 等你長大，可能沒有工作 我們完全無從得知，2050年的就業市場會是什麼樣子。一般同意，機器學習和機器人將會改變幾乎所有工作，從製作優格到教導瑜伽都無法倖免。但談到這項改變的本質及急迫性，各家觀點也就眾說紛紜。有些人認為，只要十年到二十年，就會有幾十億人成為經濟上多餘的存在。但也有人認為，長遠看來，自動化的影響也會是為所有人創造新的就業機會，帶來更大的繁榮。 所以，我們究竟是真的處於危險動盪的邊緣，又或者這再次只是盧德份子歇斯底里的妄言？這很難說。早從十九世紀，就開始有人擔憂自動化會造成大量失業，但至今從未出現這種景況。自工業革命揭開序幕以來，機器每搶走一項舊工作，也會至少創造一項新工作，而且平均生活水準大幅提高。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勢徹底改變。 人類還有什麼能力勝過AI？ 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得以與人類競爭，而人類則是在認知能力仍享有巨大優勢。因此，隨著農業和工業的工作邁向自動化，就出現了新的服務業工作。這些新工作需要人類獨有的認知技能：學習、分析、溝通，特別是必須理解人類的種種情緒。然而，人工智慧（以下簡稱AI）已經在愈來愈多認知技能項目上超越人類，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領域，讓人類能夠永遠勝過機器。 必須體認到的一項關鍵在於：AI革命不只是讓電腦運算更快、更聰明，AI更搭配了在生命科學和社會科學方面的種種突破。我們愈瞭解是哪些生化機制在支撐人類的情感、欲望和選擇，也就愈能分析人類行為、預測人類決策，最終取代人類的司機、銀行經理和律師。 過去幾十年，由於在神經科學和行為經濟學等領域的研究，讓科學家能夠「駭進」人類，更清楚瞭解人類究竟是如何做出各種決定。事實證明，我們從選擇食物到選擇伴侶，都不是出於什麼神祕難解的自由意志，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，於是能夠閃過漫不經心的行人、拒絕無力償債的借款人、戳破心懷不軌的騙子。而且，那些領域的研究同時也證明，人腦的生化演算法距離完美還有很長一段路。人腦會想走捷徑、想根據不完整的資訊快速找出解答，而人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，不是現在的都市叢林。也就難怪，就算是優秀的司機、銀行經理和律師，也會犯下愚蠢的錯誤。 這代表著，就算是那些本來認為是靠直覺的工作，AI也能表現得比人類更好。如果是說AI能比人類更有那種難以言喻的第六感，這種事大概不會發生；但如果講的是AI能比人類更懂得計算機率、辨識模式，聽起來可能性就高了許多。 特別是如果某些工作需要「關於別人」的直覺，AI的表現就能優於人類。許多工作（例如在人潮滿滿的街上開車，把錢借給陌生人，商業上的談判交易等等）都需要準確評估別人的情緒和願望。那個孩子是不是會突然跑到馬路中間？這個穿著西裝的人，是不是打算從我這裡一借到錢就消失？那位律師的言語威脅是認真的嗎？還是只想嚇嚇我？只要我們覺得這些情緒和欲望是來自某種非實體的心靈，顯然電腦就永遠無法取代人類的司機、銀行經理和律師。原因就在於：電腦怎麼可能去理解「心靈」這種神聖的創造物呢？然而，如果這些情緒和欲望實際上也只不過是某些生化演算法，電腦就沒理由無法解譯，而且解譯的成績一定比任何智人都來得好。 不管是司機預測行人想往哪走，銀行經理判斷借款人的信用好壞，又或是律師衡量談判桌上所瀰漫的情緒，凡此種種所依賴的都不是巫術，而是在他們無所覺的情況下，大腦就會透過分析臉部表情、聲調、手部動作、甚至體味，來判讀生化模式。