新兴技术在未来劳动力市场中的影响

　　在过去的20年里，互联网、宽带、移动和社交网络颠覆了现有的商业模式。虽然技术对职场造成的影响一直都非常显著，但与新技术相比实在是相形见绌。这对员工提出了新要求。现在不管哪行哪业，运用技术并了解技术对业务的影响都是基本的岗位要求。但单是信息通信技术（ICT）培训并不能保证未来在职场中取得成功。随着计算能力的不断增强，越来越多的任务将实现自动化。这要求员工开始承担一些不太常规、不易实现自动化的任务，其中涉及复杂的问题解决、团队协作和人际关系谈判技巧。

　　新兴技术及其影响

　　新兴技术是指目前处于早期发展或采用阶段但尚未对更广泛的社会造成影响的那些技术。本文所探讨的技术有望成为革命性技术，这意味着这些技术将融入主流社会，对经济和劳动力市场产生流动效应。

　　在过去的几年里，信息通信技术、清洁能源、材料科学和基因组学等若干领域的新兴技术均得到发展。本文重点探讨了预计将对各个经济领域产生广泛影响的若干新兴信息通信技术的影响。

　　当今的信息通信技术环境可以概括为三个主要趋势：计算正在向云计算发展，因而资源越来越丰富且廉价；媒体分发从广播向宽带过渡，从而为实现逼真临场感的沉浸式解决方案创造了技术环境；环境压力，如气候变化、饮食供应，以及社会压力，包括安全、卫生和人口老龄化，因而有必要衡量周围的世界，从而可以对其施加影响。

　　在这些趋势背后是一系列的新兴技术：云服务、物联网、大数据、人工智能和机器人、身临其境的通信。

　　云服务

　　在云数据中心部署计算基础设施，创建效用计算。数据中心（现实中是多个数据中心的网络）通常由第三方操作，由云服务提供商的多个客户共享。应需向组织和个人提供计算能力，无需投资自己的基础设施。

　　这项技术已跻身主流技术，并提供了丰富而廉价的计算资源。这项技术已超越简单的基础设施共享，迅速发展起来。预计在未来，服务提供商可通过云提供整个业务流程。从而可以创建经济实惠的信息技术（IT），向个人和小企业（而不只是大企业）提供成熟的IT解决方案。

　　通过云提供IT服务的好处颇多，其中包括：用户不再依赖于PC或笔记本电脑进行计算。而可以根据当前情况在任何设备上对相同的数据和应用程序进行操作。亦可节省各机构每年在维护个人用户PC或笔记本电脑方面的巨额开支；如能共同维护工作环境的安全，用户可以在更加安全的环境下操作，且成本低得多；用户可以要求提供成熟的解决方案，如大数据环境，而不需要创建此类环境所需的高超技能和高端产品。

　　物联网

　　物联网（IoT）是指连接到互联网的新一代廉价传感器，这些传感器可以报告对其依附的物质世界的衡量结果。从而实现物质世界的数字化，使其更加可控。

　　物联网在各垂直经济领域都有应用。造成的影响有所不同，但可以创造机会，以颠覆性的方式优化物质世界。

　　例如，在医疗领域中，可用来对特定患者的相关生物指标进行持续监测，以便进行早期医疗干预。例如对于心脏有问题的患者，患者可在胸部佩戴小型（大号创可贴那么大）单导心电图监测仪持续报告心脏活动。传感器很小，不会影响患者的日常活动。心脏信号通过用户手机传送到云数据库，持续监测是否出现异常情况。

　　通过报告和监测温度和耗电量，物联网亦可影响建筑物内能源使用的优化。另一个例子是城市中的监控摄像头（也是传感器的一种），可以确保公共安全以及更有效地利用警力资源。

　　这就是物联网的广泛影响，思科估计到2020年将有500亿的“物品”连接到互联网。

　　大数据

　　上述两种趋势的结果是，海量的信息可供使用，形成存储、检索和处理这些数据所需的可扩展计算环境。数据来源很多：当今消费者的使用模式，以及将来持续提供信息的所有已连接传感器。

　　获取所有这些数据并将其存储在可扩展云计算环境的技术能力，产生了大数据的概念。数据可存储在“数据湖（datalake）”，无需对信息去粗取精，在数据湖可对数据进行回顾性分析。在许多情况下，有必要对数据进行实时分析（例如医疗监控，及时干预很关键）。已经开发出新的软件技术，能够对此类应用进行流式数据分析。

　　这些新的大数据软件技术的其中一个显著特点是，这些技术大多基于开源软件，从而确保可以得到快速采用。

　　其他则是分析这些数据的方法。各种分析软件解决方案不断涌现，从数据湖或流媒体平台获取信息并为各机构提供决策支持。通过模拟企业决策的影响，大量的输入数据可以确保预测和优化结果。可视化工具亦有助于企业所有者了解当前的趋势。

