除了擔心工作被取代，人工智能對人類社會將帶來各個方面的轉(zhuǎn)變，包括教育、福利，甚至地理政治， 影響將是翻天覆地的。

人工智能如何影響教育?

2011年7月，史丹佛教授特隆(Sebastian Thrun)在YouTube上貼出了一段影片，宣布他和同事諾米格(Peter Norvig)會將他們的課程“人工智能入門”放上網(wǎng)路，供使用者免費使用。 等到課程于10月開始之時，已有190個國家、總計16萬人報名此課程。

同一時間，同為史丹佛教授的吳恩達(Andrew Ng)，也將他的機器學習課程免費在網(wǎng)路上公開，報名人數(shù)達10萬人。 兩堂課程皆持續(xù)10周，特隆的課程有2.3萬人完成，吳恩達的則為1.3萬人。

這類結(jié)合了影片授課、學生討論板、自動作業(yè)評分系統(tǒng)的線上課程，就是所謂的大規(guī)模開放線上課程(MOOC)。 2012年，特隆創(chuàng)立線上教育新創(chuàng)Udacity，吳恩達亦共同創(chuàng)立了Coursera;同一年，哈佛大學和麻省理工學院(MIT)共同組成非營利MOOC提供者edX，領(lǐng)導者為MIT人工智能實驗室主任阿格華(Anant Agarwal)。

當時，有些人認為，MOOC會取代傳統(tǒng)的大學教學。 MOOC初期的熱潮已稍稍消退(但也有數(shù)百萬學生修習過某種形式的線上課程)，但MOOC熱潮亦描繪了線上教育的巨大潛力。

Udacity、Coursera和edX全都源自人工智能(AI)實驗室，AI社群亦深信，教育系統(tǒng)需要大檢修。 特隆表示，他創(chuàng)立Udacity的目的，是為AI革命提供解藥，因為在AI革命之下，勞工得持續(xù)學習新技能。 同樣地，吳恩達認為，由于AI研究可能會沖擊勞動市場，研究者亦“肩負道德責任，得挺身處理我們造成的問題。”這也正是他共同創(chuàng)立Coursera的原因。

此外，AI科技在教育領(lǐng)域亦有巨大的潛力。

為每位學生量身訂作課程，用學生最能了解的方式呈現(xiàn)概念，讓學生可以用自己的步調(diào)學習，即為“適性學習”;好幾年來，它似乎總是有種即將到來之感，終于，新的機器學習技術(shù)，或許真的有機會實現(xiàn)這個承諾。

吳恩達表示，目前，大量學童得學習同樣的教材、可以收集大量資料的領(lǐng)域，正是適性學習技術(shù)表現(xiàn)最佳的領(lǐng)域。 巴西適性學習新創(chuàng)Geekie，在數(shù)千所巴西高中指引學生學習高中課程，Knewton、Smart Sparrow和Dreambox也都是這個領(lǐng)域的新創(chuàng)。

教育巨人亦十分重視此事。 McGraw-Hill在2013年收購了適性學習系統(tǒng)ALEKS，Pearson最近也宣布擴增與Knewton的合作計劃。 這類系統(tǒng)不會取代教師，但可以讓教師的角色，從講課者轉(zhuǎn)變?yōu)閷煛?/p>

就算是在AI社群之外，許多人也相信，科技進展之下，教育的方式得大幅改變才行，一如工業(yè)革命在19世紀造成的影響。 工廠工作取代農(nóng)業(yè)工作，識字和算術(shù)的重要性亦隨之上升;雇主發(fā)現(xiàn)，教育程度較高的員工生產(chǎn)力較高，但也不愿自行訓練員工，因為員工可能會跳槽。

這催生了工廠模式的普及國家教育，亦即由學校為工廠提供具備合適資格的勞工;也就是說，工業(yè)化改變了教育的需求，也提供了教育模式。 AI崛起亦有可能帶來同樣的效應，讓教育變革成為必要之事，并以適性教育來促成教育變革。

西北大學的莫基爾(Joel Mokyr)表示，從1945年開始，教育系統(tǒng)就在鼓勵專業(yè)化，但在知識過時的速度加快之際，最重要的并不是學會如何把一件事做得極好，而是學習如何再學習。 莫基爾認為，目前的教育太過將人視作陶土，塑形燒制之后就無法改變外形，而非可以重塑的黏土。

