人工智慧如何影響工作的未來?

今日的倉庫自動化程度,大約跟一九八○年代的工廠自動化不相上下。 的確,以上討論的許多人工智慧技術依舊還是不完美的原型,但別忘了,每一項技術在早期的階段都不完美,比方說對多數評論者而言,世上最初的電話令人啼笑皆非。

很多人以為,工作若要能自動化,機器取代勞工的方法,就是複製一模一樣的人類程序—這是個常見的誤解,大部分自動化採取的方法其實是簡化。就連最先進的機器人,也無法複製中世紀工匠的動作與步驟。生產能自動化,方法只是把先前無架構的工作,在工廠環境中進一步切割與簡化。工廠的組裝線把工匠鋪的非例行性工作,轉換成機器人問世後便自動化的重複性工作。

同樣的道理,我們自動化洗衣婦工作的方法,並不是發明多功能的機器人,有辦法砍樹、挑水、把外頭的柴火或煤炭送進火爐,接著執行用手洗衣的動作。此外,我們自動化燈夫工作的方式,也不是發明有辦法爬上路燈柱的機器人。

簡化工作的近代例子包括「預製組件」(prefabrication):「現場施工一般需要高度適應環境的能力,真實的工作環境通常地面有高有低,又會受氣候影響。預製組件是指事先在工廠組裝部分的建築零件,運送至工地,大幅減少需要適應力的需求。許多建築工作可以靠機器人在控制下的情境中執行,降低任務的變化度—這種方式愈來愈普及,尤其是在日本。」

不只是建築業,零售業也一樣,聰明的任務重新設計已帶來前景可期的成果,例如亞馬遜收購的Kiva 系統公司(Kiva Systems),光靠在地上貼條碼貼紙,讓機器人知道自己的精確位置,就能解決倉庫導航問題。工程師靠著聰明才智重新設計工作,就已經打破機器人能做到哪些事的原則。

在一九九○年代晚期,電腦助零售營運一臂之力,但生產力的成長無法持久,企業一下子就碰上了瓶頸。貨物需要從工廠移至倉庫,接著送往零售店,最終抵達買家手中。用卡車載送貨物「本質上是不具生產力的活動,送貨的司機必須駛過塞車與坑坑疤疤的街道,找停車位,按門鈴,等人應門。」 亞馬遜為了繞過這些步驟,正在實驗使用無人機來送貨(跳過交通壅塞的街道)。剛才提到戈登的質疑「包裹要如何從亞馬遜的車上,抵達我的前廊?」看來答案愈來愈有可能是許多包裹不會是用車輛來送貨。

以倫敦為例,天空港公司(Skyports)已經在收購屋頂空間,預備改造成無人機可以起降的垂直機場(vertiport)。二○一八年三月,亞馬遜取得可以回應人類手勢的載貨無人機專利,此一技術應該可以協助解決一個問題:「飛行機器人該如何與路人以及在門階上等候的顧客互動。」「專利內容顯示,無人機將可依據人類的手勢調整行為,包括表示歡迎抵達的大拇指向上、大叫或瘋狂揮舞手臂。專利內容還指出,無人機有辦法放下攜帶的包裹、改變飛航路線避免相撞,還能詢問人類問題,或中斷遞送。」

工程師在人工智慧的輔助下,也想出聰明的辦法減少商店內的勞力需求,但不是透過複雜的自助結帳程序,把結帳人員的工作轉嫁給消費者。Amazon Go 無人商店是典型的替代技術。今日全美約有三百五十萬人從事收銀員工作,但如果你去的是Amazon Go 商店,你不會見到任何收銀員, 甚至連自助結帳區也沒有。顧客只要走進去、掃描手機,帶著需要的商品走出店門。

亞馬遜辦到這件事的方法是利用電腦視覺(computer vision,注:利用攝影機和電腦代替人眼來追蹤與辨識)、深度學習與感測器近日的進展,這麼一來就有辦法追蹤顧客、顧客伸手拿的東西,以及顧客帶走的東西。接著,亞馬遜會在顧客離開時,趁信用卡經過旋轉門時結帳,把收據寄至Go APP。Amazon Go最先在華盛頓西雅圖推出,由於同時追蹤數個使用者與商品的技術出了點問題,原型店比預定時間晚了一些才開幕。亞馬遜目前在西雅圖有三家Go商店,伊利諾州芝加哥有一家,預計二○二一年還會再推出三千家。全球各地的公司也正在投資人工智慧,希望達成相同的目標,例如:騰訊、阿里巴巴、京東商城。

京東等中國公司也開始進一步投資無人倉庫。在京東的上海倉庫,機器由影像掃瞄器引導。機器負責處裡所有的貨物,幾乎全是消費者電子產品:「包裹沿著輸送帶走。網絡各端點的機器手臂將物品放置在正確的軌道上,以塑膠或紙板包裝,放上機動圓盤,包裹經過有如巨大棋盤的地板,接著被丟下滑道,掉進大貨袋。有輪子的電腦化貨架取得貨袋,送至卡車上,接著多數訂單都能在購物者按下購買鍵後的二十四小時內抵達。」京東今日在亞洲各地雇用了約十六萬名勞工,並公開表示,接下來的十年,要將這個數字縮減至八千以內,而且那八千個工作預計將要求相當不一樣的技能組合。

