新“卢德运动”会出现吗?
除技术因素外,影响整个就业市场变动和劳动转型的还有非技术因素,如人机关系、劳动力结构、全球价值链与劳资关系。在这些因素的共同作用下,我们认为:人工智能条件下新“卢德运动”出现的可能较低。
(一) 人机关系
一方面,在人工智能时代,作为一种“整体”的技术过于复杂,绝非“卢德运动”中被捣毁的织袜机可以比拟。它涉及互联网硬件设施、应用软件、物联网、大数据存储和分析,以及各式各样的生产和消费终端,劳动者几乎没有可能了解和掌握整个生产流程的全部信息。如果今天的劳动者与“卢德运动”中的产业工人一样,砸毁机器,那么这种劳动抵制与抗争不会给他们带来实质性的劳动改善,因为他们破坏的任何一台机器只是当下复杂生产流程中极其微小的一部分。失业者不但无法从机器手中夺回工作,甚至可能需要依法赔偿企业的经济损失。且如前文所言,下一步将被替代工作的很可能是知识劳工,他们与生产工具的关系已经与“卢德运动”中织袜工人和织袜机的关系截然不同:计算机或其他信息技术设备对他们来说,已经融入日常生活,不太可能再简单地被视为丢失饭碗的“元凶”,而遭到物理毁坏。新的劳动抵制与抗争很可能会以“技术化”的方式发生,如近年来,程序员们通过在GitHub平台上创建开源项目来表达他们对“996”工作制度普遍的不满。
另一方面,当前人类和机器之间存在着非常大的弹性空间,越来越多的工作岗位涉及与智能机器的共同协作。因此更准确地说,人机之间并不是简单的“替换关系”,即马克思强调的“竞争关系”,而是“互补关系”,即“人机共融”。(26) 智能协作机器人(collaborative robots)已经得到广泛的应用,如美国Rethink Robotics公司早在2012年推出了Baxter,可以执行生产上下料、机器控制、包装和材料处理等多种重复性的任务。这些工作可以由Baxter独立负责,也可由它与工人同步协作完成。研发团队反复强调,设计和使用智能协作机器人的最终目的并不在于替代人类劳动,而是提高它们的加工速度和精度,增加其灵活性和自我学习的能力;与此同时,工人通过学习人机交互的独特技能,可与智能机器建立合理、和谐的工作关系,进而加速生产力的发展,降低工作场所伤害的风险,实现人与机器的共存、共融。(27) 如美国《纽约时报》专职作家金·汀丽(Kim Tingley)所言,最前沿、最重要的工作并不是智能机器从人类手中抢夺过来的工作,而是与人类协作的工作,在从制造迈向“智造”的过程中,人与机器都要学习如何与对方共事,以增强彼此之间的亲和力。此外,协同智能机器甚至可能催生民主化的结果,因为智能机器对不同年龄、性别、灵巧程度、从事任何职业的劳动者一视同仁。(28)
有学者认为,机器在体力、智力和认知等方面胜过人类,但在情感、意志等方面,还无法与人类匹敌。(29) 这也是为什么李开复给出的建议是人类可以从事“爱心服务”或志愿者工作,这些工作是人工智能无法胜任的,且充满使命感。但这类观点仍然把人和机器割裂。目前核心的工作,应该是评估或测算人机协同类工作产生的速度是否来得及弥补“机器换人”的损失,如果前景乐观,自然不会有新“卢德运动”的爆发。关键要以人与技术的关系为出发点,在人工智能产业的规划和立法中,通过推动技术民主化来扩大技术参与者的利益范围和发言权,赋予劳动者对技术设计的知情权和参与权,在达成广泛协商和共识的情况下,推进某种技术的广泛应用,以防过于操切。(30)
(二) 劳动力结构
那么,如果足够的工作能够被创造出来,新“卢德运动”就一定不会出现吗?恐非如此。我们需要从人工智能所创造的就业对劳动力结构的影响入手,深入剖析这个问题。黄欣荣认为,一部分劳动者的工作因被新技术替代而失业,他们不得不面临转型,而转型的方向总是从技术含量低的“低海拔”地区转向技术含量高的“高海拔”地区。(31) 如前文所言,也就是指较高层次的非规则性智力劳动替代了规则性体力劳动和智力劳动,但这绝不是人工智能与新工作之间关系的全貌,不少新涌现出来的产业和部门证明,人工智能的劳动力结构也少不了“低海拔”的工作,如数据标注。
