谷歌(Google)最近宣布其DeepMind技術在古老的圍棋比賽中擊敗了世界排名最高的冠軍之一。這只不過是人類在人工智能和機器人領域取得的許多戲劇性進展的一個例子。機器正在迅速承擔起越來越具挑戰性的認知任務，開始形成使人類有別于其他物種的根本能力：我們做出復雜決定的能力、解決問題的能力，以及（最重要的）學習的能力。DeepMind的功績之所以尤其引人矚目，不僅僅是因為技術終于占了上風，而且還因為它基本上是憑借自我訓練戰勝了對手。

　　在今后幾十年里，機器學習可能是機器人和軟件自動化應用出現“寒武紀大爆發”（Cambrianexplosion，化石記錄顯示絕大多數的動物“門”都在距今5.42億年前的寒武紀時期出現，由此得名——譯者注）背后的主要推動力量。不久之后，能讓工程師和企業家們創建智能機器人系統的工具和構造塊將會如此先進和易于獲得，以至于近乎所有能夠利用這種技術的機遇都會被立即發現和抓住。轉變近期未來的，很可能不是一般用途的機器人，而是近乎無限數量的專業應用。總體而言，這些系統可能覆蓋整個就業市場和經濟，最終接手幾乎所有在某種程度上例行和可預見的工作。

　　懷疑者將很快指出，歷史清楚地表明，先進技術在破壞現有就業機會的同時還會創造新型的就業機會。這種過程無疑將會持續，但機器人技術似乎不太可能創造足夠就業機會吸收那些被擠出傳統崗位的勞動者。這里只舉一個例子，想想自動駕駛汽車帶來的影響吧。顯而易見的是，駕駛出租車或投遞車輛、或者為優步(Uber)工作的數以百萬計的人的就業將面臨極高風險。

　　另一方面，建造真正的、完全不需人類干預就能運行的機器人汽車依然面臨嚴峻挑戰。自動駕駛技術嚴重依賴極為詳細的駕駛路線圖。問題在于應對背離這種基于數據方式的意外及偶爾出現的挑戰：倒下的樹木擋在路上，計劃外的建筑活動或者其他可能出現的許多無法預測的情況。

　　一個顯而易見的解決辦法應運而生：讓人留在環路中，以便處理那些異常情況。不難想象未來的車輛在99%的情況下自動駕駛，但在控制中心會有經過特殊培訓的專業人員，他們隨時準備在汽車發出信號表明其遭遇正常運行環境以外的情況時接手。當然，那些控制人員將從事我們寄予厚望的“新”職業之一。但是相比失去的那么多駕駛工作，會有多少那樣的工作機會？

　　不用說，這種就業破壞和創造之間的不匹配不僅局限于駕駛。這種基本套路——將一份工作的幾乎所有例行和可預見的部分都自動化，然后將剩余的不可預測的任務整合為少數的工作崗位——很可能被應用于各行各業。快餐和零售等低薪服務行業的就業機會無疑會受到巨大影響——目前美國和英國經濟創造的就業崗位中有一大部分是在這些服務行業。甚至更為重要的將是，所有那些涉及相對例行的信息分析和操縱的白領職業都會受到影響。隨著這些往往由大學畢業生從事的“好”工作開始消失，人們很可能不再相信越來越多的教育和培訓是針對技術對就業市場破壞的良方。