本文摘自《AI新世界》，天下文化出版
隨著我們從工業時代轉型到AI時代，必須改變「工作＝生活」這樣的心態，不能繼續把人類當成生產力優化演算法的變數，必須轉型到比以往更重視愛、服務、同理心的新文化。沒有任何經濟或社會政策，能夠用「蠻力」改變我們的心。但是，在選擇不同的政策時，我們可以獎勵不同的行為，逐漸把文化推往不同的方向。我們可以選擇純粹的技術治理方法，把每個人視為一個待滿足的金融／物質需求組合，給所有人足夠生活的錢，讓他們不至於餓死或無家可歸。 事 實 上， 這 種「全 民 基 本 收 入」 （Universal Basic Income, UBI）的主張，近年來似乎愈來愈流行。
如果做出這種選擇，我認為，將會貶低我們的人性價值，錯失了一個空前的機會。相反地，我認為，我們可以運用AI創造出來的財富，加倍下注於人類的獨特性。想要成功做到這件事，就必須改寫基本的社會契約，也必須調整經濟誘因，獎勵對社會有益的活動，就像工業經濟獎勵對經濟有益的活動一樣。
當然，這些改變絕對不會太容易，需要多面向、同心協力的做法，來應付經濟和社會的轉型。社會全員都必須投入，而且必須不停地探索、大膽地做實驗。就算我們盡了最大的努力，也不保證一定就能轉型成功，但失敗的代價和成功的潛在回報實在是太大了，我們無法不去嘗試。
接下來，我會帶各位檢視三種適應AI經濟最常見的政策建議，很多都來自矽谷。這三項建議，基本上都是「技術性解方」，對政策和商業模式進行調整，以求順利轉型，並未實際改變文化。了解技術性解方的優劣之後，我會再提出三項類似的改革建議，我認為它們有助於減輕工作流失的問題，也可以推動更深層的社會進化。
3R解方：再訓練、減少工作時數、重新分配所得
矽谷提出的許多技術性解方，大致上可以分成三類：再訓練工作者（retraining workers）；減少工作時數（reducing work hours）；重新分配所得（redistributing income）。每個方法都瞄準了調節勞動市場的一個變數，分別是技能、工作時間和酬勞，對工作流失的速度與嚴重性有不同的假設。
提倡再訓練的人，傾向相信AI會慢慢改變市場需求的技能，如果工作者能夠接受訓練、調整技能，就不會發生人力需求減少的問題。提倡減少工作時數的人，相信AI會減少人力需求，但如果一週減為工作三、四天，把同樣的工作時間分配給更多工作者，就可以吸收人力需求減少的衝擊。提倡重新分配所得的人，對AI導致的工作流失預測最為悲觀，很多人預測隨著AI進步，會徹底取代、驅逐工作者， 再多的訓練或調整工作時數都沒有用。相反地，我們必須採取比較激進的重新分配所得方法來幫助失業者，更均勻分配AI創造出來的財富。接下來，我會討論一下這些方法的價值和陷阱。
提倡再訓練的人，通常會指出兩個相關趨勢，認為它們對準備面對AI的轉型非常重要，那就是1.線上教育；2.終身學習。他們相信，現在愈來愈多的線上教育平台（免費和付費的都有），可能被取代的工作者擁有前所未有的管道，可以取得訓練教材和課程，學習新工作需要的技能。這些平台—包括串流影音網站、線上編碼教學等—是終身學習者的好工具，可以幫助他們不斷地更新技能，順利轉入還沒有被自動化的新行業。這樣的再訓練如果運作流暢，失業的保險經紀人可以利用Coursera之類的線上教育平台，成功轉職為一名程式設計師。如果新的工作再度被自動化， 還可以再訓練一次，也許這次變成演算法工程師，或是心理醫師。
終身學習，早已趕不上變化速度
