人工智能對社會分工的影響研究

姜涵 陳勇杰 陳立錦欣

[摘 要]人工智能技術會對國家的生產力產生極大的推動和促進作用，但因此可能引起的社會分工結構性改變、技術性失業等一系列問題不容忽視。文章分析人工智能技術在制造、醫藥、傳媒行業的應用來分析人工智能在不同行業的作用，通過對歷史上的三次工業革命對社會分工影響情況來預測第四次工業革命將會減少第一、二產業的就業比重，第三產業就業將會達到歷史頂峰，具體可以采取完善失業保險制度、調整稅收與補貼、發動基建項目、加強職業再教育等方式緩解技術性失業的影響。

[關鍵詞]人工智能;技術性失業;工業革命

[DOI]10.13939/j.cnki.zgsc.2021.08.001

1 引言

人工智能自誕生起就對社會的發展有著很大的作用，隨著技術的不斷發展，近年來人工智能已成為社會的熱門話題，這一技術對勞動力在未來的社會分工產生深遠的影響。作為一把雙刃劍，人工智能取代人力帶來的社會問題亟待解決。

人工智能是一門新興的科學，應用于模擬人類的行為模式，減少人類對勞作的需求，為社會創造盡可能多的人力資源的需求（王燦，楊瓅，2019）。人工智能給整個社會帶來了巨大的財富，它讓社會往前進了一大步。對于一些低級的勞動工作，就可以用人工智能代替，在工廠曾經需要人力的流水生產線就是一個例子。人工智能可以代替低級的勞動工作，但是人工智能要做到像人一樣去工作是很難的，所以有些領域就運用了人和人工智能一起工作的方式大大地提高了工作效率。所以說人工智能對社會的利弊影響，歸結于它給社會大部分人帶來更多的是利益還是損害。有些人覺得因為人工智能的出現導致他們丟掉了飯碗，增加了失業率，但如果人工智能帶來的價值還不如從前，政府也不會為其發展投入大量物力財力。舊的技術被新的技術所取代，這是歷史發展的必然趨勢。

本文以研究人工智能與長期從事的工作為主要研究對象，全文主要組織部分結構和內容如下：第2部分重點介紹了人工智能的發展和應用;第3部分重點講述了人工智能對社會分工的影響和沖擊;第4部分對人工智能進行總結。

2 人工智能的應用

人工智能對社會分工的影響不能一概而論，因為人工智能的發展就目前來看分為兩個階段，這兩個階段的技術層次完全不同，投入應用的年代也完全不同，將分開來討論。

2.1 弱人工智能

弱人工智能可以仿照人類進行一些可被機械化、程序化的行為。弱人工智能在近幾年已經在人們的周圍普及開來，在制造業、醫藥業、傳媒業等行業都已經逐步投入建設。

人工智能在制造業的興起具有革命性改變，無人工廠也有效降低了生產成本，對于生產效率也有了質的提升。基于工廠內部的物聯網構建了傳感、通信、應用三層體系，工廠生產的每一個細節都會被記錄下來由人工智能進行分析。基于深度學習鍛煉的人工智能系統已經足以排除絕大多數信息，而無法辨認的可以交給中心部分管理的個別員工來進行。最終的生產資料也可以由機器自動生成（欒峻葦，2019; 高洪福，2018）。這樣高效率的工廠也被納入了國家建設方案。德國在2013年推出了“工業4.0”，國務院在2015年也正式宣布開始研究部署《中國制造2025》。中國制造無人工廠已是大勢所趨，第四次工業革命的歷史性高潮已經席卷而來。

在醫藥行業，深度學習大量的病理標本，輔助醫生進行分析，節省了大量的時間，在制藥行業輔助進行的數據分析和人工智能建模，同樣可以起到縮短準備時間、節省人力成本的作用（劉琦，2018）。但要全面落實還需要一定的經驗基礎，深度學習需要大量的數據進行訓練，而目前所提供的數據量還沒有達到這個要求，但隨著時間的推移會逐步實現，若要全面落實，尚需時間（朱文珍，胡瓊潔，2019）。

