想象的那樣，每次有新技術出現時，人們對此一直進行討論。在過去我們看到效率提高、就業機會增加、閒暇時間增加。但我們也必須小心，切勿忽視並不是每個人的狀況都會有所改善。我們看到財富不平等大幅增加。盡管平均收入可能有所提高，但這個平均收入並不代表每個人。
誰負責為人工智慧時代做好準備
弗洛爾博士表示準備個人應對人工智慧時代的新現實是每個人的責任。他認為，學校、大學、培訓學校、企業都需要參與其中讓學生理解這些技術的存在，不會消失，因此最有效的方法是教會他們如何使用和合作。他還提到，工作培訓和經驗也需要進行投資。一些公司可能只讓員工自己去學習，而有些公司則會大力投資培訓。然而追求這種技術的發展忽略了技術如何執行的問題。“Laissez-faire”的方法對於那些投資活躍、對技術進行改進的企業來說將無法與其競爭。我們都在談論終身學習，但採取這種心態的人可能只佔少數。隨著技術變化的速度加快，越來越多的人將需要擁抱這種心態，以確保自己具有就業能力。
人工智慧中的偏見如何應對
弗洛爾博士認為，確保人工智慧中不存在偏見幾乎是不可能的，就像找到沒有偏見的人一樣。然而我們可以採取一些措施來減少偏見的存在。他提到，確保資料集多樣化，設計可解釋的人工智慧算法，並進行持續的取證，是解決偏見問題的多種方式。陳力偉博士還提到，透過在設計團隊中增加不同種族、不同性別和不同少數族裔的開發人員，可能會在更多的角度上設計和評估算法，從而減少潛在的偏見。此外弗洛爾博士提到，政府法規和標準對於確保以合乎道德的方式發展人工智慧至關重要。這些法規可能包括透明和負責任的要求以及對測試和取證人工智慧系統的指導方針。
結論
未來，人工智慧和自動化將繼續對工作方式產生巨大影響。人們需要適應這些變化，學習如何與人工智慧協作，發展與人工智慧無法取代的技能，如創造力和批判性思維。學校、大學、培訓機構和企業都需要共同承擔責任，為個人提供必要的培訓和工作經驗，以應對不斷變化的工作環境。同時人工智慧開發和應用需要更加透明和負責任，以減少偏見和不公平的存在。政府法規和標準也需要制定，以確保人工智慧的發展符合道德和倫理要求。
作為個體，我們也應該開放心態，積極學習和掌握新的技能，與時俱進。人工智慧可以為我們的工作帶來巨大的便利和效益，但我們也應該保持警惕，避免過度依賴和濫用人工智慧。在這個新的工作時代，持續學習和進化將成為我們的關鍵競爭力。
Artificial Intelligence-人工智慧,自動化,未來工作,技術發展,職業變革
