《没有工作的世界—如何应对科技性失业与财富不平等》作者是 [英]丹尼尔·苏斯金德，
原作名: A WORLD WITHOUT WORK：Technology,Automation,and How We Should Respond
丹尼尔·苏斯金德（Daniel Susskind ）：曾任英国首相战略组政策顾问和英国政府内阁办公室高级政策顾问。现为牛津大学贝利奥尔学院经济学研究员，专注于研究人工智能 、科技影响与社会变迁。
这本书深入探讨了技术进步对就业市场的影响，以及这一变化对社会经济结构和个人生活意义的深远影响。以下是对书中每章内容的详细总结：
**第一章：焦虑不安的历史**
- 回顾了自工业革命以来人们对技术变革的焦虑，特别是“马粪危机”的故事，以及经济学家对技术性失业的早期思考。
马粪危机（The Great Horse Manure Crisis）是一个历史事件，发生在19世纪末的伦敦和纽约等大城市。这一危机揭示了当时城市化进程中的一个重要问题：随着城市人口的增长和工业化的发展，城市中马匹的数量急剧增加，用于交通和运输。马匹作为当时城市交通的主要动力来源，每天产生大量的粪便，如何清理成为一个大问题。但是，汽车发明普及后， 马粪危机迎刃而解。
**第二章：劳动时代**
- 分析了20世纪技术进步如何普遍使工人受益，以及“ALM假说”（人工智能无法完全替代人类劳动）的提出。
ATM出现后，银行柜员数量非但没有下降，反而上升。因为生产率提高了，产品降价了，需求答复提升，对劳动力的需求上升。
“ALM假说”（Artificial Intelligence and Labor Market）是由经济学家大卫·奥托（David Autor）、弗兰克·利维（Frank Levy）和理查德·默南（Richard Murnane）提出的一个理论，全称为“奥托-利维-默南假说”。这个假说试图解释技术进步，尤其是人工智能（AI）和自动化对劳动市场的影响。ALM假说的核心观点是，技术变革对不同类型的工作影响不同，这取决于工作的任务性质。
ALM假说的主要内容包括：
**任务的例行性与非常规性**：ALM假说区分了两种类型的任务——例行性（routine）和非常规性（non-routine）。例行性任务通常是可预测的、重复的，并且可以通过明确的规则来执行。非常规性任务则需要创造力、问题解决能力和适应性，这些任务往往难以用固定的规则来描述。
**技术对劳动市场的影响**：ALM假说认为，技术进步（尤其是自动化和AI）倾向于替代例行性任务，因为这些任务容易被编程和自动化。然而，非常规性任务由于其复杂性和不可预测性，不容易被自动化，因此对高技能工人的需求可能会增加。
**劳动市场的两极分化**：随着技术的发展，劳动市场可能会出现两极分化，即高技能和低技能工作的需求增加，而中等技能工作的需求减少。这是因为中等技能工作往往包含大量的例行性任务，这些任务最容易被自动化。
关于ALM假说的正确性，它在一定程度上解释了过去几十年劳动市场的变化，特别是在解释技能偏见和技术对中等技能工作的影响方面。然而，这个假说也受到了一些批评和挑战：
- **技术进步的不确定性**：技术发展的速度和方向是不可预测的，这使得ALM假说在预测未来劳动市场变化时可能存在局限性。
- **任务的动态性**：工作通常由多种任务组成，而且随着时间的推移，任务的性质可能会发生变化。这意味着即使某些任务在某一时刻是例行性的，它们也可能随着技术的发展而变得非常规。
- **教育和培训的作用**：ALM假说可能低估了教育和培训在帮助工人适应技术变革中的作用。通过终身学习，工人可能能够适应新的工作环境，即使他们的工作包含例行性任务。
总的来说，ALM假说提供了一个有用的框架来理解技术如何影响劳动市场，但它并不是一个普遍适用的模型。随着技术和社会的不断发展，我们需要不断更新和调整我们的理解。
启示：
依赖显性知识的工作容易被取代，但是隐性知识的不易取代；
大量的任务永远不可能自动化。
**第三章：实用主义革命**
- 描述了人工智能的发展历程，从早期的乐观预期到后来的“寒冬”，再到近年来的复兴和实用主义的兴起。
**第四章：低估机器**
- 探讨了人们对机器智能的误解，以及通用人工智能（AGI）与有限人工智能（ANI）之间的区别。
AI可以用完全不同于人类的方式实现智能。
通用人工智能（AGI，Artificial General Intelligence）和有限人工智能（ANI，Artificial Narrow Intelligence）是人工智能领域的两个主要类别，它们在能力和应用范围上有明显的区别：
