无论你的领子是什么颜色，机器都会毫不留情。

不

管你在新闻里听到的是什么，全球变暖并不是一无是处。几家欢喜几家愁，决定因素在于你所处的地方。对于我来说，我居住的地方有点冷，全球变暖予我的好处是，这个地方的平均温度预计在几十年后会升高几度。听起来不错。

全球变暖本身并不是问题。毕竟，地球上的生命在无数次冷却和加热的循环中都幸存了下来。全球变暖真正的问题在于它的变化速度。如果没有足够的时间让生物去适应，快速的气候变化将会种下灾难的种子，更别说是不稳定的天气模式了。毁灭性的气候变化的结果可能会影响几个世纪，在这段时间里各式各样的物种的栖息地会遭受可怕的灾难，从而导致生物大灭绝。

淘汰的不仅是工作，更是技能

科技变化带给劳动市场的影响也是如此。只要改变是平缓的，市场就会自动作出调节。如果改变得过快，市场就会变得一片狼藉。就像我对特定环境的偏好一样，这种局面同时会制造赢家和输家。

人工智能领域的最新进展对科技变化的促进作用可能会以两种基本的方式搅乱我们的劳动市场。首先是一个简单的事实，大部分自动化作业都会替代工人，从而减少工作机会。这就意味着需要人工作的地方变得更少了。这种威胁很容易看到，也很容易度量。雇主们会大量引入机器人，并把工人清走。但是有时候变化并没有那么明显。每一个新的工作站服务器都可能会减少1/5个销售人员，或者免费的Skype电话可能会让你每周可以有一天在家更有效率地工作，从而雇用新员工的需求就被推迟到了下个季度。

如果这些情况慢慢发生，这种现象带来的效率提升和成本上的降低最终会制造财富、刺激工作机会增长，而这些好处会补偿其他方面的损失。这些增长可能会直接出现在新近改良过的企业中，因为更低的价格和更好的质量会增加销量，从而创造雇用更多工人的需求。对于那些不需要再为某些商品或服务支付那么多钱的顾客来说，他们可能会决定把钱花在经济体系中不搭边的另一个领域。如果钻井技术让天然气的价格下降，那么你就能省下更多的钱买那艘你早就看中的帆船了。

第二种威胁更加微妙，更难预测。很多科技进步会通过让商家重组和重建运营方式来改变游戏规则。这样的组织进化和流程改进不仅经常会淘汰工作岗位，也会淘汰技能。

银行安装了ATM机之后可能会裁掉出纳员；提升的服务会创造雇用网络工程师而非出纳员的需求。就算银行最终增加了工人总数，出纳员仍然不那么走运。纺织工最终可以学会操作织布机，园丁能学会使用割草机，而医生则学会了使用计算机来选择正确的抗生素——一旦他们意识到合成智能的判断优于他们自己的专业意见的话。但是学习新技能并不是一蹴而就的事，有时候富余的工人就是没有适应的能力——只好等待新一代工人的出现。

举个例子，我们经历过的成功的劳动市场转型——农业。19世纪时，农场仍然雇用了80%的工人。^[1]想想这意味着什么。到目前为止，食物生产仍然是人们为了生活而从事的首要任务，所以毫无疑问，这样的模式自从5 000年前农业发明之时起就从未改变过。

但是到了1900年，这个数字就下降了一半，达到40%，而今天只有1.5%，包括无报酬的家庭自有农场和非法入境的工人。^[2]基本上，我们成功实现了用自动化取代近乎所有人的工作，但是却没有造成大规模失业：人们从劳动中解放出来，开始从事很多其他富有成效并能创造财富的活动。所以在过去200年的时间里，美国经济每年可以吸收约当年50%的农业劳动力，同时不造成任何明显的混乱。

现在，你可以想象一下如果这一切发生在20年间，而不是200年间的情景。你的父亲在农场上工作，你的爷爷也是。农业上的巨大变革彻底改变了整个产业，这一切似乎就发生在一瞬间。土地上闪亮的新耕种机、新打谷机、新收割机隆隆作响；空气里弥漫着柴油机味道。食物价格直线下跌，在财资雄厚的华尔街金融家的支持下，企业开始收购世界各地的农场。几年之内，你家的农场和所有的一切就会被止赎权夺走，只剩下一本《圣经》。

你和你的5个兄弟姐妹平均只有三年级的教育水平，你们发现自己的各种技能，比如给马修蹄、犁直沟以及给干草压捆，现在已经完全没有用了，你的邻居们也是如此。但是你们还要吃饭。你朋友的朋友每天要花12个小时操作一台新机器，换来了一日三餐，他可能是在堪萨斯州首府托皮卡（Topeka）找到这份工作的，所以你搬到了围绕在主要中西部城市边缘的广阔的帐篷城中，希望能找到一份工作——任何工作都可以。不久之后，你得到消息，父母为了给最小的妹妹买药而卖掉了《圣经》，但她还是死于痢疾。最终，你失去了其他兄弟姐妹的消息。

对于仍然有工作的1%的人来说，他们住在小小的社区住宅中，勉强过得去，但是他们却是所有其他人羡慕的对象——至少他们头顶上还有一片坚实的屋顶。每天，你都在他们带有关卡的社区外排队，希望能获得为他们洗衣服或送午餐的机会。有传言说那位改变世界的赫赫有名的企业家的女儿用他的巨大财富建造了一家绝妙的艺术博物馆，这家博物馆由水晶构成，坐落在阿肯色州的一座小镇里。但是所有这些都发生在革命之前。在那之后，事情变得非常糟糕。

我要说明的是，我认为一个类似的翻天覆地的变化正迫在眉睫，虽然这个变化肯定没有这么戏剧性，而且会更加人道。

智能洞察

人造劳动者会取代对大部分技术工人的需求；合成智能会大面积代替需要由受过教育的人来完成的工作。在应用的最初阶段，很多新的科技会直接代替工人，用几乎同样的方式完成工作。但是其他创新不仅会让工人闲置，还会淘汰他们所从事的工作种类。

想一想亚马逊一直以来在仓库中改善存储模式的方式。如果一个人要做仓储计划，商品可能会以一种既有逻辑又易于理解的方式来规划，比如相同的物品放在一起，这样当你想要拿某样东西时你就知道去哪里找。但是亚马逊构建的这类合成智能并不服从这样的限制。类似的物品可能会被放置在经常一起配送的其他物品旁边或者任何一个可以堆放得更紧密的架子上。对于人来说，看起来一团糟——不同尺寸和形状的产品被随意地塞在每个角落，这就是为什么这种类型的仓库组织被称为混沌存储。^[3]但是合成智能可以跟踪所有物品并把工人精准地引导到正确的位置上来完成订单，这比任何人类组织者都更有效率。

