預測未來：從蒸汽機到人工智能，我們學到了什麼？

[大衛選讀] 預測未來有多難？最近讀了一些科技發明對於人類歷史的影響，再從當時人們的認知與預測，對照後續的真實發展，會發現要預測未來真的很困難。

從蒸汽機發明，到鐵路建設，以及設備電氣化等技術發展來看，人們對於新技術的直覺想像總是貧乏的，也往往會在長期範圍內，低估了新技術所帶來的深遠影響。

人工智慧很明顯會帶動第四次工業革命，要怎樣重新思考我們的工作？是要謀定而後動，還是打帶跑見機行事？

本文選讀彙整了多篇文章。內容整理如下，原文連結則放在留言中。

---

▋預測未來：從蒸汽機到人工智能，我們學到了什麼？

未來是一片未經探索的領域，而我們對於未來會如何的直覺往往是錯誤的。

眾所周知，哥倫布曾以為他正在開闢一條通往印度的新貿易路線，結果卻意外發現了美洲大陸。同樣地，對於未來工作的預測，通常跟我們真正到達未來時所看到的實際情況，往往相距甚遠。

以著名經濟學家凱恩斯在 1930 年代的估計為例，他預測在幾代人之內，每週將只需要工作 15 小時。他認為技術的進步將提高生產力，讓人類能夠用更少的工作時間享受同等的生活水準。雖然隨著歷史演進，工時確實有若干減少，但是自 1940 年代以來，典型的工作週仍停留在平均每天 8 小時，每週 5 天的水平。

▎為什麼我們的預測經常是錯的？

首先，人類是非理性和情緒化的，這使我們難以預測未來會怎樣發展。

在科學研究的基礎上，我們對大自然的理解，比對人性的理解要好得多。由於大自然的規則是由物理世界所定義的，是邏輯的、能被充分理解的，而且穩定不變。這使得科學家能夠在高度確定的狀況下，去理解複雜的物理過程，例如氣候變化。

但人性決定了人們將如何在社會經濟跟政治上，去做出反應。人性本質上是非理性和情緒化的，這使我們難以預測。這就是為什麼，氣候變化和許多其他事件對未來的影響，實務上難以準確預測的原因。

此外，我們在預測上的真正問題，並不在於技術貧乏或不精確，也不在於我們在短期內高估了新想法和技術的潛力；而是往往在長期範圍內，低估了它們的影響 (underestimating their impact in the long term)。

預測靠的是模型，也就是一種框定現況以及後續動態的方式 (model, a way of framing the present and its dynamics)。但是我們使用的模型，難以考慮到人類的慾望和創造力。未來是由無數人類所共同決策與塑造的，而正是這些人類的判斷，決定了我們將身處哪一個未來。

我們選擇如何使用技術，跟技術本身的特性同等重要，甚至更為關鍵。儘管新技術創造了新的可能性，但我們需要去決定，哪些可能性會真正發生，成為新的現實。

▎以20世紀中期，家庭自動化的浪潮為例

20世紀中期，各種各樣的電氣化設備被開發出來，以便幫助家庭主婦。當時的廣告宣傳暗示著我們，自動化將使家庭主婦從繁忙的家事中解脫出來。

但是幾十年後，當代生活的家事負擔並沒有消失。相反地，自動化讓整個社會提高了對於家居環境的標準和期望，結果維護家庭所需的工作量，反而變得更加繁重。

在這個例子中，並不是技術決定了人類的發展，而是人類自己做的判斷與決定。我們的價值觀，反映了什麼事情是重要的、是我們在乎的。這樣大大小小的判斷累加起來，決定了技術怎樣被運用，而形塑出了未來。

▎是時候，該去重新思考我們的工作

在理解所謂的工作時，要試著去思考整個工作系統，而不只是個人。

例如，駕駛飛機這件事，是由一名飛行員單獨完成的嗎？還是由一個人機協作的系統，也就是兩名正副駕駛，加上駕駛艙儀器甚至是飛行管制塔台，所一起協作達成的？

考慮整個系統，而不只是個人 (considering the system, rather than the individual)，讓我們能夠思考現存的哪些工作屬性，可能並不符合未來所需的技能；又有哪些新的需求屬性會被開發出來。

舉個例子來說，豐田在導入自動化生產的過程中發現到，完全的自動化並消除人工，確實可以在短期內提高生產率，但長期下來，卻很難再看到生產力增長。因為生產過程中，沒有人在現場，可以來協助發現並指出，那些可以進一步優化的流程與問題。

所以豐田的解決方案是重新引入工人，但是給予不一樣的角色任務。重視的不是執行任務的能力，而是專注於協助改善，以持續提升生產力。

▎想要看透當前趨勢，我們需要去採取行動、有意識地孕育各種的選擇性

心理學家一直在試圖釐清，人類如何成功地在一個複雜且不斷變化的世界中，找到屬於自己的路。

結果發現，我們不是純粹在腦袋裡做決定，而是透過與周圍環境的互動反饋來做決定。換句話說，我們透過行動來決定 (act to decide)，而不是決定後行動 (deciding to act)。

我們不是直接做分析、預測和計劃；而是觀察、評估可能性，並對此做出回應，從中孕育出各種選擇性。

以棒球選手接球的判斷為例，我們不是靠腦袋直接預測球會落在哪裡，藉此來接住一個空中的飛球。而是靠不斷調整我們相對於棒球的運動路徑，讓我們的身體跟球朝著同一個方向前進，同時試著避開路上的障礙。

在過程中，我們會思考各種可能性，像是應該跑快一點或慢一點，撲接球是否來得及等。球員會努力維持多種可能性，讓自己有多一些選擇，直到其中一個方案的成功率特別高時，再做出最後的關鍵行動。

要看透當前趨勢，我們需要孕育各種的選擇性，認知到一個新技術可以有很多種不同的應用方式。

過往我們對技術應該如何應用，第一個直覺往往是不準確的。以 90 年代工廠電氣化的發展歷史為例，電氣化最初的吸引力在於，電力比燃煤蒸汽機更便宜更清潔。進行轉型的工廠在燃料成本上，節省了約 20% 至 60%。

然而，電氣化的大多數好處是在後面三十年後才出現的，當時的製造工程師意識到，在工廠內重新分配電力比過往分配蒸汽機械動力要靈活得多。因此，工廠進一步思考如何重組，使用相同的生產機械和樓面空間，但是去重新安排機器的位置，以優化工作流程。結果進一步實現了 20% 的總生產力提升。

▎人工智能發展下，未來的工作才剛要開始被探索跟定義

相較之下，我們現在對於人工智能應用的直覺想像，真的就是最好的版本了嗎？

以過往人類的發展歷史來看，應該還差得遠。

如果我們仔細想清楚，人工智慧所能帶來的各種可能性，同時找到最適合人類的工作屬性，那麼生產力的大幅提升，應該才正要開始。