新書搶先看》20年後，還有什麼工作不被AI取代？

 

在二○三四年之前，AI可能奪走大部分人類的工作。即使是過去未曾想像的領域，AI也能派上用場。若再加上科技奇點，AI可能擁有超越人類的能力。

因此，一如我再三重複的，對人類來說，最重要的是竭盡全力研究機器能力不及的領域，也就是連結AI與人類的工作，或是鼓舞人類的工作。

我認為醫師這個職業非常不可思議。雖然醫師會選擇外科或內科等不同科別，但並沒有針對不同科別所頒予的不同執照，只有同一種醫師執照。而且，醫師說到底也是針對患者的症狀，根據統計結果來處理。但是，一般而言，患者都認為醫生的處方絕對正確，或是應該說，必須是正確的。

因為有些微的安慰劑效果，即使兩個醫生診斷說出一樣的內容，有時醫生A的處置有效，但醫生B的處置卻無效。

為此，我曾詢問過認識的醫生。他告訴我，醫術當然非常重要，「但醫師和病人是否合得來也是關鍵之一」。有趣的是，他還說：「對老人家病患來說，願意觸摸他們身體的醫生比較受歡迎。」「觸摸？」「沒錯，觸摸病人身體的醫生。因為有些病人是希望醫生觸摸他們才到醫院的。」這裡說的當然不是指性方面的需求，而是為了讓病人感到安心的觸摸。

我把上述內容告訴一位得過敏性皮膚炎的朋友。他聽了之後說：「我懂我懂，當我讓醫師看我的手時，有些醫師光是用看的就開藥了，但有些醫師則是會認真地觸摸、診斷，感覺比較值得信賴。」

原來如此，用觸摸來比喻實在非常有趣。有人說要用機器人來取代部分醫師，但是，不管是肉體上，還是精神上，被他人觸摸或許才是讓自己存活下去的動力。

英國牛津大學副教授麥克．奧斯本尼（Michael A. Osborne）與卡爾．佛雷曾（Carl Benedikt Frey）於二○一四年發表了一份很有趣的報告。報告中指出，十～二十年後，英國有三五％勞動人口的工作很可能由人工智慧或機器人來執行。而根據二○一三年的著作，美國是四七％；依據二○一五年的研究，日本則是四九％的工作被取代。

估算時間可能有一些誤差，大家不用太在意。但大致來說，最晚到二○三四年，已開發國家裡面，約四、五成的工作都會由AI來進行。

AI相關市場在二○三○年將達到兩兆日圓，也有人說是九十兆日圓。我看了幾份調查報告，發現每份資料對AI的認定都截然不同，所以這些預估的數字意義不大。在此，我們只要知道這個市場正在成長就可以了。

經濟產業省也在二○一七年的《新產業結構願景》中指出，AI領域發展遲緩會造成國家利益的損失，在共計三百七十九頁的報告書中，「AI」出現的次數多達兩百四十五次。

以我個人來看，不管是AI，還是機器學習的相關言論，都過於極端。年長的經營者到現在都無法很熟練地使用智慧型手機，怎麼可能讓AI代為執行所有的工作？當然，或許有人會被淘汰，但那些說法太像科幻小說的情節了。

雖然我在這個章節沒有嚴格區分AI的定義，但事實上，人工智慧中有機器學習，機器學習中則有深度學習，而最廣泛的概念就是人工智慧（AI = artificial intelligence）。若說AI會掌控一切，誠然言過其實，但是，AI絕對會成為一項強而有力的武器。

我在二○一七年從頭開始學習使用於機器學習的 Python 程式語言。因為我想驗證自己學到什麼程度，所以試寫了一個機器學習的原始碼。

首先，AI大致有兩種定義。

泛用AI

• 感覺就像原子小金剛或魔鬼終結者
• 也稱泛用人工智慧。可以發揮像人類一樣，或是超過人類的智能
• 有些學者認為，在現實中很難實現
• 一般來說，大家相信早晚會實現