引入这项创新的一个副作用就是，这种方式减少了仓管员必需的训练和知识，让他们更容易被人造劳动者所取代。这些雇员不再需要熟悉商品在架子上的位置；确实，让人们在一个随意而且不断变化的环境中做到这点近乎不可能。作为第一家简化这项工作所需技能的公司，亚马逊现在可以更换那些忙碌地穿行在仓库中拣选订单的工人了。这大概就是亚马逊在2012年花了7.75亿美元收购机器人服务公司Kiva Systems的原因吧。^[4]

智能洞察

亚马逊仓库的例子正是合成智能会对我们的世界造成深远影响的一个例证。维持秩序的需求并不只限于仓库，而是对于所有事物的要求，是由人类思维的局限性所驱动的。合成智能却没有这样的局限，而且它们会把我们生活的很多方面从井井有条转变成杂乱无章。我们本来的目标是要把智能领域和物理领域修葺一新，结果却制造了无法通过的缠结的荆棘。

当大多数人想到自动化时，他们通常想到的仅仅是对劳动力的替代，或者对工人速度或效率的提升，他们想不到的是由流程再造导致的大面积破坏。这就是为什么有些你认为绝对不会被自动化取代的工作，可能最终还是会消失。

研究中经常被引用的一个例子是，需要优秀人际交往能力或说服能力的工作是不太可能在不远的未来实现自动化的。但是事实并不一定如此。（就像我在第4章中说到的，据Rocket Fuel的CEO观察，他们公司的广告投放服务在很大程度上取代的就是说服人的技能。）

HUMANS
NEED NOT
APPLY

人工智能的未来

成功的销售员必将失业

让你相信你穿上某套衣服就会精神焕发的能力肯定是一个成功销售员的标志。但是当你可以询问上百位消费者时，你为什么还需要他？想象一家服装店，他们可以模拟你穿上不同衣服的照片，生成的图像可以通过模糊面部实现匿名立即被放到一家特殊的网站上，那里的用户可以提出自己的观点，告诉你哪件衣服让你显得更瘦。几秒钟内，你就会从毫无任何偏见的陌生人那里得到客观的、可靠的反馈，如果你完成了购买，他们就会获得积分。这个概念被称为“众包”（crowdsourcing）。既然你能免费获得答案，为什么还要依赖由佣金驱动的销售员呢？

经常失业的人与没有人想雇用的人

考虑到自动化对劳动力造成的两种不同的影响——代替工人以及让技能变得无用，经济学家为这两种失业类型取了两个不同的名字。第一种被称为周期性失业，指的是人们在就业和失业之间循环。^[5]在经济萧条时，待业的穷人数量可能会增长，从而导致更高的失业率。但是从历史上说，一旦经济复苏，闲散的工人就会找到新的工作。失业的人数减少，同时待业时间也会变短。这种情况就像房地产市场一样：在一个不景气的市场中，待售的房子会更多，这些房子的销售时间也更长。但是当市场回暖之后，富余的库存马上就会被消化一空。

在我获得美国劳动市场的人员流动数据后，感到很吃惊。在2013年这个还算普通的年份，40%的工人换了工作。^[6]这是一个流动性很强的市场。与此相对的是，每年只有不到4%的房屋被卖出。^[7]所以当我们谈论8%的失业率时，不需要多久，新创造的工作和失去的工作在速率上的小改变就能吸收这部分失业率，或者相反，让更多人失去工作。

另外一种失业形式被称为结构性失业，它意味着有一些失业的人完全无法找到合适的工作。他们整天发送简历，但是没人想要雇用他们，因为他们的技能找不到对应的工作。^[8]用房地产市场来说，这种情况类似于待售的房屋类型不适合已有买家。想要3个孩子的夫妻相比于想要更少孩子的夫妻需要更多的卧室，或者对于那些需要乘坐飞行汽车上下班的人来说，他们需要从平屋顶起飞，而目前的大多数房子都是尖屋顶。

正如你在这些例子中所看到的，让理想房屋的条件发生改变的因素通常变化得不快，所以建筑者和改造者有很多时间来适应。但是对于自动化来说却并非如此，因为发明的节奏和应用的速度变化得很快，同时也无法预期，整个劳动细分市场特性的变化速度会比人们学习新技能的速度快得多——如果他们还能被重新培训的话。我们之所以被这些变幻无常的潮流冲击得东倒西歪，就是因为这些变化很难预期，同时也几乎无法测量。

研究劳动市场的经济学家和学者们对于可以量化的问题有着天然的偏见。可以理解，如果要拉响可信警报，他们必须要有相应的硬数据。他们的结论必须经得住客观、独立的同行评审，这基本上就意味着他们必须靠数字说话。但是正如我在商业中学到的，电子表格和财务报表只能表达特定的东西，而那些无法简化成到能度量的趋势经常是主导结果的关键。（当然，这里要说明一点，既让人头疼又难以预测的商业周期之所以折磨着我们的经济，很大程度上正是因为回报很容易计算，而风险则不是。）我见过的作出过极其细致但非常虚假的销售预期的管理团队数量不计其数。在工作时，有时我感觉自己作为管理者最重要的贡献，就是预期那些还没有变成可量化形式的数据。

对于整个劳动市场来说，失业统计或者变化率总计会模糊真实的情况，因为有用技能的种类在不规律地改变。消失的劳动栖息地和进化中的工作生态交织成了一张大网，这张网所具有的复杂度无法用传统数学工具来分析，这就是为什么量化整个过程的努力经常会被淹没在图表的海洋中，进而徒劳一场。

幸运的是，我并没有被同样的专业限制所束缚，所以系紧安全带，准备来一场通往未来的快速旅行吧。我的方法是通过一些具体的例子，用类比的方法来描绘一幅更广阔的图景。让我们先从零售业开始——据美国劳工统计局（BLS）确认，这是最大的商业工作市场。^[9]

美国劳工统计局的报告称，全美国有10%的工人或者说接近1 450万人在零售业工作。^[10]为了分析行业动态，我们先把销售员当作整个群体的代表。美国劳工统计局预测，这类劳动力（在2012年为440万）会在下一个10年中增长10个百分点，达到490万。但是这个预测的根据是目前的人口统计趋势，而不是这个行业目前形势的定性分析。

为了弄清楚真正发生了什么，可以想一想从实体商店到线上零售的转型对就业造成的影响。一个有效的办法就是使用一种名为员工平均收入（revenue per employee, RPE）的统计方法。这是一种衡量公司效率或者至少是劳动力效率的标准计量方式。

