Boj proti geografickým dopadům automatizace: Počítače, umělá inteligence a rozdíly mezi místy

Prezidentské volby v roce 2016 odhalily – jako nic před nimi – jeden z nejpozoruhodnějších, ale nejméně očekávaných aspektů globální digitální revoluce. V jediném dramatickém hlasování vítězství Donalda Trumpa zvýraznilo vznik ostrého a rozšířeného rozdělit mezi dvěma Amerikami: jeden sídlí ve velkých, digitálně orientovaných metropolitních oblastech; druhý se nachází v méně technicky vybavených menších městech, městech a venkovských oblastech.jedenTím hlasování ukázalo – se svou výraznou červeno-modrou mapou – nedoceněnou sílu technologie přetvářet geografii národů.

Rozdělení bylo pro mnohé šokem.dvaNebyla to však jen tvrdost odhalené geografické mezery, která byla tak znepokojující. Znepokojující bylo také to, do jaké míry odhalené regionální rozdíly národa odrážely něco důležitého základní povaha vznikajících digitálních technologií, včetně různých forem automatizace, jako je umělá inteligence (AI).3

Zostřené prostorové rozdíly neodrážely v tomto ohledu pouze náhodná rozhodnutí o umístění nebo úpadek výroby (i když i ta přispěla). Místo toho nyní značná část akademické literatury naznačuje, že nové technologie zavedly do ekonomiky převratné nástroje, které tím, že zmocňují práci na vysoké úrovni a nahrazují rutinní úkoly, také masivně přeskupují ekonomickou geografii národa.



Dosud nejzjevnější byla strojově řízená dynamika zesilovat schopnost kvalifikovaných pracovníků přidávat hodnotu, nahrazovat práci nazpaměť a vstřikovat vítěz-ber-most -nebo superstar – dynamika na trzích.4Postupem času toto počáteční rozšíření digitálních nástrojů a automatizace zvýšilo takzvané aglomerační síly, které mají za následek, že se lidé a firmy shlukují na oblíbených místech, aby sdíleli informace, propojovali dovednosti a práci a učili se nové věci – s významnými dopady na národní zeměpis.

Tímto způsobem mohou volby v roce 2016 padnout, protože společnost poprvé začala chápat všechny důsledky potenciálu automatizace transformovat fyzický svět. Když se zdálo, že velká, technická města jako New York, Washington a Bay Area stále více obývají jiný svět než zbytek Ameriky, lidé a místa, která tam zůstala, se vzbouřili.

Umělá inteligence a její pozitivní a negativní dopady nebudou rozděleny rovnoměrně a pravděpodobně přispějí ke znepokojivým geografickým rozdílům v zemi.

To vše naznačuje, že je třeba přidat další položku na seznam sociálních a etických dilemat obklopujících nadcházející éru umělé inteligence, a to skutečnost, že umělá inteligence a její pozitivní a negativní dopady nebudou distribuovány rovnoměrně a pravděpodobně přispějí ke znepokojivým geografickým rozdílům národa. Řešení této výzvy přidá další prioritu k řešení problémů budoucnosti práce, přizpůsobení pracovníků a etického obsahu algoritmů.

Automatizace, umělá inteligence – a místo

Spojení umělé inteligence s geografií vyplývá z tendence digitálních technologií zesilovat produktivita kvalifikovaného a náhrada za rutinní nebo rutinní práci. Zejména, Beaudry, Doms a Lewis před více než deseti lety ukázaly, že ve městech, která přijala osobní počítače nejdříve a nejrychleji, rostly jejich relativní mzdy nejrychleji.5

Od té doby se nashromáždily další důkazy – včetně nedávné Brookingsův výzkum —že digitální technologie významně přispívají k divergence regionálních ekonomik a odtáhnout se od superhvězdných měst z menších a venkovského vnitrozemí.6 Enrico Moretti ukázal, že digitální ekonomiky vedou k rostoucím rozdílům mezi lidmi a dokonce i mezi dovednostmi.7A Elisa Giannone má prokázáno že divergence mezd ve městech od roku 1980 – po desetiletích konvergence – odráží kombinaci zvýšených odměn technologií pro vysoce kvalifikované technologické pracovníky a místní průmyslové seskupení.8

Stejně tak moje vlastní analýza digitalizace ukazuje, že průměrné roční mzdy států a měst nesouvisejí pouze se středním skóre digitálních dovedností v lokalitách, ale že zaměstnanost a příjmy na digitálních místech se stahují z míst s méně digitálně kvalifikovanými pracovníky.

