第二次机器革命

当这些事物被数字化的时候它们可以被转化成比特储存在计算机里并被传送到网上时，它们就会获得一些奇异、让人吃惊不已的特性。你会发现这些经过数字化的事物完全属于一种不同的经济学范畴，在这种经济学里，资源的充裕比稀缺还要正常。这里也正像我们将要阐述的，数字产品和物质产品是不同的，这种不同的特性非常重要。

当然，物质产品仍然重要，我们大多数人都希望在物质世界里拥有更多的种类、更好的质量以及更大的体量。比如，无论如何，我们都希望能够吃得更多、更好或者更丰富。无论如何，我们都想要燃烧更多的化石能源，都想要轻松愉快地到更多的地方旅行。计算机正在帮助我们实现这些目标当然还有其他很多目标。数字化正在提升我们这个物质世界的运转特性，而且这些提升正在变得越来越重要。以上这些观点已经在经济历史学家那里形成了广泛的共识，正如哈佛大学经济学教授、知名经济学家马丁.韦茨曼(MartinWeitzman)所描述的：“一种成熟经济的长期增长是受技术进步与否支配的。”而正像我们将要展现的，当前的技术进步正在以指数级的方式发生。

第三个结论显得更悲观一些：数字化将给我们带来一些棘手的挑战。但这种挑战本身并不会让人太吃惊；即使对未来发展最有益处的技术进步也会给人带来不利的后果，这种后果也是可以有效应对的。工业革命也会同时伴随着伦敦上空弥漫的煤烟以及对童工令人发指的压榨。那么，这种技术进步后果的现代版本是什么呢？迅速发展的数字化可能带来的是经济的大分化而不是环境的大破坏，这一切源于一个事实，即计算机的性能和数字化技术会变得更加强大，公司对各类劳动者的需求将会大幅缩减。技术进步会把一些人抛在身后，而随着技术的不断进步，还会有更多的人被抛在后面。正像我们所要阐述的，拥有特殊技能的劳动者，或者接受过符合社会发展需求教育的人，将会迎来一个绝佳的机遇期，因为这些人能够利用手中所掌握的技术去创造和获取更多的价值。然而，对于那些仅仅掌握了“普通”技能而且各种能力平平的劳动者来说，这将是一个非常糟糕的时代，因为计算机、机器人和其他数字技术也正在以一种可怕的速度获取这些技能。

THE SECOND MACHINE AGE→第二次机器革命→

012

随着时间的推移，英国以及其他国家的人们总结道，工业革命的一些让人无法接受的后果经过一系列修复过程最终都消除了（民主政府和技术进步都有助于此)。童工在英国已经不复存在，伦敦空气中的烟尘和二氧化硫也比自16世纪末期以来的任何时候都更少了。数字化革命的挑战也可以被抹平，但首先我们应该清楚地知道这些挑战是什么。重要的是，我们要对第二次机器革命的消极后果进行探讨，并对如何削减这些后果进行对话。我们非常有信心地认为，这些消极后果并不是无法逾越的，但也是不会自我修复的。在接下来的章节里，我们会对这一重要议题提出我们的看法。

因此，这是一部展现第二次机器革命大画面的书我们的经济和社会将会因为数字化的出现而发生重大转折。这是一个有着正确目标和方向的大转折富足而不是稀缺，自由而不是束缚；当然也是会面临很多困难、挑战和选择的大转折。

这本书共分为三个部分。第一部分，跨度从第1\~6章，描述了第二次机器革命的基本特征。这些章节提供了很多精彩的例子，用以阐明最新的技术进步—就像科幻小说所描述的那样，并且还解释了为什么它们现在会发生(毕竟，我们在几十年前就拥有了计算机)，揭示了为什么我们对计算机、机器人和其他数字化工具给未来社会所带来的创新的规模和速度如此有信心。

第1章 最伟大的故事：时代的大画面

013

第二部分，跨度从第7\~11章，分析了数字化进程的两大经济后果，即红利和收入分化。红利指的是现代技术进步所提供事物体量的增大、种类的增长、质量的提升以及成本的下降。它是我们今天这个世界最令人振奋的经济新闻。然而收入分化并不是如此令人鼓舞；它所带来的经济成功将会制造很大的差异涵盖财富、收入、灵活性以及其他衡量指标。技术进步的分化效应在最近一些年里一直在增长。并且出于很多原因，这是一个让人感到非常棘手的发展过程，如果我们不在第二次机器革命时期加以干预，这个过程还会加速发展。