透過線上平台終身學習，當然是很棒的主意，而且我也相信工作者接受再訓練，會是非常重要的一環。這個方法特別能夠幫助第6章兩張就業風險評估圖「慢變區」中的工作者，讓他們保持領先AI的能力，更具備創意思考，或是在非結構化環境工作的能力。我也喜歡這個方法，能夠為這些工作者創造個人成就感，以及掌控生活的自主感。
但是，考量到AI對就業衝擊的深度與廣度，我擔心，這種方法無法解決大量失業的問題。隨著AI持續占領新行業的工作，就業者每隔幾年就必須轉行，要快速學會別人花了一輩子才練就的技能。由於自動化的速度和路徑並不確定，這使得情況變得更加複雜。就連AI專家也難以預測哪些工作在未來幾年會被自動化取代，我們真的能夠期望一般工作者，可以正確選擇自己的再訓練計畫，準確預測未來幾年哪些工作比較安全嗎？
我擔心，工作者將會陷入換來換去的狀態，就像動物遇到不斷高漲的洪水，自動就會從一塊岩石跳到另一塊岩石去，尋找更高處，以求安全。再訓練確實可以幫助很多人在AI經濟中找到工作，但是我們必須實驗不同的方法，設法擴大再訓練的規模，讓這件事變得非常普及。不過，我認為，我們不能只靠這種比較隨意的方法，應付即將橫掃全球勞動市場的大規模破壞力量。
緩解短期失業衝擊，嘗試一份全職拆成多份兼職
在這裡，我必須說明一點，我相信教育會是解決未來AI失業問題最好的長期解方，畢竟人類數千年來早已證明我們在技術創新，以及自我訓練新技能以適應創新這兩件事上，擁有驚人的能力。但是，由AI造成的改變發生的規模與速度，不會讓我們有餘裕可以只靠週期很長的教育革新，就跟得上我們自身發明不斷改變的需求。
很多人都了解這樣的破壞力量可能有多大，例如谷歌共同創辦人賴利‧佩吉（Larry Page）等人，甚至提出更激進的主張：一週改成只要工作四天，或是讓多人「共享」同一份工作。這種主張還有一個版本是，把一份全職工作拆成好幾份兼職工作，讓更多工作者可以分享愈來愈稀缺的工作資源。諸如此類的方法，都代表大多數工作者的薪資可能減少，但至少可以避免他們完全失業。
一些很有創意的工作共享方法已經實施，2008年全球金融危機之後，美國有好幾州實行工作共享的方法，避免因為業務突然暴跌，導致公司大量裁員。很多面臨業務危機的公司，並不是直接解雇一部分的員工，而是讓一部分的員工減少工作時數 20％∼ 40％，然後地方政府提供部分的損失補助，通常是50％。這種方法在某些地方運作得很好，讓公司和員工不必遭受裁員的風暴，以及日後業務好轉後又得重新徵人的麻煩，也幫助地方政府省下原本必須支付的全額失業救濟金。
工作共享的安排，有助於減少失業，尤其是在兩張就業風險評估圖「結合區」中的工作。這些工作由AI負責執行主要的任務，只需要少量的員工來和顧客互動。如果執行得當的話，這些安排可以當作政府補助或誘因，讓公司繼續雇用更多的員工。
但是，這種方法雖然可以應付短期的衝擊，恐怕無法應付AI對就業市場的持續巨大衝擊。現存的工作共享方案，只補助薪資損失的一部分，工作者的實質所得還是減少。如果只是暫時性的經濟危機，工作者或許能夠接受這種安排，但肯定沒人想要薪資長期停滯或向下流動。一個人原本每年可以賺20,000美元，你告訴他／她現在每週工作四天，年薪降為16,000美元，這種方法肯定並不會被低收入者擁戴。當然，如果類似方法還能夠更有創意一點，或許能夠修正這點，所以我鼓勵企業和政府繼續做實驗。但是，我擔心這種方法，遠遠不足以應付AI對勞動市場造成的長期壓力，所以可能得採取更激進的重新分配所得的方法。
