We're sunsetting PodQuest on 2025-07-28. Thank you for your support!
Export Podcast Subscriptions
cover of episode The Evolving Impact of Robots on Jobs

The Evolving Impact of Robots on Jobs

2020/9/19
logo of podcast Last Week in AI

Last Week in AI

AI Deep Dive AI Chapters Transcript
People
J
Jong Chung教授
Y
Yong Lee教授
Topics
Yong Lee教授:本项目研究了机器人对就业的影响,发现其影响随着时间推移而变化。早期研究表明机器人会减少就业,但最近的研究表明机器人会增加就业。这种变化可能是由于机器人技术的进步和效率提升,以及协作机器人的兴起。 Jong Chung教授:研究机器人对就业的影响有助于理解劳动力市场对经济冲击(包括国际贸易)的反应。本研究使用了国际机器人联合会的数据、欧盟CLAMS数据、美国人口普查数据和美国社区调查数据等,通过分析美国不同地区机器人使用情况的差异,发现机器人对就业的影响随着时间的推移而变化。早期,机器人与就业岗位减少相关联,但在近些年,机器人与就业岗位增加相关联。 Yong Lee教授:机器人对就业的影响可能持续,但未来机器人技术的进一步发展可能导致就业减少。然而,企业在机器人设计中的主动性会影响这一趋势,例如协作机器人的设计旨在增强人类能力而非取代人类。 Jong Chung教授:政策应该帮助那些受技术创新影响的工人,提供更广泛的社会保障网络。

Deep Dive

Chapters
The research project started four to five years ago, focusing on the effects of globalization and technological change on labor markets. Initially, robot exposure reduced jobs and wages, but more recent data shows an increase in jobs and wages due to evolving robot technology.

Shownotes Transcript

<context>机器人的演变对工作的影响

订阅:RSS | iTunes | Spotify | YouTube

主题:深思熟虑 Kevin MacLeod (incompetech.com)

<raw_text>0 大家好,欢迎收听Skynet今天的《让我们谈谈人工智能》播客,在这里您可以听到人工智能研究人员关于人工智能实际情况和哪些只是点击诱饵标题的讨论。我们每周发布人工智能新闻报道和讨论,以及偶尔的访谈,比如今天的节目。我是Andrey Krennikov,斯坦福视觉与学习实验室的三年级博士生,也是本集的主持人。

在这一特别的访谈集中,我们将听到最近论文《机器人的演变对工作的影响》的作者,Chung教授和Yong Lee教授的声音。Yong Lee教授是弗里曼·斯波利国际研究所的SK中心研究员。他还是沃尔特·H·肖伦斯坦亚太研究中心职业项目的副主任,斯坦福大学网络安全倡议的教员,全球贫困与发展中心和东亚研究中心的教员。

他的研究领域包括劳动经济学、技术与创业以及城市经济学,目前的研究重点是数字技术与劳动,关注新技术将如何影响劳动以及社会如何对新技术作出反应。

Jong Chung教授是奥本大学经济学系的助理教授,2019年获得斯坦福大学的博士学位。他的研究兴趣集中在国际贸易领域。非常感谢Lee教授和Chung教授参加我们的访谈节目。非常感谢您邀请我们。

好的,让我们开始吧。我们的重点将放在您最近的论文《机器人的演变对工作的影响》及其结论上。我实际上是通过斯坦福人本人工智能研究所的一篇文章了解到这项研究的,标题是《为什么机器人和人工智能可能不会预示着工作末日》,这让我们知道了那篇论文的结论可能是什么。

在深入细节之前,我想请你们两位给我们一个高层次的项目总结,研究的内容以及为什么你们个人觉得这个项目有趣?好的,当然。也许我先来。这个项目实际上开始于相当久以前,大约四到五年前。

当时,我对比较全球化对劳动市场的影响以及技术变革对劳动市场的影响感兴趣。这是学者们正在辩论、讨论和研究的两个力量,涉及对工作的长期影响。

当时,John是经济学系的研究生,专攻国际贸易。所以我联系了他,他在研究贸易暴露、机器人暴露等方面有专业知识。这就是我们合作的开始。

在我们研究的过程中,我们发现一个有趣的方面是,机器人暴露的影响随着时间的推移而变化。我们逐渐将论文的重点转向这一维度,即机器人如何影响工作,但其影响随着时间的推移而变化。

