自动化是一个几乎人人都有看法的话题。人们对这一主题的了解程度差异很大，对正在发生的技术革命的恐惧程度也各不相同。
我觉得，在这个领域，即使是了解情况的作者——包括我自己——出于种种原因，在撰写和谈论自动化时也常常走一些方便的捷径。
因此，现在是时候探讨影响、并将继续影响人类借助自动化迈向未来的诸多因素了。这些因素彼此交织，构成复杂网络，可能带来多种结果。本文将重点介绍其中一些参数。
自动化不只是劳动自动化
我们往往主要关注劳动自动化，因为我们依赖工资收入，也担心潜在的失业、机器人统治以及全民基本收入。
尽管劳动极其重要，但我们应当更广泛地看待自动化，因为自动化能够并且已经渗透到我们的私人生活中，影响我们如何沟通、在哪里吃饭、买什么、与谁约会、在选举中选择哪个政党，以及许多其他方面。因此，我们应当从更全面的角度讨论自动化，涵盖经济、环境、政治、伦理、文化、法律和社会层面。迄今为止，这种讨论仍处于边缘。
人工智能与自动化之间的关系
目前，作为机器人智能赋能技术的人工智能（AI）能力相当狭窄（有人可能会说有限），因此自动化具有很强的针对性，聚焦于特定任务。然而，未来人工智能很可能发展出更通用的能力，从而催生多学科领域的机器人劳动，以及更多具有人类般推理能力的软件解决方案。传感器技术、超级计算、神经科学、3D打印以及石墨烯等新材料的应用，也在加速这一发展。石墨烯。
自动化的目标是什么？
目标是将各种任务自动化，理论上这将使我们受益。目前，自动化主要聚焦于计算复杂、单调且重复的任务。不过，如果人工智能能够实现，自动化范围无疑会扩大。因此，真正的限制在于技术上的可行性和法律边界。
企业的动机在于扩大规模、提高利润、减少人为失误并降低监管（至少目前，人工智能不会组建工会）。人类的动机则在于避免某些艰巨的任务（例如在波动剧烈的股市中制定交易策略）、改进决策流程（确定农作物的最佳收获时间），或者在某些情况下转移责任（自动驾驶）。
为什么自动化比大多数人想象的更复杂
影响自动化的不只有技术可行性。需要考虑的参数还要多得多，其中包括成本和监管。
自动化成本：只要计算机化劳动的边际成本高于人类劳动，自动化就不具备成本效益。目前，在异质性强、非重复且劳动密集型的任务中，情况正是如此。不过，我们也必须记住，计算机化劳动在每一轮技术发展中都在变得能力更强、成本更低。
工资弹性：自动化可能导致劳动力供给过剩，使得一些劳动者愿意接受低于目前水平的报酬。最低工资规定可能会放宽，以使人类劳动能够与计算机化劳动竞争。因此，面对计算机化劳动相对较高的前期投资，雇主可能会选择成本较低的人类劳动。
复杂性：需要跨学科知识和知识迁移的任务，以及需要同理心或创造力的任务，可能难以实现自动化；由于这些任务复杂度高，且科学理解不足，长远来看尤其如此。
模拟体验的吸引力：人类以及其他高度发达的生命形式都是群居动物。因此，消费者和企业家都必然会推动一场反向潮流，创造模拟式、手工制作和非数字化的产品与服务。
数据可用性：某些人工智能形式（例如监督式机器学习）依赖海量且粒度极细的数据集，而某些领域可能无法获得这类数据。在其他情况下，我们拥有大量数据，尤其是非结构化数据，但这些数据集隐藏在彼此异质的数据孤岛中，决策者也没有提出正确的问题。此外，使用带有偏见的训练数据也有风险，可能导致意料之外的输出。
数据安全：此外，我们生活在这样一个社会中，人们未必理解数据化对隐私和信息安全意味着什么。不过，相关意识正在增强，有些人可能会选择退出数据化系统，从而限制数据的可用性（健康相关数据就是一例）。
法规：即使从技术和科学角度看，自动化某些任务是可行的，法规也可能阻碍这些发展。某些法律或法规修订滞后、尚未解决的伦理问题以及安全威胁（在讨论数字技术时尤为关键），都构成了特殊风险。
普及速度：在各行各业，我们看到技术的普及率各不相同，这可能源于意识不足、知识缺口、人才短缺或缺乏愿景。目前，非技术领域与高度技术领域的交叉地带缺少工程师和人才，由此导致沟通问题、期望落差以及糟糕的战略决策。此外，普及速度还受到文化开放度和包容度的影响。
伦理：任何可能导致失业的决策都会带来巨大的伦理困境。至少在我看来，回答这一问题的方法是评估如今不对某项任务或业务部门实现自动化会产生什么后果，以及这对企业长期就业能力意味着什么。今天避免岗位自动化，会不会导致明天出现更多失业？
对社会的影响： 许多工作将实现自动化，我们日常作出的许多决定也将如此。这将在个人层面和宏观层面改变我们生活的社会。推荐系统和智能过滤算法可能会强化我们的观点泡沫，使我们脱离现实。
冲突：在多种冲突尚未解决的情况下，民粹主义者可能会利用人们对全面劳动自动化的恐惧。不过我认为，除非人类朝着更具人文精神的方向发展，否则未来技术是我们最不需要担心的问题。相反，我们应当利用技术应对气候变化、遏制环境污染并解决世界饥饿问题。尽管如此，某些技术确实可能引发抗议，甚至暴力。只有当社会、技术和政治的发展不协调时，才会出现这种情况。如果社会有时间逐渐适应、制定良性的法律框架并顺应技术发展，那么末日情景就只是煽动恐惧的说辞。
政治：尽管政客往往落后于当前的技术趋势，他们仍然能够影响技术的普及。但如今，影响也可能反向发生。社交机器人和微定向广告可能影响选举，因此我们迫切需要解决这一问题。
责任归属：如果基于计算机的决策出错，谁该负责？是用户、选择训练数据的数据科学家、机器学习工程师、提供服务的公司，还是其他人？这一问题必须得到明确监管，否则可能会打开潘多拉魔盒，引发代价高昂的责任纠纷。
可保性：上述风险未来或许可以投保，但目前仍缺乏适当的解决方案，这可能会阻碍或推迟与自动化相关的决策。
除这些参数外，还有其他变量会影响自动化的未来，例如文化、宗教、环境、能源、数据存储等。其中一些变量具有行业特性、以人为本，或涉及社会、经济及环境性质。此外，我们必须认识到，自动化，或者说任何技术发展，都不是由决定论支配的，而是受到每一个人的影响。
一方面，我们需要前所未有的透明度和以知识为基础的讨论，探讨上述问题及更多相关议题。另一方面，我们必须承认，并非所有人都愿意或能够参与建设性的对话。尽管如此，企业、学术界和政府仍应以易于理解的方式，公开传达对未来的愿景以及技术发展的情况。这样，每个人都可以自行决定，自己究竟希望过多大程度上自动化的生活。
