以下是2017 年一篇關於史穆克（J.M. Smucker）果醬公司收益報告的文章：

過去一個月史穆克的每股盈餘估計將下跌

 

過去三個月的每股盈餘，市場普遍估計已從1.25美元下跌。分析師預計，本會計年度每股盈餘為5.75 美元。繼季度營收13.7 億美元的一年後，分析師預計本季度營收將同比下降1％至13.5 億美元。今年度營收估計為59.3 億美元。

 

第四季度營收同比下降，打破了連續三季度的營收增長。

 

公司過去八個季度一直有盈餘，而在過去的四個季度中，獲利同比平均增長16％。公司最大進步出現在第三季度，獲利增長了32％。

注意到這篇文章有什麼特色嗎？它的文體不會贏得任何獎項，但卻是完全可以理解的。事實上，這篇文章是由人工智慧編寫的。

「敘事科學公司」（Narrative Science）為富比世（Forbes）製作了數千份盈餘預覽和股票現況更新，並為體育網站實時提供精彩的體育故事。公司的機器人不會因為任何調查報導贏得普立茲新聞獎，但是在未來幾年，人工智慧製作的寫作，其品質將從尚可進步到非常好—那些編撰這一類例行故事的記者會發現他們的工作越來威脅越大。

我們往往認為自動化將取代藍領工人的工作，這些工作涉及基本的、重複性的技能，事實恐怕比這更複雜。重要的類別不是白領與藍領，或甚至是認知技能與手工技能，真正的區別是例行性與非例行性。所有行業的例行性工作是最會受到人工智慧和自動化威脅的工作，但是隨著時間的推移，更多類別的工作將會受到影響。執行例行性活動的醫師、律師、會計師、理財顧問、交易員、新聞記者，甚至藝術家和心理學家，在未來幾年都會受到自動化技術的威脅。某些需要受過高等教育始能勝任的工作，實際上是最有可能過時的工作。其中一些受到威脅的工人，如投資顧問，在支持自動化科技的獲利增長潛力後，可能會驚訝的發現自己處於「人為刀俎、我為魚肉」的地位。

我有個朋友是哥倫比亞大學的放射科醫師。他告訴我一個故事：他的科主任最近被邀請參加奇異公司舉辦的人類與電腦比賽判讀患者照片的示範。奇異公司邀請具有數十年經驗的醫師參加，他們都是各自專業領域的頂尖人士，看看這些醫師是否比起電腦，能夠更有效的依據放射科照片診斷出腫瘤。

你猜是誰贏了？

電腦輕鬆獲勝。事實證明，軟體程式可以「看到」人眼看不見的照片上的灰色陰影。電腦還可以利用數百萬張照片進行比較，與最有經驗的醫師相比，它的參考範圍要大得多。

我們正在進入一個超級智慧電腦的時代，可以採用任何複雜的數據庫—每個法律案例、放射科照片、資產價格、金融交易、精算表、臉書上的「讚」、顧客評分、簡歷、面部表情等—將它們綜合，然後以絕大多數情況下最聰明的人的方式執行任務並做出決策。如果認為這不會大大改變組織的工作方式以及人們的就業，就是不懂公司的運作方式。公司收取報酬執行某些任務，不是非得雇用很多人。雇用大量人員越來越意味著你落後於時代。

我在1999 年開始職業生涯時，曾短暫擔任公司法律師。我在世界頂級的律師事務所之一的大衛．波克暨瓦德威（Davis Polk and Wardwell）掛牌。當我們被分配任務時，第一件事就是尋找我們系統中最相似的交易先例。我們曾經開玩笑說，我們所做的是在契約中「尋找並更換」條款。

在我們認為的高端專業工作中有很多重複性的動作—我稱之為智力手工勞動（intellectual manual labor）。醫師、律師、會計師、牙醫師或藥劑師經過多年的培訓，然後在略有不同的變化中反覆做同樣的事情。大部分的培訓是將我們社會化成能夠長時間坐下來、並且能夠持續可靠的做事和操作的人。我們穿了制服—白袍或西裝。我們得到了市場的高度報酬—薪水不少—並且因為積累我們的專業知識和實踐經驗，受到尊重和服從。

基本上，我們經過培訓、準備好變得更像機器。但是我們永遠不會像真實的機器那麼好。

美國聯邦準備理事會將大約6,200 萬個就業機會歸類為例行性工作—約占全部就業機會的44％。聯準會稱這些中等技能工作的消失為「工作極化」（job polarization），意味著我們將剩下低端的服務性質工作和高端的認知性質工作，兩者的職缺都很少。這種趨勢與中產階級的消失，以及令人吃驚的所得不均高度密切相關。

消失的工作有一部分歸因於電腦的計算能力和人工智慧的驚人發展。你可能聽說過摩爾定律（Moore's Law），即電腦的計算能力呈現指數增長，每18 個月將倍增。

我們很難理解長時間下來指數增長會是什麼狀況。以1971 年福斯金龜車（Volkswagen Beetle）的效能為例子。如果根據摩爾定律推進，這種車子在2015 年將能夠達到時速30 萬哩的行駛速度，並且每加侖汽油可以跑200 萬哩。這就是電腦計算能力發展的情形。過去50 年，人們不認為摩爾定律能夠持續，但它的確如此演進，而電腦持續變得更加聰明。英特爾、微軟、Google和IBM 都在投資量子電腦—把資訊儲存在亞原子粒子（subatomicparticles）的電腦—這將在未來多年延續摩爾定律。

我們現在正見識到不可思議的快速、又強大的電腦之崛起。當IBM 的電腦「深藍」（Deep Blue）在1996年擊敗了世界上頂尖的西洋棋大師時，人們嘖嘖稱奇，但是並沒有留下不可磨滅的深刻印象。西洋棋這種遊戲有非常大量、但仍有一定限制的動作和可能性，如果你有足夠的計算能力，你可以預測所有下一步可能的步驟。

圍棋則是另一個故事了。圍棋是中國一種具有三千年悠久歷史的遊戲，理論上有無限量的步數。為了擊敗世界上最好的圍棋選手，除了純粹的計算之外，人工智慧還需要使用類似判斷和創造力的本事。2015 年，Google旗下Deep Mind 6 擊敗全世界最上乘的圍棋高手，然後在2017 年再次與其他世界冠軍對決。圍棋冠軍看了DeepMind 的戰略，認為它使用以前從未見過的動作和戰術。

新型人工智慧正在興起，可以完成我們現在認為的智能和創造性的大部分內容。你也可能聽說過「機器學習」這個術語，它是人工智慧的應用程序，你可以讓機器訪問數據並讓他們自己學習最佳方法。機器學習的功能特別強大，因為你不需要規定確切的動作和路線。你訂定指南，然後人工智慧開始綜合數據，做出選擇和建議。機器學習的一些早期應用包括標記圖像，過濾垃圾郵件，在文檔中找出關鍵字，偵測信用卡欺詐的異常狀態，推薦股票交易和其他有規則可循的任務。

※本文摘自遠流出版，《為一般人而戰》一書。