简单来说,结果是,麻省理工学院的学者们已经有一篇著名的论文显示,机器人暴露对美国的工作产生了负面影响,

而我们在研究类似时期时发现了类似的结果。但随着我们对数据的深入分析,我们发现这种影响随着时间的推移而变化。在他们研究的早期2000年代,确实,机器人暴露减少了美国的工作、地方就业和工资,

但我们发现,在更近的时期,即2010年后,机器人暴露实际上导致地方经济中的工作增加,工资也有所上升。这就是我们发现的高层次概述。

我明白了。这很有道理。John,也许你可以补充一下你们是如何进行这个项目的高层次总结,以及你个人觉得这个项目有趣的原因。

是的,正如Young提到的,项目最初是打算研究贸易冲击对就业市场的影响。在很多方面,我们在这篇论文中采取的总体方法类似于研究贸易对劳动市场的影响。有一篇非常著名的论文

由麻省理工学院的不同学者撰写。他们研究了中国进口对美国劳动市场的影响,发现了类似的负面影响,即由于中国进口,就业和工资下降。在很多方面,关于技术创新(如机器人和人工智能)导致的工作损失的担忧与贸易及其对就业的影响的担忧相似。因此,我认为研究和思考机器人如何影响就业和工资也帮助我更好地理解劳动市场如何对不同的经济冲击(包括国际贸易)作出反应。

我明白了。所以你说这与国际贸易研究的方式相似。也许这是一个很好的起点来讨论

你们使用了什么数据来实际分析这种影响?你们如何判断机器人对特定行业或领域的工作影响?我们测量机器人暴露的主要数据来源是国际机器人联合会,这是一个组织,除了其他事情外,还提供每年运送到每个国家的行业特定机器人的数量。

我想在这里澄清一下。当你说机器人时,我们指的是工业机器人,这些机器人需要可重新编程和多用途。我们用欧盟CLAMS数据补充这些机器人数据。这个数据集提供了每个国家在不同产业和年份的工人人数。

这两个数据集使我们能够测量不同国家和年份中每个工人对应的机器人数量。除了全球暴露测量外,我们还使用了人口普查和美国社区调查数据。通过这个数据集,我们测量了美国不同产业和地区的就业和工资。

这使我们能够计算不同地区的产业组成,并测量这些地区的就业和工资增长,这是我们关注的对象。我们还使用了一些其他数据集,比如来自联合国商品贸易的数据,用于考虑中国进口及其对就业的影响。

大部分工作实际上是将不同的数据集结合起来,以确保它们的行业和地区彼此一致,并在时间上保持一致。除了来自国际机器人联合会的机器人数据外,我们所有的数据都是公开可用的。我明白了。这非常有趣。作为一名从事人工智能工作的人,了解经济学中的运作方式确实很有趣。

我想补充一点,因为很多学者、经济学家一直在研究机器人对工作的影响这个问题。

而且影响可能会因数据集而异,因为数据来自不同国家。不同国家有不同的制度、工会、法规等。因此,当我们考虑研究某种影响是否随着时间的推移而演变时,我们希望确保有一个基准可以进行比较。主要的基准是—

我们讨论的论文,学者们是Asamoglu和Restrepo,他们研究了已发表的内容并显示机器人减少了美国的工作。

所以我们希望保持一个一致的框架,以便我们实际上可以比较,确实,我们发现使用非常相似的框架和数据得到了类似的效果,但它随着时间的推移而演变,因此我们发现的影响并不是归因于不同的制度、不同的国家或背景,而是在我们发现这种演变的同一框架内。

我明白了。是的,这当然是一个有趣的发现。我认为这有点违反直觉,起初机器人似乎对工作不利,然后可能变得不那么糟糕,甚至可能是好的。那么你能给我们一个高层次的解释,说明你们是如何分析数据的,如何得出这些结论的?我的做法是利用美国不同地区对工业机器人增长的不同经历和暴露。