Digitalizace pozitivně souvisí s průměrnými mzdami

V průběhu času se šťastná horní vrstva velkých, hustých a talentovaných metropolitních oblastí neustále rozrůstala rychleji než střední a nejméně prosperující města:

Indexované průměrné roční mzdy a úroveň zaměstnanosti, 1969-2016

Ústředním bodem těchto trendů je automatizace. To, čemu říkám první hlavní fáze digitální automatizace, fáze IT, datovaná od roku 1980 do roku 2016 a zaměřená na přijetí PC a průmyslové robotiky. V tomto období moje skupina v Metropolitan Policy Program v Brookings spolupracovala s Ianem Hathwayem, který není rezidentem v Brookings (zaměstnávající údaje poskytnuté Davidem Autorem), aby ukázali, jak se rozdílný dopad automatizace na typy úkolů na národní úrovni promítá do nerovnoměrných místních výsledků zaměstnanosti.9

Za prvé, náš pohled na národní profesní trendy v éře IT jasně ukazuje, jak růst mezd a změny zaměstnanosti v letech od roku 1980 odrážejí vyprázdnění kontinua dovedností, které zase odráží sníženou poptávku po středně kvalifikované, rutinní nebo opakující se práci – ať už fyzické nebo kognitivní povahy – vzhledem k tomu, že takovou práci nahrazuje stroj.

Růst mezd a zaměstnanosti byl nejpomalejší v zaměstnáních se střední mzdou

Celkově je velmi jasné, že jak růst zaměstnanosti, tak růst mezd se propadl uprostřed distribuce dovedností u povolání, jako jsou pomocní pracovníci ve výrobě a úředníci.

Za druhé, spojujeme tento národní vzorec s dopady komunity mapováním místního výskytu rutinní nebo opakující se práce v roce 1980. Výsledkem je vizuální zobrazení místní expozice pracím náchylným k automatizaci.

Rutinní podíl zaměstnanosti podle zóny dojíždění, 1980

Rutinní podíl zaměstnanosti podle zóny dojíždění, 1980

Zdroj: Brookingsova analýza Autor a Dorn (2013)

Mapa je přehledná. Zatímco na počátku éry automatizace byla rutinní práce rozšířena po celé zemi, nebyla rozložena rovnoměrně.

A tak to, co následovalo za posledních 35 let, bylo také nerovnoměrné. S rozšířeným přijetím průmyslových robotů a PC přišlo traumatické, místně proměnlivé narušení zaměstnanosti se střední mzdou v kombinaci s masivním přesunem středně kvalifikovaných pracovníků, často bez vysokoškolsky vzdělaných pracovníků, do služeb s nižšími mzdami. Zejména výrobní regiony a regiony orientované na kancelářskou administrativu – oblasti Středozápadu, Severovýchodního, Jižního a Západního pobřeží s nejvyšší koncentrací rutinního zaměstnání – byly také místy, která zaznamenala největší posun k zaměstnávání ve službách s nízkými mzdami v informačním věku.

Stručně řečeno, první éra digitální automatizace nebyla prostorově neutrální. Místa s největší expozicí rutinní práci – jako Detroit s jeho automobilovými továrnami nebo New York s miliony administrativních pracovníků – zaznamenala v éře IT jeden z největších nárůstů zaměstnávání ve službách s nižší kvalifikací. Jejich relativně velká rutinní, středně kvalifikovaná pracovní síla se dostala pod zvláštní tlak automatizace. Naopak metropolitní oblasti s nižším podílem běžného zaměstnání – jako Raleigh v Severní Karolíně s univerzitami a nemocnicemi – zaznamenaly méně dramatické změny na trhu práce.

Nyní se éra IT mění v éru AI prostoupenou výkonnějšími digitálními technologiemi, jako je strojové učení a další formy umělé inteligence. Což vyvolává otázku: Jak bude vypadat další fáze souhry mezi automatizací a zaměstnaností?