AI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。 AI擁有兩種非人類能力：可連結、可更新 AI不單單能夠「駭進」人類、並在以往認為專屬於人類的技能表現上打敗人類，更擁有獨特的非人類能力，而使得AI和人類工作者之間的差異不僅是程度高低，而是完完全全的兩回事。AI特別重要的兩種非人類能力，就在於「連結性」和「可更新性」。 人類都是個體，很難將所有人彼此連結，以確保每個人都得到最新資訊。相反的，電腦並不是彼此相異的獨立個體，因此很容易把電腦集合成單一、靈活的網路。所以這樣說來，並不是即將有幾百萬部電腦和機器人取代幾百萬個工人，而是所有的個別工人會被一套整合的網路所取代。因此，討論自動化的時候，不該把「一位司機」的能力拿來和「一輛自動駕駛車」比較，也不是把「一位醫師」拿來和「一位AI醫師」做比較，而是該把「一群人」的能力，拿來和「一套整合網路」進行比較。 舉例來說，交通規則時有修改，但許多司機並不全然熟悉，於是常常違規。也因為每輛車都是個別運作的實體，所以兩輛車到了同一個十字路口的時候，司機可能會誤讀彼此的意圖，以致發生事故。相反的，自動駕駛車是連結成一個整體，所以兩輛自動駕駛車來到十字路口時並非個別運作，而是屬於同一套演算法的一部分。這樣一來，溝通不良而發生事故的機會也就大幅減少。此外，如果交通部決定修改某些交通規則，所有的自動駕駛車都能很快在同一時間更新；除非程式出錯，否則大家都會遵守新的規則。 同樣的，如果世界衛生組織確認出現了某種新疾病，或是某實驗室生產出某種新藥，目前幾乎不可能讓全世界所有人類醫師都得知最新發展的消息。相較之下，就算全球有一百億臺AI醫師、各自照顧著一個人的健康狀況，仍然可以在瞬間全部更新，而且所有AI醫師都能互相分享對新病或新藥的反應。 連結性和可更新性可能帶來的優勢極為龐大，至少對某些工作來說，就算某些單獨個人的工作效率可能仍然高於機器，但合理的做法將會是用電腦取代所有人類員工。 有人可能會反駁說，把個別的個人轉換為電腦運算網路之後，就會失去個別性所帶來的優勢。舉例來說，如果某位人類醫師做出錯誤判斷，並不會因此讓世界上所有的病人都喪命，也不會阻礙所有新藥的發展。相反的，如果所有醫師其實都屬於某一套同樣的系統，該系統一旦出錯，結果可能就極其嚴重。 但事實上，整合的電腦系統可以在不失去個別性的優勢下，把連結性的優點發揮到極致。譬如在同一個網路上提供許多演算法，以供選擇。於是位於偏遠叢林小村裡的病人只要透過智慧型手機，能找到的不只是某一位醫學權威，而是上百位不同演算法的AI醫師，而且這些AI醫師的表現會一直受到互相評比。你不喜歡那位IBM醫師的診斷嗎？沒問題。就算你現在困在吉力馬扎羅山上，也能輕鬆找到百度醫師，尋求第二意見。 這對人類社會很可能帶來巨大的好處。AI醫師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資源可用的人。靠著機器學習演算法和生物統計感測器，就算是某個未開發國家的貧困村民，也可能會透過智慧型手機，得到良好的醫療保健，比起目前最富有的人在最先進的城市醫院所獲得的水準，有過之而無不及。 同樣的，自動駕駛車能讓交通服務品質大幅提升，特別是能夠降低車禍死亡率。在今日，每年有將近一百二十五萬人因車禍而死亡，足足是戰爭、犯罪和恐怖攻擊死亡人數的兩倍。在這些事故中，超過90%是由於人為錯誤造成的：有人酒駕、有人邊開車邊發簡訊、有人開車開到睡著、有人開車的時候只顧著發呆。而這些錯誤，自動駕駛車永遠不會犯。雖然自動駕駛車仍有不少問題和局限，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電腦處理，將能夠減少大約90%的道路傷亡。換句話說，只要全面改採自動駕駛車，可能每年就能拯救一百萬人的性命。 