特定AI

• 特定領域的機器學習技術
• 蒐集數據，按照邏輯、運算法來進行計算
• 需要由人類來操作或進行微調
• 現在已經實現

世界上，大部分人印象中的AI都是「泛用AI」。也有人認為AI是像哆啦A夢那樣的機器人，或認為「AI無所不能」。但現在處於「特定AI」的階段，亦即蒐集大量過去的數據資料，再進行各式各樣的處理。AI並不能沒有憑據地預測未來，它們需要很多的資料，然後再一步一腳印地分析這些資料。

 

我曾經在自己的本業上嘗試做了這個實驗。

① 首先是為交易公司排名。過去，我們都從徵信公司取得各家企業的排行資料。簡單來說，就是根據財務報表、每個員工的工作效率、營收年增率等資料，進行一到十分的評分，評分方式不公開。我透過機器學習解讀過去的資料，讓它評斷一家企業的分數，結果和徵信公司所評出的分數是一樣的。

② 跟交易對象購買商品。以金屬加工品為樣本，提供體積、削減長度、表面處理等的資料與各自的價格，亦即商品的規格和市售價格。然後，再提供新採購商品訂單的規格，讓機器算出價格。結果，雖然並非完全正確，但機器預測了一個非常接近的價格。

 

透過機器學習，只要提供資料和數據，機器就可以找出規則。像這樣的財報該得幾分、這樣的規格該定價多少。然後，再透過其餘不同的資料，確認規則的正確與否。以前述的例子來說，符合規則給八分，再確認實際上是否為八分，算式是否足夠實用來進行計算。資料越多，正確性就越高。同時，人類也會不斷進行試錯，討論是否有更好的演算法。若以專門術語來說，① 是統計分類，② 是回歸分析。

這種運用非常基礎，並非專業研究者所做的高深研究，專家看了應該只會一笑置之。不過，以實踐的意義來說，比起不知其運算機制，只會闡述AI威脅論的文科背景人士，應該還算稍微理解了機器學習的鳳毛麟角。

就像安德里亞斯．謬勒在《Python 機器學習基礎教程》一書中所提到的，「機器學習中，最重要的是理解所處理的資料，而且還要理解想解決的問題和資料的關係。選擇適當的運算法後，再輸入資料這種做法派不上用場」。機器學習應該以資料和數據為基礎，同時也需要具備對該領域的知識。

此外，如果可以正確處理資料並設定運算法，AI確實可以成為武器。曾經被許多媒體報導的加州音樂大學音樂系教授大衛．柯普（David Cope）所開發的人工智慧作曲程式「Emmy」，就可以創作出古典樂曲。只要輸入古典樂曲，讓程式找出名曲的規則和作曲家的風格，便可開始作曲。

因為機器可以分析人類花費大量時間也處理不完的資訊，所以可以在特定領域發揮優勢，進而取代人類。我們經常舉出「可能消失的職業」中，包括收銀員、廚師、櫃檯人員等，白領工作者則以會計師最可能被取代。

• AI廚師：透過料理資料，提出適合食材的料理方案。事實上，不只提案，還可以透過料理機器人提供真實菜色。
• AI造型師：透過無數的照片，推薦適合當事人體型和膚色的服裝。
• AI網頁：針對每位造訪者設計字型、配色、設計、文案、尺寸等的組合，再配合造訪者的特質，調整出最適當的模樣。此外，電子郵件的寄送也可以針對每位收信人開信率最高的時段、使用介面、信件標題等加以變化。
• AI店員：在超級市場或便利商店，分析銷售狀況最佳的陳列方式，此外，若發現舉止可疑的客人也能進行監視。
• AI助理：一如內建AI系統的智慧音箱可以幫我們操作家電，AI可以幫我們製作書籍、安排約會、蒐集過去的資訊。事實上，它們還能提供蒐集財報和資料，製作各家公司資訊摘要的服務，而且功能不斷擴大。這麼一來，我們應該就不再需要僱用職員，把工作派給AI助理就好了。
• AI娛樂：以作曲為例。和人類一模一樣的角色每天都會為我們唱不同的歌曲，甚至還可以作詞。或許它們可以成為 YouTuber，不只是每天，甚至每個小時都更新內容。
• AI顧問：從企業資訊找出問題點，提出解決策略。
• AI律師：從過去大量判例中，找出事例，製作資料，進而討論出最佳戰術。