- **能力范围**：
- AGI：通用人工智能指的是一种具有广泛认知能力的机器，它能够在多个领域和任务中表现出与人类相似或超越人类的智能。AGI能够理解、学习和应用知识，具有自我意识、情感理解和创造力，能够在没有特定编程的情况下解决新问题。
- ANI：有限人工智能，也称为弱人工智能，是指专门为特定任务或领域设计的智能系统。这些系统在其专业领域内表现出高水平的性能，但它们的能力通常局限于预先设定的任务，无法像人类那样灵活地适应新环境或任务。 - **自主学习能力**：
- AGI：具有自主学习和自我改进的能力，能够通过观察、实验和推理来获取新知识，并在多个领域内应用这些知识。
- ANI：通常需要大量的数据和特定领域的训练来执行任务，它们的学习过程往往依赖于人类专家的指导和大量的数据输入。 - **适应性**：
- AGI：能够适应新环境和挑战，对未知情况做出合理的反应，具有较高的适应性和灵活性。
- ANI：在面对其设计之外的任务时，可能无法有效工作，需要重新编程或训练才能适应新的任务。 - **情感和意识**：
- AGI：理论上，AGI可能发展出类似人类的情感和意识，尽管这在技术上仍然是一个巨大的挑战。
- ANI：通常没有情感和意识，它们的行为是基于算法和数据的逻辑处理。 - **道德和伦理**：
- AGI：如果发展到具有自我意识和情感的水平，AGI的道德和伦理问题将变得非常重要，需要深入探讨。
- ANI：虽然ANI本身没有道德和伦理意识，但其设计和应用可能涉及道德和伦理问题，例如隐私侵犯、偏见和失业等。
目前，我们所拥有的人工智能系统大多数属于ANI，它们在特定任务上表现出色，如图像识别、语言翻译、棋类游戏等。而AGI仍然是人工智能研究的终极目标，尽管在理论和实践上都面临着巨大的挑战。
**第五章：岗位蚕食**
- 分析了自动化如何逐渐取代人类在不同领域的工作，包括手动能力、认知能力和情感能力。
手动能力：
- **手动能力**（物理世界的体力劳动等，无人驾驶、无人机、物流机器人、3d打印等技术会取代）：
- 自动化在制造业、农业、建筑业等领域显著提高了效率。例如，自动化生产线上的机器人能够执行重复性高、精确度要求高的任务，如组装、焊接、喷涂等。
- 在农业中，自动化的拖拉机、收割机和无人机等设备减少了对人力的需求，提高了农作物的种植和收割效率。
- 在建筑业，自动化设备如自动砌砖机器人、混凝土泵送机等正在改变传统的建筑方法。 - **认知能力**（比如量化交易、绘画、总结报告等，生成式AI会替代）：
- 在数据分析、金融交易、法律研究等领域，自动化系统能够处理大量数据，进行模式识别、预测分析和决策支持。
- 人工智能在医疗诊断、医学影像分析等方面已经能够辅助甚至替代医生进行某些诊断任务。
- 在教育领域，智能教育平台和在线课程能够提供个性化学习体验，部分替代传统教师的角色。 - **情感能力**（社会机器人会有情绪识别能力）：
- 尽管情感能力通常被认为是人类独有的，但自动化系统也开始在这一领域取得进展。例如，情感计算技术使得机器能够识别人类的情绪状态，并作出相应的反应。
- 在客户服务领域，聊天机器人和虚拟助手能够模拟人类的情感交流，提供客户支持和咨询。
- 在娱乐和陪伴领域，如虚拟宠物和陪伴机器人，它们能够模仿人类的情感反应，为用户提供情感慰藉。
老龄化速度较快的国家，比如中国，往往会更多的投资于自动化。
首先，中国经济似乎是由特别容易实现自动化的任务组成的：研究人员声称，在中国77％的工作岗位都"处于自动化风险之中"。"
其次，相对成本正在上升：2005-2016年中国人的工资水平翻了两倍。"这意味着用机器取代人类有了更大的经济意义。
最后，监管环境和文化环境也支持这种做法。
**第六章：摩擦性技术失业**（有新的工作机会，但是失业者能力无法胜任，不匹配）
- 讨论了工作中存在的三种摩擦（技能不匹配、身份不匹配和地理区域不匹配）以及它们对失业率和参与率的影响。
**第七章：结构性技术失业**
- 探讨了技术进步如何不仅增强替代力，还可能削弱互补力，导致结构性技术失业的问题。
新技术可能不仅减少工作量，而且减少工作的吸引力，带来的工作令人不愉快。
卡斯帕罗夫在国际象棋方面的经验使他宣称，"人与机器"的合作不仅是国际象棋的制胜法宝，也是整个经济领域的成功秘诀。"这也是许多人的观点，但"阿尔法零"的胜利表明这种观点是错误的。只有当人和机器各有所长，人类能做出机器无法做出的贡献时，二者合作才能产生一加一大于二的结果。 但是随着机器变得越来越强大，人类做出的贡献不断减少，这样的伙伴关系终将消失，"人与机器"中的"人"将变得多余。