因此，如果只是為了保障工作，就想阻擋在交通和醫療保健等領域的自動化，絕對是不智之舉。畢竟，我們真正該保護的是人類而不是工作。如果這讓司機和醫師變得無用武之地，就讓他們找點別的事來做吧。 「半人馬」團隊需要高水準技能 從藝術到醫療保健，許多傳統工作將會消失，但部分影響可能會由新創造的工作來抵消。例如診斷各種已知疾病、執行各種常見醫療的全科醫師，有可能被AI醫師取代，但也就會空出更多經費空間，讓醫師和實驗室助理得以進行開創性的研究，研發新藥或手術新術式。 AI也可能以另一種方式，協助創造新的人類工作：人類與其想贏過AI，不如把重點放在AI的維修和運用。舉例來說，因為無人機取代了飛行員，有些工作確實消失了，但同時在維修、遠端控制、資料分析和網路安全方面，卻也創造了許多新的工作機會。美國軍方每派出一架「掠奪者」或「死神」無人機飛越敘利亞，就需要有三十人在幕後操作；至於蒐集完資料的後續分析，更需要至少再八十人。在2015年，美國空軍就曾經因為受過足夠訓練的人力不足，面臨無人操作無人機的窘境。 這樣說來，2050年的就業市場特色，很可能在於人類與AI的合作，而非競爭。從警務到銀行等各種領域，「人類搭配AI」的表現都能超越純粹的人類、或超越純粹的電腦。在IBM的深藍於1997年擊敗世界西洋棋王卡斯帕羅夫之後，人類並沒有停止下棋。相反的，在AI協助訓練之下，人類的西洋棋大師水準比過去更高。而且至少有一段時間，由人類和AI搭配而有「半人馬」之稱的這種隊伍，在西洋棋的表現也擊敗了純粹的人類和純粹的電腦。很有可能，AI也能像這樣，協助培養出史上最傑出的偵探、銀行經理和軍人。 然而，這些新工作都需要高水準的專業知識，無法解決無技能勞工失業的問題。想讓勞工再受訓後、去做這些工作，可能還不如直接創造完全屬於人類的全新工作。像是在過去的自動化浪潮中，勞工通常可以從某項規律性、低技能的工作，輕鬆轉向另一項同樣規律性、低技能的工作。像是在1920年，因為農業機械化而失業的農場工人，可以轉到製造曳引機的工廠裡找到新工作。在1980年，工廠工人失業後，也可以轉到超市裡當收銀員。這種轉職在過去是可行的，因為從農場到工廠、從工廠到超市，都只需要稍加重新培訓即可。 但是到了2050年，收銀員或紡織工人的工作都由機器人接手之後，他們大概無法轉職成癌症研究學者、無人機操控員、或是人類搭配AI的銀行團隊一員。他們就是少了必備的技能。在第一次世界大戰的時候，派出百萬名大兵扛著槍一陣亂射，犧牲在所不惜，其實是合理的做法，畢竟當時個人的技術好壞並不會造成太大差異。但到了今天，就算無人機操控員和資料分析師的位子確實缺人，美國空軍可不會找個失業的超市收銀員來填埔空缺。你可不希望有個沒經驗的菜鳥，把阿富汗的婚禮派對，誤認為塔利班的高層集會吧？ 因此，雖然出現了許多新的人類工作，仍然可能看到新的「無用階級」日益龐大。我們甚至可能是兩面不討好：許多勞工找不到工作，但也有許多雇主找不到有技能的勞工。這可能就像是十九世紀馬車變成汽車的情況再現，當時有許多馬車司機轉業成為計程車司機；只是我們可能不是那些轉業的司機，而是被淘汰的馬！ AlphaZero令人驚駭 由於機器學習和機器人科技還會持續進步，所以，其實任何人類工作都有可能受到自動化的威脅。就算某位四十歲失業的沃爾瑪收銀員，靠著超人的努力讓自己改頭換面，成了無人機操控員，很有可能過了十年之後會因為無人機也自動化，而必須再改頭換面一次。職場波動如此劇烈，也會變得難以組織工會或保障勞工權利。我們現在就已經看到，即使是已開發經濟體，很多新工作的形態都是無保障的臨時工、自由業者和計次的聘雇。如果某個專業在十年間就迅速起落，又怎麼可能組起工會呢？ 同樣的，「半人馬」組合很有可能變成一場人類與電腦之間不斷的拔河角力，而不是安穩的終身夥伴關係。完全由人類組成的團隊（像是福爾摩斯和華生），常常會形成長期的階級和例行程序，能夠延續數十年。