因此,美国的一些地区对机器人增长的影响暴露更为严重,因为它们专注于采用大量机器人的行业,如汽车和电子。

所以我们发现,在2000年代,这些高度暴露的地区经历了更大的就业和工资损失,或者与那些对机器人暴露较少的地区相比,就业和工资增长较小。因此,这一发现表明,机器人采用导致了就业减少或就业损失。而这一发现再次与Young提到的先前结果一致。

但我们使用完全相同的设计,但查看更近的年份,然后我们发现模式发生了变化。因此,高暴露地区,即更专注于采用更多机器人的行业的地区,实际上相对于其他对机器人增长暴露较少的地区,看到就业增长。

我们的估计表明,在2005年至2011年之间,每个机器人与大约20到50个工作岗位的损失相关。而在更近的时期,每个机器人实际上增加了大约15个工作岗位。我明白了。这很有道理。那么鉴于此,我们可以谈谈为什么会发生这种情况吗?是什么原因导致机器人对工作的影响随着时间的推移而变化?是的,我想我们看到这种反弹效应的原因是,机器人本身在变化。最初,当机器人被引入时,70年代、80年代和90年代的机器人质量与今天的机器人不同。

可以想象,即使是执行相同类型活动的同一机器人,例如焊接,今天的焊接机器人可能比当时更高效。因此,这意味着机器人本身变得更具生产力。

随着机器人这种资本类型变得更具生产力,企业变得更具生产力,从而实际上可以提高整体产品劳动生产率和企业的劳动需求。因此,我们认为这是正在发生的渠道,所谓的机器人深化,基本上是相同类型的机器人实际上表现得更好或变得更具生产力。

我们看到的另一个角度是,有些类型的机器人被创造出来是故意危险的。

以增强人类的能力。这被称为协作机器人、增强机器人等不同的词。但基本上,例如在建筑中,有些任务人类无法单独完成。他们穿戴这些机器人,执行艰难的任务、困难的举重活动,而人类可以专注于操控等。

因此,我们看到协作机器人在各个行业,尤其是汽车和电子行业的兴起。我们认为这是机器人增强效应可能发生的两个渠道。

我明白了。这听起来很像常用的银行出纳员故事。因此,在人工智能领域,我们经常讨论工作损失,通常指出自动取款机(ATM)等技术往往导致一些工作岗位的流失。但随后,由于自动取款机使银行变得更具生产力,银行分支机构增多,结果是整体工作岗位增加。

这就是机器人深化的理念,即机器人变得如此有用,以至于可以进行更多的制造,因此制造业的工作岗位也随之增加?好的,我可以尝试一下。所以这绝对是一种可能性。

因此,我们并没有完全看到我们的数据集中创造或消失的工作的细节。因此,虽然我们可以提出机器人创造工作的不同机制,但我们不能完全确定这种工作创造是由于新任务的产生,比如这些人管理机器人和照顾机器人,还是由于机器人带来的生产力提升。

是的,我认为这有一些相似之处,但也有一些不同之处。自动取款机的案例基本上是释放了出纳员的时间,以便他们可以专注于不同的任务。这在某些方面是正确的,但有时,比如在机器人深化本身的情况下,可能是...

它执行相同类型的活动,只是表现得更好。因此,在相同的劳动投入下,使用更好的资本,可能表现得更好。这是一个角度。另一个是你刚才提到的,通过机器人执行某些任务,释放了更多的时间。在这种情况下,主要的区别在于机器人执行的任务范围可能在扩大。

然后这可以释放劳动的时间,他们实际上可以专注于他们必须比较的不同任务。

我们尚未讨论的另一个角度是,通常,当这些新技术被开发时,组织也需要改变并适应,以便真正实现生产力。这可能在某些类型的机器人被引入时发生,或者

组织、公司可能没有有效地使用它们,因为他们还不知道如何将其整合到他们的流程中。但随着他们多年的学习,找到合适的平衡,他们也可以变得更具生产力。因此,在新技术引入时,存在这种时间滞后和生产力提升。这在信息技术、电子产品、电力等领域都是如此,可能还有最新的技术,如人工智能。我明白了。这很有道理。这也让我想到,当谈论工作和人工智能时,通常,即使是像我这样的普通人工智能研究人员,在经济学方面并不那么多样化,