Ale to je počáteční éra automatizace IT. Nyní se éra IT mění v éru AI prostoupenou výkonnějšími digitálními technologiemi, jako je strojové učení a další formy umělé inteligence.10Což vyvolává otázku: Jak bude vypadat další fáze souhry mezi automatizací a zaměstnaností?

Abych to trochu osvětlila, moje skupina dále spolupracovala s Hathaway na analýze budoucích trendů ve fázi automatizace umělé inteligence pomocí odhadů, které poskytl McKinsey Global Institute týkající se náchylnosti povolání k automatizaci v příštích několika desetiletích. (Více o naší metodě viz náš článek tady ).

Znovu jsme propojili národní informace o předpokládaném dopadu automatizace na typy úkolů a povolání s informacemi o profesním mixu místních geografických oblastí, abychom mohli posoudit potenciální výsledky zaměstnanosti ve státech a metropolitních oblastech.

Co teď najdeme? Při pohledu na data, která zahrnují projekce vlivu umělé inteligence, se obraz budoucího dopadu na okupaci – a tím i na geografii – jeví trochu odlišný od toho z dřívějšího období.

Na národní úrovni má křivka popisující současný potenciál automatizace povolání (s expozicí stoupající po svislé ose) zřetelně nový vzhled v tom, že uvádí nejvyšší expozici pro role s nejnižšími mzdami (ty nalevo na vodorovné ose). ) se sníženým vystavením automatizaci tím více rostou mzdy (napravo od obrázku):

Nejméně placená zaměstnání jsou nejvíce vystavena automatizaci

Tato křivka vypadá jinak než ta předchozí, která vykresluje růst mezd a zaměstnanosti proti úrovni mezd, aby naznačovala tlak na automatizaci. Zatímco dříve byl obsah rutinních úkolů pod 20. mzdovým percentilem nízký, zde se největší potenciál pro budoucí automatizaci současných úkolů koncentruje u lidí s nejnižší mzdou. To částečně odráží dramaticky zvýšený předpokládaný nástup automatizace do sektoru služeb díky novým aplikacím umělé inteligence pro potravinářské provozy a administrativu kanceláří. Potenciál automatizace na úrovni úkolů mezitím neustále klesá, jak rostou průměrné mzdy. Osoby s vyššími příjmy obecně nadále čelí nízkým hrozbám automatizace na základě aktuálního obsahu úkolů – i když se to může změnit, protože AI začne vyvíjet tlak na některé nerutinní práce s vyššími mzdami. Přinejmenším jeden nový výzkum naznačuje, že by k tomu mohlo dojít.jedenáct

Když se nyní podíváme na geografii těchto trendů, znovu vidíme, že zatímco riziko automatizace bude pociťováno všude, jeho pronikání v éře umělé inteligence bude i nadále pociťováno na různých místech odlišně (ačkoli nyní je vzorec trochu jiný vzhledem k široké nové zranitelnosti služeb nižší třídy).

V tomto smyslu data o vystavení automatizaci v éře AI ukazují, že dopady automatizace budou nejničivější ve státech, okresech a městech Heartland. To jsou přesně tytéž regiony, které byly nejvíce zasaženy změnami v éře IT.

Průměrný potenciál automatizace podle krajů, 2016

Průměrný potenciál automatizace podle krajů, 2016

Zdroj: Brookingsova analýza dat BLS, Census, EMSI, Moodys a McKinsey

V tomto smyslu mohou být méně vzdělané státy a okresy Heartland specializované na výrobu a průmysl nižších služeb obzvláště tvrdě zasaženy automatizací v éře umělé inteligence, zatímco dobře vzdělané státy a okresy podél koridoru Boston-Washington a na Západě Pobřeží se jeví méně exponované.

Paralelně budou menší, méně vzdělané komunity relativně více bojovat s automatizací fáze AI, zatímco větší města s lepším vzděláním budou zažívat menší narušení. Takto to vypadá:

Průměrný potenciál automatizace podle metropolitní oblasti, 2016

Průměrný potenciál automatizace podle metropolitní oblasti, 2016

Zdroj: Brookingsova analýza dat BLS, Census, EMSI, Moodys a McKinsey

Podle mapy je v malých metropolitních oblastech, jako je Kokomo, Indiana a Hickory, Severní Karolína, potenciálně automatizovatelných více než 50 procent všech současných pracovních úkolů zaměstnanců. Naproti tomu podíl zranitelné práce ve vysoce vzdělaných a vysoce digitálních metrech, jako je San Jose v Kalifornii a District of Columbia, je pouhých 40 procent, respektive 39 procent. Celkově lze říci, že vyšší úrovně metropolitního vzdělání slouží jako ochrana před potenciálem automatizace fáze AI. Je to částečně proto, že vzdělávání podporuje druh komplexní mezilidské práce, kterou umělá inteligence spíše doplní než nahradí, a také proto, že dosažené vzdělání zlepšuje individuální i komunitní přizpůsobivost.

