【我們為什麼挑選這篇文章？】在AI人工智慧的崛起浪潮下，許多人紛紛擔心自己的工作被取代，想著自己是否必須鑽研進資訊工程這一端，未來才有前景？事實上，許多學者紛紛表示：機器越是發達、人工智慧越進步的時代，你越是要多多培養人文科學方面的軟實力。（責任編輯：李均儀）
編者按：風投家兼初創企業顧問Scott Hartley的新書《The Fuzzy and the Techie: Why the Liberal Arts Will Rule the Digital World》即將出版。這本書觸及了當今最熱門的一個話題，在AI越來越先進的情況下，人類會不會失去大部分的工作？同時還提出了我們應該如何准備來應對未來充滿不確定性的世界的問題。對於前一個問題，他給出了令人欣慰的否定回答。而對於後一個問題，他卻給出了一個意想不到的答案。
2013年，牛津大學經濟學家Carl Frey和Michael Osborne發表了一份研究，題目叫做《就業的未來》。作者得出結論說，未來20年有47%的美國崗位存在被機器自動化取代的高風險。這是一個發人深省也令人恐懼的想法。這種末日啟示錄式的預測的各種版本不僅在專業預言者口中越傳越多，就連對自己的軟硬體感到印象深刻的員工以及技術領袖也愈發害怕其對社會造成的後果。
人類工作的末日預言
這樣的恐懼可以理解，但也有可能是誤導。工作並沒有消失。相反，隨著自動化深入滲透到社會當中，工作正在發生著不可逆轉的改變。我們大概並不需要擔心工作本身還在不在，相反，我們需要擔心的是那些無法養成思想開闊並且不斷改善作為人的獨特性必須的軟技能的人。
大規模工人會因為機器而永久失業，這種所謂的「技術性失業」的觀點並不新鮮，其高潮是工業革命出現以及1930年代大蕭條期間。經濟學家凱恩斯提出，大蕭條期間因為技術進步而帶來的失業，導致了「節省使用勞力的手段跑得比我們能找到勞力的新用途的節奏要快。」換句話說，很多人將沒有事情可做。
當然現實的走向並沒有如此的徹底。1900年，大概有40%的美國工人是由農場雇佣的；今天這個數字只是2%。工業革命的後果是讓農民轉移到了工廠和辦公室。但這次會不會不一樣呢？
當然，我們正在目睹著人工智慧、機器人以及日常手工任務的自動化取得巨大進展。比方說，許多人一度聚集到澳大利亞的內陸，為了高達6位數的薪水而從事開採鐵礦石和黃金的工作，但今天重達100萬磅的巨型沃爾沃和卡特彼勒卡車已經可以自動駕駛，自動在露天礦上鏟運礦土。
卡特彼勒的營銷吹噓說：「自動卡車不需要停下來吃午飯，也不需要交接班。」另一家汽車公司Scania也有著領先的卡車技術，他們利用了GPS和雷射雷達傳感器來實現效率最優化與燃料消耗的最小化。卡車的效能提高了15%多。當然，我們每天都聽到預測說各種各樣的無人車很快就將取代各類的人類司機，尤其是數百萬以駕駛為生的人的位置。
機器無法取代：溝通、協調、同理心
但機器似乎往往只能在一件事情上做得更好（凱文凱利也是這個觀點）。比方說，像CAT 797這樣的車價格高達550萬美元，馬力達到4000匹，載重可達400噸，如果是用計算機來操縱的話剎車會用得更少。粗心的人類司機會導致舉行輪胎更大的損耗。要知道這樣的輪胎一個就超過了4萬美元。
當然，企業不可能一直都靠買東西來換雇人。但在類似採礦這樣高度受管制，工人安全和精力是重大關切，尤其是工作是高度程序化的行業裡，工人正在從工地轉移到辦公室或者走向失業。機器自動化節省了採礦公司的成本，所以隨著時間轉移，他們會追加越來越多的類似設備。
無論用什麼方式都能完成的常規工作是最安全和最高效的。這不僅適用於手工任務，而且越來越適用於大家用大腦執行的認知工作。但儘管常規任務可能會轉向機器，但工作卻是由許多元素組成的。大家做的事情裡面只有一小塊是死板到到可以腳本化、程序化並由機器或者計算機去執行的。各種工作當中的許多任務都要受到足夠多的各種變化支配，很長一段時間以來雇主往往更願意用人而不是機器來做。機器的精準度值得欣賞，但人的可變性亦然。機器也許能做出很好的漢堡包，但它還懂得扔垃圾嗎？
