我們完全無從得知2050年的就業市場會是什麼樣子。人們普遍認為，機器學習和機器人將改變幾乎所有的工作，從製作酸奶到教授瑜伽都無法倖免。但談到這項改變的本質及緊迫性，各家觀點卻眾說紛紜。有人認為，只要10~20年，就會有幾十億人成為經濟上多餘的存在。但也有人認為，從長遠看來，自動化的影響還是會為所有人創造新的就業機會，為社會帶來更大的繁榮。
那麼，我們究竟是真的處於危險動蕩的邊緣，還是這只是盧德分子 歇斯底里的妄言？這很難說。早在19世紀，就有人擔心自動化會造成大量失業，但至今這種情況從未出現。自工業革命拉開序幕以來，機器每搶走一項舊工作，也會至少創造一項新工作，而且人們的平均生活水平大幅提高。 但我們有充分的理由相信這次情況不同，機器學習將會真正讓整個情況徹底改變。
人類有兩種能力：身體能力和認知能力。過去，機器主要是在原始的身體能力方面得以與人類競爭，而人類則在認知能力方面享有巨大優勢。因此，隨著農業和工業邁向自動化，就出現了新的服務業工作。這些新工作需要人類擁有獨特的認知技能，包括學習、分析、溝通等，特別是必須理解人類的種種情緒。然而，人工智慧已經在越來越多的認知技能上超越人類，包括理解人類的情緒。 而且，除了身體能力和認知能力之外，我們並不知道還有什麼第三種能力可以讓人類永遠勝過機器。
必須認識到的一個關鍵點是，人工智慧革命不只是讓計算機更聰明、運算得更快，還在生命科學和社會科學方面有諸多突破。我們越了解是哪些生化機制在支撐人類的情感、慾望和選擇，計算機就越能分析人類行為、預測人類決策，並最終取代人類的司機、銀行經理和律師等。
在過去幾十年中，在神經科學和行為經濟學等領域的研究，讓科學家能夠「破解」人類，更清楚地了解人類究竟是如何做出各種決定的。事實證明，我們從選擇食物到選擇伴侶，都不是出於什麼神秘難解的自由意志，而是數十億神經元在瞬間計算各種可能性的結果。過去大受讚譽的「人類直覺」，其實只是「辨識模式」罷了。 優秀的司機、銀行經理和律師，對路況、投資或談判交涉並沒有什麼神奇的直覺，只不過是辨識出了某些一再出現的模式，於是能夠躲過漫不經心的行人、拒絕無力償債的借款人和識破圖謀不軌的騙子。但同時也證明，大腦的生化演算法距離完美還有很長一段路。大腦會走捷徑，會根據不完整的信息快速找出答案，而且大腦的迴路也顯得過時，整套機制適合的是過去的非洲大草原，而不是現在的都市叢林。這也就難怪，即便是優秀的司機、銀行經理和律師，也會犯下愚蠢的錯誤。
這意味著，就算是那些原本認為依靠直覺的工作，人工智慧也能表現得比人類更好。人工智慧不會比人類更有那種難以言喻的第六感，但如果說人工智慧比人類更懂得計算概率和模式識別，聽起來可信度就大了許多。
特別是，如果某些工作需要「關於別人」的直覺，人工智慧的表現就會優於人類。許多工作（例如在滿是行人的大街上開車、把錢借給陌生人、商務談判等）都需要準確評估別人的情緒和願望。那個孩子會不會突然跑到馬路中間？這個穿著西裝的人是不是打算從我這兒一借到錢就消失？那位律師的威脅是認真的，還是只想嚇嚇我？只要我們覺得這些情緒和慾望是來自某種非實體的心靈，計算機就永遠無法取代人類的司機、銀行經理和律師。原因在於：計算機怎麼可能理解「心靈」這種神聖的創造物呢？然而，如果這些情緒和慾望實際上只不過是某些生化演算法，計算機就沒有理由無法破譯這些演算法，而且它們的成績一定比任何智人都要好。
不管是司機預判行人想往哪兒走，銀行經理評估借款人的信用好壞，還是律師衡量談判桌上的氣氛，依賴的都不是巫術，而是在他們毫無察覺的情況下，大腦就會通過分析面部表情、聲調、手部動作甚至體味來識別生化模式。人工智慧只要搭配適當的感測器，絕對可以把這些工作做得比人類更精確、更可靠。
因此，失業的威脅不只是因為信息技術的興起，還因為信息技術與生物技術的融合。要從功能性磁共振成像（fMRI）掃描儀走到勞動力市場，這條路肯定是漫長而曲折的，但花個幾十年總能走完。腦科學家今天對杏仁核和小腦的研究，就有可能讓計算機在2050年比人類更適合擔任精神病學家和保鏢。