Stručně řečeno, šíření umělé inteligence – stejně jako dřívější fáze automatizace – může mít významné a různé místní dopady. Zatímco její příspěvky mohou být pro národ v souhrnu přínosem, její mzdové a dislokační účinky by mohly zasáhnout domov nesourodými, skutečnými a ne vždy vítanými způsoby – způsoby, které bude třeba uznat a adekvátně řešit.

nás. obchodní zástupce robert lighthizer

Boj proti geografii automatizace

Je tedy vhodné, že mnoho otázek vznesených umělou inteligencí nyní obklopuje bohatá národní diskuse, počínaje budoucností práce. Cenné jsou také bohaté debaty, které probíhají o tom, do jaké míry lze vytvořit algoritmy, které respektují základní lidské a demokratické hodnoty. Taková předvídavost je kritická.

Zásadní však bude také seriózní diskuse o geografických důsledcích automatizace a umělé inteligence.

Prostorové implikace AI také potřebují prominentní místo v diskuzi, protože nic menšího než teritoriální rovnováha národa může být ohroženo.

Zde uváděné geografické trendy naznačují, že prostorové implikace umělé inteligence také potřebují prominentní místo v diskusi, protože nic menšího než teritoriální bilance národa nemusí být ohroženo. Úsilí zajistit, aby éra umělé inteligence fungovala dobře na všech místech, bude také těžit z pokroku v řadě obecných, neprostorových agend, které vyzývají strany, aby přijaly růst a technologie, aby udržely vysokou životní úroveň, podporovaly neustálé učení se mezi pracovníky, usnadnit plynulejší přechod z jednoho zaměstnání do druhého a snížit těžkosti mezi jednotlivci, kteří mají problémy. (Viz zprávu Brookings, Automatizace a umělá inteligence: Jak stroje ovlivňují lidi a místa. )

Kromě toho však každá komplexní strategie pro maximální využití umělé inteligence bude muset také konkrétně řešit odolnost místních komunit. Jak by takové snahy měly vypadat? Zdá se, že zásadní jsou dvě strategie reakce a vyzývají vládu, průmysl a občanskou společnost, aby:

  • Zranitelné regionální ekonomiky odolné vůči budoucnosti.
  • Rozšiřte podporu pro přizpůsobení komunity.

Zranitelné regionální ekonomiky odolné vůči budoucnosti

Prvotním požadavkem je vybavit místa postižená technologií tak, aby se stala odolnější. Takové úsilí musí začít se zaměřením na budoucí pracovníky v těchto místech tím, že se budou snažit předat dovednosti, které vedou k práci odolné vůči automatizaci.

Zde se slibně ukazují regionální a státem vedené iniciativy.

Například program SkillUp v okrese Cuyahoga v severovýchodním Ohiu využívá místní firmy k usnadnění rozvoje regionálních dovedností pro poptávaná pracovní místa.12Program pomáhá firmám v regionu identifikovat budoucí potřeby pracovní síly prostřednictvím procesu strategického plánování, určuje dovednosti požadované pro tato pracovní místa a vyvíjí přizpůsobené cestovní mapy pro hodnocení stávajících dovedností pracovníků a usnadňuje školení na požadované pozice. Školení se zaměřuje na tři typy dovedností: měkké dovednosti, základní dovednosti a technické/pracovní dovednosti. Když se tyto dovednosti spojí, dělají se pracovníci lépe přizpůsobiví dopadům automatizace na trh práce. Empirické studie ukazují, že takové školicí programy pro zaměstnavatele jsou účinným způsobem, jak zvýšit produktivitu pracovníků, zaměstnanost a výdělky.13

Stejně tak Skillful State Network a Skillful State Playbook uvádějí kroky, které musí regiony podniknout, aby přeorientovaly svou pracovní sílu směrem k požadovaným dovednostem.14Toto úsilí bude nabývat na důležitosti, protože automatizace a umělá inteligence zvýší tempo změn úkolů a nařídí, aby si pracovníci osvojili nové způsoby práce se stroji nebo práce mimo ně.