亚马逊是最大的线上零售商，它的员工平均收入在过去5年中的平均值为85.5万美元。^[11]而沃尔玛，作为最大的实体零售商，它的员工平均收入大约为21.3万美元——零售业的最高收入之一。这就意味着为了完成100万美元的销售额，沃尔玛需要雇用5个人；但是要想达到同样的销售额，亚马逊只需雇用1个人多一点就够了。所以当销售额每从沃尔玛流向亚马逊100万美元时，就可能会有4个工作岗位流失。

现在，两家公司销售的商品基本差不多，而且沃尔玛也会在网上销售不少商品，所以因转移到线上销售而损失的工作数量被低估了。并且这两家公司都没有按兵不动，它们在未来很可能会变得更高效。

为了确定工作流失的上限，我们可以想象如果所有零售销售额都忽然神奇地从沃尔玛这样的商店转移到亚马逊这样的网站上的情景。10%的劳动力主要为商店工作，他们会被为线上零售商工作的那2%劳动力所取代。也就是说美国减少了8%的工作岗位，比2014年整年的失业率都高。那么我们有大麻烦了吗？不一定。当然，不是所有销售都会转移到线上——你最喜欢的商场不会关门，而且变化肯定需要一些时间。但是，要多久呢？

虽然看起来声势浩大，但是美国现在只有6%的零售销售发生在线上。这个数字在过去4年中一直都在以每年约15%的速度持续增长。^[12]如果线上销售在未来20年里一直以这个速度增长（虽然不太可能），如果所有零售业的增长都流向了线上市场（同样不太可能），线上零售届时顶多会占据半数的总零售销售额。以过去20年的经验看，总零售额大概会翻一番，但是伴随销售额增长所增加的工作岗位大约只有10%。^[13]而且在这种假设中，实体商店完全不会发展壮大，这也不太现实。

人工智能的
力量

HUMANS
NEED
NOT APPLY

与此同时，劳动力数量会发生什么改变呢？根据精确的人口预测，美国劳工统计局估计未来20年中劳动力数量只会增长12%。^[14]换句话说，从实体商店到劳动力效率更高的线上零售，这场巨大的变革在这段时间内很有可能只会造成2%的就业负面影响（也就是说，12%的劳动力增长只会稍微超过10%的零售工人需求）。每年需要经济来吸收的失业率只有0.1%，而在过去200年中平均每年的农业工作流失率达到了0.5%。故事还会朝着更好的方向发展。如果零售销量翻番的话，新的工作当然会在各种行业中产生，和商品相关的设计、制造、物流会慷慨地补偿其他方面的损失。

我刚才把物流加入这个名单了吗？不好意思，物流完全是另一回事。在2012年，美国有170万个长途卡车司机。这些人的工作就是操作牵引挂车以及其他大型货运车辆，这些车辆经常出入于州际高速公路。BLS预测，对这些司机的需求会在下一个10年中增长11个百分点。不可能。

你可能认为在高速公路上驾驶相对于在一般街道上需要更高的技能和更成熟的经验，然而对于自动驾驶技术来说恰恰相反，这种技术是合成智能和人造劳动者的绝妙结合。高速公路通常都保养良好，公路上随意移动的障碍物更少（比如行人和自行车），也比你家附近的街道容易预测。

HUMANS
NEED NOT
APPLY

HUMANS
NEED NOT
APPLY

人工智能的未来

反应时间为零的自动驾驶车队

自动驾驶卡车的技术今天已经存在，而且已经可以用非常合理的价格改装到现有的车队上了。装备有这种技术的卡车可以“看到”所有方向，而不仅仅局限于前方的视野，这些车辆可以在完全黑暗或灯火管制的情况下行驶，它们会即时分享路况、附近的危险以及它们自己的意图。（基本上，它们可以依赖于名为“激光雷达”的精细3D雷达，结合详细的地图和GPS，所以不需要车头灯。）

更妙的是，它们的反应时间接近于零。所以，自动驾驶卡车车队可以在相互间距只有十几厘米的情况下安全行驶，这样的车队可以减少道路堵塞，并节省15%以上的燃油。^[15]交货会变得更快，因为它们可以不停歇地运行，中间不需要在路边停车。它们不会疲惫、酗酒、生病、分神或者感到无聊；它们不会打盹、打电话或者为更好的报酬和工作条件而罢工。花费了44亿美元并夺走3 800条生命的27.3万起大型卡车事故（2011）在未来可以避免多少？^[16]请允许我指出，单单这项创新每年拯救的生命就比在“9·11”世贸中心灾难中丧命的人还要多。

这种系统并不是关于未来的白日梦，它已经在真实的高速公路和其他场地上进行了测试。不久前新闻就这样报道过：“力拓集团（Rio Tinto）在皮尔布拉铁矿放出了由150辆自动驾驶卡车组成的车队，这是世界上自动驾驶卡车车队的第一次重大应用。在为期两年的试用期中，从一开始，自动驾驶卡车每天24小时都在运行，并且在14.5万圈的运输中搬运了4 200万吨物品。它们行驶的公里数超过了45万公里。我们通过1 500公里之外位于珀斯（Perth）的操作中心控制卡车。卡车的路线是事先预定好的，从装载区域到卸货地点，GPS系统实现了自主导航。”^[17]

就算你不是个未来主义者，也该知道即将会发生什么。在10年后会有接近200万位长途卡车司机吗？我怀疑美国劳工统计局这次错得有些离谱——更有可能是接近于零。但是这只是自动驾驶技术的应用之一。超过570万得到许可的美国商业司机（2012）会因为这种技术的变种而失业吗？^[18]总之，我不会向我的孩子推荐这种职业。

被侵占的蓝领劳动力市场

如果从总数上看，司机很有可能会陆续失去工作，而零售业的雇员则不会。但是，这里还有意料之外的一点——原始数据会模糊更加深刻的事实。真正的问题并不在于有效的工作岗位总数，而在于完成这些工作所需的技能。

从这里开始问题就要变成定性的了，所以请允许我为你们描述一些场景。在商店里卖东西的技能和维护线上零售网站的技能有很大的差别。让一位能指出沃尔玛售鞋货架在哪里的和蔼老太太去监管亚马逊的商品评论并不是件容易的事。一位卡车司机可能高中毕业，也可能没有毕业，他熟悉电脑的唯一领域就是观看Netflix^[25]，他可能无法胜任很多其他工作，特别是在这样的情况下：各行各业的蓝领工作很有可能已经被自动化接管。在自然环境中可以感知和运行的机器人设备将会大批量取缔劳动力市场。简而言之，人造劳动者正在从各个领域进攻而来。我在这里先描述几种。

