传统观念认为，人类对于科技的恐惧始于18世纪英国工业革命初期科技颠覆经济秩序之时。实际上，那个时候人们对科技的恐惧已经根深蒂固。创新者都说，科技对工人是福不是祸，这种说法听起来很有现代感。16世纪末，英国有一位叫威廉·李的牧师，发明了一个织长筒袜的机器——他认为那是一个奇妙的科技进步，因为它可以把纺织工人从简单枯燥的苦差事中解放出来。1590年左右，他给女王伊丽莎白一世展示了该机器，并为此申请专利。据说，女王这样回复他，“你的志向远大，李牧师，想想你的发明将给我可怜的臣民们带来什么。它定会剥夺他们的工作机会，使之沦为乞丐，毁掉他们”。批驳一番之后，女王拒绝了李的专利申请，袜商领袖们也纷纷起来抵制，他被迫迁往法国，穷困潦倒终其一生。
150年后，工业革命黎明之际，一位名叫约翰·凯的英国人发明了梭子，引起了纺织业的改革，将生产力翻了一番——这对纺织工人来说应该是好事，他们可以生产出两倍多的布匹，但是，纺织工人却发起了抵制运动，生产商密谋着要破坏专利。走投无路的凯逃往法国，和威廉·李一样死于贫困。创新者似乎面临着贫困潦倒死于法国的职业风险。
等到工业革命开始，虽然形势已成定局，但人们却憎恨提高生产力的科技进步，19世纪初那些毁掉动力织布机的卢德分子[1]，仅仅是其典型代表而已。
从短期来看，这些抗议者是对的，但从长远来看，他们大错特错。新科学技术的确吞食了很多工作，但同时也创造出许多——例如操作手摇织布机和动力织布机的工作。更为重要的是，科技越发达，创造出的工作也就越好。工人应用的科技越发达，生产力越强，挣的钱也越多，消费也越高，由此给整个经济创造出更多新的工作。同时，工人应用科技生产出的商品，成本比以前低，机器制造布匹的成本只是手工生产的一小部分。结果是，渐渐地，在整个经济领域中，科技大大提高了工人的生活水平。几个世纪以来，卢德分子对科技的恐惧一直是毫无根据且站不住脚的，而且与事实恰恰相反。与历史上任何其他发展相比，科技的不断发展给人类带来更多的物质财富。
接下来，变化发生了。在所有经济领域，科技惠及劳动者成为最正统的观念。但是，近来一些主流的经济学家和科技人员首次怀疑，这样的观念是否还将被世人普遍接受。
新怀疑主义出现的最直接原因是，2008—2009年金融危机与经济衰退之后，发达国家经济体在创造就业方面的表现让人忧虑。过去几十年，美国在经济衰退结束后的18个月内，就业水平就能恢复到衰退前的水平。然而，从1990—1991年经济衰退之后，就业水平的恢复期延长了。2008—2009年经济衰退之后，整整花费了77个月——超过6年的时间，才恢复到经济衰退前的水平。这是怎么回事？为什么早在经济衰退开始之前，美国庞大的劳动力市场上工资就已经停滞不涨了？为什么同样的情形在其他发达国家也发生了？经济学家在寻找答案的时候，发现了引发经济衰退的因素之外的其他因素。
当代的鲜明经济特征
美国前财政部长、哈佛大学前校长、著名经济学家劳伦斯·H. 萨默斯（Lawrence H. Summers）是一位新怀疑论者，他在给同行经济学家做重要报告时，简洁地概括了关于科技之争的正统思想：“社会上有不懂经济的愚蠢卢德分子，也不乏聪明、进步的人士……愚蠢的人以为自动化会使所有的工作都消失，他们将没有任何工作可干。聪明的人明白，生产的产品越多，收入就会越高，因此需求也就越大，所有工作都消失是根本不可能的，所以自动化是一个福祉。”
几十年来，这种观点得到大量证据的支撑，你只需想象一下19世纪的世界，并与你身边的社会进行对比就会明白。但是，就在最近，世界变了。“就在几年前，我一直认为这个话题并不复杂，”萨默斯说，“肯定是卢德分子错了，相信科技和科技进步的人是对的。现在，我却没有这么坚定。”
萨默斯绝非唯一开始持怀疑态度的专家。2014年，皮尤研究中心（Pew Research Center）的互联网项目挑选出1896名在科技方面有见地的专家进行调查，提出的问题是：到2025年，科技取代的工作会比创造出的多吗？一半专家的答案是“会”，一半是“不会”，这是个令人震惊的结果。正如萨默斯解释的，有利于否定答案的证据显而易见，或者说在过去一直是显而易见的。很难想象，10年前会有10%的专家给出肯定答案。（对此，我们也不确定，因为那个时候根本不会有人认为这个问题值得一问。）现在，却有一半专家肯定地回答“会”。正统的观念突然间不再被普遍接受。