相對于醫藥業，傳媒業的數據量就十分可觀，每個人在網絡的一舉一動都會產生數據并且被記錄，一些公司的人工智能會根據你在該公司軟件上每條信息（短視頻、文章等）的停留時間來分析你的喜好程度，對軟件上的所有產品進行分門別類，最后形成一個你個人的喜好框架，再根據比例對你進行推送，從而形成一個根據自身喜好而私人訂制的頁面內容，這也滿足了用戶的個性化需求。而一些內容的生產者，如新聞媒體，也會通過人工智能自動生成新聞報道（羅幽詩，2017），這已經付諸了實踐，如美聯社的Wordsmith、路透社的Open Calais，中國也有新華社的“快筆小新”等。他們可以在最快時間內通過算法實現可閱讀的語言，節省了許多人力成本。而擁有用戶喜好框架的公司就可以快速將這些媒體的報道分門別類，并推送給相關喜好的用戶。這已成為一條基本完善的產業鏈（羅幽詩，2017）。

弱人工智能在不同行業起到了不同的作用，上面舉的三個行業例子就分別代表了不同的情況：替代了大部分人（制造業），替代了少部分人（傳媒業），輔助人（醫藥業）。

2.2 強人工智能

強人工智能技術距離人們還較遙遠，目前對其定義是需要具有獨立的思維和意識，而對如何實現這個技術，依然還是個問號。所以強人工智能技術對社會分工產生影響之前，弱人工智能技術很可能已經普遍于全球，所以在弱人工智能尚未完善的情況下，超期一個時代去思考強人工智能，得到的結果很可能會非常不準確，所以文章只考慮已經逐步步入社會的弱人工智能對社會分工的影響。

3 弱人工智能對社會分工的沖擊

3.1 技術性失業

技術的進步會極大促進生產效率的提高，導致對部分基礎勞動力的需求的減少。這對以工廠主、企業家為代表的中產階級而言是有利的，因為生產效率在提升，而生產成本在降低，對企業而言，既提升了利潤又減少了負擔。對同國家利益掛鉤的上層階級而言也同樣是有利的，因為一個個被科技促進的企業帶動了國家經濟的高速發展。而對于工人等基層勞動人民而言并不是一件好事，因為企業會為了縮減成本而進行一定規模的裁員。

歷史上每次工業革命都帶來了大規模的技術性失業，筆者將從歷史上三次工業革命帶來的技術性失業問題來進行分析，從而預測人工智能革命在未來造成的技術性失業的影響。

3.1.1 第一次工業革命帶來的技術性失業及影響

18世紀60年代，“珍妮機”的出現標志著第一次工業革命的開始（黃益群，2016），當時從事手工紡紗的英國婦女也成為第一批因技術而失業的人群。擁有更先進技術紡紗機的企業從技術層面上完全壓制著依靠手工紡紗的企業，因為珍妮紡紗機的普及，市面棉紗產量大幅提升，棉紗供不應求的局面被大幅改善，使得手工紡紗的收益大幅下滑。雖然新技術創造了新的就業崗位，原先被替代崗位的勞動人民可以通過學習使用機器來適應新崗位。但市場的總需求并不會出現像生產力那樣的大幅提高，所以社會對于該崗位的勞動力需求就會減少（陳軼翔，羅伯特·艾倫，2017）。

但在工業革命之前，“圈地運動”在英國的開展已經讓原先大量從事第一產業的人群流入城市，而工業革命帶來的工具更新讓這些人返回農村的可能性變得越來越小（侯建新，2019）。而英國通過對外擴展擴大了市場，使得第二產業爆炸似的生產增長率找到了可以“入侵”的需求市場。雖然擠壓了其他國家的市場份額，但英國通過這樣的方式挽救了國內城市的失業狀況。

由圖1可見，1801—1861年的工業產值和就業比重不斷提升，從落后到成為農業的數倍。

1770—1830年的英國勞動人口人均生產力在穩步提升，可他們的實際工資幾乎保持不變，所以即使是通過學習適應崗位后的工人，也僅僅是在技術性失業的浪潮中保住了自己的飯碗而已，技術帶來的高額利潤落入了中產階級和上層階級手中。

3.1.2 第二次工業革命帶來的技術性失業及影響

第一次工業革命帶來的技術性失業影響力還是較為有限的，因為市場的需求在短期內會隨著生產力的提升而提升，國內市場的供求關系并沒有好轉。在國內市場飽和以后，率先完成工業革命的國家會通過擴展國外市場來繼續保持供求平衡，工業革命帶來的新職位也會接納原先的技術性失業者。

第二次工業革命的電氣技術帶來了一系列的新職業，使得社會分工出現了更多的門類，創造了一系列如同汽車、鋼鐵、化學工業等行業。同時因為生產力的提升，刺激了第三產業的蓬勃發展，交通、金融、服務等行業的就業大幅增加。

