机器人数量增长不会减少人类就业机会，反会促增岗位数量？
The following article is from AI科技评论 Author 王晔
自2016年Alpha Go战胜人类世界围棋冠军李世石以来，「人工智能威胁论」在普罗大众中的影响就甚嚣尘上。
人们担忧：世界冠军这等智商极高的人类都能被人工智能打败，我等凡人又岂能侥幸逃之？
Alpha Go的出现，就如同一枚炸弹投入原本波澜不兴的海面，惊涛骇浪。这时，人们再环顾四周，早已渗透在日常生活中的机器人作业与自动化产线，也突然变得不再只是象征「智能化」，更被视为了人工智能有一天将会「全面」代替人类的表现。
因此，另一种声音开始成为大众看待人工智能的主流观点之一：机器人会在越来越多的岗位上威胁「打工人」、提高社会的失业率。
显然，这是一个武断的说法。机器人的「职业工具属性」确实肉眼可见地在增加，但至于是否会在人类的社会生活中威胁到就业率，仍有待商榷。比如，《经济学人》便提出：目前全球人工智能与机器革命正处于发展中期，但2019年发达经济体的就业率飙升至历史最高水平，机器人使用率最高的日本与韩国的失业率恰巧是最低的。
在《Economists are revising their views on robots and jobs》一文中，笔者谈到，尽管近两年新冠疫情的大流行加速失业率飙升（比如美国在2020年4月的失业率曾高达14%），使人们将失业率与自动化生产直接因果挂钩，但「自动化发展引起失业的证据并不多」。
不仅如此，发达国家还面临劳动力短缺的问题。根据OECD（经济合作与发展组织）的统计，近两年岗位空缺的数量甚至还破了新纪录，被认为更容易被机器人取代、技能要求低的职业工资增长得却异常迅速。
换言之，机器人的「打工人威胁论」是不是空穴来风？
自动化 vs. 就业率
事实上，不久前哈佛大学的研究者Philippe Aghion等人提出了一个关于机器人的新观点：从公司层面来看，自动化发展所带来的直接影响可能是增加就业，而不是减少就业。
论文地址：https://scholar.harvard.edu/files/aghion/files/direct_and_indirect_effects_of_automation.pdf
在研究报告《The Direct and Indirect Effects of Automation on Employment: A Survey of the Recent Literature》中，Philippe Aghion调查了大量文献与数据，发现过往的研究聚焦于「自动化减少劳动力」的陈词滥调中，没有从企业的发展层面讨论问题。
早在2020年，基于国际机器人联合会（IFR）的总体数据，MIT的Daron Acemoglu与波士顿大学的Pascual Restrepo就调查了1990年至2007年间工业机器人对美国就业市场的影响，发现自动化是影响就业的主要因素——每千名工人中多一个机器人，就会使就业与人口的比率减少约0.2个百分点，工资增长减少0.42%。
更直白点，就是在美国，每多用一个工业机器人，就会取代6个工人。
但是，基于德国的数据，Wolfgang Dauth等学者在2021年发表了《Adjustment of Labor Markets to Robots》一文，反驳了这种观点，称「机器人对总就业率的影响为零」。类似报告也支持了这一观点，还指出「机器人密集化与总体的工厂生产力提高、工资上涨和产出价格下降有关」，机器人的使用有利于提升整体就业率。
相比往期报告从劳动力份额层面讨论，Philippe Aghion等人从企业层面的数据分析入手，发现了多家英美研究公司曾提出不一样的视角——自动化对使用自动化技术的企业的就业有直接的积极影响。
这背后的逻辑是：自动化企业的生产力会得到提高，可以在保证高质量的情况下降低成本，从而增加市场对企业产品的需求，由此扩大发展规模，提供更多的招聘岗位。与此同时，技术可能会帮助公司进军新的领域，或聚焦在劳动力更密集的产品与服务当中。
表格1：行业采用机器人的速度和就业人口比例的变化之间属于负相关关系
表格2：工具变量回归
根据表格2的分析，第(1)列从没有任何控制的回归开始，发现了一个负效应：每1000名工人多一个机器人会导致就业与人口比率下降1.317个百分点。第(2)列增加了对ICT和进口的控制，其幅度仍然相同。但第(3)列和第(4)列依次测试了人口特征和大区假数的影响，结果几乎没有受到影响。在第(5)列中，仅增加对制造业份额的控制就足以失去显著性，并大幅降低点估计。
结合不同的控制措施，第(6)列至第(8)列的规格提供了负的和有统计学意义的IV估计。然而，在第(9)列和第(10)列中，研究者用通勤区层面的制造业特定行业份额的控制来取代广泛的行业份额控制。
具体来说他们控制了期末机器人数量最多的三个2位数行业（占2014年机器人总数的74%）：汽车、橡胶和食品行业。相对于指数的构建，这些是关键行业。系数仍为负数，但变得不显著。这最后两列强调，结果对纳入少数高度机器人化的行业是敏感的。
2
企业 vs. 工厂 vs. 行业