理论上讲，萨默斯和其他专家意识到的变化其实很简单。生产力的两个要素是资本和劳动者，[2]用经济学家的术语来说，它们之间是互补而非替代关系。资本可以使劳动者更富有创造性，即便资本可以取代一些劳动者，它还会再创造一些新的、更富有创造性的工作来消耗新的资本，正如萨默斯说的，“如果资本增加了，工资必然上涨”（它补足工人的工资）。但是现在，萨默斯和其他专家都看到了一个新的可能性：资本可以替代劳动者，这一点毫无疑问。萨默斯解释道：“也就是说，有了一批专门设计的机器，你就可以让它们做劳动者所能做的工作，完全相同的工作。”
这里的关键是“完全”。谷歌公司的无人驾驶汽车不是补充某个人的工作，因为根本就没有人开车，公司还专门为盲人或其他残疾人设计生产了一种没有方向盘、刹车踏板或油门的汽车。换而言之，无人驾驶汽车并未使数量不断缩减的驾驶员更富有创造力，它做了驾驶员的工作，是取代了驾驶员。
在这样一个世界里，经济学逻辑决定，工资比率必须下降，总体收入中的增长部分流向资本，而非劳动者，这正是当前所发生的。萨默斯说，一个重要的原因是“我们看到了科技变革性质的转变，科技变革正越来越多地以资本的形式出现，逐步取代劳动者”。
随着计算能力的飞速发展，资本—劳动者替换现象会加剧，这样的前景，对很多人来说绝非幸事。实际上，萨默斯这样推论：“鉴于这种取代能力，某些工种的劳动者很可能无法挣到能够维持生计的工资收入。”
经济学家不是唯一发现这种趋势的专家。“机器人和人工智能不同于以往的颠覆性科技革新，以前农用机械替代了农民，却为他们创造了在工厂生产机器的工作。”美国国家航空航天局（NASA）一位富有科技经验的程序管理经理马克·纳尔（Mark Nall）对皮尤研究中心的调查员这样说，“科技不仅用途广泛而且能力越来越强大，受影响的不只是个别的经济领域，而是整个经济领域，造成的后果是高收入的工作将越来越稀缺。”吉高姆研究公司（Gigaom Research）的首席研究员斯托·博伊德更为悲观，“世界上没有工作的人口比例将越来越高——他们要么靠领救济生活，要么凭借大幅度降价的商品勉强维持生计”。备受尊崇的网络先锋迈克尔·罗伯茨信心满满地预言：“能力高强的电子虚拟人离我们仅有区区几年之遥，而非漫漫几十年……面对新的现实，每个人都将承受巨大的痛苦。现在唯一的问题是，这一天来得有多快。”
微软公司创始人比尔·盖茨也察觉到了这个趋势，认为人们对它的认识不足。“软件取代人，不论是替代驾驶员还是服务生，抑或是护士，这一切都正在发生。”2014年，他对华盛顿特区的一群观众说，“渐渐地，科技会减少对工作岗位的需求……从现在起，再过20年，多个科技领域对劳动者的需求将大大减少。我想，人们对此还毫无意识。”
然而，所有这些捶胸顿足、咬牙切齿之举，不正是新旧产业交替之际无休止的创造性破坏带来的担忧吗？当你无法靠计算尺制造技术养家糊口时，你还可以干别的工作挣得更多收入，所以它并不是什么问题。可是，这个类比本身不成立。你无法靠制造计算尺谋生，是因为人们不再需要计算尺。这恰恰说明，完全可以用更多的机器、更少的劳动力提供人们当前和未来最需要的商品与服务。
由此，萨默斯得出结论，“这种发展构成了当今时代的鲜明经济特征”。他这样有声望的经济学家得出的结论，必然非常重要。
劳动者的第四个重大转折点
显然，我们面临一个紧迫的问题：谁会受到伤害？谁不会受到伤害？
要寻找问题的答案，我们不妨把这些发展看作一个故事的最新发展。两百多年来，科技一直在改变劳动的性质和特定技能的价值。到目前为止，故事中仅有三个大的转折点。
最初，工业革命的崛起使完全凭手艺制作产品的匠人贬值了。一名枪支制作工匠得完成雕枪托、铸枪管、刻枪机、磨扳机以及组装部件等一系列任务，但是，伊莱·惠特尼的康涅狄格枪炮制造厂的工人分工合作，每组只完成一项或者部分任务，并且还使用水力机械，生产出来的部件一模一样。这样一来，技术熟练的匠人倒霉了，没有多少技术的工人反而大受欢迎，他们很容易学会操作新机器——工人和机械两者互补——于是乎，工人的收入比过去更高了。