該工業革命帶來的技術性失業主要集中于第一產業，隨著技術的革新，第一產業的生產工具再次得到升級，農業機械化的程度不斷提高，美國、德國此前并沒有受到“圈地運動”太大的影響。由圖2和圖3可見，美國在1849年第一產業的就業比重為61.7%，第二產業的就業比重為15.5%;德國在1861年和1871年的第一產業就業比重為50.9%，第二產業的就業比重為27.6%，而到了1910年，兩個國家的第一產業就業比重分別下降到了34.9%和35.1%，而第二產業就業比重出現了增長，分別達到了29.2%和37.9%（許冰，2018）。

由此可見，以德國、美國為代表的最先享受到第二次工業革命帶來的科技紅利的國家，技術性失業的影響主要在第一產業。

3.1.3 第三次工業革命帶來的技術性失業及影響

第三次工業革命將社會分工細化到了極致，發達國家的整體就業結構都在向第三產業傾斜。

由于技術革新，第一產業生產的增長率大于需求增長率，導致了第一產業的就業比重繼續減少。1960—2000年間，美國由8.6%大幅下降至2.6%，日本由26.9%大幅下降至5.1%，法國由22.4%大幅下降至4.1%。

在發展初期，第二產業的就業比重出現了小幅度的提升，但很快因為生產力的過剩而出現了供大于求的情況，于是在第三次工業革命后期出現了第二產業就業比重下降的情況。

第三產業自第二次工業革命開始就業比重就逐步提升，到了2000年幾乎所有發達國家的第三產業就業人員均已過半。由于新技術的出現，勞動力需不斷學習新出現的技術來適應工作。社會對高技術性人才的需求越來越高（許冰，2018）。

3.1.4 人工智能革命帶來的技術性失業及影響推測

影響第一產業和第二產業就業的主要因素在于市場需求，而歷史上三次工業革命所促進的生產增長率遠超市場需求增長率。第一產業在三次工業革命中的就業比重都在降低，第二產業就業比重在第三次工業革命后期也出現了降低。在第四次工業革命中以無人工廠為代表的新技術，將會讓第一、第二產業的就業比重繼續降低。

第三產業在前兩次工業革命中蓬勃發展，出現在第三產業以傳媒業機器寫手為代表的新技術也可以替代少部分人力勞動，市場對第三產業的需求目前還尚未達到飽和。目前的人工智能已經可以針對用戶進行個性化的內容推送，個人定制的產品也越來越流行，隨著第三產業就業比重的增大，其競爭程度也會越來越大。

雖然人工智能的新技術會帶來新的就業，但這并不能填補被替代職業的缺口。世界經濟論壇（World Economic Forum）2016年1月的一份世界經濟報告《就業的未來》（The future of jobs）預測，機器人和人工智能的出現和興起將在15個大型經濟工業化的國家消除數百萬個就業困難的崗位，而同期信息技術和科學進步的發展只會為其帶來200萬個新就業的崗位（吳清軍，陳軒，王非，等，2019; 本刊綜合，2017）。

3.2 技術性失業后的主要措施

在技術高速發展的科技革命階段，各國間的科技水平博弈已成為提升未來國際地位的一大手段。發展過慢會被甩在后面，而發展過快產生的大量技術性失業人口將成為社會的一大隱患。

3.2.1 失業保險

人工智能雖然會淘汰大量的職業，但也會創造許多新的職業，這些新的職業對于其從業人員的技術要求會更高。有了失業保險，待業人員的基礎生活就有了一定的保障，可以確保在學習技術以及尋找新工作的時間里解決基本的溫飽問題。

當處于經濟下行周期或經濟危機時，失業率的提升會導致社會矛盾的爆發，而失業保險保障了失業人民的生活，可以有效地緩解這樣的情況（董保華，孔令明，2017）。

我國目前的失業保險基金整體上還是收入大于開銷，每年的剩余可以用來幫助企業，穩定經濟局勢（蔣萬庚，2018）。

3.2.2 調整稅收與補貼

西方的研究者們偏向于通過征稅來調控人工智能的發展規模，通過對人工智能征稅可以一定程度上限制一些企業的飛速擴張（董志強，黃旭，2019）。而利用人工智能稅來對仍然使用人工生產的企業進行補貼，這樣可以減少一些技術尚未普及的企業的生存負擔，使得企業淘汰的速度減緩，一定程度上避免了失業率在某一時段的飛速提升，為政府提供緩沖時間（董志強，黃旭，2019）。

3.2.3 基建

在國家失業率失調的局面下，啟動更多的基建項目是政府對控制失業率的有力的短期手段。這不僅在項目期間減少了可觀的失業人口數量，也會對國家未來長期經濟發展提供基礎。

2009年奧巴馬政府計劃啟動的“經濟復蘇計劃”預計在2011年之前創造250萬的就業崗位。在我國，修一座1000千米的鐵路就需要10萬名工人（刑海洋，2009）。