最后一部分，跨度从第12\~15章，探讨的是在这个时代里，什么样的干预是合适而且有效的。我们的经济目标应该是最大化地获得红利，削减收入分化所带来的负面效应。对于如何完成这些目标，我们将会提供一些建议不论针对的是短期还是更长远的将来。未来，你会发现技术进步真的会把科幻小说所描绘的样子变成现实。正如我们在最后章节里所强调的那样，我们现在所做的选择将会决定我们的世界是什么样子的。

THE SECOND MACHINE AGE→第二次机器革命→

014

THE

SECOND

→ 第2章 →

新机器时代的技能：技术超越一切

MACHINE

AGE

“任何足够先进的技术都称得上是魔力之源。”

——阿瑟·C·克拉克(Arthur C. Clarke)

英国科幻作家、发明家和未来学家

2012年夏，我们搭乘了一辆无人驾驶汽车。

那是在位于硅谷的Google总部做研究访问期间，我们搭上了其中一辆自动驾驶汽车—这辆汽车也是Google“私人司机”开发项目(ChauffeurProject）的一部分。开始时我们都坐在车后排，观察这辆无人驾驶汽车自动巡航，但Google的研发人员是不可能草率地就把驾驶座上明显没有驾驶员的车辆开上公路的。因为这样做有可能会让行人以及其他司机产生某种幻觉，或者会吸引警察的注意力。因此，只有我们坐在了后排座椅上，而Google项目组中的人坐在前排。

这时其中一位项目组人员按下了汽车上的一个按钮，把车辆转换成完全自动驾驶模式，于是，汽车开始在101国道上奔驰。而我们的好奇心也随之而来，当然也夹杂着些许的担惊受怕，因为101国道并不总是宁静平和、一路通畅的。

虽然这条国道很平直，而且路况良好，但在大部分时间段里仍是拥挤不堪的，交通流量也毫无规律或规则可言。可以想象，在这种公路上行驶如果操作不当，带来的后果也是相当严重的。而且，由于我们当时的自动驾驶体验也属于“私人司机”开发项目实验的一部分，所以我们对这些后果的考虑突然之间超出了我们对智能技术的兴趣。

然而，车辆行驶得相当平顺。事实上，它让我们的驾驶行程乏味得很。车辆没有在其他车辆中间加速或穿插，整个驾驶过程就像我们在驾校里所接受的规范驾驶课程一样。在车辆行驶过程中，车里的一台笔记本计算机能够实时提供Google汽车所看到的一切—包括所有附近的物体和目标都能被车上的感应器察觉到。车辆能够察觉到其周围所有的车辆—不仅仅是距离最近的车辆，而且也能察觉到这些车辆的行驶轨迹。实际上，这是一辆没有任何视觉盲点的汽车。然而，汽车自动驾驶软件却能够辨识出由人驾驶的汽车有哪些盲点，车里的计算机屏幕上能够清晰地显示出这些盲点在哪里，并且能够有效地避开这些盲点。

在我们前面的车流完全停止时，我们只是盯着计算机屏幕完全忽视了实际的路况。自动驾驶汽车这时根据前面的车辆行驶状况进行了平顺的制动，然后在与前车保持安全距离的地方停了下来。而在其他车辆开始行进时，它也随之跟进。在整个行驶过程中，坐在前排的Google项目开发人员始终谈笑风生，没有任何紧张气氛，或者说，事实上他们更感兴趣的是101国道上的实际路况。实际上，Google“私人司机”项目开发人员已经在这样的汽车里乘坐过数百个小时，他们完全有信心自动驾驶汽车能够有效地应对这种频繁启动的驾驶状况。等到我们的车开回停车场时，我们也和他们一样有信心了。

THE SECOND MACHINE AGE→第二次机器革命→

018

新新劳动分工

对于我们来说，那天在101国道上的乘坐体验尤其让我们感觉奇妙无比，因为就在几年前，我们还认为计算机技术根本无法实现汽车自动驾驶。那时，我们一些值得尊敬的同事（也是一流专家）所做的分析和研究报告都认为，在可以预见的未来，汽车驾驶这项技术还是必须由人类完成的。他们这些专家是如何做出这种结论的，以及像Google“私人司机”这类的技术项目是如何在几年之内就把这种结论推翻的，给我们在数字技术领域的进步提供了重要参考。

在2004年，弗兰克·列维(Frank Levy)和理查德·莫尼恩(RichardMurnane)出版了他们的书《新劳动分工》(TheNewDivision ofLabor)。他们所指的劳动分工存在于人类和数字劳动力之间。在任何理性的经济体系中，人们都应该专注于从事和计算机相比有相对优势的任务和工作，而让计算机从事更合适的工作。在他们的书中，列维和莫尼恩给我们提供了一种思考如何对工作进行分类的思路。

