從工業革命的重型機械到數字化的計算機時代，再到最近人工智能的飛速發展，技術進步常常引起人們對失業的擔心。而專家們認為，除了取代工作崗位，人工智能系統還將增強人們的工作能力，把更艱巨的任務交給智能算法來完成，從而提高效率，減輕人們的負擔。

這意味著人類與人工智能直接進行合作和互動。研究公司Forrester的副總裁兼首席分析師J.P.Gownder說：“對于我們這些不會因為自動化而丟掉工作的人來說，我們將會與越來越智能的軟件并肩工作。這將適用于幾乎所有你能想象到的業務流程。” 

結合了云計算的力量和機器學習方面的進步，其想法是人工智能助理可以承擔人類工作者的一些認知工作，這樣，人類就可以專注于他們更擅長的任務。

這種情況已經在很多企業發生了：2020年德勤對1300名首席信息官和高級技術領導人進行的一項調查發現，只有12%的企業使用人工智能來取代員工，60%的企業則使用人工智能來協助員工。 

協同設計

以生成式設計為例。長期以來，在制造業等領域，設計師和工程師一直依賴計算機輔助設計（CAD）工具來繪制零部件或者產品的三維“圖紙”。采用生成式設計，用戶將材料類型、性能標準和圍繞成本的要求等參數輸入到算法中，然后算法會創建出大量可供設計師和工程師選擇的替代模型——無論是機器零部件還是家具。

結果可能是不尋常的、有機的設計，雖然不符合人們通常的預期審美，但符合規范，而且有時效率會更高。

Autodesk生成式設計和機器學習產品戰略發展經理Seth Hindman指出，實際上，設計過程有很多繁瑣的工作，需要設計師和工程師進行多次迭代。這反過來解放了用戶，使他們能夠騰出精力專注于自己角色中更高價值的方面。

他說：“生成式設計作為工程師的協作工具而備受贊譽，因為工程師沒有時間，甚至沒有意愿去研究整個設計空間。這增強了工程師實際開展工程工作的能力，使其工作更聚焦。”

Autodesk圍繞生成式設計的工作始于其研發部門開發的試驗平臺項目Dreamcatcher。這項技術已經在空客等工業公司開展試點，他們利用該技術來制造輕型飛機部件，而著名建筑師和設計師Philippe Starck則在椅子設計項目中使用了生成式設計平臺。

這項技術后來被用在Autodesk的商用Fusion 360產品中，該產品被加州圣何塞市的電動摩托車制造商Lightning Motorkes等企業所采用。該公司首席執行官兼創始人Richard Hatfield表示，設計人員能夠更快速、更高效地開發新零件，從而使公司實現了突破。

他說，以前，Lightning的設計部門會設計一個零件，然后圍繞強度和其他規格進行分析，隨后再進行修改——這是一個非常耗時的過程。Hatfield說：“采用了生成式設計軟件后，它能夠進行數百萬次這樣的迭代和模擬，與手工操作相比，速度有了巨大的提高。這就好比是試圖用筆和紙來繪制零部件，而不是使用軟件進行迭代。這是一個巨大的飛躍。”

奧地利設計工作室Edera Safety生產脊柱保護帶等個人安全設備，對于該公司產品設計師Alexandre Martin來說，實際使用Fusion 360生成式設計工具后，其日常工作節省了大量的時間。

他說：“生成式設計將我的設計過程加快了十倍。這就像是讓一個超高效的創意團隊做幾個月的工作，然后由我挑選出最有效的結果。”

Martin說，與人工智能的合作開辟了全新設計的可能，而這些新設計看起來似乎是違反直覺的。他說：“人工智能向我展示了我可能認為不合邏輯或者很容易被忽視的迭代，它確實感覺像是設計過程中的一個邏輯組成。”

已經投入工作的人類人工智能合作伙伴

從在辦公軟件中獲得即時翻譯，到在電子郵件中使用預先準備好的回復建議，很多工作人員已經以非常微妙的方式與人工智能進行交互，但通常沒有意識到這一點。與此同時，與人工智能助理的互動也變得越來越復雜。我們個人生活中熟悉的語音助理，例如Alexa、谷歌助理、Siri和Cortana等，已經開始應用于工作場所——比如幫助用戶查找信息或者預訂會議室。

這意味著人類與人工智能更直接地進行互動。借助谷歌和亞馬遜網絡服務（AWS）等公司在呼叫中心軟件方面的最新進展，呼叫中心坐席能夠與人工智能助理進行互動，指導他們完成每一次與客戶的交流——顯示出支持性注釋和信息，識別客戶情緒并提出回應建議，所有這些都是實時的。人工智能并不像聊天機器人那樣把工作完全自動化，而是幫助呼叫中心坐席提供更好的服務，提高客戶滿意度，從而增加銷售。