也有一种说法是,随着人工智能等新技术的出现,将会出现新的工作类型。因此,您将需要能够编程机器人的人,或者其他方面,您知道,会有新的角色供人们填补。那么你们是否考虑过,或者这是否是变化的一个可能原因,或者不太多?John,你想试试吗?我想补充一点,我认为很难推测这些事情的原因之一是

破坏性技术的类型恰恰是那些难以预测的类型。因此,我认为我们的研究实际上表明,随着技术的成熟,它往往会在现有技术上进行迭代。例如,随着机器人技术的成熟,我们看到新机器人取代现有机器人,而不是人类。因此,我们看到

我们正在从生产力提升中受益,而不会对就业造成干扰。但当然,尤其是像人工智能和其他领域这样的技术,这些现在难以预测的新创新可能会非常具有破坏性。

是的,回到之前,正是那些难以预测的技术将是最具破坏性的。是的,正如我所提到的,我认为你所提到的基本上是通常被称为再就业效应的东西,当汽车被引入时,现在有了出租车司机。当电子表格被引入时,现在有了可以专注于使用软件的会计师。

这个想法是,是的,当这些新的人工智能技术出现时,我们希望,也许会出现以前不存在的新工作类型。因此,新工作的创造无疑会导致新技术带来更多的工作。

但在我们这里是否是这种情况?我们认为在我们的论文中,当我们关注工业机器人并发现主要在制造业的影响时,这并不是这里的故事,因为经济学家仍在研究这个问题。他们试图查看数据,以找出是否有任何新类型的工作出现。这有点慢。对此没有好的数据。

但一般来说,经济学家并没有发现机器人影响最大的行业(例如制造业)中创造出新工作。如果有新工作被创造,主要是在服务行业。因此,我们相信我们在这里发现的更多是与生产力相关的影响,而不是再就业效应。但正如你提到的,人工智能或其他新机器人技术的案例,肯定我们认为再就业效应可能会发生,但仍处于非常早期的阶段,我们没有太多实证证据来确认新工作正在被创造。

这很有道理。是的,我认为这可能是有趣的,并且值得注意的是,对于那些对人工智能感兴趣的研究人员来说,这比我们在讨论这些事情时通常进行的对话要复杂得多。因此,像机器人深化和协作机器人这样的概念也很有趣,值得关注,而不仅仅是新工作被创造。

现在,如果你能稍微放宽视野,或许可以更具推测性,我认为看到你们的结果非常有趣。对于你们拥有的数据,事实就是事实。你们能否做出有根据的猜测,这种模式是否可能继续?你们能否展望未来十年,

对机器人对工作的影响有任何猜测?是的,做出推测总是有点挑战性。但我们在这里发现的结果至少是有希望的,在某些行业中,机器人带来的生产力提升使得该行业扩展并雇佣更多人。

甚至可能存在溢出效应,即某个地区的经济,一个制造业部门表现良好,可能会形成新的制造业部门,那么,附近的服务行业将受益,因为对服务商品的需求。

这实际上可能会增加其他行业的就业。因此,这是我们看到的乐观观点。我们确实在这里发现了一些证据。但要谨慎的是,随着影响随着时间的推移而演变,机器人也在演变,我们甚至可以想象机器人进一步演变,对吧?