在100年前，我们前面所提到的图表没有任何意义社会发展进程极其缓慢。因为那时，计算完全是靠人力的。实际上，“computer”这个词最初指的就是一种工作职务，并不是指一种机器。在20世纪初期，“computer”开始指代人，尤其是女性，她们整天不是计算就是列表。又过了几十年的时间，创新者们所设计出来的机器可以做更多的工作；它们一开始是机械的，后来是电子机械的，最终变成数字的。今天，已经极少有人再从事与计算和记录结果相关的工作了。即使是在最低工资水平的国家，也没有人力计算设备了，因为非人力的计算机运算速度更快，也更便宜，还更精确。

如果你查看或研究一下计算机的内部工作系统，你会发现，计算机不仅仅是数字计算器，它们还是数字和符号处理器。它们的电路系统能够识别和处理“0”和“1”所组成的语言体系，但同样对于“对”和“错”、“是”和“否”，或者其他数字系统，也是有效的。一般情况下，计算机能够做所有与符号相关的工作，从数学到逻辑，再到语言。但小说创作却无法数字化，因此所有排在小说畅销榜上的书还都是由人撰写的。当然，企业家和首席执行官们的工作，科学家、护士、饭店杂工的工作，以及很多其他种类的工作也是无法计算机化的。那么为什么不能呢？这种很难数字化的工作与以前的人力计算设备又有什么不同呢？

第2章 新机器时代的技能：技术超越一切

019

知识性工作的自动化

这些问题就是列维和莫尼恩在《新劳动分工》一书中试图回答的，最终，他们想出的答案意义非凡。两位作者把计算机的信息处理工作所有知识性工作①的基本框架，放在一个图谱中。在图谱的一端是类似于计算这类规则性的应用。由于计算机要按照一定的规则进行计算，它比较擅长做计算以及类似的工作。

列维和莫尼恩一直强调，其他类的知识性工作也可以规则化。比如，一个人的信贷评分是这个人能否偿还抵押贷款的重要衡量指标，而抵押贷款的金额与这个人的财富、收入和其他债务也关系密切。因此，是否能给一个人提供抵押贷款也可以被有效地归结为一种规则。

也就是说，抵押贷款的一条规则可以用文字这样表达：“如果一个人需要申请数额为M’的抵押贷款，就需要有V’或更高等级的信贷评分，其年收入也要超过I’这一数额或者其总的财富要超过W’，而且总的债务不能高于D’，如果这样，他的抵押贷款申请就能批准了。”当我们用计算机编码表示时，我们可以把这条抵押贷款规则称为计算程序。当然，这些计算程序是一种简化的程序，它们不可能也不会把任何东西都考虑进去。然而，计算程序可以涵盖最普通和最重要的任务，它们一般对预判投资回报率这类的任务非常擅长。因此，计算机能够用于对抵押贷款申请的批准。①

THE SECOND MACHINE AGE→第二次机器革命 →

① 指的是掌握和运用符号和概念，以及利用知识或信息的工作。在今天，大多数白领所做的工作都可以称为“知识性工作”。——译者注

020

模式识别：计算机与人的大脑有什么不同

在列维和莫尼恩图谱的另一端，是并不能简单地归结为信息处理任务的规则或计算程序。根据他们的想法，这些任务只有借助人的能力才能进行模式识别②。我们的大脑非常擅长接收通过感知而获取的信息，而且还能够对信息进行检索以利于模式识别，但我们却极不擅长描述或计算我们是如何这样做的，尤其是当大量快速变化的信息以一种非常快的速度出现时。正如著名哲学家迈克尔·波兰尼(MichaelPolanyi）所观察到的：“我们知道的总是比告诉别人的要多。”如果以上说法成立，那么根据列维和莫尼恩的说法，这类任务是不能够计算机化的，必须由人类来完成。他们举了一个驾驶员驾驶汽车的例子来说明这个问题。正像他们写道的：

第2章 新机器时代的技能：技术超越一切

①在开始于2007年的大萧条之后的几年里，一些公司的抵押贷款客户的信贷评分、收入和财富水平越来越低，而债务水平却越来越高。换句话说，这些公司会重新评估或忽视这些抵押贷款客户之前的贷款批准计算程序。这并不是因为传统的抵押贷款计算程序失效了，而是因为这些计算程序被停止使用了。

②模式识别，又称图形识别，就是通过计算机用数学技术方法来研究模式的自动处理和判读。——译者注

021