然而，如果偵探和IBM的「華生」AI系統合作〔華生AI系統於2011年贏得電視益智搶答節目《危險境地》的首獎〕，會發現所有的階級都可能遭打破、所有的例行程序也都可能被干擾。昨天的搭檔，明天可能就成了你的主管；所有的規章和守則也都必須每年重寫。 仔細觀察西洋棋壇的動態，或許可推估未來世界將走向何方。確實，深藍戰勝卡斯帕羅夫後的幾年之間，人機合作是西洋棋壇熱門的形式。但近幾年來，電腦已經學得太好，與人類合作也不再有價值，這些人類棋手可能很快就會完全無關緊要。 2017年12月7日是另一個西洋棋的重要里程碑，但這天並不是電腦擊敗人腦（那已經是舊聞了），而是谷歌的AlphaZero程式擊敗了Stockfish 8程式。Stockfish 8是2016年的全球電腦西洋棋冠軍，運用的是幾百年來累積的人類西洋棋經驗、還加上幾十年的電腦西洋棋經驗，每秒計算七千萬個棋步。相較之下，AlphaZero每秒只計算八萬個棋步，而且寫程式的時候完全沒教它任何西洋棋規則，它連標準開局下法都不會！AlphaZero完全就是運用最新的機器學習原理，不斷和自己下棋，就這樣自學西洋棋。 雖然如此，在這個新手AlphaZero與老鳥Stockfish下的一百場比賽中，AlphaZero竟然贏了二十八場、平手七十二場，完全未嘗敗績。AlphaZero完全沒向任何人類學習任何東西，於是許多獲勝走法和策略對人類來說，完全打破常規，可說是創意十足、甚至是天縱英才。 在你猜想之中，AlphaZero從零開始學習西洋棋，是花了多久時間，才準備好與Stockfish對弈、而且發展出天才般的直覺？答案是四小時。你沒看錯，就是四小時。曾有幾世紀的時間，一直認為西洋棋是人類智慧的絕頂展現。但AlphaZero只花了四個小時，完全沒有任何人類指導協助，就從一無所知，變成創意十足的大師。 AlphaZero絕不是市面上唯一能夠擁有想像力的軟體。現在許多程式已經不只在單純的運算次數上超越人類棋手，就連「創意」也不在話下。如今，在限定人類參加的西洋棋巡迴賽裡，評審會不斷注意是否有棋手偷偷用電腦作弊。而抓到作弊的方法之一，就是觀察玩家所展現的原創性高低。如果有人走了極具創意的一步，評審常常就會懷疑這不是人走出來的，肯定是電腦才下得出來。 所以，至少在西洋棋領域，創意已經不是人的註冊商標，而是電腦的註冊商標！以前會用金絲雀來偵測煤礦坑裡是否出現有毒氣體，而如果西洋棋是我們的煤礦金絲雀，我們已經看到警訊，發現這隻金絲雀已面對死亡。很悲觀的是，現在發生在西洋棋領域的事情，未來也可能發生在警探、醫藥業和銀行業。 因此，要創造新工作、讓人接受再培訓而就職，並不是能夠一勞永逸的解決方案。AI革命不會是單一的分水嶺事件，可別以為在這之後，就業市場就會達到新的平衡狀態。相反的，破壞只會像雪崩般擴大。現在已經很少有勞工認為，自己能夠一輩子都做同一份工作。而到了2050年，不單單是同一份工作，就連在同一個專業領域，也不太可能讓人待一輩子。 書名：21世紀的21堂課
 紅海與藍海 假如不具備價值主張，商品卻接連大眾化的話，會變成什麼樣子呢？現在的牛丼業，簡直就是深陷這種狀況下的寫照。 我當學生的時候，非常喜歡牛丼。 當時牛丼店的宣傳標語，是「好吃、好快、好便宜」。雖然看似很閒，但學生其實也忙得很。點完餐一分鐘就出餐，而且便宜又多汁的美味牛丼，更何況價格只要三百日圓，一點也不傷荷包，所以那時經常承蒙關照。 出社會後離牛丼店太遠，後來就很少去了。不知不覺間，多了不少五花八門的牛丼連鎖店，「好吃、好快、好便宜」已然變得天經地義。 前幾天的中午，我在街上邊走邊考慮要吃什麼午餐時，看到一間牛丼店。 「這麼說來，好像很久沒吃牛丼了呢。」 意識到這件事後，我踏進了久違的牛丼店。 點餐完餐點馬上就到這點，與過去一模一樣。但是吃了一口後，我發現不太對勁。 「咦？