所谓数据标注,是指通过运用数据标注工具,对大量文本、图像、语音、视频等数据进行归类、整理、纠错和批注,进而赋予数据新的价值。(32) 在中国有近20万名全职的数据标注员,他们每天坐在电脑屏幕前,不停地切换图片、点击鼠标,为识别物体画框和人脸打点,通过建立人工智能训练数据库来提升计算机辨识现实世界物体的能力。这样的工作并没有什么技术难度,整个工作流程也相对单一,工作内容十分枯燥且需要极大的耐心。然而,正是这些位于人工智能高科技产业链底端的低技能、高重复性、低薪酬的工作构成了研发无人驾驶、人脸识别、智能医疗、工业自动化等诸多新兴技术的起点。(33)
在阿齐默鲁看来,如果新技术和设备的日趋复杂导致企业对具有更高技能水平和更高教育程度人才的相对需求上升,那么这类技术进步呈现出“技能偏向”(skill⁃biased)的特征。反之,如果新技术和设备将增加对低技能劳动力的需求,提高他们的就业率,那么技术进步呈现出“技能退化”(deskilling⁃biased)的特征,也就是去技能化。(34) 我们不难发现,人工智能兼备“技能偏向型”和“技能退化型”技术进步的一般特征,其创造出的新工作位于就业岗位技能的两端,不可避免地形成“工作极化”(job polarization)。(35) 根据麦肯锡(McKinsey & Company)公司发布的数据,人工智能将“……加速各类工作必需技能的转变,改变我们在过去15年中形成的固有观点……需求量增长最多的将是专业科技技能,将上涨55%,到2030年,其所占工作时数将从2016年的11%上涨至17%”。相比之下,“基本认知技能(包括基础数据的输入和处理)的需求量将下降15%,工作时数也将从18%下降至14%”。(36)
这个过程对劳动力结构的影响是巨大的。如果人工智能在沉重打击中产阶层的同时,所创造的新工作存在严重的两极分化,最终形成“沙漏状”的劳动力结构,那么它将会在技术精英与非技术精英之间造成严重的劳动者内部矛盾与社会贫富差距。以色列经济学家曼纽尔·特拉伊滕贝格(Manuel Trajtenberg)强调要对人工智能进行全面的政治经济学考察,区分技术进步催生的“胜者”和“败者”,就是一个十分重要的视角。他认为,技术进步的“胜者”将是那些年轻的、有创业精神的硅谷计算机科学家、研发和创意人员;工作于人工智能外围产业的从业者,为产业发展提供辅助性服务,例如风险投资师、专利律师、设计师等;以及人工智能产业所在地有限的传统服务业劳动者,如餐饮、娱乐和健身等行业的从业者。然而,技术进步的“败者”往往是受教育水平较低且居住于产业单一地区的中年人。(37)
也就是说,我们很难断言那些从事“技能退化”工作的劳动者是技术进步的“胜者”,尽管他们的工作和就业机会是人工智能所创造出来的。这些劳动者既包括本来就处于社会底层的产业工人,也不乏从中产阶层坠落下来,尚来不及再技能化的知识劳工。研究者应该将更多的注意力转移到新产生工作的质量上来,即便普华永道预测人工智能在中国的“创造效应”大于“破坏效应”,未来20年将新增9000万个工作岗位。(38) 如果这些工作岗位只是重复性体力劳动,只能满足劳动者的基本温饱,不能实现他们其他层次的需求,无法降低他们生活的不确定性,更无力帮助他们实现职业发展与向上的社会流动,那么长此以往,技术进步的“败者”将会意识到自己与“胜者”之间的尖锐对立,滋生绝望与怨恨的情绪。况且,两头一样大的“沙漏”只是理想状态下的形状,速率问题如影随形,两极分化的新工作总量能够恰好完美填补被替代的中间岗位数量吗?如果失业者和不甘于低技能工作的劳动者联合起来,新“卢德运动”会不会发生,以何种形式上演,就很难预测了。