　　分析工具往往基于统计方法或机器学习。在后一种情况下，分析软件可以吸取不同情况的前车之鉴，从而识别未来的情形（例如，如果分析软件获得监测到的正常心脏信号，那么未来就有可能识别出异常信号），了解不同的模式。这些机器学习解决方案可笼统地称为“人工智能”，其本身就是重要的技术发展趋势。

　　人工智能与机器人

　　虽然在过去五十年计算技术取得显著进步，但现在模仿人类思维模式的“数理逻辑计算机”的能力发展有限。但随着计算能力的发展和海量数据的获取，机器学习技术（也就是所说的人工智能）也得到迅猛发展。利用这些技术，计算机能执行自然语言理解、语音识别和模式识别等人工任务。

　　过去十年中已取得重大进展，预计接下来的十年中随着新的计算架构的出现，可以更大规模、更低功耗、更快地执行上述任务，这一速度还将加快。例如，IBM公司已开发出一种突触计算芯片称为TrueNorth，TrueNorth可以模拟人脑神经元和突触功能。人工智能计算机能够执行以往只有人类才可以执行的任务，在许多情况下，由于机器能够吸收海量信息，因此执行这些任务的能力比人强。例如，IBM还开发了能够理解自然语言的计算机系统Watson。Watson登上益智问答节目《危险边缘》，打败人类对手。IBM现在利用这一技术执行医学诊断等功能，如利用机器“阅读”每天都在更新的医学文献并将这些数据与患者症状对照。Watson不仅可以对患者病情进行鉴别诊断，还可以向医生说明结论是如何得出的。

　　在车辆中部署人工智能技术，并与传感器、通信和云计算机结合，创建可以模拟更多人类能力的机器人。仅在10年前，人们还认为模仿人类驾车的认知功能超出了计算机的能力。但八年后，Google的自动驾驶汽车在加利福尼亚无事故（除了因后方紧随车辆驾驶员失误造成追尾外）行驶了110万公里，已经证实无人驾驶汽车并不是幻想。研究表明，交通事故多系人为因素造成，因此自动驾驶汽车可显著减少每年的交通事故死亡人数，目前在澳大利亚每年交通事故造成1200人死亡750000例受伤住院。

　　使用人工智能或机器人将对人类执行不善的任务产生深远影响。自动驾驶汽车只是其中一个例子。

　　身临其境的通信

　　今天的宽带网络是以web为中心，即最适合下载高突发性网页，因而与其峰值速率相比，总流量较低。

　　随着媒体日益以宽带为中心（换句话说，更多地通过宽带点播电视节目），为媒体分发优化的宽带接入技术变得更加重要。这意味着，接入技术必须能够支持具有所要求清晰度的媒体流比特率（例如，对于高清晰度电视，每秒6至10兆比特[Mbps]），但更重要的是，总容量必须足以支持多用户同时观看。要构建新一代宽带，需要部署或升级网络，以提供必要带宽。在固定环境中，这意味着投资光纤到节点、光纤到路边、光纤到户和混合光纤同轴（HFC）等技术。在移动环境中，需要利用新技术、更多频谱和基站扩展容量。

　　除了过渡到以媒体为中心外，宽带通信需要支持云计算。事实上，用户设备只是连接到云计算数据中心的一个远程窗口，如果没有适当的通信系统，用户的能力也会受到严重限制。通信链路的延迟和可靠性决定利用云工作与本地工作体验的相似度，两种体验是否接近进而决定用户体验。

　　基于云的通信系统要求延迟足够低，以确保用户不会注意到计算协议交换。此外要求通信覆盖范围广，可靠性高，从而无论在何处都可满足用户需求。随着基于云的通信的发展，上行与下行带宽比率也开始减小，因为云服务对上行要求更高。虽然这并不意味着云服务需要对称带宽，但基于Web的宽带的上下行比率较高，会限制基于云的宽带服务的发展。

　　新一代的宽带网络，加上迅速发展的屏幕技术，可以为无处不在、丰富的视频通信创建技术平台。即无论对于视频还是音频，该技术都能提供高清晰度和真实距离感（称为沉浸式通信），实现逼真的临场感。

　　技术对劳动力市场的影响。在迅速变化的环境中，对未来的预测都是假设。有一点可以肯定：技术可接替完成日常任务，甚至是智力活动，但在未来几十年，问题解决仍是人类的技能。了解业务问题、构思解决方案的能力可大大提高未来就业成功的机率。

　　就业

　　传统上，必须在空间上接近客户才能提供服务，特别是高触感、复杂或劝导式、通常需要面对面交流的互动（例如客户与银行业者讨论复杂的投资策略）。但随着沉浸式通信的普及，远程讨论时的视觉和非音频信号非常逼真，就像面对面谈话一样，从而打破客户与服务人员的位置关联。员工能够选择工作地点，从而平衡工作与生活的关系，并与其他地区的人（尽管有时区、文化和语言的限制）竞争高技术含量的工作。还可帮助有身体残疾或行动不便的员工更平等地参与竞争。

