去年，企业家Sebastian Thrun开始利用人工智能增强销售力量。Thrun是提供在线课程的美国教育公司优达学城的创始人和总裁。公司雇用了一大群销售人员通过在线聊天回答招生对象的问题。还在斯坦福大营一家计算机科学实验室的Thrun同一名学生合作，收集这些聊天的文本并且标注哪些促成了学生报名参加课程。两人将聊天记录输入机器学习系统，而后者可收集关于各种常见问题的最有效回应。
下一步，他们让这个数字销售助理和人类同事并肩工作。当有问题进来时，该程序会给出恰当的反应。如有必要，销售人员可能会稍作修改。这是一个瞬间作出反应的销售脚本，其拥有可支撑每个问题的海量数据。最终，它奏效了:该团队一次能处理两倍的潜在客户，并将很大一部分成销售量。Thrun表示，该系统基本上整合了公司最销售人员的技巧并将它们传给整个团队。他同时认为，这一过程可能产生性的意义。“正如蒸汽机和汽车极大地扩展了人类的体力，这或许会增强人类的脑力并将我们转变成智力上的超人。”Thrun认为。
过去10年了数字技术的巨大进步，包括人工智能、机器人学、云计算、数据分析和移动通信。未来10年，这些技术将改变几乎每个行业从农业、医药、制造到销售、金融和交通，并且重塑工作的性质。“上百万份工作将被淘汰，同时又会有上百万份新的工作产生，更多的工作则将被改变。”在麻省理工学院负责“数字经济行动”的Erik Brynjolfsson表示。
这里将介绍3个关于数字世界里未来的工作将变成什么样子的紧迫问题，以及研究人员开始如何回答他们。
机器学习系统能翻译讲话、为图像做标签、挑选股票、检测欺诈行为以及诊断疾病，并且在一些新的令人惊讶的领域同人类的表现相当。“实际上，一台机器分析的数据样本比人类处理的多很多。”Thrun介绍说。今年年初，他带领团队，约12.9万张皮肤病变图像可被用于训练机器诊断皮肤癌，而准确度可同合格的皮肤科医生媲美。
这些进步引发了关于此类系统可能在曾经看上去很复杂因此无法实现自动化的领域代替人类工作者的担忧。初步的估测看上去很。2013年，来自英国大学马丁学院技术与就业项目的研究人员回顾了机器学习和移动机器人领域的进步以及不断增加的挑战，并且估测了702种不同职业将在多大程度上遭到自动化的冲击。他们得出的令人的结论是:美国约47%的工作面临着计算机化的高风险，其中交通、物流、生产和行政支撑方面的工作尤其容易受到冲击。这将为诸如出租车司机、法务秘书、档案管理员等工作者带来麻烦。
但此后，其他研究人员提出，考虑到很多职业的工作者经常执行的任务具有多样性，47%的数据太高了。“一旦你深入研究，一旦你分析下人们在工作中真正开展的任务的结构，就会发现上述估测数据其实会低很多。”经济研究中心资深研究人员Ulrich Zierahn表示。
例如，大学的一项研究报告称，记账、会计和审计方面的职员面临自动化的风险为98%。但当Zierahn和同事分析了关于从事这些职业的人们实际上做的工作内容的数据时，该团队发现，有76%的人拥有要求小组作业或者面对面互动的工作。至少就目前而言，此类工作不会轻易地实现自动化。当研究人员将该方法扩展到其他职业，他们在21个接受调查的国家发现，面临风险的工种数量并没有那么令人。在美国，面临自动化高风险的工人占比仅为9%。同时，这一数据在韩国和爱沙尼亚为6%，在占比较高的和奥地利也仅为12%。
在零工经济下，劳动力过剩的问题很明显，导致一些工人面临很高的失业率。同时，很多人不得不工作更长时间并且非常紧张。“他们往往过着朝不保夕的生活，因此很难好不容易获得的工作。”大学数字地理学家Mark Graham表示，“我们同很多人讨论过此事，比如要上48小时班的工人。他们这么拼命地工作，只是为了按时完成合同的工作内容。”
与此同时，大量的区域不公平现象广泛存在。在一项2014年发表的研究中，Graham和若干同事分析了一个大型平台在2013年3月进行的6万多起交易。他们发现，大多数工作都是由高收入国家的雇主发布的，并且由中低收入国家的工作者完成。
不过，那些生活在工作地点附近的人们似乎仍具有优势。他们的工作机会更多并且赚的比外来工作者多对于类似的工作，前者平均每小时赚24.13美元，而后者为11.66美元。同时，一些中低收入国家吸引了更多的工作。在Graham的分析中，印度和菲律宾是排名前两位的容纳者。
切实的担心或许能解释一些差异。语言和时区差别可能让一些雇主不愿意招聘外来工作人员，而向印度和菲律宾外包劳动力的历史可能帮助那里的工作者变得对雇主更有吸引力。不过，有意和无意的歧视也发挥了一定作用。Graham团队发现，一些任务清单明确表示来自特定国家的人不能申请。“即便这些技术能将全世界不同地方连接起来，但它们们希望的那样，为消除这些差异架起更多的桥梁。”同Graham共事的研究人员Mohammad Amir Anwar表示。
在2014年对优达学城推出的软件进行的评述中，来自美国国防分析研究院的研究人员发现，完成16周课程的12名新雇员比接受过传统的基于课堂的海军IT培训(持续时间是前者的两倍多)的毕业生表现得更好。这12人甚至比海军资深的IT技术员(每人均拥有近10年的经验)还厉害。评述文章共同作者Dexter
在随后的研究中，Fletcher发现，对“数字导师”稍作修改后的版本在被用于培训100名从事IT方面的文职工作时，产生了类似结果。在完成培训项目的6个月里，97%的想从事IT工作的找到了工作，并且平均每年获得的薪水和在该领域有3~5年经验的人相当。
很多其他策略也被用于改善数字技能和就业率，包括大规模在线课堂(MOOC)在互联网上发布的大学课程和教授计算机编程基础的短期培训课编码训练营。
一项2016年的研究分析了哥伦比亚、菲律宾和南非的1400名MOOC用户。研究人员发现，80%的学生来自中低收入背景，41%仅具备基本的计算机技能。超过一半的学生(56%)是女生，同时计算机科学是最流行的MOOC主题。“实际上，女性参与的MOOC涉及的是她们被忽视的领域。”来自大学信息学院的Maria Garrido表示。
不过，这些课程的质量参差不齐，并且几乎未得到严格评估。编码训练营学费很贵，而且需要很大的时间投入。同时，成绩差距也是存在的。一项2015年的研究对6.7万余名MOOC学生进行了。两名来自斯坦福大学的研究人员发现，女学生以及来自非洲、亚洲和拉丁美洲的学生达到特定课程要求的可能性更小，并且获得的分数更低。(华编译)
推荐：