(三) 全球价值链与劳资关系
纵观历次技术革命,尤其是随着第二次世界大战结束后信息技术和自动化技术的突飞猛进,许多学者注意到:“技能偏向”和“技能退化”具有明显的地域特征,与全球价值链和全球劳动分工高度同构。“技能偏向”型工作集中在“全球北方”的核心国家或地区,而“技能退化”的劳动密集型工作则成为“全球南方”的边陲国家或地区吸纳就业人口的主要去向。光鲜亮丽的科技企业雄踞北美,而富士康的工厂则星罗棋布于东亚和东南亚地区,这些地区的产业工人从事着电子零部件的生产和通信设备的装配等简单且重复性极高的工作。(39) 还有大量位于“全球北方”的服务型企业,为降低劳动力成本和规避监管,将其业务通过互联网外包到“全球南方”,实现利润的最大化与企业的“轻资产运营模式”。早年的印度呼叫中心客服人员如此,近年来的数据标注员、脸书内容审查员等零工经济劳动者皆同此类。相比制造业中生产线上的装配工人,他们的工作更加隐匿化和弹性化。(40)
由此可以看出,工作的替代与创造问题不仅仅是各国的国内经济问题,它还深深内嵌在全球政治经济结构之中,与一个国家在国际竞争中的地位,及其所处全球价值链上的位置息息相关。即便一国在短期内可能创造出众多的工作岗位,但如果都是承接高科技企业外包的低端处理任务,这些工作岗位得以稳定存续的可能性极小,因为随着劳动力成本的上升,它们很可能会迅速流向劳动力资源更为充沛、薪酬更低、劳动法保护力度更弱的国家或地区,工作的繁荣不过是昙花一现。况且,大部分后发国家或地区在人工智能方面不可能在短期内赶超美国、德国等发达国家,无法立即创造出大量高技术人才的工作岗位需求,这样失业危机就近在眼前了。
除了外部环境,一个国家国内的劳资关系与国家角色也极大地影响到工作替代与创造的相对速率。就劳资关系而言,它涉及企业裁员、劳动者权益、工会工作、社会稳定等不同方面。就当前情况来看,政府政策制定者、企业管理者和公共知识分子需要更深入地探究如何将劳动者从在场的“局外人”转变为“局内人”,即鼓励和确保劳动者更广泛地参与到关于“机器换人”的劳资集体协商中来,同时,在智能机器面前保持他们高超、娴熟技能的“独特性”,进而更好地实现企业的转型和升级。(41) 就国家角色而言,它是劳资关系的主要参与者与调节者。
当下,劳动不仅是经济问题,还是一个涉及公正、自由的价值问题,在中国甚至是直接关系到能否坚持社会主义发展方向的关键性问题。(42) 一方面,国务院已经在《新一代人工智能发展规划》中将人工智能上升为国家战略,并力争在2030年达到世界领先水平;另一方面,政府也日渐意识到,人工智能的发展与数以亿计产业工人及其家庭的生计熔接在一起,任由智能机器单方面在各行各业突飞猛进,迅速替代掉大量工作岗位,短时间内将造成严重的社会冲击。显然,中国政府没有这么草率,及时吸取了各方意见,并在政策部署中做了一定前瞻性的努力。2017年2月6日,中共中央、国务院印发了《新时期产业工人队伍建设改革方案》,其中,“构建产业工人技能形成体系”“运用互联网促进产业工人队伍建设”“强化产业工人队伍建设支撑保障”等表述颇为引人注目。(43) 国家的态度很明确,产业要转型升级,劳动力也要转型升级,两者并不矛盾。近年来,广东、河南、重庆等地的地方政府和工会组织已经陆续出台各种政策措施,完善劳动者教育与技能培养体系,以适应智能化生产的知识和技能要求。
机器不会自动“换人”,是资本和企业经营者在执行这一策略;同样,人机不会自动“共融”,新的工作不会自动产生,后发国家或地区的劳动力结构也不会自动实现最优化。要让替代与创造的速率在各国家或地区、各行业、各工作种类间维持基本的平衡,最大限度地缩短“旧去新来”之间的时间差,避免社会转型带来的阵痛,需要全球范围内的国家和政府、科技企业、技术开发者、工会组织、教育机构、劳动者和其他利益攸关方的共同智慧和努力。