未來，愈來愈多工作得面臨自動化的挑戰(zhàn)之際，最有價值的技能亦將不斷改變。 吳恩達表示，“你得在整段人生中持續(xù)學習，這早已經(jīng)相當顯而易見。你在大學學會的東西，沒辦法讓你平順地渡過接下來40年。”

因此，教育得與全職工作相互結(jié)合。 特隆表示，“大家得持續(xù)學習新技能，才能跟上當前的趨勢。”因此，他的公司聚焦于可以在數(shù)月內(nèi)完成、而且不必停止工作的“微型學位”;舉例來說，資料科學微型學位每月的費用為200美元，但在12個月內(nèi)完成課程，就能獲得50%的退費。

網(wǎng)路上現(xiàn)在有各種各樣的課程，從使用者體驗設(shè)計、專案管理到領(lǐng)導無所不包，有些是依照課程收費，如Udacity，有些則收取月費，讓使用者修習全部的課程，如LinkdedIn旗下的Lynda.com。 有時，使用者和潛在雇主會難以分辨何者最能提供價值，政府、訓練提供者和雇者在認證上加強合作，應該有助解決此問題。

MIT的奧特(David Autor)表示，美國與其他已發(fā)展國家應該與德國一樣，更加重視職業(yè)和技術(shù)教育，而不是鼓勵每個人都去念大學。 不過，增加學徒制教育并非解決之道;學徒制教育通常需要5-7年，波士頓大學法學院的貝森(James Bessen)指出，“如果你需要的技能每3-5年就會改變，這實在不合理。”

因此，傳統(tǒng)的學徒模式也必須調(diào)整。 貝森表示，社區(qū)大學設(shè)立了各種結(jié)合教育與在職進修的機制，例如，西門子就在北卡州的風力發(fā)電機工廠，推出了4年制的“賺錢兼學習”學徒計劃;學徒畢業(yè)后可取得當?shù)厣鐓^(qū)大學的機械電子學位、當?shù)貏诠げ块T的證照，而且不必承擔學生貸款。

工作所需的技能不斷改變，擁有堅實的基本語言和算術(shù)能力亦更顯重要。

AI教不來的人格技能

不過，教導“軟”技能也會愈來愈重要;美國國家經(jīng)濟研究局的?？寺?James Heckman)和考茲(Time Kautz)，在2013年發(fā)表的論文中指出，應該更加著重堅持不懈、社交、好奇心等“人格技能”，這些技能不但深獲雇主重視，亦與員工適應新情勢、學習新技能的能力習習相關(guān)。

他們認為，人格是種技能而非特質(zhì)，教導這類技能不但可長可久，也相當具成本效益。

沖擊人類收入、社會福利

AI和自動化引發(fā)的疑慮，促使許多人呼吁強化安全網(wǎng)，保護受影響的勞工，并協(xié)助他們轉(zhuǎn)換至新工作。 許多AI評論者支持全民基本收入;這是種極度簡化的社福系統(tǒng)，無論情況為何，都會支付每一個人固定的金額，并取消其他的社福支付。

潘恩(Thomas Paine)、彌爾(John Stuart Mill)等人，也曾在工業(yè)革命之時提出了類似的想法。 支持者認為，它的主要優(yōu)點在于，如果沒有工作或只有兼職工作的人，決定多工作一些，并不會因而遭受懲罰，因為社福支付并不會隨薪資上升而下滑。

它讓人得以自由決定工作量，也有機會鼓勵勞工接受再訓練，因為訓練之時也能獲得小額的保證收入。 認定就業(yè)機會末日終將到來的人，則視之為確保消費經(jīng)濟繼續(xù)運作、支持非就業(yè)人口的方法。 如果大多數(shù)工作都被自動化，勢必需要另一種重新分配財富的機制。

人人都發(fā)給基本收入，好嗎?