Forrester的Gownder說：“在這一應用情形中，呼叫中心的人員并沒有被人工智能所取代，而是使用人工智能一起來更好地處理與客戶的交互。這種情形雖然并不普遍，但已經開始出現了。”

員工與人工智能不僅僅是在辦公室里進行互動。協作機器人（cobot）在工廠中越來越普遍，它們被裝備成與工程師們一起操作，把重物或者工具放到適當的地方；在倉庫中，例如亞馬遜的大型設施，機器人幫助人類工人挑選貨物并打好包，以便送貨。

Julie Shahsh是麻省理工學院航空航天系副教授，也是計算機科學與人工智能實驗室（CSAIL）交互式機器人組的負責人，他認為，開發出能夠以自然和可靠的方式與人類互動的人工智能系統意味著能夠預測并適應人類工作者的需求，或者換句話說，學習成為一名優秀的團隊合作者。

Shah說：“人工智能有著巨大的潛力，我們不是讓人工智能來承擔非常具有挑戰性的工作（在這些工作中，是由人類來解析模糊和不確定的信息），而是讓它去理解我們是怎樣做到的并提供支持，讓它提供正確的信息，提出建議，以便讓人類能夠有更多的精力去從事更具挑戰性的工作。”

她的研究集中在人工智能機器人怎樣更有效地與人類工人互動——無論是尋找方法確保汽車生產線上的機器人在正確時間提供正確的材料，還是開發智能支持系統，以幫助人類完成很有挑戰性的決策任務。

她說：“我在實驗室的所有工作都集中在開發能夠像拼圖一樣整合在一起的人工智能，目的是增強人類的能力，而不是取代人類的工作。這背后的關鍵技術是能夠推斷出一個人在想什么？他們的精神狀態？并預測他們下一步會做什么，在適當的時候參與進來，并提供正確的信息或者正確的物料。”

這意味著要模仿人類擅長執行的復雜過程，例如，開發能夠預測工人運動的算法。

Shah說：“我的大部分工作都集中在‘怎樣在正確的時間按照正確的順序提供正確的信息？在裝配線上怎樣在正確的時間按照正確的順序提供正確的零件？’這些是任務分配調度問題，這就是讓我們的世界運轉起來的動因。”

麻省理工學院CSAIL在貝斯以色列婦科醫療中心（Beth Israel Deaconess Medical Center）進行的一個研究項目調查了人類在工作場所信任人工智能的意愿。該項目涉及到使用托管在一個人形Nao機器人上的人工智能系統，其為醫院產房提供排程建議，在這種環境下，需要連續不斷地即時做出決策來協調護理工作。

負責人是護士長，她的任務是同時協調由10名護士和20名病人組成的團隊，還要安排好20個房間。排程有很多可變因素，護士長要嘗試預測一些因素，比如產婦什么時候分娩，分娩持續多久，等等。

Shah說：“她們基本上是在醫院各個樓層扮演空中交通管制員的角色，決定哪些病人去哪個房間，哪些護士分配給哪些病人。”

人工智能系統被訓練成復制護士長執行的排程工作，能夠預測房間分配，建議把哪些護士分配給哪臺手術。護士可以詢問機器人，機器人通過文本語音轉換軟件給出建議。

在現場試點演示中，護士90%的時間都會接受人工智能的建議，同時也會以同樣的比例拒絕“低質量”的建議。來自護士的反饋是積極的，參與人員強調了培訓新員工和分擔工作量的好處。

我們信任人工智能嗎？

隨著越來越多的員工在工作中與人工智能交互，員工及其企業都可能會提出疑問，什么時候適合依賴算法來做出重大決策，而什么時候人類的背景知識更有價值。

每一種選擇都有其相對的優勢，而人工智能系統可以避免一些人類可能沒有意識到的偏見。Athey說：“算法能夠整合那些人類收集起來成本過高的信息”，他列舉了從求職者中篩選簡歷的例子。

Athey說：“一個人在看簡歷時，可能會因為少數人的原因而對某所大學整體上有成見，但人工智能能夠閱讀同樣的信息，更準確地評估這所大學究竟怎樣。也許算法知道這是一所較弱的州立大學，但工程項目實際上是高度選擇性的，而人類不會花時間去收集這些信息。”

同時，人工智能算法也是容易出錯的，程序中可能編寫了一些意想不到的偏差，因此透明性對于保證人類知道某個算法有多可信非常重要。

Athey說：“你不希望一個算法總是推翻人類的決定，而人類是不會同意的：這是與環境相關的。你需要建立一種能傳達足夠信息的算法，讓人類能夠理解他們是應該聽算法的，還是應該聽自己的，以及他們應怎樣整合算法中的信息。”