牛丼的肉是這樣乾巴巴的嗎？」 以前那多汁又美味的牛肉，才不是這種乾巴巴的口感呢。而且是我的錯覺嗎？總感覺牛肉的量也變少了。 從我學生時期到現在，已經超過三十年了；可如今，仍然還有店家販售三百日圓以下的牛丼。只不過激烈價格競爭的結果，卻是味道不如以往。 牛丼業以前主打的「好吃、好快、好便宜」已經變得大宗商品化了。作為商品的牛丼本身，至今卻沒什麼太大的變化。如此一來，能產生差異的就只剩下價格而已了。結果就是演變成削價促銷大戰，將獲利和成本縮減得岌岌可危，陷入惡性競爭之中。 「消費者當然更樂見低價促銷戰的開打。」雖然我想這麼說，但很可惜並非如此。成本大幅縮減，導致食材替換成便宜貨，味道也大打折扣。低價促銷戰，兜兜轉轉，最後還是消費者的損失。 像牛丼業這樣，在大宗商品化後，同業惡性競爭的市場，就像許多鯊魚聚在一起爭搶啃食獵物，鮮血將海面染成一片赤紅一樣，被稱為「紅海」。 鯊魚一旦聞到血的味道就會變得異常兇猛，而其他鯊魚聞到血染的海中那股鮮血味後，也會蜂擁而至爭奪獵物。這跟在景氣蓬勃的市場中，競爭對手前仆後繼而來，造成惡性競爭的狀況，簡直如出一轍。 如果是你，會想在血海中泅水嗎？ 我可不願意。 我更想趕快上岸，去尋找沒有可怕鯊魚的平靜海洋。 做生意也是如此。 一直待在紅海中，會消耗公司的精力，最糟糕的情況是倒閉。為避免這種局面，必須盡快逃離惡性競爭的市場——即滿目赤紅的海水——然後找到一片沒有競爭對手的海洋。這種沒有競爭對手的市場，叫做「藍海」。意指未被鮮血污染的藍色大海，也就是未開發的新市場。 曾經處於紅海當中的日本手錶廠商，現已開拓出一片藍海。這種創生藍海的策略，我們也把它稱為藍海策略。其思路與價值主張相當接近，兩者都是針對新的顧客，開創出其他競爭對手所無法提供的全新價值。 藍海策略考量的是，為了開闢新市場，要先鎖定目標客群，並且從目前所進行的業務中，斟酌要刪除或削減哪些內容，然後再思考要賦予或增加什麼項目以取而代之。這套策略是在這些基礎上，製造出只有自家公司才能提供的事物，並建立一個新的市場。 以慢跑用的手錶來說，就是先鎖定喜歡跑馬拉松的目標族群。 當我們要開發一款符合目標族群的產品時，就會發現，若要在跑步時瞥一眼就知道心率數，那麼小小錶面上所顯示的數字越大越好，同時也必須有心率監測裝置。然而一旦安裝這些功能，就會因為太耗電而使電量快速降低。也就是說，這個案例最後決定放棄時尚性和電量維持時長，選擇添加慢跑必備功能，而產生一款專屬慢跑用的手錶產品，開闢出一個「以手錶來增強體力」的新市場（藍海）。 而以登山專用錶為例，它也捨棄了身為手錶該有的輕盈與簡易操作，並用各式各樣的登山必備功能取代原有的特色，像是加大按鈕以增加在惡劣環境下的操作方便度等。最終，建立一套「將手錶作為登山時的可靠武器」的價值，產生一個嶄新的市場（藍海）。 綜上所述，藍海策略也跟價值主張一樣，是不為既有顧客所困，並藉由向重新鎖定的顧客提供一個消費的理由，來開拓新市場的一套策略。 說個題外話，大概在我三十五歲左右時，曾因自己的腰圍不知何時大了一圈而嚇了一跳，這麼一來也感到自己身體開始變得不太好。再這樣下去，很快就會成為代謝症候群的一員，簡直糟糕透頂。於是我試著重振自己的生活方式，也想出好幾條可能的原因。 首先，因為我很喜歡吃冰，所以冰箱裡常備一公斤桶裝冰淇淋，只要一有空就會拿出來吃。吃飯也是，每一餐都會吃到撐，喝酒聚餐一週也會去個三到四次。仔細思考後，才發現自己明明已經超過三十五歲，卻還是沿用二十幾歲時的那種飲食方式，這樣不胖才奇怪呢。 於是，我先是不加思索地扔掉冰箱裡的冰淇淋，然後吃飯總是八分飽，喝酒聚餐也減為一週一次。並且在沒去喝酒的日子裡，以輕度運動取代聚餐。多虧如此，我及時阻止自己變胖，而且還瘦了回來。為什麼我要說這些呢？其實是想告訴大家，如果不捨棄什麼，就無法得到任何東西——有捨才有得。 購書連結：
|