企业 vs. 工厂 vs. 行业
在Aghion等人的研究中，他们分为企业与工厂两个层面进行调查。他们发现，自动化对工厂就业的影响也是积极的，并且这种积极的影响会随着时间的推移不断增加。
如图1所示，若今天工厂的自动化程度提高1%，就业率就会上涨0.2%，十年后则会增加0.4%。企业层面的结果也类似。
图1：自动化对工厂层面的就业影响
图2则显示，在企业实现自动化后的几年里，自动化会转化为企业总销售额的增加。从投资自动化的那一年到八年后，这种效应将会保持稳定。
图2：自动化对企业层面的就业影响
在行业上，生产力效应会增加自动化企业与非自动化企业的竞争，具体表现为：
自动化企业的生产力会使该企业的产品需求增加、市场份额上升，而非自动化企业的市场空间被挤压；
使用机器人的企业创造了新的就业机会，扩大了经营规模，而不使用机器人的企业会逐渐在激烈的竞争中出现负产出，失去就业机会
对于国内就业来说，积极影响与消极影响不一定能直接抵消；因此，这种竞争在一定程度上要以牺牲其他国家的利益为代价。
图3表明，与没有进行自动化投资的公司相比，在新的工业设备上进行大量投资的公司在接下来的十年里，其倒闭的可能性会大大降低。
图3：对工业设备的大量投资对企业退出概率的影响
总的来说，就是自动化本身与就业并不敌对。通过使生产过程现代化，自动化技术可以给企业带来更强的竞争力，赢得新市场，从而在全球化的浪潮中雇佣到更多员工。
重新审视「AI威胁论」
在2017年发表的《Revisiting the risk of automation》一文中，Melanie Arntz等学者曾试图预测702种工作的计算机化概率，得出一个结论是「美国47%的就业岗位在未来十年或二十年内会面临自动化的风险，且只有33%的工作有较低的自动化风险」。
但Aghion的报告指出：这份分析其实忽略了工作的任务内容。事实上，如果考虑任务的差异性，美国工人中，只有9%会面临自动化的高风险。
越来越多的研究支持验证了Aghion等人的观点。比如，耶鲁大学的Daisuke Adachi及其同事研究了1978至2017年间日本的制造业。研究发现，每1000名工人中增加一个机器人，企业的就业率就会提高2.2%。
论文地址：https://daisukeadachi.github.io/assets/papers/robot_japan_latest.pdf
麻省理工学院（MIT）的Joonas Tuhkuri与其同事在另一项研究中考察了芬兰企业，也得出相似结论：对先进技术的采用导致了雇用的增加。
论文地址：https://economics.mit.edu/files/22239
总的来说，经济学家对于机器人与人类就业之间的关系的看法正在改变。
不过，Aghion等人也明确了一点：虽然自动化在公司或行业层面上促进了就业，但对整个经济领域的影响尚未可知。
理论上，采用机器人的公司可能会非常成功，然后在竞争中取胜，减少了可提供的工作岗位总数。诸如这样的问题还有待研究人员继续研究。但至少在这个阶段，我们可以明确的是：对自动化全盘悲观的叙述时代已经结束。
RECOMMEND
推荐阅读
代数大脑：揭秘智能背后的逻辑
作者：[美]加里·F. 马库斯（Gary F. Marcus）
译者：刘伟、刘欣、于栖洋 等
DeepMind人手一本！
屡次对战深度学习三巨头
揭秘大脑黑盒到底是神经网络机器，还是加工符号的机器
推荐理由
本书英文版出版至今已近20年，但关于大脑究竟如何工作的问题至今仍无答案，而符号主义（认为大脑是类似于计算机的加工符号的机器）与联结主义（认为大脑是并行运转的大型神经网络）之间的争论也从未停息。本书分析了联结主义模型和符号加工模型在计算方面的优势和劣势，关注不同联结主义模型之间的差异以及特定模型与符号加工的特定假设之间的关系，并围绕多层感知器展开讨论。书中的观点在今天依然频繁成为学术讨论的焦点，并为认知科学、人工智能、深度学习等领域的未来研究指明了可能的方向。
认识AI：人工智能如何赋能商业（原书第2版）
作者：[美]道格·罗斯(Doug Rose)
译者：刘强
多伦多大学Shehroz S.Khan作序推荐
传统商业与AI技术的碰撞
智能时代不可不读的AI趣味概述
本书通俗地介绍人工智能（AI）和机器学习（ML）：它们是如何工作的，能做什么，不能做什么，如何借助它们获利。这本书为非技术高管和非专业人士撰写。罗斯基于多年的教学和咨询经验，以直观的类比和解释揭开了AI/ML技术的神秘面纱，解释了从早期的“专家系统”到先进的深度学习网络的发展。
扫码关注【华章计算机】视频号
每天来听华章哥讲书
书讯 | 2月书讯（下）| 新年到，新书到！书讯 | 2月书讯 （上）| 新年到，新书到！资讯 | TensorFlow技术主管皮特·沃登离职，重返斯坦福读博！书单 | 6本书，读懂2022年最火的边缘计算干货 | 数据治理的这些事儿，90%的人搞不清活动 | 开学季——经典计算机教材带你起飞！赠书 | 【第92期】Python迎来31岁生日，蝉联年度编程语言排行榜冠军
趋势丨2022年的五个大数据发展趋势
趋势丨2022 年前端趋势的 6 个预测