從工業革命到人工智慧的新世界
工業革命注重大量複製、自動化勞動力，第二次世界大戰則為自動化技術帶來突破性發展。從蒸氣機、紡織機到汽車組裝工廠，人的勞動力所能及，甚至無法企及的部分，都被逐步自動化。在這個系統中，人所扮演的角色，主要是協助無法自動化的工作。工廠生產線就是一個代表性例子：製造產品時，系統以機器代替人力，而需要判斷時，還是要依靠專業人工（如產品良率）。
在人工智慧的時代，尤其是所謂「強人工智慧時代」，許多人工智慧能力已經不只能做到跟人一樣，甚至能夠超越人的水準（如辨識能力）。在一般人眼中看起來一模一樣的兩隻哈士奇，卻可能能靠人工智慧，辨別牠們不同的產地。
在「強人工智慧」時代，許多原本需要智能判斷的工作會被取代（如前文提到的生產線案例）。現在有許多新方法可以用以訓練機器學習模型，人工智慧可以透過視覺辨識分辨出瑕疵產品，所需要的訓練數據在大幅降低。
擴增人工智慧vs自動人工智慧
雖然自動化人工智慧（Automated intelligence）目前的應用比較多，也延續著系統自動化的演進。但對一個社會或企業來說，以人為本的人工智慧（Human-Centered Artificial Intelligence）卻更加重要，其所影響的層面不只是科技業，還有國家社會各種制度系統。
其中一個重要觀念，是讓人與人工智慧能夠互相協助的擴增人工智慧（Augmented Intelligence），這能讓兩造發揮彼此擅長的部分。有些工作，人工智慧可以做得精準到位，例如重複搬運物品、放射影像的判讀，辨識皮膚照片並發現早期癌細胞。而在與「人的系統」有關的判斷能力上，人工智慧還無法達到很好的應用。
位於美國科羅拉多州的新創公司Matrix Analytics，在AWS透過深度學習進行追蹤診斷及早期癌症干預，如預測惡性腫瘤風險、自動進行後續護理。像判斷癌症病徵這類工作，人工智慧可以圓滿做到，而安排醫師與住院療程等項目，就需要人為介入判斷。
人工智慧可以判斷癌症初期病徵，但在安排醫師與住院療程上，就需要人為介入判斷。舉例來說，《哈佛商業評論》2019年出版書籍”Artificial Intelligence: The Insights You Need from Harvard Business Review”指出，能夠及早規劃人與人工智慧協作的整體轉型計劃的企業，長期的投資回報是比短期完全自動化的公司來得更多且穩定。
人工智慧對職場的衝擊
在傳統的認知中，藍領階級通常會被歸類為使用勞力或身體技術專業來換取報酬，而白領則是使用腦力勞動來獲得報酬。我們在衡量人工智慧對未來職場的衝擊程度時，可以從2個觀點來看：
1.成本觀點：白領比藍領更受挑戰
從成本考量的角度來看，以人工智慧取代白領階級的專業工作，是更值得投資的項目。相反來說，一些人力成本較低的創意與技術性工作，就不見得會是人工智慧在未來5到10年產業轉型的優先順位。
例如，人工智慧若能取代一些重複性高的法律諮詢工作，所能節省的成本更高、更值得開發，這類工作因此會面臨更直接的挑戰。Lawgeex、Klarity、Clearlaw及LexCheck等新創公司，目前都在開發AI系統。這些系統將能夠自動提取擬議合約，使用自然語言處理（NLP）技術對其進行全面分析，確定合約中可接受部分及有問題的部分。
相對來說，若要以人工智慧取代米其林餐廳的廚師，所要花費的成本會非常高，這個投資所能帶來的收益就不見得能夠平衡。
2.可取代性：專業程度偏低工作較危險
不論白領或藍領階級都會面臨的挑戰是，專業程度較低、較基礎的工作很可能會被取代。
我們可以用擴增人工智慧與自動人工智慧的觀念來看，以白領階級來說，律師事務所需要助理處理的簡易工作，可能就會被取代，但在法庭上代表辯護的律師，則不會這麼快被取代。以藍領階級而言，搬運貨物、卡車駕駛，甚至客服人員，都比較容易面臨自動化人工智慧的挑戰，但是一些以人為主的服務業，強調創造性或創意的工作的工作則不會那麼快面臨挑戰。
而人工智慧也會衍生出一些新工作。前文提到，生產線可以應用「視覺辨識功能」，這種訓練人工智慧的機器模型，它能夠辨別不良產品的關鍵便是標號數據（Labeled data）。這部分需要經由人工方式，將產品有瑕疵的圖片資料標示出來，透過大量數據訓練機器。
未來，訓練機器人或是機器模型的職業，也可能會是下個世代的新需求。比如，利用人工智慧輔助健身，就可能需要健身教練配合，創造訓練用數據。另一方面來說，Aaptiv等健身App，則可以幫助健身教練輕鬆制定個人化訓練計畫，並結合體能訓練空間。
結合人工智慧與專業，面對新時代的挑戰
不論是個人或企業，都可以結合上述幾個觀念去思考未來規劃。人工智慧之於未來的我們，將會像是網路之於現在的我們一般，是工作與生活還有商業系統中必然的科技。就像應用電商，不必然要從了解伺服器開始，面對人工智慧，重要的也是理解其中邏輯，而不只是學習技術。
有此需求的讀者，建議先找一些學習資源，了解人工智慧的觀念，尤其商業方面的應用或相關案例。現在有許多先進國家，都已經意識到要把人工智慧的思維融入到教育當中，許多國外學校也有開設人工智慧基礎結合商業的課程。這些資源都可以結合網路資源運用。
再來，建議運用擴增人工智慧的思維去重新檢視自己的專業，關注更多人工智慧衍生出來的新職業，了解其中需要跨越的門檻，並做適當規劃。新創公司或企業領導人，則可以參考這個新時代將出現的需求，作為創業或企業轉型的新方向。
陳翰申
亞馬遜雲端服務產品用戶體驗設計主管。在人工智慧與機器學習方面，擁有豐富的用戶體驗及產品設計經驗。
2018年完成Google ML Incubator Program，也曾與Google People and AI Research團隊合作數個以人為本的人工智慧用戶體驗設計計劃案。
進入Google之前，曾任職於Microsoft人工智慧研究團隊，也曾於IBM擔任用戶體驗設計助理總監，負責多家全球性公司的Watson人工智慧設計項目。
責任編輯：李頤欣