Federální vláda by měla přeorientovat své finanční toky na podporu tohoto úsilí. To zahrnuje podporu místních řešení zdola nahoru a pobídky regionů, aby vzájemně sladily své systémy vzdělávání, pracovní síly a odborné přípravy a hospodářského rozvoje spolu se specifickými potřebami zaměstnavatelů a novým významem měkkých dovedností vyššího řádu. Cílem by mělo být vytvoření jasných, členěných kanálů získávání dovedností zaměřených přímo na zajištění toho, aby se regionální ekonomiky staly zdrojem odolných pracovníků schopných přinášet hodnotu v éře, kdy stroje dělají rutinní věci.

V souvislosti s tím by se vlády měly snažit urychlit přijetí inteligentních technologií regionálními ekonomikami a firmami, které pravděpodobně zůstanou pozadu, jako paralelní úsilí pomoci místům, aby se stala odolnějšími. To by mělo začít tím, že jak federální, tak státní vlády urychlí své rozšiřující mise tím, že budou více investovat do úsilí o rozšíření aplikací, přijetí a komercializace automatizace a inovací AI – včetně organizační transformace. Na této frontě nabízí úspěšná síť Manufacturing Extension Partnership (MEP) 50-státní a 30letý precedens pro vybavení malých a středních výrobních podniků technologicky vyspělejšími řešeními produktivity, a to i na venkově.patnáctV návaznosti na tuto historii nyní Spojené státy potřebují širší a odvážnější program ve stylu poslanců Evropského parlamentu určený k rozšíření aplikací špičkových technologií a umělé inteligence a organizačních transformací do všech koutů ekonomiky, včetně sektoru služeb.

Rozšiřte podporu pro přizpůsobení komunity

A přesto ani úspěšné snahy o podporu větší odolnosti komunit nezabrání na některých místech vážnější dislokaci. Některé regiony, zejména ty na menším konci rozdělení podle velikosti, by mohly utrpět vážné narušení hospodářství a trhu práce. Z tohoto důvodu musí federální a státní tvůrci politik doplnit úsilí o posílení místní odolnosti speciálními cílenými zásahy ke zmírnění nejhorších negativních dopadů automatizace.

Zde existují předchůdci, jako je Úřad pro ekonomické přizpůsobení ministerstva obrany (OEA) zaměřený na zmírnění dopadů uzavírání základen, program asistenta pro přizpůsobení Správy hospodářského rozvoje zaměřený na nepříznivé ekonomické změny a Kongresem financovaná Partnerství pro příležitosti a pracovní sílu a Program ekonomické revitalizace (POWER) zaměřený na komunity ovlivněné změnami v energetické politice.16Skromný rozsah těchto programů – a v některých případech nesouvislá koordinace – však omezuje jejich dopad. Může být zapotřebí silnější národní strategie.

Vlády by například mohly nasměrovat investice do vytváření pracovních míst do komunit a míst, která jsou nepříznivě ovlivněna automatizací, s vědomím, že některá místa pravděpodobně zaznamenají větší vysídlení než jiná.

Takové úsilí by mohlo začít sloučením zdrojů vlády a soukromého sektoru do postižených komunit a mělo by být doplněno úsilím o zvýšení poptávky po pracovní síle v těchto oblastech. Vlády by například mohly nasměrovat investice do vytváření pracovních míst do komunit a míst, která jsou nepříznivě ovlivněna automatizací, s vědomím, že některá místa pravděpodobně zaznamenají větší vysídlení než jiná.17Pomoci by mohlo umístění federálních nebo státních aktiv na taková místa – ve spojení se snahou podnítit podnikání zefektivněním předpisů.18Tak by mohly být explicitní regionální doháněcí programy.19