2016年夏天，麥肯錫全球研究所發布了一份研究，在這份研究裡面他們分析了800種不同職業執行的職能。研究人員考察了所有這些工作涉及的2000多項任務，最後得出結論說「儘管自動化只會在未來10年徹底做掉非常少量的職業，但卻會在不同程度上影響到幾乎所有的工作。」麥肯錫發現有5%的職業將會被完全自動化（這個數字跟牛津大學令人恐懼的47%相差甚遠）。
但這份研究還得出結論說，我們可能會目睹工作的大規模變革而不是被機器和人工智慧完全替代。研究發現60%工作當中大概30%的任務會發生變化。研究人員尖銳地指出，這說明機器會增強我們的工作環境而不是很快會變成我們的機器人大君主。
強調：機器是輔助，不是我們的主人
絕大多數工作當中的許多不受機器自動化影響的任務都屬於那些無法充分定義或者編程的。此類任務要求創造力和原創思維、直覺、協調、溝通、同理心以及說服力。換句話說，人類也許不再執行引導巨型卡車鏟礦土，或者甚至是初級的數據收集這樣簡單重復性的工作。但他們會對數據提出問題，幫助框定參數，驗證假設，與同伴進行跨部門協作，就結果進行溝通，對客戶表示同情等。
在醫院，護理助理目前2/3的時間都花在人工收集健康訊息上。隨著時間轉移，這一工作需要去收集病人資料的任務當然會變少，因為傳感器當然會做得相當好。但認為病重的病人寧願要有同理心的機器人而不是護士無疑是狂妄的想法。換句話說，護理助理的工作會變得更加人性化而不是更少。在辦公室，數據和分析會告知對員工表現的評價，但經理仍然需要對手下冉冉升起的新星提供悉心教誨以及一步步的指導。人類跟機器的互動會越來越多，但非例行化的任務仍然是人類的範疇。
因為機器巨大的威力可以為人類提供很好的補充，人與機器之間的接觸點將繼續增加。所以我們無疑仍然需要精通技術，而且在很多情況下仍然需要經過可靠的STEM（科學技術工程數學）培訓。優先考慮並不斷在我們的社區培育這些技能仍然是最重要的事情。但以為基本的技術培訓足以應付將來的經濟需要是錯誤的想法。比方說，生搬硬套的計算機編程已經成為廉價日用品，在全球市場都可以迅速且輕易地購買到。而且這項工作本身也在日益自動化。
「軟實力」變得越來越重要
在哈佛教育學研究生院，David Deming是一位對認知類職業相對雇佣比例已經觀察了30年的經濟學家。他發現成功者掌握的不僅僅只有純粹的數學技能，或者純粹的軟技能（參見軟技能越來越硬：缺乏者將被未來淘汰，營銷大師Seth Godin：別再把這些叫做「軟技能」了），而是二者兼而有之，他把這稱為是「高度數學化，高度社會化」。
自1980年以來，需要很高社交技能的工作已經出現了顯著增長，而對數學要求高對社交能力要求低的工作則出現了下降。這部分是因為工作環境變得更加複雜，工人專業化需要交換和分享任務，而軟技能可以減少所謂的協作的「交易成本」。在麥肯錫全球研究所那份2016研究報告扮演很大角色的James Manyika說：「就繼續專注於綜合性系統思維的工作而言人的位置無憂。而人需要的是解決問題的技能，學會學習以及學會適應的能力。」
所以問題就變成了這個：如何才能培養出具有適應性、同理心、從他人角度著想的人類技能？如何才能跟不同的人協作和溝通？如何在這個高度變化的世界裡，為2060年我們還想像不到的工作培訓好一位大學畢業生？成功以及不斷成功的就業機會將會降臨在那些既精通技術理解機器，又具備在我們的技術世界上幫助維持人與人交互的軟技能的人身上。
克服這一挑戰的鑰匙也許放在我們最意想不到的地方：在技術轉戾點來臨之際，我們需要在人文科學方面加倍努力。畢竟，這是學生開拓思維的地方，是探索人文、藝術以及社會與自然科學、挑戰我們的思想、質疑我們的假設以及改善我們的好奇心的地方。人文科學與技術嫻熟並不衝突。它們為我們應用新工具提供了上下文，讓我們即便在一個機器變得越來越聰明的世界裡也能具備比較優勢。
延伸閱讀
【別再戰科系、學歷了】這年代上網就可以印學歷，人文思考才是你的競爭力
【沒專業又玻璃心？】台灣業界評：八年級生缺乏「專業技能」與「工作適應能力」
霍金再預言：人工智慧一旦脫離束縛，人類將不可能與之競爭
未來你是跟人工智慧合作還是被取代？三項關鍵能力決定你的未來工作定位