與復雜的重整教育系統(tǒng)相較，基本收入似乎是種簡單、吸引人又易于理解的解決方案。 這個想法在科技產(chǎn)業(yè)獲得廣泛支持，新創(chuàng)育成機構(gòu)Y Combinator的總裁奧特曼(Sam Altman)認為，科技快速變革之際，基本收入有助勞工“平順轉(zhuǎn)移至未來的工作”。

這個想法似乎相當吸引科技人，部分原因在于它簡單又優(yōu)雅，部分原因在于它帶有的烏托邦主義。

比較犬儒看法則是，在科技造成破壞和財富不均之時，基本收入有助緩和民眾的不滿，讓科技人得以不受限制、繼續(xù)發(fā)明未來。 奧特曼表示，以他的經(jīng)驗來說，支持基本收入的科技人，都是出于“相當慈善的理由”。

以全民基本收入取代現(xiàn)有的福利支出，是大大的倒退

這樣的想法原則上相當吸引人，但魔鬼就藏在細節(jié)之中。 以全民基本收入取代現(xiàn)有的福利支出，是大大的倒退;例如，將現(xiàn)有的社會、退休和福利(除了醫(yī)療以外)總支出平均分配后，美國人能獲得的基本收入約為6,000美元，英國則為6,200美元。

與現(xiàn)有的福利機制相比，那會大大減少最窮者的收入，并給予富有者他們不需要的金錢。 然而，如果要為基本收入進行家庭收入調(diào)查，此機制的單純與低行政成本也可能會隨之消失。 此外，要支付能提供合理生活水平的基本收入，勢必得大幅調(diào)高稅率。 負所得稅或勞動所得稅扣抵，或許沒那么優(yōu)雅，但也比較務實。

芬蘭、荷蘭等許多國家，計劃在明年開始試驗有限形式的基本收入。 經(jīng)濟學家的重大憂慮在于，基本收入反而有可能讓人不想接受再訓練，或是讓人根本不想工作;不過，先前試驗的結(jié)果顯示，它會鼓勵民眾小幅減少工時，而非完全放棄工作。

另一個問題在于，基本收入難以與開放邊境和和勞工自由遷徙兼容;沒有移民或福利上的限制，那可能會吸引大量外國的不勞而獲之人，并造成國內(nèi)納稅者外逃。

地理政治將如何受到?jīng)_擊?

這點出了另一個決策者可能得處理的領(lǐng)域，也就是自動化對地理政治的沖擊。

奧特表示，自動化對發(fā)展中經(jīng)濟體的沖擊，可能會大過富有經(jīng)濟體，因為發(fā)展中經(jīng)濟體所提供的事物，基本上都源自勞動力：低薪勞工制造的低廉產(chǎn)品，電話中心等低廉服務，或是勞工前往海外從事家務或建筑工作。

如果自動化讓富有國家在這些領(lǐng)域更能自足，富有國家就會比較不需要那些帶動發(fā)展中世界出口和成長的產(chǎn)品和服務;奧特認為，自動化可能會“侵蝕發(fā)展中世界的大部分競爭優(yōu)勢” 。

另一個疑慮則是，富有國家擁有機器人和AI相關(guān)的科技和專利，若兩者造成生產(chǎn)力大增，富有國家必定受益;如果機器在諸多領(lǐng)域的表現(xiàn)都超越人類，發(fā)展中世界不見得能獲益。

國家間的不平等也將拉大

風險在于，自動化可能會讓貧窮國家無法借助工業(yè)化帶動經(jīng)濟發(fā)展。 哈佛大學的羅德里克(Dani Rodrik)指出，英國的制造業(yè)就業(yè)占比，是在一戰(zhàn)前到達高峰45%，巴西、印度和中國已然到達高峰，但全都沒有超過15%。 這是因為制造業(yè)的自動化程度已遠高于過往。

花旗銀行和牛津大學馬丁學院的報告指出，中國最近已超越美國，成為工業(yè)自動化的最大市場。 工業(yè)自動化或許代表，非洲、南美等地的新興經(jīng)濟體，會比較難借助工業(yè)化創(chuàng)造經(jīng)濟成長，得尋找新的成長模式才行。 喬治梅森大學的經(jīng)濟學家科文(Tyler Cowen)指出，沒有制造業(yè)工作創(chuàng)造的中產(chǎn)階級，可能會使高度收入不均深植于這些國家的核心經(jīng)濟結(jié)構(gòu)之中。

工業(yè)革命之時，彌爾曾表示，照顧那些生活遭受機器影響的人，就是立法者最該重視的議題。 目前，大多是富有國家在擔心自動化對教育、福利和發(fā)展的影響，但發(fā)展中國家的決策者，也愈來愈得思考這些問題。