2015年8月7日,星期五

自动化如何影响劳动力市场:“新技工”的崛起?

自动化和机器人技术看似可行的改进是否会导致大规模失业?如果不是失业,它们会对劳动力市场的工资分配造成什么样的变化?David H. Autor在《为什么有这么多的工作?工作场所自动化的历史和未来,“这在2015年夏天出现了经济展望杂志。

(坦白地说,我从1986年起就一直担任JEP的执行编辑。Autor是2009-2014年JEP的编辑,也是我的老板。所有文章在MEP中自2011年起,由美国经济协会(American Economic Association)提供,人们可以在网上免费获得1987年创刊号的资料。)

奥托尔认为,大多数关于自动化和劳动力市场的讨论都集中在一个影响上——即自动化如何可能取代某些现有的工作。这显然是一个潜在的重要影响,但不是唯一的。奥托尔认为,要想更全面地了解自动化如何影响就业和工资,需要考虑以下三个主要因素:1)自动化如何取代了某些工作,但又补充了其他工作;2)工人转换到某些新工作是否更容易或更困难(即经济学家所说的“劳动力供给弹性”);3)当收入增加时,需要什么商品和服务。

当然,很明显,如果现代工人没有了机器和电脑,他们的生活水平会大大降低,而不得不使用他们在森林里找到的一根棍子来种地和猎杀猎物。但更普遍的是,奥托写道:
“[T]要求不能被自动化所替代,一般由它来补充。大多数工作过程依赖于多方面的投入:劳动力和资本;大脑和肌肉;创造力和死记硬背;熟练掌握技术和直觉判断;汗水和灵感;遵守规则,合理运用自由裁量权。通常,这些输入都扮演着重要的角色;也就是说,一个方面的改进并不排除对另一个方面的需要。如果是这样,一组任务的生产率提高几乎必然会增加其余任务的经济价值。
在Kremer(1993)研究的O形环生产函数中发现了这种想法的标志性表示。在O形圈模型中,生产链中任何一步的失败都会导致整个生产过程失败。相反,任何给定链路的可靠性的改进会增加所有其他链接的值。直观地,如果链条中的N - 1个链接合理可能失败,那么链接n的事实有点不可靠,这几乎没有后果。如果其他N-1链接可靠,那么使链路N更可靠的值升高。类似地,当自动化或计算机化在工作过程中进行一些步骤时更可靠,更便宜,更便宜,这会增加生产链中剩余人类链路的价值。“
然而,如果许多工人能够涌入自动化互补创造的新工作岗位,那么这类工作的工资增幅可能很小。只有当工人很难进入自动化辅助的工作岗位时,这种工作的工资增长才有可能更高。奥特写道:
“劳动力供给的弹性可以减缓工资增长。如果建筑工人或银行家提供的互补任务在经济的其他领域大量存在,那么,新工人的涌入可能会抑制自动化和人力投入之间的互补性所带来的工资增长。尽管这些供应影响可能不会完全抵消productivity-driven工资增长,人们可以发现极端例子:谢长廷和莫雷蒂(2003)文档,新进入房地产经纪人职业应对房价上涨完全抵消平均工资涨幅,否则发生。”
最后,导致自动化和改进机器人的资本投资往往会增加产出,并为生产这些额外产出的人的收入也将上升。由于收入的上升,人们需要额外的商品和服务。作为收入升起所要求的特定商品也会影响自动化和劳动力市场的互动。这是autor:
需求的产出弹性与需求的收入弹性相结合,既会抑制也会放大自动化带来的收益。就农产品而言,长期来看,生产率显著提高的同时,家庭收入用于食品的份额却在下降。在其他情况下,如保健部门,技术的改进导致用于保健的收入份额越来越大。即使……随着生产率的提高,该行业会萎缩——这并不意味着总需求会随着技术的进步而下降;显然,盈余收入可以用于其他地方。20世纪20年代,随着乘用车取代了骑马旅行和无数支持骑马旅行的职业,路边汽车旅馆和快餐行业兴起,服务于“驾驶大众”(Jackson 1993)。收入的增加也可能刺激对与技术先锋无关的活动的需求。餐馆饭菜、清洁服务、头发护理和个人健身的生产既没有被当前的技术强有力地补充也没有被取代;用Baumol(1967)的话说,这些部门是“技术落后的”。 But demand for these goods appears strongly income-elastic, so that rising productivity in technologically leading sectors may boost employment nevertheless in these activities.
奥托尔认为,近几十年来,信息技术的发展极大地重塑了劳动力市场。但其主要影响并不在于减少就业岗位:毕竟,在2008年大衰退(Great Recession)爆发之前,美国的失业率在近四年的时间里都低于5.5%,现在又降到了这一水平。相反,奥托尔认为,技术进步的影响可以从工作“两极分化”中看出来。这种现象似乎不仅出现在美国,也出现在许多欧洲经济体。在这种情况下,许多以前的中等技能工作(包括工厂工作和办公室工作)已经被技术取代,相对于总体就业而言变得不那么重要。与此同时,不容易被自动化取代的低技能手工工作在数量上趋于增长,但在工资上却没有增长——因为工人很容易就能转换到这些工作中。技术辅助的高技能工作相对于整体劳动力和工资水平都有所增加。