3.2.4 加強職業再教育

在人工智能的推動下，一些技能要求較低的可通過自動化實現的職業將會被率先淘汰，如果僅僅是通過補貼企業、發動基建項目只能解決一時的燃眉之急，這些人終究也會失業。只有在這些人中普及職業再教育，使得他們適應更高技能水平的工作，才可以從根本上解決一些人的失業問題。

4 總結

弱人工智能技術通過仿照人類的行為模式，在許多職位上展現了極高的效率，在期待人工智能技術革命帶來的便利以及造福于社會的同時，也不能完全忽略其可能帶來的諸多負面影響。

從個人層面來看，即使面對失業風險，也不能過于驚慌，去從事一些目前還難以被人工智能所替代的行業，或強化自身技能水平從而使自己成為一個高技術型人才，才能減少失業風險。

從國家層面來看，也需要做好宏觀調控工作。根據以往工業革命的趨勢，社會對就業的比重將更加明顯的向第三產業傾斜，第一、第二產業的比重可能會在今年繼續縮減，第三產業的比重將再次到達第三產業歷史的一個頂峰，但這改變的過程不能太快，許多企業的倒閉會增加社會的不穩定因素，國家應該時刻關注企業的生存情況，并對一些企業進行一定程度的扶持。對于局部地區失業率大幅增加的情況，可以在該地區啟動一些基建項目，對該地失業率提供一個緩沖空間。

由于第三產業的比重增加，人們受到的服務也會更加人性化，創造性和高技術型行業人才將更加受到歡迎。雖然失業率會增加，但國家生產力卻一直在提升，所以國家對待業人口的保障制度會更加完善，福利會更加高。

參考文獻：

[1]王燦，楊瓅.智能變電站技術的創新優勢及應用[J].通信電源技術， 2019，36（8）：135-136.

[2]欒峻葦.基于物聯網的無人工廠技術探究[J]. 通訊世界， 2019，26（4）：260-261.

[3]高洪福.機器人工廠≠無人工廠——“IT生存法則”之智慧工廠[J].網絡安全和信息化， 2018（10）：19-20.

[4]劉琦.人工智能與藥物研發[J].第二軍醫大學學報， 2018，39（8）：869-872.

[5]朱文珍，胡瓊潔.人工智能與醫學影像融合發展：機遇與挑戰[J]. 放射學實踐， 2019，34（9）：938-941.

[6]羅幽詩.試論新媒體時代體育傳播的產品轉型[D].武漢：武漢體育學院， 2017.

[7]汪萱.人工智能時代傳媒業的“人工”與“智能”[J].傳媒， 2019（8）：63-66.

[8]黃益群.我國高新技術企業與風險投資的結合機制研究[D].福州：福州大學， 2016.

[9]陳軼翔，羅伯特·艾倫. 以史為鑒，展望人類工作的未來[J]. 世界科學， 2017（12）：51-54.

[10]侯建新.圈地運動與土地確權——英國16世紀農業變革的實證考察[J]. 史學月刊，2019（10）：5-46.

[11]許冰.工業革命影響就業結構的歷史考察與例證[J]. 未來與發展， 2018，42（3）：19-22.

[12]吳清軍，陳軒，王非，等.人工智能是否會帶來大規模失業——基于電商平臺人工智能技術、經濟效益與就業的測算[J].山東社會科學， 2019（3）：73-80.

[13]本刊綜合.“無人經濟”：技術升級背后的服務考量[J].發明與創新（大科技）， 2017（12）：8-12.

[14]董保華，孔令明.經濟補償與失業保險之制度重塑[J]. 學術界， 2017（1）：18-33.

[15]蔣萬庚.論失業保險功能的反思與定位[J]. 廣西大學學報（哲學社會科學版）， 2018，40（6）：95-98.

[16]董志強， 黃旭.人工智能技術發展背景下的失業及政策：理論分析[J]. 社會科學戰線， 2019（12）：76-84.

[17]刑海洋.基建與就業[J].中國海關，2009（1）：12-79.

[作者簡介]姜涵（2001—），男，江蘇海門人，就讀于南京曉莊學院，研究方向：人工智能理論、宏觀經濟管理;陳勇杰（2001—）男，浙江青田人，就讀于南京曉莊學院，研究方向：人工智能理論;陳立錦欣（2001—），男，江蘇啟東人，就讀于南京曉莊學院，研究方向：人工智能理論。