在黑暗中工作的机械工人

正在进行中的项目会威胁到剩下的200万～300万美国农场工人的生计。^[192010]年，欧盟开始为“农用聪明机器人”项目（CleverRobots for Crops，简称为CROPS）提供资金。正如项目负责人所说：“农用机器人必须具有智能，只有这样它们才能在松散、动态、不友好的农业环境中稳定地运行。”^[20]

Agrobot是一家在加州奥克斯纳德（Oxnard）开办的西班牙公司，他们制造的商业机器人可以采摘草莓。^[21]在采摘过程中这种机器人只能识别足够成熟的水果。好消息是他们正在招人，但是你必须有一个工程学学位才行。我怀疑这对于埃尔威亚·洛佩斯（Elvia Lopez）来说谈不上什么好消息，他是一个31岁的善良的墨西哥移民，他在加州圣马利亚以采摘草莓为生（《洛杉矶时报》曾报道过他）。^[22]Agrobot并不是抓住这一机会的唯一一家公司：一家日本的竞争公司宣称他们的技术可以减少40%的草莓采摘时间。^[23]

蓝河科技（Blue River Technologies）是一家获得风险投资的硅谷创业公司，由斯坦福大学的毕业生带头创建，他们开发出了可以除草的机器人。这里引用了一些他们的宣传资料：“我们创造的系统可以区别作物和杂草，可以在杀死杂草的同时不伤害作物或环境。我们的系统使用摄像机、计算机视觉以及机器学习算法。”^[24]

请注意，这些汹涌而来的机械工人并不一定非要比将要取代的工人速度更快，但是它们可以在黑暗中工作！

完全不输人类的机器仓管员

除了挑选订单和包装货物，正如我在上面所说的，还有装货和卸货的工作。这些工作现在仍由人类工人完成，因为人的判断在运载车辆和运输集装箱中如何抓住和堆叠不规则形状的箱子这些工作中不可或缺。但是另一家硅谷的创业公司Industrial Perception正在改变这一切。他们的机器人可以检查卡车内部，选择某个物品，然后捡起来。正如他们被谷歌收购前官网上的宣传语，公司“提供的具有技能的机器人是决胜明日经济的必备品。”^[25]

性工作者也要被替代了？

你可能认为性交易是只能由人类来完成的工作。对于美国大部分地区来说卖淫可能是违法的，但是出售成人用品并不违法。而这个产业将会彻底改头换面。位于新泽西的TrueCompanion公司以及类似的公司正在开发全尺寸交互式性爱娃娃——男版和女版都有（名字分别是Rocky和Roxxxy）。^[26]这家公司的创始人道格拉斯·海因斯（Douglas Hines）之前在贝尔实验室的人工智能部工作，正如他在2010年的一次采访中所说：“人工智能是整个项目的根基。”根据这家公司的说法：“Roxxxy可以参与讨论，也可以向你示爱。她可以说话、聆听，并感受你的抚摸。”^[27]

正在全世界其他人工智能实验室孕育的项目不胜枚举。他们的目标任务包括叠衣服、洗盘子，以及把盘子放进洗碗机、给食品打包、取咖啡，其中有一个机器人甚至能控制升降机。^[28]

律师，光环不再

到目前为止，我说的这些对于那些主要从事脑力劳动的人来说可能还算是个安慰，但是这种释然只是一种误会。就像人造劳动者将要取代体力劳动者一样，合成智能也将会席卷很多脑力工作。无论你的领子是什么颜色，自动化都会毫不留情。

我们先从律师行业说起。据美国律师协会估计，美国在2010年有120万执业律师，这些律师中约有75%是私人律师。^[29]

要想在具有挑战的经济形势下获得专业法律学位是一件让人忧心的事。曾几何时，进入法学院是一种伟大的成就，更别说有机会成为事务所的合伙人了，这几乎就是过上好日子的保障。但是今时不同往昔。当更加务实的一代意识到现在的经济现实之后，法学院收到的申请数量一年不如一年。法学院招生委员会在2014年的报告中说，在过去的两年中，报名人数已经回归到了1977年的水平。^[30]新的毕业生可能要背负15万美元的债务，而2011年应届毕业生的平均起薪仅仅为6万美元，相比于两年之前下降了17%。^[31]但是他们还算是幸运的：在2009年，35%的法学院应届毕业生竟然找不到需要通过律师资格考试的工作。^[32]

当然，对于律师来说有很多影响工作机会的因素，自动化肯定是其中之一。问题才刚刚开始。到目前为止，计算机在法律专业中的使用主要集中在存储和管理法律文档。这种现状减少了可计费时间，因为你不需要从头开始起草合同和摘要。但是一批想要融合法律和科技的新创业者正努力从很大程度上减少，甚至消除常见事务对律师的需要。特别在考虑了专业特性之后，创新者们发现就算把最有技术含量的工作委派给人工智能，它们也能驾轻就熟地完成。一般的商业合同，从契约、贷款、执照、合并文件，到购买协议，都具有很高的结构化特点，所以计算机程序可以轻松起草初稿文件，当然，我也不排除程序能够直接完成最终合同的可能。

比如法律科技公司FairDocument。^[33]通过专注于财产规划这个定义明确而且相对常规的法律领域，这家公司可以在网站上接待客户，准备好初稿。潜在的客户会回答一些基本问题，然后律师们通过投标来获得业务。多数时候，如果这个案件相对直接简单，律师们就会通过FairDocument准备的财产规划来选择推荐的标准出价（995美元），而通过传统方式获得这样的服务通常需要花费3 500～5 000美元。

你可能会想，这种方式只是减少了律师的收入，但是在接下来要发生的事中，律师们还是尝到了甜头。律师们不用再通过打电话或面谈的方式来了解、指导新客户或收集必要的信息，也不用再花费数小时来起草文件，他们可以让FairDocument和客户进行一个既详尽又结构化的线上咨询，解释必要的概念并收集客户的详细情况。软件随后会向律师交付一份草稿，显示出需要他特别判断或注意的地方。

杰森·布鲁斯特（Jason Brewster）是这家公司的CEO。据他估计，FairDocument把完成简单财产规划的时间从几个小时缩短到了区区15～30分钟，更别说他的公司还在为律师们挖掘和寻找新顾客了。合成智能在法律专门领域攻城略地的表现还有一个更加复杂的例证，那就是创业公司Judicata。^[34]这家公司使用机器学习和自然语言处理技术，把普通文本（比如法律原则或特定案例）转化成结构化的信息，利用这些信息可以发现相关的法院判例。比如，程序可以发现所有包含西班牙裔同性恋员工成功起诉不正当解雇的案件，通过朗读法院判决原稿，可以节省无数花费在法律图书馆或使用传统电子搜索工具的时间。

