前言
前幾天偶然看到一篇新聞，談論未來五年間的可能會被取代的，以及需求增加的工作。文中引用世界經濟論壇的報告，比較讓我在意的是數據分析、人工智慧和機器學習專家的需求增加。我自認這是必然的現象，身為一個有在操作數據並且對機器學習也略懂略懂的人，看到這樣的趨勢當然也是暗自竊喜。然而事實是這樣的嗎?
臨界點上的當今社會
從宏觀的角度來看，我們現在的社會正處在一個臨界點 (tipping point)，新冠疫情下強迫工作型態的轉型以及人口金字塔的形變，在某一程度下，加速了整個社會的轉變，會使得整個系統的回饋機制和和運作無法回到過去。可以舉一個常見的例子-從農業社會轉變為工業社會。透過發展機械自動化，使得在糧食生產方面的勞力需求劇減，人們可以開始不須擔心糧食的問題轉而從事其他工作，提升生活水準。而目前的已開發國家也正處於這個轉換的階段，工業社會需要的工人，朝九晚五的概念都將會被顛覆，取而代之的是更為自動的需求生產產業鏈。糧食、生活用品到日常的一些服務都可以再被精進。
數據專家的類比
回到主題，數據分析和人工智慧專家在這樣預想轉變後的社會是極為重要的，他們支撐起與電腦機械溝通的橋樑，協助把這些轉變帶入生活當中。不過，為了乘上這個趨勢而投入這些領域真的是最最明智的選擇嗎? 我認為見人見智。想像一下，在轉型為工業化的那個時代，大量的人力投入其中，工人是勞力，而當工人在那時也是最好賺盡錢財的方式之一。姑且談論產業鏈中的初階工人，負責生產線的維持，機器的維修和運用工具的技術。說到這裡，不知道你有沒有發現相似處，將會蓬勃發展的產業一樣具備這樣的特質，這些新工作型態具備獨特的技術，擔任人類與機器的橋樑，而由機器(人)負責所有勞力的工作，而這些專家負責以一抵百管理大大小小的生產線。
領域門檻降低
進入這領域分一杯羹的門檻很高嗎? 我不這麼認為，越來越多人把這些操作數據的技術變得簡單，變得容易上手。Google, Amazon 等等的線上資源，現在甚至不需要學會寫程式，稍微了解原理與操作方法就可以用線上開放式套件來完成基礎的資料分析和機器學習，當然開發新方法與撰寫這些套件都需要更為高深的技術，但相對的需求人數也不會多。寫出一個泛用型的套件就可以餵養幾千幾萬個"專家"，只要在螢幕上滑來點去就可以輸出一分精美的分析，2020年的今天就能做到，更遑論未來。而這樣的趨勢將使得有資料科學背景的人大量增加，供需法則下在相同工作下能賺到的錢將越來越少，能說目前資料科學家還位於利基市場的地位，但未來可就不一定。另外我想提點出來是越來越蓬勃的資料科學科系，我認為這些是把大學當成了職業培訓所，將來這些職業培訓有很大的比例會被移置線上資源，不需要在大學裡完成，像是 Google 就有提出線上課程是能直接受到該公司認可而不需要真正在大學受過相關科系訓練，然而那大學存在的意義為何? No no no，大學的本質本該是思辨，鑽研知識的大海，透過一群有思辨能力的人聚集在一個提供人們思考的地方，藉此激發新穎、前衛的思維。而若僅僅作為追求工作必備技能的職訓所，我自己看影片學就好了，為甚麼要付高昂的費用登入學校的系統看學校提供的教學影片 (疫情時外國大學的狀況)。然而本質是思辨及討論的科系就不會有這樣被騙錢的感覺，因為之所以要進入大學，是為了要跟來自不同背景、想法的人，一起來討論、激盪出屬於那個領域的新發現。
未來社會之於工作
最後，我很刻意的把未來會需求增加的職業比喻成未來的工人，是想警惕若單單因為學會了這些技術與知識就沾沾自喜，而不去剖析社會的脈絡與發展，一樣有可能會出現與工業時代一樣的勞工問題。而人類社會永遠會需要去思辨及突破現況的人，除了鑽研自然現象的科學家們，社會科學家、哲學家抑或是文學家也是不可或缺的。說不定未來人工智慧的時代，大部分的工作都被機器取代，全人類都可以有無條件基本收入，除了這些命苦的專家們還有工作，還有可能有工作的人只領比一般人多10%的收入。
留言列表