20世纪初，伴随着新发展趋势的出现，第二个转折点降临了。电的广泛应用使更加精密的工厂的出现成为可能，而精密的机械需要受过良好教育和熟练掌握技能的工人操作，公司的不断发展壮大，需要更多受教育程度较高的管理者。这时候，没有技术的工人倒霉了，而受过教育的工人大受欢迎——当然，这也不是什么问题，因为没有技术的工人可以接受培训。这种发展趋势在20世纪愈演愈烈，不断进步的科技，对劳动者受教育程度的要求越来越高。美国人对此做出的反应是，以史无前例的雄心壮志大力提高教育水平，高中毕业率从1890年的4%飙升到1970年的77%，全民智力前所未有地大幅提升了。只要劳动者能够跟上科技发展越来越高的要求，二者就能够保持互补关系。这种发展带来的是经济奇迹的出现和人民生活水平的快速提高。
从20世纪80年代起，第三个转折点出现了。信息科技已经发展到可以接管中等技术水平的工作——记账、结算、重复性的工厂工作。这几大类工作岗位的数量不断减少，从事这类工作的人数不断缩水，工资也停滞不前。但这种发展趋势是有限制的。在技能图谱的两端，掌握高技能和低技能的人处境要好很多，这些类别的工作岗位增加了，工资也涨了。这种现象在美国和其他发达国家都有，经济学家称之为劳动力市场的两极分化。在劳动力市场的顶部，信息科技还没有发达到能够接替经理人、律师、顾问、金融专家等高技能人士的工作，完成问题解决、判断与协调等任务。事实上，科技以更低的成本，为这些人提供了更多的信息，因而提高了他们的工作绩效。在劳动力市场的底部，信息科技并没有威胁到低技能服务行业的人群，因为计算机最不擅长的就是需要高身体灵敏度的工作。计算机可以战胜优秀的象棋大师，却捡不起来桌子上的铅笔，从事家庭保健助手、园艺师、厨师等职业的人也大可安心。
以上不过是2000年以前的情形。现在，我们已经迎来了第四个转折点：信息科技稳步发展，已经触及技能图谱的两端，威胁到那些高枕无忧的人。
也许律师不如计算机聪明
在高技能一端，律师界发生的一切，将是其他任何一个涉及分析、微妙阐释、策略运用以及诱导说服等技能的行业将要发生的。众所周知，计算机已经侵入法律取证过程，世界各地的很多法律案件中，计算机读取并分类处理数百万份文件，从中寻找相关信息，既不会疲倦，也不会分神，节省出大笔经费。赛门铁克（Symantec）旗下的电子取证系统供应商克利尔韦尔声称，可以把取证成本降低98%。这听起来有点离奇，但与另外一家名为“自治”（Autonomy）的软件供应商的一位主管所言相符。这位主管在《纽约时报》上声称，有了电子取证系统，一名律师可完成500名甚至更多律师的工作。而且，软件系统远比人工做得好，可以从海量文件中发现人工难以发现的规律，例如，某份文件的特殊编辑方式、特定群体间交流量的增加，甚至可以发现电子邮件文体改变暗含的动机。
这些仅仅是个开端。计算机沿着价值之梯不断向上攀升，越来越擅长搜索法律文献，为某个案例寻找适当的先例，比人工搜索的范围更广、更彻底。当然，其中所涉法律问题的识别，依然要靠人工完成。然而，根据西北大学的法律教授约翰·O.麦金尼斯的著述：“最终，搜索引擎不仅能独立完成这些任务，而且还能提供与案子相关的判例法。”
计算机越来越向律师技能领域的高端发展，它对高级法院裁决的预测比法律专家更准确。随着这种分析能力的应用范围不断拓展，计算机将会向律师的核心工作迈进，不论针对的是哪一类案子、哪一级别的法庭，都可以为客户提供建议：提起诉讼、庭外和解或者法庭审判，而且提出的建议往往比律师的更好。美国知识产权专利诉讼公司Lex Machina和休伦湖法律（Huron Legal）这样的公司，已经开始提供分析服务，并日益完善。这些公司的计算机，可以读取成千上万个案件的所有文件，并做出分析，例如，哪些公司喜欢庭外和解而不愿提起专利诉讼？某个法官在审理某类案件时，倾向于做出什么样的裁决？在某些特定法官面前，哪些律师的记录最佳？既然诉讼当事人（不论是原告还是被告）可以从海量数据中得出更精确的分析，他们很有可能会更加高效地解决争端。也许，结果是法律诉讼案减少了。
虽然，这并不意味着律师职业即将消亡，但它说明律师的数量将会减少，而事实上已经开始减少。“机器智能的出现，或许是当前法律学校面临危机的部分原因——招生人数不断缩水，学费一再下降——而且可能会使危机加剧。”麦金尼斯这样评论。