其他创业公司则在试图缩短早期案件评估、证据处理、文件审查、文件处理以及内部调查等旷日持久的过程。^[35]有一些人则通过实际的法律及案例研究来提供案件策略方面的建议，回答诸如此类问题：法官有多少次作出倾向于提交移送动议的被告的判决？又有多少次倾向于提出即决判决申请的被告的判决？让其他人在相似知识产权上犯错误的原因是什么？^[36]

HUMANS
NEED NOT
APPLY

人工智能的未来

一家名为“机器人、机器人和黄”的律师事务所

有些公司甚至开始考虑把机器从暗室搬到铭牌上。想象一下如果有一家律师事务所把自己命名为“机器人、机器人和黄”（Robot, Robot, and Hwang）^[26]会怎么样。没错，这是个笑话，但是这家公司是真实存在的。初级合伙人蒂姆·黄（Tim Hwang）拥有哈佛大学的本科学位和加州大学伯克利分校的法学博士学位。这家公司的网站上写道：“本公司力图在科技、创业以及计算科学的世界中引领思考，从而改变有些古板而保守的法律实践世界。”^[37]

虽然法律界试图保护其成员的生计，但是越来越多的创业公司正在突破现有的界限，他们通过在互联网上提供不同程度、不同形式的自动化法律建议来质疑法律的实践者与实践方式。比如，他们可能为了文件的准确性而雇用了几位律师，这些律师会在把文件发布给客户之前“复审”文档。但是大部分创业公司提供了另外一种格式，他们把个体从业者介绍给客户，确立工作（以及支付）关系，然后双方可以利用该公司提供的大量自动化支持来履行义务。

通过提供让律师在家工作的机会，可以避免办公室的费用；而用精心设计的计算机系统来替代熟练的法律助理，可以减少成本，这些实际意义上的法律事务所向从业者们提供了更具吸引力的选择，律师们可以变得更加独立，并且对自己的工作拥有更大的控制权。对于那些无法在传统公司获得初级职位的毕业生来说，这当然是一个绝妙的机会，但是对于那些有经验的合伙人来说，这样的条件也很有吸引力，他们可能厌倦了办公室政治或者不再想把大部分收入交给公司。这些趋势正在拉低高质量法律援助的价格，同时也提高了让上百万潜在客户获得法律服务的机会。

法学院也没有一成不变。比如最近的一门课——斯坦福大学开设的法律信息学，就是由法学院和计算机科学学院共同教授的。在这门课的描述中，有一部分是这样说的：“正如自动贩卖机中的卡布奇诺一样，定制化的建议在网上随处可见，这时律师的角色是什么？注册这门课，你将会提前看到5年之后你的工作是什么样子。”

更强大的机器人医生

如果成为律师变得不再那么具有吸引力的话，那么成为医生呢？虽然“乡村医生”的时代已经过去了，但是信息科技却也在以一种意想不到的方式改变着医疗从业者的角色。

最主要的变化来自一种日益普遍的认识，医疗并不是一种艺术，而是一种科学，相比于直觉和判断，这种科学在统计和数据的驱动下会得到更好的发展。在一去不复返的时代中，一个人至少有可能在一定程度上掌握基本全部的医疗知识，然后把这些知识应用到他们接触到的病例上。但是在过去的半个世纪中，大爆发式的研究和临床试验以及我们对身体和精神日益增进的了解，让个人全面掌握所有知识成为一件不可能的事，这个领域分裂成了无数种专业和业务。今天，你的“初级护理医生”更像是一个旅行中介而不是一个护理者，除了最简单的头疼脑热之外，他会把你引领到各种专家的领地。

但是这种对医疗护理分而治之的方式却有着隐藏的成本，随之而来的问题也变得愈发清晰。把多个职业医生的诊疗活动整合为一个连贯的医疗计划正变得越来越难，原因主要有两点。首先，没人能看到完整的问题，而且就算有人能做到，他们通常也缺乏规划最佳行动方案所需要的详细信息。其次，专家倾向于治疗自己专业领域内的具体病症或身体部位，但是他们对于这些疗法的副作用以及这些疗法和病人所接受的其他治疗之间的影响却知之甚少。

对于我来说，今天的行医方式让我想起了希罗尼穆斯·波希^[27]的画作，在这些画中挥舞着小干草叉的恶魔们制造着各自独特的痛苦。

从患者的角度出发，其心中的理想医生一定是一位精通所有专科领域的超级医生，他掌握着所有最新的医疗信息以及最佳的实践经验及方案。但是，这样的人类并不存在。

让我们看看IBM的超级计算机沃森。在《危险边缘》中打败冠军布拉德·鲁特（Brad Rutter）和肯·詹宁斯之后，沃森马上就被重新部署在这个新的挑战上。2011年，IBM和美国最大的管理公司WellPoint开始合作，把沃森的技术应用在提高病人看护质量方面。他们宣称：“沃森可以博览100万本书或2亿页的数据量，并且在3秒内分析其中的信息并给出精确的回应。WellPoint希望内科医生能够根据具体病人的情况简单地对沃森内部的医疗程序进行一些新条件的输入或微调，然后通过沃森超凡的能力在最复杂的病例中鉴定出可能性最高的诊断以及治疗方案的选择。我们期望沃森能在内科医生的决策过程中成为强有力的工具。”^[38]就像IBM在50年前进入人工智能领域的最初尝试一样，他们仍然小心翼翼，尽量不惹怒那些被他们夺走饭碗的人。但是，一个人用在决策过程中的工具却是另一个人通往失业的门票。

智能洞察

没有人愿意承认自己的工作专业领域即使对于专家来说也过于庞杂和多变。尤其对于医生来说，他们不愿意把对病人治疗方案的控制权拱手让给合成智能。但是最终，如果结果证明合成智能才是更好的选择，患者们便会主动要求去看能力更强大的机器人医生，而不是劳累过度的人类医生，更何况所需费用只会是人类医生的零头，正如现在很多人更喜欢让ATM机为自己数钱，而不是人类出纳员。