　　深入了解客户的问题，并提出适当的解决办法，这是在职场取得成功的一个关键因素。假如通过教育，可以使员工利用复杂的技术构思解决业务问题的方案，这对澳大利亚的劳动力市场而言是一种利好，因为澳大利亚的经济形势比较复杂，我们的员工可以接触到前沿的问题。

　　Frey和Osborne9研究了美国市场（提供的数据最适合他们的课题）上的职业类别，并组织技术专家小组来确定其认为在新兴技术的影响下受计算机化威胁的职业类别。他们估计，计算机化威胁着美国劳动力市场47%的就业机会。

　　要了解就业为何会受到计算机化的威胁，需要集中研究各项技术的共同影响，同时还要认识到人工智能的发展是变化的最大推动力。确定就业机会如何计算机化没有通用的方法，但需要逐个垂直经济领域开展研究。同样还要注意，虽然一些职类受到的影响比其他职类大，但在许多情况下计算机化意味着高效，进而使这一职类的就业机会减少或需求发生改变，而不是彻底消除这一职类。

　　以驾驶相关工作为例，探讨职类计算机化适用的逻辑。表1对澳大利亚目前与驾驶相关的就业数量进行了粗略估计。根据这些数字，大约有四分之一的就业岗位涉及车辆驾驶。假设在接下来的二十年中所有的车辆都成为自动驾驶汽车，那么会开车不再是工作必不可少的技能，这些职业类别也会变得面目全非。而客户服务方面就变得更为重要。

　　所有汽车都将成为自动驾驶汽车的假设是否合理？基于摩尔定律的发展，在接下来的二十年计算技术将增长约10000倍。自动驾驶系统的经济可承受性将大幅提高。此外，如果90%的交通事故均系人为造成的统计正确无误，那么出于挽救生命、节省医疗成本的考虑，政府必然会强制实施这一系统。

　　再以筛查细胞确定是否有患癌迹象的细胞学家为例。他们取患者样本，准备检查载片，然后在显微镜下观察。这是一项复杂而艰苦的工作，而且风险很高。但我们已经开始探索自动执行这项任务的方法，结合机器视觉和机器学习，劳动密集的显微镜检查部分很有可能实现自动化，且得到的结果比人类观察更可靠。机器视觉可识别细胞学家通过显微镜观察到的样本形态，机器学习是指计算机通过训练来识别需要进一步研究的异常现象。

　　同样，对需要定期测量、操作、模式识别或处理的职业类别进行的研究可得出类似的结论，即随着技术成本不断下降，可靠性日益提高，未来对人力的范围和需求也会因计算机的发展而有所改变。

　　即使那些不会被计算机化取代的职业类别（由Frey和Osborne定义），也不可避免会受到影响。Frey和Osborne确定的不易受到计算机化威胁的职业类别包括：感知和控制；创造能力；社交情商。

　　虽然人类很难完全脱离这些职业类别，但更重要的是这些类别的就业机会是否还像现在一样高。

　　以医疗行业为例。医生的工作包括给患者作检查、开方检验、做出诊断等。设想利用可穿戴生物传感器对患者进行持续监测，通过机器学习算法对传感器数据进行实时评估，查找异常，并由类似于Watson的计算机进行诊断。在这种情况下，每位医生可以接诊的患者数量增加，从而人均医生数量也会减少。此外，医生大部分时间涉及的不再是专门技术，而是社交情商，从而医生遴选程序亦将有所不同，医科学生也需学习不同的技能。

　　数字基础设施的替代影响

　　对未来劳动力市场的另一个可能的影响是数字化基础设施替代物理基础设施。

　　今天，数字基础设施被视为物理基础设施的辅助。例如，利用智能手机应用程序，使用公共交通更加方便，但不会使公路的数量减少。但基于新兴技术，可以假设通过沉浸式技术减少人类实际运动，无人驾驶汽车的问世可以优化公路使用，大数据可以优化整个公路网，而通过Zipcar等汽车共享计划可以减少人均汽车保有量。在这种情况下，公路使用率下降，因此未来无需建设新公路。

　　几十年后，就业性质将发生急剧的变化。对于许多人来说，这种变化将导致现有工作的中断，对传统技能的需求下降。对其他人而言，则意味着新领域新行业里的新机会，但会出现哪些以及多少新的就业机会来推动或促进这种变化尚不清楚。

　　但是，假设能够抛开工作带来的自强和自信，我们也可以得出一个更加乐观的结论。如果假设工作的目的纯粹是为了满足马斯洛需求层次理论最低两层的需求，那么可以预期机器将满足这些需求，人类就可以自由地追求马斯洛需求层次理论中更高层次的需求。通过这种变化，新的一代就可以摆脱贫困和劳动负担，从而在意想不到的领域放飞人类下一波的创新和创造力。

　　可以预见，未来随着技术的发展，将创造出为老年人服务的专门的“老年护理机器人”。新兴技术和颠覆性技术带来的变化将产生广泛的社会影响，是我们必须应对的挑战。

　　澳大利亚电信 休·布拉德罗