Jistě, tendence snah USA urychlit růst a rozvoj v problémových komunitách obvykle spočívala v poskytování malých ad hoc grantů mnoha místům, z nichž jen málo má vyhlídky na obrat. Efektivnější strategií by bylo nasměrovat rozsáhlé investice do několika oblastí s cílem nastartovat dynamický soubor nových regionálních center zaměstnanosti. Tímto způsobem by federální vláda mohla nasměrovat velké investice do přibližně 10 středně velkých a slibných metropolitních oblastí vybraných prostřednictvím konkurenčního procesu, které by byly prohlášeny za regionální póly růstu. Tato investice by sestávala ze sady výhod z výzkumu, daní, infrastruktury a ekonomického rozvoje od vlády a byla by spojena s odpovídajícími investicemi států a soukromého sektoru. Póly růstu by tak sloužily jako kotvy pro posílení růstu vysoce hodnotné zaměstnanosti v širším okolí.dvacet

Kromě toho je pravděpodobné, že k tomu, aby se některým těžce zasaženým lokalitám vyrovnaly se změnou úkolu, budou zapotřebí silnější nástroje – jako jsou iniciativy pro prostorové zacílení náborových kreditů, dotace pracovních míst nebo záruky pracovních míst. Takové podpory – zaměřené na nové zaměstnance (aby neposkytovaly neočekávané výhody na stávajících pracovních místech) – by byly zaměřeny na oblasti, které procházejí obzvláště bolestivými nebo pomalými úpravami, a přirozeně by motivovaly investice, aby se s pracovními místy spojily. Ekonomové tak různí jako Ed Glaeser, Larry Summers, Robert Litan a David Neumark potvrdili potřebu tak silných pro-pracovních intervencí v určitých problematických místech, kde automatizace utlumila poptávku po pracovní síle.dvacet jednaV tomto smyslu mohou vlády také zvážit iniciativy, které se zaměřují na investice podporující práci do těžce zasažených lokalit. Takové investice do potřebné infrastruktury nebo práce v oblasti energetické účinnosti by například měly doplňkovou výhodu ve vytvoření značného počtu pracovních míst se střední mzdou – druhu, který je nejvíce ohrožen novými technologiemi.22

Celkem

Závěrem lze říci, že národ musí do své rostoucí diskuse o výhodách a škodách umělé inteligence přidat geografické faktory. Jak jsme viděli, automatizace ve své počáteční digitální fázi od roku 1980 do současnosti přinesla celkové ekonomice důležité ekonomické zisky, ale také významné narušení, které nebylo rovnoměrně rozloženo. Nejpozoruhodnější je, že digitální automatizace ve své první fázi přispěla k významným narušením trhu práce a krizi kvality pracovních míst, které se promítly do nerovnoměrných výsledků místní zaměstnanosti – výsledků, které pravděpodobně přispěly k sociálním a politickým krizím současné dekády. Vzhledem k tomu, že tyto negativní dopady předpovídají v nadcházejících letech více stejných (nebo horších), může být období umělé inteligence ještě obtížnější. Potenciálně rychlejší šíření nových technologií umělé inteligence, jejich předpokládané pronikání do nových okupačních oblastí a jejich zjevná síla přetvářet firmy, průmyslová odvětví a místní trhy práce je činí současně obzvláště vzrušujícími jako technologie a potenciálně děsivými jako faktory regionálního narušení.

Národ se nyní musí zavázat k novému úsilí pomoci komunitám i pracovníkům přizpůsobit se změnám. Pokud se národ dokáže zavázat svým lidem tímto způsobem, bude se budoucnost plná strojů zdát v jeho nervózních oblastech mnohem snesitelnější.

Několik příštích desetiletí však nemusí opakovat zkušenosti z několika posledních. Ve skutečnosti se národ může skutečně poučit z období automatizace IT, aby se připravil na AI. Je například jasné, že k potlačení regionální nerovnováhy, kterou technologie v posledních desetiletích prohloubily, může být docela dobře zapotřebí záměrného, ​​koordinovaného postoje k přizpůsobení se zapojením federálních, státních a místních politiků, pedagogů, soukromého sektoru a občanské společnosti. V tomto duchu se národ musí nyní zavázat k novému úsilí pomoci komunitám i pracovníkům přizpůsobit se změnám. Pokud se národ dokáže zavázat svým lidem tímto způsobem, bude se budoucnost plná strojů zdát v jeho nervózních oblastech mnohem snesitelnější.