哪些打工人会被机器人替代？最新算法给你答案，附测试链接

2022 年 4 月 20 日 大数据文摘

大数据文摘转载自学术头条

谈到智能机器人的未来，人们通常会问的第一个问题是：它们会让多少工作岗位消失？不管答案是什么，第二个问题很可能是：我如何确保我的岗位不在其中？

近日，《科学机器人》杂志上发表了一项最新成果，来自瑞士洛桑联邦理工学院（EPFL）的机器人专家和洛桑大学的经济学家为这两个问题提供了答案。

通过将有关机器人能力的科学和技术文献与就业和工资统计相结合，研究人员开发了一种方法，用于计算在不久的将来哪些现有工作更有可能被机器执行。此外，他们还设计了一种方法，为这些高风险职业过渡到风险较小且需要最少再培训的工作，提供建议。

结果显示，对 1,000 个职业进行排名，“物理学家”是被机器取代风险最低的工作，而“屠宰工人和肉类包装工”则面临最高的被替代风险。一般来说，食品加工、建筑、维护和开采行业的工作似乎风险最高。

第四次工业革命，打工人与机器人的竞争

机器人技术和人工智能（AI）通常被称为第四次工业革命的核心。这些领域的持续进步，正在导致机器人比它们的前辈更自主、更灵巧、更安全地参与人类社会的方方面面。

智能系统在曾经看似机器无法完成的任务中，也已经超越了人类，例如非常复杂的围棋游戏。这些进步，再加上在高性能计算、物联网和新材料方面同样重要的突破，已经对制造业和服务业产生了明显的影响。

因此，预计在未来几十年内，人类的整个经济和生产体系将发生广泛的转变。

尽管许多分析家预测这场革命将对整体生产力和增长产生积极影响，但它对就业的潜在影响已经引起了人们的极大关注。机器人技术和人工智能看起来有望使目前由人类完成的许多任务自动化，并减少许多经济部门对人类工作的需求。

表明上看，这并不是什么新鲜事：过去的自动化浪潮（如纺织和农业部门的机械化、制造业中工业机器人的引入，以及服务部门的计算机化）在发展初期先是增加了劳动人口，之后则是大幅减少了对人类就业劳动力的需求。事实上，在过去的自动化浪潮中，机器大多取代了人类从事低技能、体力、重复性的工作。

有人提出，第四次工业革命的社会影响将大不相同，因为下一波机器人和人工智能也将影响中高技能工作，包括具有相关认知和创造性成分的工作，以及需要迄今为止自动化尚未触及的手工工艺领域。

尽管从长远来看，对生产力和整体经济增长的影响仍可能是积极的，但转型可能会很痛苦。

在之前的相关研究中，也曾预测过有多少工作将被机器人自动化，但它们大多集中在软件机器人上，例如语音和图像识别、金融机器人顾问、聊天机器人等。此外，这些预测会随着工作要求和软件能力的评估方式而剧烈波动。

“在这项最新研究中，我们不仅考虑人工智能软件，还考虑执行体力工作的真正智能机器人，我们开发了一种系统，比较数百种工作中人类和机器人能力的方法。”EPFL智能系统实验室主任 Dario Floreano 教授说。

测一测你被机器取代的风险，万一呢？

为了预测大多数职业被机器取代的风险，研究人员研究了欧洲 H2020 机器人多年度路线图（MAR），这是欧盟委员会的一份战略文件，由机器人专家定期修订，MAR 描述了当前机器人所需或未来机器人可能需要的数十种能力，范围按操作、洞察、感知、与人类交互等类别进行组织。

MAR 描述了当前机器人所需或未来机器人可能需要的数十种能力，范围按操作、洞察、感知、与人类交互等类别进行组织。

然后，研究人员通过研究论文、专利和机器人产品的描述，来评估机器人能力的成熟度，并使用一个众所周知的尺度来衡量技术发展水平，即“技术准备水平”（TRL）。

对于人类的能力，研究人员则依赖于 O*net 数据库，这是美国就业市场上广泛使用的资源数据库，该数据库对大约 1,000 个职业进行了分类，并涵盖了对每个职业最重要的技能和知识。

在将 O*net 列表中的人类能力与 MAR 文档中的机器人能力进行选择性匹配后，该团队可以计算出每个现有工作职业由机器人执行的可能性。

例如，一项工作需要人类以毫米级的运动精度工作，而机器人在这方面非常擅长，因此相应能力的 TRL 最高。如果一项工作需要足够多的此类技能，那么与需要批判性思维或创造力等能力的工作相比，它更有可能实现自动化。

通过对 1,000 个工作岗位的自动化风险指数（ARI）进行计算排名，结果显示，“物理学家”是被机器取代的风险最低的人，而“屠宰者和肉类包装工”则面临最高的风险。

图 | 五种职业的自动化风险指数（来源：Science）

图 | 不同行业的自动化风险指数（来源：Science）

然后，研究人员还创建了一种方法，可以为任何给定的职业，找到自动化风险显著降低并且在所需的能力和知识方面与原始工作相当接近的替代工作，从而最大限度地减少再培训成本，使得职业转型可行。

“当今社会面临的主要挑战是如何应对自动化”，共同领导了这项研究的洛桑大学教授 Rafael Lalive 说，“我们的工作为面临自动化高风险的工人提供详细的职业建议，同时重新利用在旧工作中获得的许多技能，使他们能够从事更安全的工作。通过这一建议，政府可以支持社会变得更有弹性，以应对自动化浪潮。”

为了测试该方法在现实生活中的表现，研究人员使用了来自美国劳工部的数据，并根据算法的建议模拟了数千个职业变动，发现它确实可以让高风险职业的工人转向中等风险职业，同时接受成本相对较低的再培训工作。

研究人员表示，政府可以使用该方法来衡量有多少工人可能面临自动化风险并调整再培训政策，公司可以评估提高自动化的成本，机器人制造商可以更好地根据市场需求定制产品，公众则可以确定在就业市场上重新定位自己的最简单途径。

最后，研究人员将新方法和数据转化为一种算法，该算法可以预测数百个工作的自动化替代风险，并建议以最少的再培训工作进行有弹性的职业过渡。（大家可在：https://lis2.epfl.ch/resiliencetorobots 公开访问）