驾驶与教育，别再亲力亲为

医生和律师并不是唯一需要为自己的工作忧心的职业，这类领域还多的是。比如，如果今天经过高度训练的商用飞机驾驶员还心系乘客安危的话，他们就应该尽量减少亲自驾驶飞机的时间。到目前为止，飞行员的差错一直都是致命坠机的首要原因，虽然在过去50年间飞行安全有了显著提高，但是由于飞行员的差错所造成的事故仍然保持在50%左右。^[39]相比之下，机械故障只在20%这类事件中负有责任。现在的自动驾驶仪已经变得非常精密，所以驾驶员在特定情况下不能自己驾驶飞机，而是必须要使用这些系统。^[40]所以当你再看到一个训练有素的驾驶员坐在驾驶座椅上什么也不做时，可能就不会感到惊恐了，但是这可不包括驾驶员感到抑郁而蓄意把飞机坠毁的情况：在过去的25年中，有3起记录在案的商业航班事故，驾驶员因为上述原因杀死了飞机上的所有人。^[41]

很明显，科技可以代替很多领域的教师和教授。现在，描述这种现象的流行语叫作翻转课堂（flippedclassroom）——学生们在家观看讲座，并且在线上学习相关资料，然后在教师和教学助理的帮助下在学校完成作业。教师们可能不需要再备课和讲课了，他们的工作被缩减成“学习教练”。教师职业技能的减少无疑会改变这个职业，并且这种情况会为已然困难重重的教师们带来更多的挑战。

只有雇主愿意付钱的技能才有意义

说实话，以上这些已经是老掉牙的例子了。在接下来10年时间里，还有多少职业会被自动化攻陷？

人工智能的
力量

HUMANS
NEED
NOT APPLY

上面的问题不容易回答，但是来自牛津大学的一组研究者已经勇敢地尝试用定量的方式给出答案，他们把近期的技术匹配到美国劳工统计局描述的702种职业所需的工作技能上。研究者们极其详尽而且富有洞察力的分析报告指出，美国47%的工作极有可能会被高度自动化的系统所取代，这些职业包括了很多领域的蓝领职业和白领职业。他们把这种现象特别称为“ML（machine learning，机器学习）和MR（mobile robotics，移动机器人）领域的进展，ML领域包含有数据挖掘、机器视觉、计算统计学以及人工智能的其他子学科”，这些领域的发展就是未来就业趋势走向的关键驱动力。^[42]所以无论你接受与否，高达50%的就业岗位在不远的未来都有被机器占领的危险。

那些具有无用技能的剩余工人将会怎么样呢？我们需要旧瓶装新酒——并不是任何新技能都有用，只有雇主愿意付钱的技能才有意义。而唯一知道什么技能有用的人，就是雇主自己。

就专业培训而言，我们犯了两个错误。第一个就是过分依赖传统学校，让学校来决定应该把什么教给学生。我们认可的教育机构并不是因为对经济趋势的快速响应能力而闻名，而且订立课程表的管理者既没有经常出入于真实市场，也没有紧跟现在经济形势中最受重视的新技能，就算教育者们想这样做也无能为力。我一直都不明白为什么我的孩子在高中要学习书法、微积分、法语，而不是更加实际的技能，比如打字、统计性估计或中文（但是阅读和写作还算合理）。

当然，不是所有的教育决策都应该由雇用预期来决定。学习和培训不是一件事。培养全面发展、有历史知识、善于表达、考虑周到的公民是很重要的。但是除了核心基本知识——在我的想法中，记忆化学周期表或做偏微分数学题并不包含在内，教育的主旨应该是让学生们具备实用并且畅销的技能。我们应该关注的是求职训练，而非失业训练。

第二个错误在于一种心照不宣的假设：你首先应该上学，上完学再找工作。当工作和技能以一代人为时间尺度而变化时，这么想是很合理的，但是这种方式却不再适用于今天飞速变化的劳动力市场。生命中的这两个阶段需要紧密交错，至少获取新技能的目的及时机必须明确，机会必须无处不在。

解决这两个问题的办法就是开明的经济政策。关于重新训练工人的话题有一个显而易见的问题：谁会掏钱为技能落伍的工人培训呢？一个同样显而易见的答案就是享受最大利益的人：工人自己。但是这些不走运的失业工人如何能找到匹配自己能力并且对雇主有吸引力的培训？他们又如何负担得起这些培训？

就像我们有特别用于鼓励和支持购买私有房产的贷款一样，我们需要建立一种职业培训贷款系统，这个系统及其目的与传统房产抵押贷款之间具有相似的关系。在后者的交易中，当你获得抵押贷款的时候，向你贷款的政府或银行不会付清贷款，而你会。如果出现问题，比如你的房屋被烧毁或者你就是无法还贷，你可以离开，失去的仅仅是首付款，因为大多数抵押贷款都是“无追索权”贷款，这意味着在违约事件发生时对于出借人来说，唯一的保证就是财产本身。

因为你无法（或不愿）偿还每月的贷款而放弃房屋肯定是很痛苦的。你和出借人一样，都尽力想保证你是一个可靠的信用个体，双方都会努力确认财产与发放的贷款能匹配（或者至少在一定的安全程度下足够弥补贷款）。这就是为什么出借人需要对房屋现在的市场价值进行评估才能提供抵押贷款资金。而相似的原则可以应用在职业培训贷款上。

为了简单起见，我们先把这类贷款称为职业培训抵押贷款。以下至少是一种职业培训抵押贷款能够行得通的情况，当然这种贷款还可以有很多同样有效，甚至效果更好的变种。

你申请的是一份未来的工作

为了得到职业培训抵押贷款，你必须获得潜在雇主的资助（也许就是你现在的雇主），就像是你为特定财产申请抵押贷款的情况一样。但是在这里，雇主并不会保证雇用你，而且你也不会保证接受特定的工作，当然在合理的预期下如果一切发展顺利的话，这种定向雇用是很有可能发生的。实际上，你申请的是一份未来的工作，而雇主会发出一份诚信意向书，表明自己在一段合理的时间内确实（或即将）需要为特定职位雇用像你这样的人。

雇主，为自己所需的技能埋单

雇主想必在寻找具备合适技能的工人的过程中遇到了困难，他们发起的赞助数量必须和可以提供的工作数量相同，所以能够获得工作抵押贷款的人数有着先天的限制。履行承诺的雇主可以获得一份减税优惠（比如，在前6个月减免工资税），这种机制会鼓励雇主们参与这个计划。从另一方面来说，在一定统计范围内，对于那些随意发出意向书并且最终没有坚持到底的雇主，政府可以对其进行评估然后处以罚款。完成这个计划的一个简单方法就是要求雇主张贴诚信的“保证书”，只有当缺人的时候他们才能发出这样的请求。雇主们同样也需要保证培训的特定方向（甚至是由他们自己提供的培训）是以所需技能为目标的。