律师这一需要三年研究生教育的高收入前沿领域，已经被信息科技颠覆，那么其他高技能人员（分析师、经理人）禁不住开始怀疑自己的未来。法律界的变化，是类似沃森的科技在某一领域的应用结果，而且它可以应用到更广的领域。这类科技取得了新的突破，能够理解自然语言，所以，当你提出问题时，它并不是单纯地搜索问题中的关键词，而是竭力去理解问题的情境，理解问题的真正含义。例如，如果你的问题含有“2+2”这个字眼，它的意思可能是“4”；假如你在汽车行业工作，它也可能指“一辆有两个前排座位、两个后排座位的汽车”；假如你是个心理学家，它还可能指“一个由父母双亲和两个孩子组成的家庭”。认知计算系统会根据问题的情境，找出可能的答案，并且评估哪一个最有可能是正确答案。刚被应用于某一领域时，计算系统提供的答案并不是很好，但它积累经验以后，提供的答案就会越来越好。所以，在线旅游公司“旅游城”（Travelocity）的创始人、网络企业家特里·琼斯说：“沃森是唯一一台使用后比使用前更值钱的计算机。”
沃森这样的系统，安装大量可阅读、可处理的文字材料以后，工作性能才能达到最佳。在《危险边缘》节目中，沃森不仅存储了维基百科的全部内容，而且还有以往每一期《危险边缘》节目的线索和答案。法律领域显然特别适合应用这种科技，医疗也很适合。纽约市的斯隆·凯特琳癌症中心（Sloan Kettering Cancer Center）利用沃森从浩瀚的肿瘤学文献中提取答案，医生则无法胜任这样的任务。金融咨询似乎是应用这类科技的另一个重要领域，因为它涉及数目庞大且不断发展的研究，而且海量的数据每天都在变化，所以，有几家金融机构最初把沃森当作金融咨询师使用的工具。让我们看得再远一点，金融服务研究公司企业洞察力提出这样一个问题：“一旦消费者自己拥有沃森系统，有经验的投资家何必还要金融咨询师呢？”
不会卡壳、不知疲倦、不会醉酒的作家
理解自然语言的能力和高转矩分析能力，二者结合起来就能造就一名纪实作家。一个名为叙事科学的公司生产出一种写作软件，写出的文章无人能看出是计算机之作。起初，它主要针对涉及大量数据的事件：球类比赛和公司盈利报告。但成熟之后，不再单单处理事实与数字——例如，确定最重要的比赛，或者寻找文章最佳的写作视角：转败为胜还是赛场英雄？随后，研发人员教会软件不同的文体，客户可以从菜单上选择不同文体。接下来，学习如何理解非数字数据、如何阅读相关材料为文章创设情境。很多传媒公司，包括雅虎和福布斯在内，发布来自叙事科学公司的文章。当然，公司的一些客户不希望这类文章被识别出来，不愿意读者知道文章是计算机写的。2014年年中，美国联合通讯社（Associated Press）把所有关于公司盈利报告的写作任务都交给了计算机。
叙事科学公司发现，真正赚钱的或许根本不是写新闻稿（新闻稿可以交给任何记者去写），而是写公司内部文件，即影响公司决定的报告和分析。所以，它开始利用技术收集各类信息，包括社交媒体上的非结构化数据，如关于某一特定话题或问题的帖子，并进行深入分析，寻找趋势、相关性、特殊事件等等。据公司介绍，该类软件可以利用数据“做出判断、得出结论”，然后提供建议，而且还可以根据客户选择的阅读水平、语气完成写作，并提供有用的图表。
听起来，这不像写作，更像管理。
那么，计算机写作与分析有什么好处呢？至少，它可以供人类做出决策，除非我们不再需要做出决策。从小学到大学，都已经开始运用软件来分析和评价学生论文。这类软件还不够完善，无法评价语态和基调这样的细微之处，可是，人同样不是尽善尽美的。
佐治亚州坎顿市的一名中学教师杰夫·彭斯，运用软件批阅了140篇学生论文。他承认软件评分不是很准确，但他对《教育周刊》记者说，“当我批阅到第67份作文的时候，我也无法真正做到准确无误”。这类软件已经应用于更高的层次，哈佛大学与麻省理工学院共同创建的大规模在线课堂平台edX已开始运用软件批阅学生论文。休利特基金会为写作评价软件的开发设立了两个10万美元大奖，edX聘任了其中一名大奖得主，开发专用的写作评价软件，并将它作为开放资源向世界各地的研发人员免费开放，不断完善软件。
当然，这类评价软件本身首先得经过人类的评价，与人工评价进行对比。所以，研究人员召集了一组教师，批阅一大批论文，然后，同一批作文分别由另外一组教师和软件批阅。研究人员对比了两组教师批阅的成绩，还对比了软件与第一组教师批阅的成绩，三个组的成绩都有差异，但是，软件批阅成绩与第一组教师批阅的成绩之间的差异，并不比第二组教师与第一组教师批阅的成绩之间的差异大。软件批阅的成绩无法做到与人工批阅的成绩相一致，可是人也一样，无法做到不同人之间的评分一致。而且，把软件和人工批阅出的一大批成绩放在一起，很难辨认出哪些是人工批阅的，哪些是软件批阅的。