人工智慧不僅能夠侵入人類，在以往認為專屬於人類的技能上打敗人類，更擁有獨特的非人類能力，使得人工智慧和人類之間的差異不是程度高低的問題，而是完完全全的兩回事。人工智慧特別重要的兩種非人類能力是「連接性」和「可更新性」。
人類都是個體，很難將所有人彼此連接，從而確保他們都能得到最新信息。相反，計算機並不是彼此相異的獨立個體，因此很容易把計算機集成為一個單一、靈活的網路。所以這樣說來，我們面臨的不是幾百萬台計算機和機器人取代幾百萬個工人，而是所有作為個體的工人都會被一套集成的網路所取代。因此，討論自動化的時候，不該把「一位司機」的能力拿來和「一台自動駕駛汽車」比較，也不該把「一位醫生」和「一位人工智慧醫生」進行比較，而該拿「一群人」的能力和「一套集成網路」進行比較。
舉例來說，交通規則時有調整，但許多司機並不熟悉，於是常常違規。此外，每輛車都是獨立運作的實體，所以當兩輛車到達同一個十字路口時，司機可能會誤讀彼此的意圖，於是發生事故。相反，自動駕駛汽車是連接成一個整體的，所以兩輛自動駕駛汽車來到十字路口時並非獨立運作，而是屬於同一套演算法的一部分。這樣一來，因溝通不暢而發生事故的機會也就大幅減少。此外，如果交通部門決定調整某些交通規則，所有的自動駕駛汽車都能輕鬆地在同一時間更新程序；除非程序出錯，否則大家都會遵守新的規則。
同樣，如果世界衛生組織確認出現某種新的疾病，或者某實驗室研製出某種新葯，目前幾乎不可能讓全世界所有人類醫生都得知相關的最新消息。但相較之下，就算全球有100億個人工智慧醫生，各自照顧一個人的健康狀況，仍然可以在瞬間實現全部更新，而且所有人工智慧醫生都能互相分享對新病或新葯的感受。連接性和可更新性可能帶來的優勢巨大，至少對某些工作來說，就算某些個人的工作效率仍然高於機器，但合理的做法將會是用計算機取代所有人類員工。
有人可能會反駁說，把個體人類轉換為計算機運算網路之後，就會失去個性化所帶來的優勢。舉例來說，如果某位人類醫生做出了錯誤判斷，並不會因此讓世界上所有的患者都喪命，也不會阻礙所有新葯的開發。相反，如果所有醫生都屬於某一系統，一旦該系統出錯，結果可能就極其嚴重。但事實上，集成的計算機系統可以在不失去個性化優勢的情況下，把連接性的優點發揮到極致。比如可以在同一個網路上運行多種演算法，這樣位於偏遠叢林山村裡的病人通過智能手機能找到的就不只是某位醫學權威，而是上百位不同的人工智慧醫生，而且這些人工智慧醫生的表現還會不斷被比較。你不喜歡那位IBM（國際商業機器公司）醫生的診斷嗎？沒關係。就算你現在被困在乞力馬扎羅山上，也能通過搜索引擎輕鬆找到醫生，尋求不同意見。
這很可能會給人類帶來巨大的好處。人工智慧醫生能為幾十億人帶來更好、更便宜的醫療保健服務，特別是那些目前根本沒有醫療保健服務可用的人。憑藉學習演算法和生物感測器，就算是某個經濟不發達國家的貧困村民，也可能通過智能手機獲得良好的醫療保健服務，而且比目前最富有的人在最先進的城市醫院所獲得的服務水平有過之而無不及。
同樣，自動駕駛汽車能讓交通服務質量大幅提升，特別是能夠降低車禍死亡率。如今，每年有將近125萬人死於車禍（足足是戰爭、犯罪和恐怖襲擊死亡人數的兩倍）。 而在這些事故中，超過90%是人為造成的：有人酒駕，有人邊開車邊看手機，有人疲勞駕駛，有人開車的時候只顧著發獃。根據美國國家公路交通安全管理局2012年的統計，全美致死車禍中有31%出於濫用酒精，30%出於超速，21%出於駕駛分心。 而這些錯誤，自動駕駛汽車永遠都不會犯。雖然自動駕駛汽車仍有其自身的問題和局限性，也免不了會有些事故，但根據預測，如果把所有駕駛工作完全交由計算機處理，將能夠減少約90%的道路傷亡。 換句話說，只要全面改用自動駕駛汽車，每年就能少死亡100萬人。
因此，如果只是為了保住工作就拒絕交通和醫療保健等領域的自動化，絕對是不明智之舉。畢竟，我們真正該保護的是人類，而不是工作。如果自動化讓司機和醫生變得無用武之地，就讓他們找點兒別的事來做吧。
至少在短期內，人工智慧和機器人還不太可能完全取代整個產業。有些工作專精