培训机构，依靠贷款定向培养

培训机构注册的学生数量自然要和市场上可获得的工作数量相符，因为这些机构很大程度上需要依靠贷款来维持运营这些项目。培训机构也会尽全力紧密关注相关的技能；否则雇主不会批准这些不满足他们需求的训练。结果就是，政府不需要为这些项目建立正式的认证。实际上，市场自动调节的系统会完成这些工作。

学生贷款不再成为一生的重担

对于潜在的雇员来说，关键在于只用所得收入偿还贷款——以未来的薪水做保证。抵押贷款出借人为贷款设定的特定还贷收入比遵循一个合理的原则，就是把还贷金额限定在收入的一定比例内，比如实付工资的25%。而且一旦出现问题，需要有一种约定的内在缓解方式。比如，如果税后工资低于政府设定的贫困水平的150%，每月还贷的金额就需要限额或推迟。因为贷款只能从劳动收入中来，如果工人因为任何原因进入失业状态，还款就要实际暂停（当然利息仍然会累积），而且贷款会自动进行重新分期。

如果培训进行得不顺利，比如培训生不可能获得工作（而且也没有其他合适的职位），或者培训生偏偏决定不想工作，这个时候该怎么办呢？就像房屋抵押贷款一样，在培训后但失业的一段宽限期后，无论劳动收入多少，培训生仍然需要支付贷款的一部分，比如20%（典型的房屋首付）。这就是现在抵押贷款的管理方式，运行效果还不错。

这种方式还有很多需要进一步完善的细节，但是基本的想法就是通过规定和政策创造一种新型的金融工具，以作为学生贷款系统的替代或补充，因为现行的学生贷款机制在很大程度上已经支离破碎了。很多时候这个系统会让无辜的受害者背负他们难以偿还的债务，以盈利为目的的大学所提供的不充足的培训恰恰是这种债务的原因，这类培训的主要目的则是为了获得政府的贷款资金，而教育机构几乎不需要为培训结果承担任何责任。为了解决这个问题，一种还说得过去的方式就是通过排名以及其他诱导方式鼓励大学做得更好，当然最近美国政府也在治理以盈利为目的的大学的腐败行为，要求学校实现一定的毕业率和就业率。^[43]通过向雇主、出借人以及训练者提供合适的经济激励，我们可以把获取技能和重新培训的过程变得实用而人道，而且让这种方式比今天的系统更有效。

智能洞察

职业培训抵押贷款的概念是传统学徒制或实习模式的现代化自由市场版本。其主要的好处在于把培训和具体雇主或职位局部分离，使雇主和员工都处于有利位置。低收入的实习生职位所隐含的“卖身契约”让公司不得不运营自己的小型教育业务，而员工则仍然不被市场所接受或滞留在不理想的工作上；新的方式让人们可以在最合适的岗位上应用自己新获得的技能，而雇主们则可以从一个更大的高级工人资源库中挑选人才。这才是金钱应该在经济中起到的润滑剂作用。我一直不能理解，为什么我们在对待职业技能的问题上不能像对待其他资产一样？现有的机制某种程度上就像中世纪的期货贸易系统，耗费了社会的巨大财富。如果一流的运动名人可以担保自己的未来收入，为什么普通人不能呢？^[44]

我提出的关于职业培训抵押贷款的具体概念可能是新的，但是基本方法肯定是早就存在的。经济学家米尔顿·弗里德曼在1955年写了一篇题为《政府在教育中的角色》（The Role of Government in Education）的论文，他区分了“公民的通识教育”和“职业或专业教育”。他建议后者应该和实体资产类似遵循投资分析，而且政府政策应该落实在促进这类培训的投资上（与财政补贴不同）。他认为：“作为回报，个人同意未来每年每获得1 000美元收入（与培训技能相关的收入），会把超出1 000美元的y美元的x%用来偿还政府……还有一种替代方案，如果可行的话会是一个很理想的方法，就是把私人投资意向引导至这个方向。”^[45]

确实，现在也有一些私人企业正尝试朝这个方向发展。^[46]比如，位于芝加哥的Education Equity公司正在向进入特定核准项目的学生发放与收入挂钩的贷款，虽然现在只是在小范围内进行。^[47]

带着这种观点，我们先暂时回到我的前雇员埃米·内斯特遇到的问题上。在我看来，他绝对是被我们的教育系统给辜负了。他在商业管理方面的学士学位似乎没有什么实际价值，至少对那些本地劳动力市场中的雇主来说是这样的，他们不会为他的技能掏钱。据报道，只有不到50%的旧金山州立大学的学生能在6年之内毕业，而在这样的学生中更是只有不到50%的人能在毕业后的6个月内找到全职工作。^[48]（在这方面我找不到学校发布的官方数据。）尽管如此，这所大学维持现状的动机除了好意之外别无他物，他们更没有什么动力来改变现状，只要学生愿意上学和交钱（或者用贷款来支付学费）就可以了。本地雇主热切地希望学校培养出合格的求职者，所以如果大学招生的前提是满足本地雇主的期待或需求，那么我们有理由相信这个系统很快就会进入平衡状态。

全球变暖是一头鲁莽的熊，但我们不是。大多数动物天生没有足够的智慧来摆脱因栖息地环境的变化所造成的困境，但是我们有。持续的技术进步推动了劳动力生态系统的加速进化，迫使我们重新审视自己为子孙后代甚至自己准备的未来是否仍然能像我们期待的那样美好。

就像温室效应一样，过剩的工人和过时的技能也是经济进步加速的副产品，全球劳动力生态系统面临的潜在危险值得我们投入一定的注意力，至少要比得上对气候变化的重视程度。繁荣发展的引擎由创新提供动力，我们确实应该珍视这种力量——除非你是汽车尾气的爱好者。在回收自然资源的同时，一起回收智力资源肯定会为所有人带来好处。

注释： 

[1].Dorothy S.Brady.Output, Employment, and Productivity in the United States After1800，National Bureau of Economic Research，1966.

[2].Employment Projections, Bureau of Labor Statistics, table 2.1：Employment byMajor Industry Sector, last modi ed December 19，2013.

[3].Torsten Reichardt.Amazon—Leading the Way Through Chaos.Schafer Blog, May18，2011.

[4].http：//en.wikipedia.org/wiki/Kiva_Systems, last modi ed December 1，2014.