由此，可以得出以下两点：
其一，软件在高速完善和发展，而人类却做不到。
其二，当前的教育变得离奇古怪。毕竟，叙事科学和其他公司研发的报告写作软件很容易被改编后应用于其他领域，例如学生论文。所以现在，论文评价软件与论文写作软件并存，且二者都在发展完善。结果显而易见，写作软件不断优化，迎合评价软件的要求。每一篇论文都可以得优，但与学生和老师毫无关系。这个过程中，根本没有教育发生。这是学生和老师共同面临的问题。
机器人的触觉
信息技术正在以惊人的速度接替工作图谱高技能端的工作——律师、医生、管理者、教授，但这还不是最令人震惊的。如果我们以为，这些工作需要高水平认知才能完成，所以本质上不会受到计算机竞争的威胁，那就大错特错了。这些工作，大部分是脑力劳动，正是计算机最擅长的，只不过它还需要时间来提高计算能力，达到工作所需的水平。更令人惊讶的事发生在工作图谱的另一端，那些对认知要求不高，却消耗体力的低技能、低收入工作领域。几十年来，计算机几乎干不了这种工作。举个例子来说明这种能力的差距：1997年，计算机可以打败世界上最优秀的国际象棋大师，却无法移动板上的部件。然而，对科技而言，这依然只是时间问题而已，只需要再多几次计算能力的翻番而已。体力劳动同样无法躲避信息技术进步带来的危险。
谷歌公司的无人驾驶汽车是一个最明显、最重要的例子，之所以重要，是因为在美国男性中，司机是排行第一的职业。这样的例子越来越多。你可以训练美国再思考机器人公司（Rethink Robotics）生产的巴克斯特（Baxter）机器人，教它完成各种任务，打包或开箱、传输带上放置或搬走物品、叠T恤衫、搬运物品、计数、检查物品等等，它可以随心所欲地移动手臂（“末端执行器”）。以前的工业机器人都需要罩在一个安全笼中，周而复始地以同一种方式完成同一个动作，仅此而已。你若是恰巧处在焊接机器人和它正在焊接的部件之间，那你就惨了。但是，巴克斯特在地板上嗡嗡嗡四处移动时，不会伤害到任何人，它可以根据环境调整行动，因为它可以感应周围的一切，包括人在内。
很多类似的机器人在不同环境中工作，例如，机器人嗡嗡嗡地穿行在医院过道里，运送药物、搬运洗涤的衣物、捡拾传染性垃圾，保安机器人在公共建筑外巡逻，查看、读取牌照，并在必要时把信息传送给执法部门。早在人工进入日本福岛第一核电站爆炸后的残骸之前，机器人已经先去了。
机器人在高危工作中具有优势，所以，美国军方是最大的机器人用户和最主要的研究资助者，截至2008年，有12000个战斗机器人在伊拉克工作。有些战斗机器人仅比鞋盒子大一点，在微型坦克履带上运行，可载一台照相机和其他传感器，执行情报收集、监视以及侦察任务。大一点的战斗机器人的任务是处理炸弹或在危险地带运送重物。还有一些装备了武器的战斗机器人被派往伊拉克，但是据报道，从未正式使用过。2014年，罗伯特·科恩将军宣布，军方正在考虑将常规战斗部队的士兵数量从4000人缩减到3000人，用机器人和无人机补足削减掉的人数。
到目前为止，那些战斗机器人还不是自动的，需要人控制，每人一个。军方意识到了它的低效，所以美国陆军研究实验室研发了一种更高端的机器人，叫作“机器领导人”（Rober Leader），项目负责人杰西·陈说，它“以操作员的意图来理解所处的形势”，具有视、听、感知功能，可以判断最佳的命令执行方式，“并且给能力级别较低的机器人队伍发送详细的命令信号”。陈解释说，它最大的优势是人工操作员无须直接管理每一个机器人，只需管理一个——机器领导人。
女士们，先生们，我们发明了机器人中层管理人员。
在其他方面，机器人的肢体技能也在飞速进步。想想哈佛大学、耶鲁大学以及艾罗伯特（iRobot）机器人制造公司联合研发的机器人手吧！艾罗伯特机器人制造公司是扫地机器人Roomba和其他许多移动机器人的生产商，包括军队所使用的。这种机器人手的运动技能非常好，可以从桌面上拿起一张信用卡、安装钻头、转动钥匙，在以前这些都是超出机器人能力范围的肢体技能。“残疾人可以对装有手臂的机器人说：‘到厨房去，把我的饭菜放进微波炉。’”来自哈佛大学的研究人员罗伯特·豪教授这样告诉《哈佛》杂志记者，“机器人手是真正的研究前沿，我们一直都在朝着这个方向迈进”。