收入提高可以带来需求增长，但不一定是对人类劳动力需求的增长，而是对机器需求量的增加。
上述所有论证背后都有一条暗线贯穿始终，多数时候，当我们考虑工作的未来时，我们总是认为人类是与众不同的。我们意识到，随着经济的增长和变化，岗位需求也会增加和变化。但是，我们总是想当然地认为，人类仍将是执行大多数任务的最佳选择。作者称之为"优越性假设"。
当人们诉诸历史上强大的互补力，将互补力发挥作用的方方面面作为对未来保持乐观的理由时，你会发现优越性假设无处不在。我们认为，当人类在某项任务上的生产率提高时，可以比机器更好地完成任务；当经济蛋糕变大时，人类将更有能力执行新增任务；当经济蛋糕更新时，依然是人类更能胜任新的任务。
到目前为止，优越性假设一直是一个安全假设。如果对某些任务的需求量增加了，那一定是人类比机器更能胜任。因而这也意味着对人类劳动需求的增加。但是随着岗位蚕食的继续，机器逐渐从人类手中夺走更多的任务，这种假设似乎越来越可疑，最终将是大谬不然。
**第八章：科技与不平等**
- 分析了科技性失业对收入不平等的影响，以及传统资本与人力资本在分配问题上的作用。
科技性失业，即由于技术进步导致的工作岗位减少，对收入不平等有着深远的影响。这种影响主要体现在以下几个方面：
- **技能溢价的增加**：
- 随着自动化和人工智能的发展，对高技能劳动力的需求增加，而对低技能劳动力的需求减少。这导致了高技能劳动者的收入增长，而低技能劳动者则面临失业或收入下降的风险，从而加剧了收入不平等。 - **劳动收入份额的变化**：
- 在许多发达国家，劳动收入（即工资和薪金）在国民收入中所占的份额已经下降，而资本收入（如股息、利息和租金）的份额上升。这种变化反映了资本所有者相对于劳动者在收入分配中的地位提升，进一步加剧了收入不平等。 - **资本所有权的集中**：
- 技术进步往往需要大量的资本投入，这使得资本所有权越来越集中在少数人手中。这些资本所有者能够从技术进步中获得更多的收益，而普通劳动者则难以分享这些收益，导致贫富差距扩大。 - **全球化和技术变革的相互作用**：
- 全球化和技术进步相互作用，使得发达国家的工作岗位向发展中国家转移，这可能导致发达国家内部的收入不平等加剧。同时，全球化也使得资本流动更加自由，进一步强化了资本所有者的市场地位。
技术变革会加剧不平等。1%收入最高人群的收入份额激增。在一个工作岗位稀缺的世界，将是一个高度分化的世界。一些人将拥有大量价值不菲的传统资本，而另一些人将会发现自己几乎没有任何资本。
为什么收入不平等情况会加剧？简短的答案是，有价值的资本的分配方式越来越不平等，导致流向资本所有者的收入也越来越不平等。更具体地说，人力资本（劳动收入不平等，新技术导致技能溢价）和传统资本日益不平等的回报是造成收入不平等的根源。
新系统帮助CEO经营更大更有价值的公司，从而推高了他们的薪酬。最顶端不平等情况的加剧与生产关系不大，而主要与权力有关。这些超级经理获得的工资越来越高。主要是因为他们现在拥有巨大的机构影响力，能够为自己发放越来越高的薪酬。
技术进步促使企业使用更多传统资本来替代劳动力，运输和通信成本下降加速全球化，超级巨星公司占据主导地位，行业集中度提升，结果是资本收入份额相对于劳动收入份额占比提升。 - **教育和培训的不平等**：
- 教育被视为提升个人技能、适应技术变革的重要途径。然而，教育资源的不平等分配意味着并非所有人都能获得高质量的教育，这可能导致技能差距的扩大，进一步加剧收入不平等。
AI时代，为适应变革，我们个体可以做的，就是努力开发自己的人力资本，投资自己，终身学习。
**第九章：教育及其局限性**
- 讨论了教育在应对科技性失业中的作用，包括教育的内容、方式和时机，以及教育的局限性。
大学教育没有实质上增强个人能力，只是筛选出了高能力者。
**第十章：大政府**
- 提出了在工作岗位稀缺的世界中，政府应扮演的角色，包括福利型政府、税收政策和收入分享型政府。
**第十一章：科技巨头**
- 分析了大型科技公司在经济和政治上的影响力，以及它们对社会和个人生活的影响。
科技巨头拥有大量数据、算法、算力，由于网络效应，越来越大，获取巨大的经济权力和政治权力。
**第十二章：意义与目标**
- 探讨了工作对个人生活意义的重要性，以及在工作岗位稀缺的世界中如何寻找和创造新的生活意义。
这本书通过多维度的分析，为我们提供了一个关于未来工作世界的全面视角。个人觉得这本书是关于“AI对未来就业市场影响 ”这个热门问题相关图书中，最深入全面的。对这个问题感兴趣的朋友，非常值得一读。