[5].我这里说得过于简化了。周期性失业（也被称为人员流动）有很多原因，如辞职、被裁员、换工作、无薪休假等。被自动化取代只是其中一种原因。

[6].Job Openings and Labor Turnover Summary.Bureau of Labor Statistics EconomicNews Release, November 13，2014。这里还是有点过于简化了。有些人会退出劳动力市场，其他人会进来，但是大多数人都是离开一家公司而进入另一家公司。而且根据行业不同区别也很大。

[7].住房总数（2011）：1.32亿；销售总数：460万。详见：American HousingSurvey for the United States：2011.U.S.Department of Housing and Urban Development, Office of Policy Development and Research（jointly with the U.S.Department of Commerce, Economics and Statistics Administration, U.S.Census Bureau），September 2011；New and Existing Home Sales, U.S.National Association of Home Builders，2014。

[8].这里也有点过分简化了。除了过时的技能，一些求职者在潜在的雇主面前看起来有点儿像受损物品，因为他们在很长时间内都没有工作，或者他们比期望的要老（虽然原则上说这么做是违法的）。

[9].http：//data.bls.gov/projections/occupationProj, accessed December 31，2014.

[10].Reinventing Low Wage Work：Ideas That Can Work for Employees, Employersand the Economy.Workforce Strategies Initiative at the Aspen Institute, accessed November 27，2014.

[11].http：//www.wolframalpha.com/input/?i=revenue+per+employee+amazon+walmart+safeway, accessed November 29，2014.

[12].E-commerce Sales.Retail Insight Center of the National Retail Federation，2014；Quarterly Retail E-commerce Sales，3rd Quarter 2014.press release from the U.S.Census Bureau News, November 18，2014.

[13].1993　—2013年，美国零售销售总额增加了134%。50%的（线上）新增零售销售额只需要20%的人来完成，所以20%的一半就是总数的10%。

[14].Mitra Toosi.Projections of the Labor Force to 2050：A Visual Essay.Monthly LaborReview, Bureau of Labor Statistics, October 2012.

[15].Steven Ashley.Truck Platoon Demo Reveals 15%Bump in Fuel Economy.Society of Automotive Engineers（SAE International），May 10，2013.

[16].Commercial Motor Vehicle Facts.Federal Motor Carrier Safety Administration, U.S.Department of Transportation, March 2013.

[17].Automated Trucks Improve Health, Safety, and Productivity.Rio Tinto（Home/Aboutus/features），accessed November 29，2014；Carl Franzen.Self-driving TrucksTested in Japan, Form a Close-Knit Convoy for Fuel Savings.The Verge, February 27，2013.

[18].Commercial Motor Vehicle Facts.

[19].United States Farmworker Fact Sheet.Community Alliance for Global Justice，accessed November 29，2014.

[20].Nancy.Giges.Smart Robots for Picking Fruit.American Society of MechanicalEngineers（ASME），May 2013.

[21].http：//www.agrobot.com, accessed December 31，2014.

[22].Hector Becerra.A Day in the Strawberry Fields Seems Like Forever.Los AngelesTimes, May 3，2013.

[23].Tim Hornyak.Strawberry-Picking Robot Knows When They're Ripe.CNET，December 13，2010.

[24].http：//www.bluerivert.com, accessed December 31，2014.

[25].Erin Rapacki.Startup Spotlight：Industrial Perception Building 3D Vision GuidedRobots.IEEE Spectrum, January 21，2013.

[26].http：//www.truecompanion.com，2014-12-31。在写作本书时，几乎没有证据能够证明该公司正在生产可行产品。

[27].Robi Ludwig.Sex Robot Initially Designed as a Health Aid.February 9，2010.

[28].http：//www.eecs.berkeley.edu/～pabbeel/personal_robotics.html, accessedNovember 29，2014；http：//www.telegraph.co.uk/technology/3891631/Kitchen-robot-loads-the-dishwasher.html, December 22，2008；http：//www.dvice.com/archives/2011/05/pr2-robot-gets.php, May 12，2011；http：//spectrum.ieee.org/automaton/robotics/robotics-software/pr2-robot-fetches-cup-of-coffee, May 9，2013.

[29].Lawyer Demographics.American Bar Association，2011；http：//www.americanbar.org/content/dam/aba/migrated/marketresearch/PublicDocuments/lawyer_demo graphics_2011.authcheckdam.pdf.

[30].http：//www.lsac.org/lsacresources/data/three-year-volume, accessed December31，2014；Jennifer Smith.First-Year Law School Enrollment at 1977 Levels.Law Blog, Wall Street Journal, December 17，2013.

[31].E.M.Rawes.Yearly Salary for a Beginner Lawyer.Global Post, accessedNovember 29，2014.

[32].Adam Cohen.Just How Bad off Are Law School Graduates?.Time, March 11，2013.

[33].http：//www.fairdocument.com, accessed November 29，2014.

[34].https：//www.judicata.com, accessed November 29，2014.

[35].例子详见：http：//logikcull.com, accessed November 29，2014。

[36].http：//www.robotandhwang.com, accessed November 29，2014.

[37].https：//lexmachina.com/customer/law-rms/，accessed November 29，2014.

[38].Michael Loughran, IBM Media Relations.WellPoint and IBM Announce Agreementto Put Watson to Work in Health Care.September 12，2011.

[39].http：//www.planecrashinfo.com/cause.htm.

[40].http：//en.wikipedia.org/wiki/Autoland, last modi ed December 25，2014.

[41].Terrence McCoy.Just How Common Are Pilot Suicides.Washington Post, March11，2014.

[42].Carl Benedikt Frey, Michael A.Osborne.The Future of Employment：HowSusceptible Are Jobs to Computerisation.Oxford Martin School, University of Oxford, September 17，2013.

[43].Fact Sheet on the President's Plan to Make College More Affordable：A Better Bargain for the Middle Class. press release, the White House, August 22，2013.

[44].Daniel Kaplan, Securitization Era Opens for Athletes, Sports Business Daily, March12，2001.

[45].http：//www.edchoice.org/The-Friedmans/The-Friedmans-on-School-Choice/The-Role-of-Government-in-Education-%281995%29.aspx，1955.

[46].如果想要看最近的政策分析，详见：Miguel Palacios, Tonio DeSorrento, AndrewP.Kelly.Investing in Value, Sharing Risk：Financing Higher Education Through Income Share Agreements.AEI Series on Reinventing Financial Aid, Center on Higher Education Reform, American Enterprise Institute（AEI），February 2014。

[47].George Anders.Chicago's Nifty Pilot Program to Fix Our Student-Loan Mess.Forbes, April 14，2014.

[48].Allen Grove.San Francisco State University Admissions.About Education，accessed November 29，2014。这篇文章使该学校在其细分领域评为C+级别。