文摘

下一篇
上一篇

人類會被機械人取代嗎?(文:阮穎嫻) (09:00)

科技發展對社會有利,相信大多數人都認同。但對打工仔女來說,新科技如機械人等,可能取代他們的工作,使他們飯碗不保。隨着近年大數據和人工智能技術日益發達,自動化機械人性能提高,這憂慮有增無減。

事實上,機器取代人類工作,自18世紀工業革命已不斷發生,例如蒸汽機和電力取代體力勞動的工作、火車取代馬車車伕、推土機取代農夫、織布機取代紡織技工等。英國在19世紀發生過紡織技工因為反對紡織工業化,而集體搗毁紡織機的事件,稱為盧德(Luddite)運動。

另一方面,科技進步使生產力上升,企業對勞動力的需求有增無減。20 世紀女性就業增加,就業率及工人工資整體都有上升。由此可見,工人所憂慮的「被科技取代」的問題,沒有大規模發生。當然有些行業不復存在,如人類再不需要打字員和電報員,但取而代之是其他行政、服務的工種。一個講法是,科技取代的是崗位(job),不是工作(work)。

既然如此,那麼機械人和以前的科技發展有沒有本質上的分別,致使人類最終會被取代?抑或這只是人類杞人憂天?

替代效應和生產力效應

生產是一個投入資源和產出的過程,當自動化的機械人能取代人類的工作,企業對勞動力的需求減少,這個直接影響稱為「替代效應」。這也是一般人所擔憂的。

另外有一個容易被人忽略的影響,就是機械人提高生產力,令企業中沒有被取締的工作效率提升。很多工種需要兼顧多種工序,常規工作可被機器取代,使員工有更多精力處理其他工作,提升生產力和質素。例如物理治療師有些程序以前要人手做,同一時段只能服務一個病人;有了儀器,除了增加了治療效果,同時間可以服務幾名病人,自己則集中在看診、分析、溝通上,生產力提升了。因此,如果工資不變,員工的工作效率提升,僱主是有意欲擴大生產規模、增聘人手。這個間接的效應稱為「生產力效應」。

替代效應傾向降低工資和就業;生產力效應傾向提高工資和就業。新科技對就業和工資的影響,要看該新科技與勞動力的替代性,和對整體生產力的影響,哪一個較大。

例如,美國的銀行在1970年代引入自動櫃員機,它產生的替代效應,令每間銀行分行的服務員減少達三分之一。但美國的銀行服務員並沒有因此減少。由於自動櫃員機令銀行營運分行的成本下降,銀行分行數目增加達四成。而且,由於簡單的提款存款服務由自動櫃員機取代,銀行服務員的工作逐漸由簡單的結帳,變成與客戶經營關係、銷售投資產品和信用卡服務等。

根據麻省理工學院教授Acemoglu推算,如果工業用機械人的使用率至2025年時增加4倍,將令美國的就業率降低約1%至2%,也會令工資增長減慢達1.3%至2.6%。雖然這些數字不容忽視,但不見得短期內人類將全數被機械人取代(註)。

機械人導致的不平等

機械人的一個更重要影響,是導致社會分配變得不平等。這不平等體現在兩方面。第一,企業生產的收益,由投入資本的資本家和投入勞動力的工人分享。如果機械人替代工人,使資本投入的份額增加,勞動力的份額下降,企業收益會向資本家一方傾斜。有經濟學家估算,近年企業使用資本的份額正在上升,而資本家累積資本,加劇資本家和勞動人口的財富分配不均。數年前,經濟學家Piketty的暢銷書《21世紀資本論》詳細論述有關觀點,這裏不贅。

第二,就算機械人不影響整體的就業需求,它們會影響企業對個別工種的就業需求。現時機械人最擅長處理的,是重複而具簡單邏輯性、能被電腦程式取代的工作,如生產線工作、簿記、基本文書處理等。

餘下的工種大致可分為兩大類:一類是專業工作,如醫生、律師、科研、顧問等,這些工種需要較高教育程度,講求分析、推理、解難能力;另一類是「手工」類工作,如廚師、侍應、清潔工、看護、理髮師等,需要觀察力、靈活技巧和應變能力的工種,但大部分不需要高學歷。有人稱之為工種的兩極化。

機械人對所有教育水平的人的就業和工資都有影響。專業工作相對上更受惠於科技發展,而且專業人士需要較高教育水平,因此供應缺乏彈性,他們的工資增長較快。相反,手工類工作,受科技進步的影響較小,而且入行門檻較低,所以在職場上沒有優勢、工資增長較慢。由於教育回報高,接受教育多與少,對日後的收入影響也會擴大,而加劇收入不均的現象。

因此,科技發展可以令社會總體生產力上升、改善人類生活,但若改善集中在某些人身上,就成為分配問題,需要政府以政策去處理。

機器學習取代高技術工種?

機器學習(machine learning)技術近年非常流行。以前程式員一定要把工序清楚界定,機械人才能跟着做;一些未有既定樣式和程序的工作就不能自動化。但現時機器學習的技術,可以訓練機械人透過大量既有數據去學習,並慢慢發展及改良工作的方法。例如電腦圍棋程式AlphaGo就是透過機器學習的技術,分析棋手對弈的棋譜,並且自我學習,在2016年擊敗南韓圍棋大師李世乭,現時電腦的棋藝已超越人類。類似技術也用於分析筆迹、無人駕駛等方面,也有人工智能學習「看」病理學的幻燈片及組織切片,漸漸會比醫生的判斷更準確。

不過,機器學習暫時仍未可以取代決策,而是透過數據分析知識,去協助人類決策而已,而且用途非常特定,暫時仍是處於與技術工作互補的階段。例如醫生在科技幫助下提高斷症準確度,但最後診斷還是要醫生綜合各個觀察和資料落實。當機器學習發展到能取代人類決策和執行時,就會是另一個世界。

無論如何,人類社會距離全面人工智能化,仍有一段很長的道路。當機械人和人工智能取代人類的某些工作,新的工作又會出現。人類發展就是一個不斷適應新環境的過程。現時科技發展速度愈來愈快,崗位更替的速度比上世紀更迅速。

問題在於,崗位被取代後,離開崗位的人有沒有能力勝任新的工作,或是被洪流遺棄。

註:Acemoglu, D. and P. Restrepo(2017), "Robots and Jobs: Evidence from US Labor Markets," NBER Working Paper No. 23285.

作者是香港大學經濟及工商管理學院助理講師

相關字詞﹕編輯推介 文摘

上 / 下一篇新聞