圖檔來源@視覺中國
文 | 學術頭條
談到智能機器人的未來，人們通常會問的第一個問題是：它們會讓多少工作崗位消失？不管答案是什麼，第二個問題很可能是：我如何確定我的崗位不在其中？
近日，《科學機器人》雜志上發表了一項最新成果，來自瑞士洛桑聯邦理工學院（EPFL）的機器人專家和洛桑大學的經濟學家為這兩個問題提供了答案。
通過将有關機器人能力的科學和技術文獻與就業和工資統計相結合，研究人員開發了一種方法，用于計算在不久的将來哪些現有工作更有可能被機器執行。此外，他們還設計了一種方法，為這些高風險職業過渡到風險較小且需要最少再教育訓練的工作，提供建議。
結果顯示，對 1,000 個職業進行排名，“實體學家”是被機器取代風險最低的工作，而“屠宰勞工和肉類包裝工”則面臨最高的被替代風險。一般來說，食品加工、建築、維護和開采行業的工作似乎風險最高。
01 第四次工業革命，打勞工與機器人的競争
機器人技術和人工智能 （AI）通常被稱為第四次工業革命的核心。這些領域的持續進步，正在導緻機器人比它們的前輩更自主、更靈巧、更安全地參與人類社會的方方面面。
智能系統在曾經看似機器無法完成的任務中，也已經超越了人類，例如非常複雜的圍棋遊戲。這些進步，再加上在高性能計算、物聯網和新材料方面同樣重要的突破，已經對制造業和服務業産生了明顯的影響。
是以，預計在未來幾十年内，人類的整個經濟和生産體系将發生廣泛的轉變。
盡管許多分析家預測這場革命将對整體生産力和增長産生積極影響，但它對就業的潛在影響已經引起了人們的極大關注。機器人技術和人工智能看起來有望使目前由人類完成的許多任務自動化，并減少許多經濟部門對人類工作的需求。
表明上看，這并不是什麼新鮮事：過去的自動化浪潮（如紡織和農業部門的機械化、制造業中工業機器人的引入，以及服務部門的計算機化）在發展初期先是增加了勞動人口，之後則是大幅減少了對人類就業勞動力的需求。事實上，在過去的自動化浪潮中，機器大多取代了人類從事低技能、體力、重複性的工作。
有人提出，第四次工業革命的社會影響将大不相同，因為下一波機器人和人工智能也将影響中高技能工作，包括具有相關認知和創造性成分的工作，以及需要迄今為止自動化尚未觸及的手工工藝領域。
盡管從長遠來看，對生産力和整體經濟增長的影響仍可能是積極的，但轉型可能會很痛苦。
在之前的相關研究中，也曾預測過有多少工作将被機器人自動化，但它們大多集中在軟體機器人上，例如語音和圖像識别、金融機器人顧問、聊天機器人等。此外，這些預測會随着工作要求和軟體能力的評估方式而劇烈波動。
“在這項最新研究中，我們不僅考慮人工智能軟體，還考慮執行體力工作的真正智能機器人，我們開發了一種系統，比較數百種工作中人類和機器人能力的方法。”EPFL智能系統實驗室主任 Dario Floreano 教授說。
02 測一測你被機器取代的風險，萬一呢？
為了預測大多數職業被機器取代的風險，研究人員研究了歐洲 H2020 機器人多年度路線圖（MAR），這是歐盟委員會的一份戰略檔案，由機器人專家定期修訂，MAR 描述了目前機器人所需或未來機器人可能需要的數十種能力，範圍按操作、洞察、感覺、與人類互動等類别進行組織。
MAR 描述了目前機器人所需或未來機器人可能需要的數十種能力，範圍按操作、洞察、感覺、與人類互動等類别進行組織。
然後，研究人員通過研究論文、專利和機器人産品的描述，來評估機器人能力的成熟度，并使用一個衆所周知的尺度來衡量技術發展水準，即“技術準備水準”（TRL）。
對于人類的能力，研究人員則依賴于 O*net 資料庫，這是美國就業市場上廣泛使用的資源資料庫，該資料庫對大約 1,000 個職業進行了分類，并涵蓋了對每個職業最重要的技能和知識。
在将 O*net 清單中的人類能力與 MAR 文檔中的機器人能力進行選擇性比對後，該團隊可以計算出每個現有工作職業由機器人執行的可能性。
例如，一項工作需要人類以毫米級的運動精度工作，而機器人在這方面非常擅長，是以相應能力的 TRL 最高。如果一項工作需要足夠多的此類技能，那麼與需要批判性思維或創造力等能力的工作相比，它更有可能實作自動化。
通過對 1,000 個工作崗位的自動化風險指數（ARI）進行計算排名，結果顯示，“實體學家”是被機器取代的風險最低的人，而“屠宰者和肉類包裝工”則面臨最高的風險。
圖 | 五種職業的自動化風險指數（來源：Science）
圖 | 不同行業的自動化風險指數（來源：Science）
然後，研究人員還建立了一種方法，可以為任何給定的職業，找到自動化風險顯著降低并且在所需的能力和知識方面與原始工作相當接近的替代工作，進而最大限度地減少再教育訓練成本，使得職業轉型可行。
“當今社會面臨的主要挑戰是如何應對自動化”，共同上司了這項研究的洛桑大學教授 Rafael Lalive 說，“我們的工作為面臨自動化高風險的勞工提供詳細的職業建議，同時重新利用在舊工作中獲得的許多技能，使他們能夠從事更安全的工作。通過這一建議，政府可以支援社會變得更有彈性，以應對自動化浪潮。”
為了測試該方法在現實生活中的表現，研究人員使用了來自美國勞工部的資料，并根據算法的建議模拟了數千個職業變動，發現它确實可以讓高風險職業的勞工轉向中等風險職業，同時接受成本相對較低的再教育訓練工作。
研究人員表示，政府可以使用該方法來衡量有多少勞工可能面臨自動化風險并調整再教育訓練政策，公司可以評估提高自動化的成本，機器人制造商可以更好地根據市場需求定制産品，公衆則可以确定在就業市場上重新定位自己的最簡單途徑。
最後，研究人員将新方法和資料轉化為一種算法，該算法可以預測數百個工作的自動化替代風險，并建議以最少的再教育訓練工作進行有彈性的職業過渡。
（大家可在：https://lis2.epfl.ch/resiliencetorobots 公開通路）
從上圖就可以看出：學術君被機器人取代的風險還挺大的……