似乎，在我们所见之处，机器人突然间能够胜任它以前做不了，而且很多人以为它们永远都做不了的工作。对机器人而言，技术水平较低、类似叠T恤衫这样的活儿更具有挑战性，但是，计算能力和运算技能的无休止进步，最终还是攻克了这些领域。错误地以为自己永远不会被计算机所代替的人数在不断增长，增长速度非但没有减慢，反而加快了。
计算机能看穿你的谎言
然而，人类作为有血有肉、有生命、独特的有机体，难道就没有最后一块阵地是计算机无法侵入的？目前为止，我们所检视过的一切，都涉及源自左脑的技能，是逻辑性、线性、流程化、计算机式的，那么，另一面呢？右脑及其擅长的情感，又如何呢？它是非理性、神秘的，我们能理解，却无法解释如何理解。而且，在很多工作中，不论是高技能的，还是低技能的，情感是取得成功的真正秘制作料。高管必须读懂客户、员工、监督人员以及任何一个与之打交道的人的情感，并且做出反应。一名好的侍者可以用不同的方式接待不同的顾客——古里古怪的、筋疲力竭的、欢天喜地的、糊里糊涂的、醉醺醺的……却不知道自己是如何做到的。无疑，这永远都是人类特有的能力。
但是，Emotient表情识别公司和Affectiva情绪识别公司这样的人工智能公司的创始人，都是应用计算机理解人类情感的研究人员，他们也许不同意这种说法。随着研究不断取得进展，人类驾驭有血有肉的情感世界的能力，似乎不再特殊。
我们用多种方式——言语、语调和肢体语言——传递情感。但是，要想在不使用传感器的情况下读懂一个人的情感，最有用的指标就是面部表情。产生某种情绪的时候，我们并不是一直说话或者做什么动作，而是不停地改变面部表情。事实上，一位名叫保罗·艾克曼的研究人员早在几十年前就发现，当我们感受到某种情感的时候，即使我们想尽力掩饰，也总会通过面部表情流露出来，哪怕面部表情转瞬即逝，或许只有几分之一秒。艾克曼因为发现了所谓的微表情，尤其是在利用微表情检测谎言方面开展的研究而一举成名。系列电视剧《对我撒谎》就是以他的研究为素材，主人公以他为原型。
但是，作为20世纪被引用最多的心理学家，艾克曼的成就远不止发明了检测谎言的办法。他对人的面部所能够透露的信息进行了最深入的分析。人的面部有40块肌肉，艾克曼研究了每块肌肉的运动方式，并计算出所有可能的组合方式，组合的总数超过1万种，这意味着人类可以做出1万多种面部表情，至少理论上是这样的。在真实生活中，大约有3000种与情绪有关。艾克曼研究出哪种情绪是由哪几种面部肌肉运动组合传递出的。经过多年的努力，他的研究结果汇编成了《面部运动编码系统》。一个人面部的任何一种肌肉运动组合，不论其显现时间多么短暂，艾克曼都可以判断出他所感受的情绪。
艾克曼成功地创办了一个培训公司，训练执法、商业以及其他领域的工作人员如何探测情绪。但是，随着计算机技术的进步，其他研究人员也开始研究如何用计算机完成这样的任务。你可能已经注意到，手机上的照相机就可以探测你的面部，把它显示在一个方框中。更先进的软件可以检测面部表情，并且识别艾克曼编码系统中的面部肌肉运动组合，这种技术的潜在用途催生了加州大学圣迭戈分校的6篇博士论文，Emotient表情识别公司应运而生，而艾克曼本人则被招聘到公司的顾问委员会。
把摄像机对准一个人的脸，Emotient公司的情感分析软件就可以告诉你这个人的总体情绪状态（积极、消极、中性），并且展示一个不断更新的条状图，显示出这个人的7种基本情绪——欢乐、惊讶、悲伤、恐惧、厌恶、鄙视、愤怒的程度，还有两种高级情绪——沮丧和困惑（之所以高级，是因为它们由其他情绪组合而成）。把摄像机对准一群人，它就可以分析所有人的情绪，并且生成一个复合数据显示。把软件装进谷歌眼镜（Emotient公司已经这么做了），你正在观察的人的情绪数据就全部出现在你眼前（是的，很快就有人发现，你所探测到的情绪，是对你的鄙视，因为你戴着谷歌眼镜）。Emotient公司在销售情绪分析系统时，最初瞄准的只是零售商，但它的前景显然非常广阔。