倉庫依舊雇用大量人口的主要原因,在於揀貨依舊主要還是得靠人力來處理。人類在複雜的「感知任務」(perception task)與「操作任務」(manipulation task)方面依舊握有比較優勢,但近日人工智慧也出現了不少突破。伊隆.馬斯克(Elon Musk)成立了加州舊金山OpenAI實驗室(OpenAI lab),研發出命名為「達克堤利」(Dactyl,注:希臘文的「手指」之意)的機器手,它有五根手指,證實近年來驚人的技術進展:「如果你給達克堤利一個字母積木,叫它給你看特定字母,例如紅色的O、橘色的P、藍色的I,達克堤利會旋轉或拋動那個積木,以靈活的動作給你看積木上寫著字母的那面。」 雖然這對任何人類而言是小事一樁,重點在於,人工智慧讓達克堤利有辦法學習新任務,主要的辦法是靠達克堤利自行嘗試錯誤。

然而,機器人如果要能成為有效的操作手(manipulator),就得學習辨識與區分各種物體。在這方面,近幾年的最新技術中,最好的例子大概是「機器爪」(Gripper)—這種機器配備兩指的夾子,遠比五指的手好操作。「機器爪」有辦法辨識、操作與分類類似的物體,例如拿起螺絲起子或番茄醬瓶。然而,如果碰上以前沒見過的物品,那它就真的「束手無策」了。這對倉庫而言不是問題,因為倉庫的物品種類是有限的;但倉庫存放著數千種物品,而且還會不斷有新商品出現, 所以就需要幾乎不管什麼樣的物品都能拿得起來的機器人。在柏克萊加大的機器人實驗室「自動實驗室」(Autolab),研究人員正在利用人工智慧打造那樣的系統:

柏克萊的研究人員模擬了超過一萬種物品的物理性質,找出拿起每一樣東西的最佳方式,接著系統再次利用神經網絡演算法分析所有的相關數據,學習辨識拿起任何物體的最佳方式。從前,研究人員設定好讓機器人做每一件事的程式,今日的機器人可以自己學習。舉例來說,碰上《星際大戰》尤達(Yoda)的塑膠玩具時,系統會辨識出該用機械爪拿起玩具,但如果是一瓶番茄醬,系統就會選擇用吸盤。桶內放著各種隨機物品時,機器手有辦法處理。雖然還不到完美的境界,但由於系統可以自行學習,所以改善速度遠快過從前的任何機器。

也就是說,在感知與操作任務等方面,機器人的能力依舊遠遠不及人類,但已經複雜到可以在架構好的倉庫情境中處理抓握任務,例如撿起貨品、放上棧板、裝入紙箱或盒子裡。機器人在進入工廠的同時,也逐漸在製造業以外的領域嶄露頭角。

今日的倉庫自動化程度,大約跟一九八○年代的工廠自動化不相上下。 的確,以上討論的許多人工智慧技術依舊還是不完美的原型,但別忘了,每一項技術在早期的階段都不完美,比方說對多數評論者而言,世上最初的電話令人啼笑皆非。

透過聽筒聆聽沒有形體的聲音,與先前任何通訊形式的體驗都完全不同。一篇早期的《科學人》文章曾主張,電話是可笑的發明,沒有多少用處:「說話的可貴之處在於有聽眾,對著一塊鐵講話感覺很荒謬。」我們現在看過去的想法會覺得可笑,但早期的電話是單線系統,聲音會大幅失真:「一八七八年,最新發明的電話,幾乎比科學玩具好不到哪裡去。使用時,你必須快速轉動曲柄,對著原始的送話口吼叫。你能在靜電干擾中勉強聽到的回話,就像是惡魔發出淒厲的尖叫呻吟。」

然而,僅僅過了十年,這項技術看起來就大有可為。一八九○年,《時代》記者受邀參觀「美國電話與電報公司」(American Telephone and Telegraph Company, AT&T),了解長途電話的進展。公司總監西伯德(A. S. Hibbard)為了展示技術,試撥了一通電話:「他打電話給三百英里外的波士頓,接著來了一場愉快的對話。另一頭的接線生是一位年輕女性,她立刻精神抖擻地談起神智佛教學(Theosophic Buddhism,注:美國移民在十九世紀末成立的神祕學宗教)的最新發展。她不必扯著喉嚨,幾乎就像是一般在講話一樣,聽得相當清楚。」

(本文摘自卡爾.貝內迪克特.弗雷著《技術陷阱:從工業革命到AI時代,技術創新下的資本、勞動力與權力》,八旗文化提供)

(本文摘自卡爾.貝內迪克特.弗雷著《技術陷阱:從工業革命到AI時代,技術創新下的資本、勞動力與權力》,八旗文化提供)


延伸閱讀

從AI到AI+金融科技驅動數位轉型

經濟成長和資源消耗量脫鉤?

巨頭的詛咒!我們的鍍金年代將走向何方?