有趣的是,Autor认为,这项工作极化不太可能在未来持续存在,尽管信息技术将塑造未来的中产阶级工作是什么。他写:

我自己的预测是,就业两极分化不会无限期地持续下去(正如Autor 2013年所指出的那样)。虽然目前许多中等技能岗位中的一些任务容易受到自动化的影响,但许多中等技能岗位将继续需要跨技能范围的混合任务。例如,医疗支助职业——放射技师、抽血师、护士技师和其他职业——是报酬相对较高的中等技能职业中一个重要且迅速增长的类别。这些职业大多要求掌握数学、生命科学和分析推理的“中等技能”。他们通常需要至少两年的职业培训,在某些情况下需要四年或更长的大学学位。这个宽泛的描述也适用于许多熟练的贸易和修理职业,包括水管工、建筑工、电工、暖气/通风/空调安装工和汽车技师。它也适合许多现代文书职业,提供协调和决策功能,而不是简单的打字和归档,就像许多市场营销工作。也有一些案例表明,技术使那些不那么精通技术的工作者能够执行额外的任务:例如,护士职业越来越多地代替医生执行诊断和开处方的任务。
我预计,在未来的几十年里,将会有大量的中等技能工作,将特定的职业技能与读写、计算、适应、解决问题和常识等基本中等技能水平结合起来。我的推测是,目前捆绑在这些工作中的许多任务不能轻易地分开——机器执行中等技能的任务,工人只执行低技能的残余任务——质量不会大幅下降。这种观点认为,许多在未来仍然存在的中等技能工作,将把日常技术任务与劳动者拥有比较优势的非常规任务结合起来,这些非常规任务包括人际交往、灵活性、适应性和问题解决能力。一般来说,这些相同的互动需求往往更倾向于面对面的互动,而不是远程的表现,这意味着这些中等技能的职业对外包的敏感性相对较低。劳伦斯•卡茨(Lawrence Katz)令人难忘地将技术和人际工作完美结合的工人称为“新工匠”(见Friedman 2010),霍尔泽(Holzer)(2015)证明,“新中等技能工作”实际上在迅速增长,即使传统的生产和文职职业也在收缩。
JEP的同一期还包括另外两篇关于自动化和劳动力市场的文章。Joel Mokyr, Chris Vickers和Nicolas L. Ziebarth研究了过去两个世纪经济学家对这些问题的关注《技术焦虑的历史》 经济增长的未来:这次不同了吗?”从抽象:
“对技术的焦虑有多种形式,我们主要关注其中最突出的三个问题。首先,人们担心,技术进步将导致机器广泛取代劳动力,这反过来可能导致技术性失业,并在短期内进一步加剧不平等,即使长期影响是有益的。其次,人们一直对广义上的技术过程对人类福利的道德影响感到焦虑。然而,在工业革命时期,人们担心的是工作的非人化效果,在现代,也许更大的恐惧是,消除工作本身就是非人化的根源。第三个担忧则相反,表明重大技术进步的时代已经过去。了解技术焦虑的历史,为我们提供了一个视角,看看这次是否真的有所不同。我们考虑了这三种焦虑在经济学家中的作用,主要关注从18世纪末到20世纪初的历史时期,然后比较了这三种焦虑的历史和当前表现。”
最后,吉尔A. Pratt写:“机器人学会迎来寒武纪大爆发吗?”普拉特不是经济学家,而是机器人领域的专家。直到最近,他还在美国国防高级研究计划局(Defense Advanced Research Projects Agency)担任项目经理,负责监督DARPA机器人挑战赛(robotics Challenge)。普拉特列举了一系列原因,说明为什么机器人的能力可能即将大幅提高。这里有两个最重要的:
两项新兴技术——“云机器人”和“深度学习”——可以利用这些基础技术,实现爆炸性增长的良性循环。在云机器人技术(James Kuffner(2010)创造的术语)中,每个机器人都从所有机器人的经验中学习,这导致了机器人能力的快速增长,特别是随着机器人数量的增加。深度学习算法是一种机器人基于非常大的(通常是基于云的)“训练集”学习和归纳它们的关联的方法,这些“训练集”通常包括数百万个示例。
普拉特至少说服了我,“我们有理由假设,在不久的将来,机器人将能够像人类一样处理任何联想记忆问题。”这包括一系列广泛的工作,包括感知和识别给定环境中有什么,考虑需要完成的任务列表,然后自动完成这些任务。但普拉特也指出:“人类大脑所做的不仅仅是存储大量的联想和快速获取有用的记忆。它还将感觉和其他信息转化为可概括的表征,对不重要的变化不变性,存储情景记忆,并将学习过的例子概括为理解。可概化知识表示和基于概化知识表示的认知是机器人能力有待解决的关键问题。

有人可能会说,在奥托尔的描述中,中产阶级的“新工匠”将是涉及这种“可概括的知识表征以及基于这种表征的认知”的工作。Autor写道:机器学习算法在推理“合目的性”和预期用途方面可能存在根本性问题,即使给定一个任意大的图像训练数据库……普拉特认为,机器人技术的变化可能来得如此之快,以至于人类工人、劳动力市场机构和工人将很难足够快地进行调整。