Shah指出，讓一個系統可信并不等于讓它值得信賴。例如，在航空工業中，由于飛行員信任不完善的駕駛艙自動化系統，導致了許多事故。

她說：“我們知道，比較容易在一個系統中建立不適當的信任。你可以做一些小事：如果讓它更擬人化，如果讓它跟你說話，而不是把指令中的文本讀出來，那么，人們就很有可能遵從系統的建議并信任它。

使這些系統可信，幫助一個人適當地校準他們對系統的信任，這并不是問題；重要的是知道這些系統什么時候是在其能力范圍內作出決定，什么時候超出了能力范圍，這樣，人們便能夠進一步增強機器的能力。”

她補充道：“我們經常問，‘人們信任系統的意愿有多強？’這個問題問錯了。正確的問題是：‘這個系統值得信賴嗎？’有可信的系統，還有值得信賴的系統。”

為什么不把工作完全自動化呢？

為什么人類需要與人工智能合作？為什么不把工作批量自動化呢？一個答案是，至少目前在大多數情況下，技術上是不可能實現的。研究人員稱，人類在某些任務上的表現要明顯好很多。

人類相對于人工智能的一個關鍵優勢是能夠通過直覺，利用各種來源的信息，來解決以前從未遇到過的問題。

換句話說，我們可以運用我們的常識。斯坦福大學商學院技術經濟學教授、斯坦福大學以人為中心人工智能研究所副所長Susan Athey說：“人類能夠很好地推斷出他們以前沒見過的情形，因為我們有很多常識。人工智能和人類各有不同的優勢。人類能保證自己的預測不會太離譜，而人工智能只對它自己的數據做出響應。”

另一方面，人工智能在處理人類大腦難以應付的大量數據方面更勝一籌。Athey說：“人工智能可以查看更多的數據；關于某種情形的更多數據，與人類在自己的個人經歷中遇到的結果相比，人工智能可能會得出更多的結果。”

雖然人工智能經過訓練能夠執行更多的任務，但這項技術目前在沒有人類輸入的情況下作用是有限的。  

即使在選擇把哪些數據提供給機器時，我們也是在對世界進行結構化處理。當針對某些圖像來訓練人工智能系統時，仍然是由人類拍攝照片，并將感興趣的物體框起來。麻省理工學院的Shah說：“當機器人在自由導航的情況下，而圖像沒有被我們的眼睛框起來時，把物體從環境中識別出來是一個非常不同的問題。”

Shah說：“作為人類，我們確實擁有一種獨特的能力，這是人工智能在可預見的未來不會擁有的，即處理非結構化問題并將其結構化的能力。一旦我們把一個問題結構化，那么人工智能就能發揮其價值所在，并且表現得相當好，但我認為我們常常低估了目前為了人工智能而把問題結構化所付出的努力。”

德勤咨詢公司總經理、智能自動化業務主管Gina Schaefer指出：“有一種錯誤的認識，認為人工智能可以像人類一樣。”

Schaefer說：“像人類一樣的人工智能對我來講還遙不可及。它可以做一些基礎性的事情，做一些令人驚奇的事情，但它也缺乏當今五歲兒童可能具備的能力，比如理解環境和其他類型的事情。這就是互動的美妙之處。被忽視的一點是，你可以利用一些人工智能技術取代人類，好處是人類能夠在自己的工作中發揮人類的所長。”

為人工智能工作團隊做好準備

如果實施得當，人工智能對用人單位和員工來說都是好事，員工們可以從重復性的工作中解放出來。

Forrester的Gownder說：“在理想情況下，這些技術有助于做出更好的決策，提供更深刻的見解，幫助人們自動地執行某些任務，或者實現流程的自動化，而這些流程顯然不是員工們想參與的。”

雖然企業認識到了員工與人工智能交互的優勢，但這需要培訓和技能的轉變，在工作適應過程中更重視創造力和復雜的推理。

Gownder強調說，用人單位要多鼓勵員工與人工智能更頻繁地互動，這一點非常重要。他說：“員工們是否具備相應的文化和技能，更愿意與越來越智能的軟件一起工作嗎？很多人可能不想這樣做，或者可能不具備這方面的技能——他們可能被技術嚇倒了。”

對很多企業而言，實現轉型需要進行重大調整：德勤的研究顯示，59%的企業認為，在未來12~18個月重新設計工作崗位以整合人工智能是很重要的，但只有7%的企業表示他們已經做好了準備。只有一小部分受訪者（17%）在提升技能方面有較大的投入。

Gownder提醒說：“通過投資人工智能和自動化技術，很有可能創造出更好的員工體驗，但也有可能做錯事，就像任何事情都會出錯一樣。”

顯而易見的是，人工智能將在未來幾年對各種工作產生密切影響。

Gownder說：“盡管這對很多人來說是前沿行為，但很快將變得極其重要。未來10年，我們都將看到智能軟件和自動化技術怎樣改變我們的工作，我們需要開始為此做好準備了。”