麻省理工学院媒体实验室的衍生公司Affectiva，也利用艾克曼的研究进行面部表情分析。公司把研发的软件卖给市场营销商和推销商，供他们通过网络摄像机进行网络客户分析。你无须把研究对象组成研究小组，再去猜测他们的想法，而只需通过网络与他们交谈，然后让他们的脸告诉你一切。媒体实验室有一个独立项目，研究的是另外一种情绪——司机的压力，主要是通过方向盘上的生物传感器检测司机握方向盘的压力、皮肤电传导以及手心出汗程度，并借助对司机说话声音的分析。
所以，人类解读他人情绪的神秘能力，变得不再那么神秘，计算机也能解读情绪，科技已经发展到了不用太费力就可以解读情绪的地步。
这似乎已经够了不起了，人类特有的情绪解读能力变得越发不足为奇。计算机不仅能解读情绪，而且能解读得比人类更好。
玛丽安·巴特利特博士，Emotient公司的创始人之一，率领一组研究人员，用录像机录下了志愿者疼痛时的面部表情。志愿者疼痛的表情，是他们把胳膊放进冰桶里引发出来的，或者是他们假装出来的。然后，研究人员播放录像给研究对象观看，并提出问题：“这个人是真疼还是假疼？”答案的正确率是50%。也就是说，根本没有线索可供判断，他们大可用抛硬币的方式来回答，正确率也会一样。经过对被测试者进行真假疼痛表情分辨训练以后，他们的回答正确率提升到55%。但是，用巴特利特和她的团队研发出来的软件分析录像，正确率高达85%。不论是本次研究，还是其他研究，都不能说明疼痛易于假装出来，或者它与其他情绪有本质的区别。完全有理由推断，软件在探测其他情绪方面，也将会优于人类。
尽管我们深信，理解情绪是人类特有的能力，但是计算机在这方面确实比人类做得更好，对此我们不必惊讶。计算机可以观察人类面部40块肌肉中的每一块，记住所有3000种组合；一台摄像机每秒钟拍摄30个画面，计算机可以分析每一个画面，这正是真假痛识别实验中计算机所做的工作。即便是艾克曼本人培训出的专家，观察时也会偶尔错过一个微表情，计算机却永远不会。
计算机能比人类更好地解读情绪，继而可以利用解读到的信息，完成更多任务，例如分析参训大学生的面部表情。研究人员培训大学生完成一项并不复杂但具有挑战性的任务：从电脑屏幕上的9张卡片中找出特定的3张卡片组合（实际任务比听上去更难）。培训前，大学生参加一项测试，培训过程中，分别由人工和计算机观察、判断他们的投入程度。培训结束后，他们参加了另一项测试，以检验取得的进步。
结果显示，计算机可以更好地预测大学生在第二项测试的表现，它通过对学生面部表情的分析，判断出学生在训练过程中的投入程度。计算机的预测力与人工对学生投入程度判断结果的预测力基本相同，甚至比它更强。而且，有了计算机解读数据，可以做更多事。正如专家指出的，计算机可以实时动态判断学生的投入程度，并相应调整教学以使学生个体更好地投入训练，从而为学生提供个性化的服务，还不受人数限制。教育人员可以从海量的投入情况数据中挖掘出细节，找出哪些教学活动吸引学生，哪些令学生感到枯燥乏味。教师个人、教学单位以及整个学校都能监控学生的投入程度。
同样的原理以不同的方式在麻省理工学院研制的压力监控汽车上得以应用。如果汽车传感器察觉司机压力过高，它会自动建议播放轻松的音乐，用舒适的声音发出导航指令。如果司机走神了，方向盘就会震动，促使司机集中注意力。最有趣（或者最滑稽）的是，研究人员应用了一种特殊的感温变色漆，汽车可以根据司机的情感状态改变外部颜色，给其他司机发出信号。当然，一旦无人驾驶汽车出现，这种技术就毫无意义了。在此之前，它能否有足够的时间实现商业化，则另当别论。
计算机具备了感知人类情绪的能力，这意味着在探测人类情绪方面，机器可能胜过人类。也许会有这样一种假设，我的情绪状态，除了我之外，不论是人还是计算机，都无法了解，然而事实并非如此。我们都曾有过这样的经历：询问某人为何心情不好，结果对方火冒三丈地吼道：“我哪里心情不好了？”或者，更有可能的是，我们就是那个吼叫之人。计算机可以看到我们视而不见的东西，说得更广一点，人类最不擅长识别自己的压抑、沮丧、愤怒或其他情绪。这正是那种能够在我们感到压力的时候向我们发出警告的技术的价值所在。我们对个人情绪的了解常常受阻，因为我们打心底里否认计算机能够更好地解读我们的情绪。
尽管如此，如果说计算机能比人更好地了解人类情绪已经不足为奇，这无疑发人深省。我们基于对个人情绪的了解做出各种改变命运的决策，在生意、情感以及其他方面，我们常常忽略自己的情绪，任其主导自己。我们意识到了这个问题，所以，有时会就个人情绪问题听取亲朋好友的意见，生活历来如此。现在的新情况是，科技在解读人类情绪方面超过了人类自身。