例子之多不勝枚舉。AI可以透過資料來進行統計分類、回歸分析，找出規則，進行各種不同的發展。

AI的概念開始發展之後，奇點的概念也開始流行。所謂奇點，是雷．庫茲威爾這個天才在《奇點臨近》一書中所提出的概念。AI超越人類的思考力，而且還會不斷進化，以未知的速度繼續發展。庫茲威爾揭開了與過去世界截然不同的風景，並創立了奇點大學。

每位評論者對「奇點」都有著不同的解釋，許多人說，二○四五年電腦會擁有超越人類的能力（「能力的定義為何？」），它們可以更新自己的程式（所謂的「程式」包含那些範圍？所謂的「更新」指的又是哪一種層次？）。也有人認為，所謂奇點，指的是可以在市面上買到的電腦，具有相當於所有人類頭腦加總起來的計算能力。在 Singularity 被翻譯為「科技奇點」的當下，我們不知道以後會發生什麼樣的具體社會變化。人類可以預測的東西應該就叫「奇點」。

同樣的，奇點大學預測的未來恐怖又有趣。比方說，他們預測製造業會全部改換成3D列印機，也會有ADAM技術（Atomic Diffusion Additive Manufacturing）出現。現在，雖然只能針對塑膠材質進行加工，但ADAM技術可以應用在各式各樣的材料上。說不定，工廠還可以設置在市中心的大樓。

在那之後，那些列印機可能會開始製作其他列印機，這些無限衍生的列印機說不定是嶄新的生命，而創造出豐富生命的母性應該會被稱為列印機性。

此外，指數型組織（Exponential Organization，ExO）的概念也非常有趣。也就是說，大家各自工作，但也進行有機的、流動的連結。人數雖少，但透過與外部的連結，可以創造出極大的價值。一如 Google 公司，從員工人數和資產負債表的數值來看，影響力和市值都很高，Uber 也一樣。在傳統製造業時代，規模龐大，且需要支付固定費用的公司，較容易對社會帶來影響，這是不變的原則。但在AI時代，例行工作交給了機械，個人或小型組織的微型組織逐漸變得醒目。

在未來的時代，如果個人或小組織無法創造出價值，就會被機器打敗。不過。若能創造出價值，就可以和機器共存共榮。

• AI從人類手上搶走了大部分的工作

• 自家公司可以展開的AI業務
• 無法以AI取代的服務

• 處理大量資料，利用AI的服務

AI是個黑盒子

此外，讓我很感興趣的是，AI所導出的邏輯和結論幾乎無法理解。我總覺得很不可思議：「原來如此，或許這樣是對的。但為什麼是那個答案呢？」

以下是開發象棋電腦程式 Ponanza 的山本一成在《人工智慧如何超越「名人」？》中的一段話。

在 Ponanza 中置入了很多黑魔術，其中的理由或原因就不知道了。

所謂「不知道程式撰寫的理由或原因」，指的是並不知道放在程式中的數值為什麼是那個數值比較好，或者，為什麼那樣的組合有效。頂多就只知道以經驗或實驗來說是有效的。

 請想像這樣的情況—假設你是公司中階主管。當下屬說：「AI這樣說。雖然不知道原因，但這樣似乎比較好。」而來尋求裁決時，就算不知道該怎麼回答下屬，你還是會覺得相信AI比較好。

我認為，這個時候一定會出現的是，將人類不懂的AI和人類加以連結的角色。雅虎公司的安宅和人在很早之前就指出這一點了。

交給AI的工作多少都是黑箱化。如何看待未來的危機管理，是管理上的重要判斷。⋯⋯今後，透過人類可以理解的語言，將AI和人類的世界加以連結的軟體技術，是一種很重要的管理能力。（《哈佛商業評論 二○一五年十一月號（日文版）》）

「在機器代替人類執行大量工作的此刻，人類要如何生存？」這是一個很抽象的問題。我在本章節一開始提到了「觸摸」這個關鍵字，觸摸應該是一種鼓舞、震撼、讓他人驚訝、讓他人感動、讓他人雀躍⋯⋯比方說，機器或許可以走過連結兩棟大樓最高一層樓的繩索，但若走過去的是人類，就會讓人感動。

在這個時候，進步的AI一定會說出這樣的話：

「說到人類的鼓舞，若能分析過去的模式，應該可以做得更好。」