假设机器人变得足够先进,以至于它们可以执行人类本可以执行的整个范围的体力活动。

在这种情况下,可能会出现另一个低谷,因为这些超级先进的机器人接管了大量人类的任务,并可能导致就业减少。因此,再次强调,这非常推测性,很难知道技术将如何发展。但有趣的是,您知道,

公司和人们在设计机器人的方式上有主动性。

因此,协作机器人的设计方式在某种程度上是,他们意识到,与其试图设计一个可以替代建筑工人的机器人,例如某些公司(这是日本三菱的案例),他们最初试图设计一个可以替代建筑工人的机器人,但发现这并不是很有效率。他们故意设计出可以增强人类的机器人。

而且,当某些行业面临劳动力短缺时,他们希望增强这些工人,以便能够促进他们进入该行业并保持在劳动力中。因此,我认为有这样一个方面,哦,机器人是外生的。不,这并不是事实。机器人实际上是内生的,人们实际上可以设计机器人在经济中运作的方式。

我完全同意Yong的看法,我认为更广泛地说,确实有空间为那些因这种创新和其他冲击而遭受痛苦的人提供政策支持。因此,当你进行这样的研究时,很容易忘记工人所感受到的实际痛苦。

我认为确实有空间为政策提供更广泛的安全网,以帮助人们,即使这种损失是短期的,帮助他们并使他们免受我们今天讨论的各种不确定性的影响。是的,因此,当然,很难推测。许多人经常以一种

沙发经济学家的姿态,自信地预测人工智能将使我们所有的工作消失。在我观察这个领域的经验中,似乎至少可以说,很难预测,并且存在不同的影响。

因此,也许作为我们最后一个问题,来总结一下,让我们再放宽一点视野,谈谈人工智能更广泛的影响,不仅仅是机器人,还有计算机视觉、语言识别等所有这些技术。我们是否应该关注类似的影响,这些影响可能会在技术中发生?例如,您提到过,我认为,随着组织学习如何使用这些工具并将其整合

并利用它们,技术本身的发展,是否也应该成为人们在考虑对工作和经济影响时需要关注的一个因素?是的,绝对是。人工智能甚至是所谓的最新通用技术。

因此,机器人,例如,在工业部门已经存在很长一段时间。在日本,机器人被广泛采用,但现在的采用率已经下降。因此,是的,人工智能是目前最热门的新技术。我认为,是的,情况是相似的,现在我们不确定,首先,

首先,关于人工智能采用的数据并不多,企业在微观层面上如何使用这些数据。因此,尽管经济学家对这个问题感兴趣,但实际上没有很好的数据来研究这个问题。

有不同的方法进行推测,人工智能可能会取代某些类型的工人、某些类型的任务。但一些证据表明,它比机器人更广泛,涵盖了从蓝领到白领工人的各个领域。

但我确实认为,可能会发生这种延迟的生产力效应,因为我有另一篇论文研究金融行业的人工智能采用。我们发现,查看不同职业,人工智能确实降低了

我们发现的低技能工人在银行和金融行业的工作生产力。但总体而言,人工智能的采用似乎与管理职位和分析职位的增加高度相关,不仅仅是技术职位,而是整体。

因此,我认为我们仍然处于一个早期阶段,但与许多这些技术类似,最初我们可能不会发现太多的生产力提升。但从长远来看,我希望这些能够带来生产力的好处,并实际上增加对某些职业的需求。

但警告是,这可能就像我们现在在经济中看到的那样,谈论K曲线复苏,某些职业的范围,尤其是技能或分析型的职业,可能会比那些技能较少的职业表现得更好。

而未来的关键方面是,我们将如何培训一批没有适合人工智能经济的技能的工人?这不是一项简单的任务。培训人们本身就不容易。但我认为这是我们在考虑人工智能对工作的影响时需要牢记的事情。

这非常有道理。这也是你们试图强调的一个信息,你们在经济学中发现,您知道,也许我们不应该对所有失去的工作持如此反乌托邦和悲观的态度,而是可以尝试提供安全网,并考虑人工智能对工作的影响。因此,我很高兴你提到这一点,这无疑是我在别人询问这个话题时试图传达的内容。

因此,就此而言,我们将结束本期节目。非常感谢Yong Li教授和Jong Chung教授参加本集节目。非常感谢你,Andrei。也非常感谢本集节目的听众与我们一起收听《让我们谈谈人工智能》播客。您可以在scannettoday.com找到与今天讨论的类似主题的文章。请在您获取播客的地方订阅我们,如果您喜欢这个节目,请不要忘记给我们留下评价。

请务必收听我们未来的节目。