令人震撼的是，在科技不断突破的进程中，没有一个人享有长久的安全。虽然，科技还不会立即威胁到数百万工作在各行各业的人，但是，这种趋势却日渐明显。不论在哪个工作领域，高技能或是低技能、强脑力或是重体力、左脑分析型或是右脑情感型，信息科技正在飞速发展，在很多情况下已经达到，甚至超越了最优秀人工的水平。
传统的反驳论点是，人类无须担心，因为科技应用最有效的方式是与人合作，而非取代人类。人机合作比计算机独自工作效率更高，但是，这种情形只是暂时的，计算机终将证明其优越性。虽然，人用计算器解答数学问题，绝对比计算器独自解题速度快得多，若没有人按动计算器上的数字，计算器什么也做不了，但是现在，计算器可以独自操控整个工厂和仓库，可以独自完成数学计算，数字则由扫描设备和传感器输入。
国际象棋是用来支持反驳论点的最佳例证。1997年，IBM公司的深蓝计算机战胜了国际象棋世界冠军加里·卡斯帕罗夫，但是，至2008年左右，一个人与一台计算机合作，就可以战胜独立工作的计算机。这个例子常被人引用，证明人可以为比赛增加计算机无法提供的绝妙东西。但问题是，这种说法越来越站不住脚。经济学家泰勒·考恩（Tyler Cowen）在2013年出版的《平均时代的终结》（Average Is Over）一书中引用了这个例子，使它广为人知。然而，考恩在书中还说，随着计算机的发展，也许会有一天，人不能再为计算机增加任何价值。2013年，他发表了一篇博客文章，证明这一天已经来到。该博文发表之际，人机联队有时依然能打败计算机，但这是在IBM和谷歌这样实力强大的软件公司没有参赛的情况下取得的胜利。在西洋跳棋比赛中，人机联队就无法胜过计算机。而对于下国际象棋，也只是时间问题，只需计算能力再翻几番而已。
这种发展趋势对“更多传统劳动市场有启发意义”，考恩说。
也许，你学的是操作计算机程序，读取医学扫描结果，13年来，凭借自己的知识和能力，修正计算机错误或者提醒医生认真查看结果，为计算机的工作增加价值。但逐年地，你花费越来越多的时间才能改进计算机的工作。然后，突然有一天…… 噗的一下！ 你就ZMP了。
“ZMP”的意思是“边际产品为零”，是经济学家使用的一个术语，表示根本没有任何价值可增加。
我们必须不断提醒自己，这种发展趋势非但没有减速，反而在加速，这才是最令人困惑的。我所描写的科技和发展，在我写作之时还是令人“天哪、哎呀”地惊叹的新鲜事物，而等你读到此书的时候，它们恐怕已经成了让你“哼、哈”漠不关心的事物了。从令人凝神静气到乏味无趣，仅仅需要几个月，这说明了一个残酷的道理。当我们拼命去理解科技发展对生活的意义时，不得不迫使自己想象比现有这些令我们眼界大开的变化更巨大、更迅猛的发展。
面临这样的挑战，我很想知道尼古拉斯·尼葛洛庞帝（Nicholas Negroponte）如何看待当前的发展趋势。尼葛洛庞帝以麻省理工学院媒体实验室创始人而闻名于世，早在电话从有线发展到无线、电视从无线发展到有线、用微型数字设备接收消息等成为现实前的几十年，他就预言了这一切。预言基本正确。
所以，我通过电子邮件向他提出一个问题：“5年或10年以后，人类在哪些方面能够胜过计算机？”
他的回答是：“除了‘享受’，其他几乎没有。”
“我们真的想要一个没有工作的世界吗？”
实际上，一个几乎没有工作的世界不太可能出现，根本原因在于，人的欲望是无止境的。科技为我们做得再多，我们都会有渴望之物。正如米尔顿·弗里德曼曾说，你可能会到花钱雇一个私人精神病专家跟随在身边的程度。（亨利·福特，在某些传说中是约翰·D. 洛克菲勒，成年后才学习打高尔夫球，残酷地雇用一个小男孩在球场上跑前跑后，提醒他低头。）我们总会找一些事做。在劳动历史的第四个重大转折点上，我们面临的一个重大问题是，我们将会寻找什么样的工作：是高价值还是低价值的，是精神病专家那样的工作，还是高尔夫球场上的小男孩那样的工作。
答案很明确，但奇怪的是，要想找到答案，必须仔细审视我们自己，而不是计算机。
[1] 卢德分子是19世纪英国工业革命时期因为机器代替了人力而失业的技术工人，现在引申为持有反技术创新和科技创新观点的人。——编者注
[2] 作者提出的生产力的两个要素与马克思提出的生产力的三要素（劳动力、劳动工具、劳动对象）有所不同。——编者注