谷歌(Google)最近宣布其DeepMind技术在古老的围棋比赛中击败了世界排名最高的冠军之一。这只不过是人类在人工智能和机器人领域取得的许多戏剧性进展的一个例子。机器正在迅速承担起越来越具挑战性的认知任务，开始形成使人类有别于其他物种的根本能力：我们做出复杂决定的能力、解决问题的能力，以及（最重要的）学习的能力。DeepMind的功绩之所以尤其引人瞩目，不仅仅是因为技术终于占了上风，而且还因为它基本上是凭借自我训练战胜了对手。

　　在今后几十年里，机器学习可能是机器人和软件自动化应用出现“寒武纪大爆发”（Cambrianexplosion，化石记录显示绝大多数的动物“门”都在距今5.42亿年前的寒武纪时期出现，由此得名——译者注）背后的主要推动力量。不久之后，能让工程师和企业家们创建智能机器人系统的工具和构造块将会如此先进和易于获得，以至于近乎所有能够利用这种技术的机遇都会被立即发现和抓住。转变近期未来的，很可能不是一般用途的机器人，而是近乎无限数量的专业应用。总体而言，这些系统可能覆盖整个就业市场和经济，最终接手几乎所有在某种程度上例行和可预见的工作。

　　怀疑者将很快指出，历史清楚地表明，先进技术在破坏现有就业机会的同时还会创造新型的就业机会。这种过程无疑将会持续，但机器人技术似乎不太可能创造足够就业机会吸收那些被挤出传统岗位的劳动者。这里只举一个例子，想想自动驾驶汽车带来的影响吧。显而易见的是，驾驶出租车或投递车辆、或者为优步(Uber)工作的数以百万计的人的就业将面临极高风险。

　　另一方面，建造真正的、完全不需人类干预就能运行的机器人汽车依然面临严峻挑战。自动驾驶技术严重依赖极为详细的驾驶路线图。问题在于应对背离这种基于数据方式的意外及偶尔出现的挑战：倒下的树木挡在路上，计划外的建筑活动或者其他可能出现的许多无法预测的情况。

　　一个显而易见的解决办法应运而生：让人留在环路中，以便处理那些异常情况。不难想象未来的车辆在99%的情况下自动驾驶，但在控制中心会有经过特殊培训的专业人员，他们随时准备在汽车发出信号表明其遭遇正常运行环境以外的情况时接手。当然，那些控制人员将从事我们寄予厚望的“新”职业之一。但是相比失去的那么多驾驶工作，会有多少那样的工作机会？

　　不用说，这种就业破坏和创造之间的不匹配不仅局限于驾驶。这种基本套路——将一份工作的几乎所有例行和可预见的部分都自动化，然后将剩余的不可预测的任务整合为少数的工作岗位——很可能被应用于各行各业。快餐和零售等低薪服务行业的就业机会无疑会受到巨大影响——目前美国和英国经济创造的就业岗位中有一大部分是在这些服务行业。甚至更为重要的将是，所有那些涉及相对例行的信息分析和操纵的白领职业都会受到影响。随着这些往往由大学毕业生从事的“好”工作开始消失，人们很可能不再相信越来越多的教育和培训是针对技术对就业市场破坏的良方。