人工智能最终会完全替代就业吗

程承坪

一、引言

自从1956年首次在美国提出“人工智能”(Artificial Intelligence，缩写成AI)的概念至今已有60多年的历史，但直到最近几年AI才逐渐引起世人的广泛关注，主要在于近几年AI在硬件化、数据化及商业化三个方面取得了积极进展。这种进展使得AI具有巨大的技术辐射效应，正如习近平同志在2018年10月31日中共中央政治局就人工智能发展现状和趋势举行的第九次集体学习时所指出的，人工智能是引领这一轮科技革命和产业变革的战略性技术，具有溢出带动性很强的“头雁”效应。放眼全球，AI正被推向全球经济发展的制高点，有可能重构世界经济发展的格局。

从2008年全球性经济危机爆发以来，世界经济增长缓慢，许多国家失业率高企，又值AI蓬勃发展，勾起了人们对过往技术进步替代就业历史的苦涩回忆，加之某些媒体夸大其词地发布各种有关AI技术的发展前景及其替代就业预测的新闻，从而引起大众对AI替代就业的恐慌与焦虑。

大众关心AI会在多大程度上替代就业，甚至忧虑AI最终会完全替代就业，导致劳动者成为AI时代的“无用阶级”。正确地回答AI最终会不会完全替代就业这个问题，一方面有助于澄清事实真相，使大众理性地看待AI的发展，并积极应对AI发展对就业的挑战；另一方面有助于大众积极顺应、促进AI的发展，贯彻落实国务院颁发的《新一代人工智能发展规划》以及《关于积极推进“互联网+”行动的指导意见》等文件精神，使中国在新一轮科技革命和产业变革中走在世界前列。

要正确地回答AI是否最终会完全替代就业这个问题，首先必须厘清AI影响就业的机理。现有研究文献认为，AI作为一种技术进步，满足技术进步影响就业的一般规律：既具有就业替代效应，使就业减少，也具有就业创造效应，使就业增加；[注]王君、张于喆、张义博等：《人工智能等新技术进步影响就业的机理与对策》，《宏观经济研究》2017年第10期。段海英、郭元元：《人工智能的就业效应述评》，《经济体制改革》2018年第3期。一般而言，短期就业替代效应大于就业创造效应，长期就业替代效应小于就业创造效应。AI影响就业既有经济原因，也有非经济原因；[注]程承坪、彭欢：《人工智能影响就业的机理及中国对策》，《中国软科学》2018年第10期。AI既满足技术进步影响就业的一般规律，也具有其影响就业的特殊性，[注]程承坪、彭欢：《人工智能影响就业的机理及中国对策》。特殊性表现在，AI既替代人的体力，也替代人的智力。因此，单纯地从AI影响就业的机理来看，存在AI完全替代就业的可能性。

其次要明确AI完全替代就业需要具备的条件。我们认为，AI完全替代就业需要同时具备三个条件：一是人类能做的事，AI也能做；二是人类能做的事，AI比人类做得更好；三是人类能做的事，AI能以更低的成本做。

前述三个条件中第一个条件是核心，如果这个条件满足，第二个条件和第三个条件迟早也是能够满足的，因为AI比人类的可塑性更强，随着技术进步，AI的能力会越来越强大、制造成本会越来越低。

第一个条件是否满足，取决于人类智能与AI的智能是否有区别。假设人类智能集为A，AI的智能集为B，根据排列组合理论，如果人类智能与AI的智能有区别，则可以分成4种区别形式：1.A∩B≠ф(ф为空集)，且AB∧BA；2.A∩B=ф；3.A⊆B；4.A⊇B。

从现实出发，在上述4种区别形式中，第2种和第4种区别不符合现实。对于第2种形式的区别，因为事实上有许多事情人类能做，AI也能做，因而存在两者智能的交集而不是空集。对于第4种形式的区别，由于现实中有些AI能做的事人类不能做，譬如人类只能识别可见光，而AI理论上可以识别所有波长的光。

如果第1种形式的区别属实，那么AI只能有限度地替代就业而不能完全替代就业；如果第3种形式的区别属实，那么AI就可以完全替代就业。

根据排除法则，如果我们证明了或否证了第1种形式的区别，就等于否证了或证明了第3种形式的区别。因此，只需要论证其中一种形式的区别即可，本文选择论证第1种形式的区别。

关于第1种形式的区别，徐献军指出了AI理性主义表征化理路的局限性，认为非形式化、非表征的人类智能是AI的极限；[注]徐献军：《人工智能的极限与未来》，《自然辩证法通讯》2018年第1期。布莱克(M. Brindcker)提出，人类的认知不仅仅在于大脑思维，人类的行为和意识具有系统性、具身性，不能做还原论解构，AI模仿大脑神经元系统的工作思路存在难以克服的困难；[注]M. Brincker，“Dynamics of Perceptible Agency: The Case of Social Robots”， Minds and Machines, No.4 (2016).著名认知科学家屈森斯(A. Cussins)指出了AI与人类具有不同的物质基础；[注]玛格丽特·博登：《人工智能哲学》，刘西瑞译，上海译文出版社2001年版，第502页。程承坪和李雨佳分析了AI与人类不同的工作机理；[注]程承坪、李雨佳：《人工智能不能动摇社会主义市场经济体制》，《学术界》2018年第9期。约翰·卢卡斯(John Lucas)证明了AI作为一种形式系统的不完备性。[注]John Lucas，“Mind, Machine and Gödel”，Philosophy, No.36 (1961).

为了证明第1种形式的区别，本文充分吸收了前述文献的理论智慧，在此基础上，我们进一步地指出，人类智慧是演进的结果，与四维世界相同构，而AI只是一维的形式化表征系统，与四维世界不同构，存在明显的局限性。本文进一步从数据化、符号化和还原论三个角度来阐明AI理性主义理路的局限性。基于哥德尔定理，我们认为，AI是一种不完备的形式系统，人类实际上也是不完备的形式系统，但人类形式系统比AI形式系统更高阶，人类形式系统的不完备性主要表现在无法实现科学的心理活动，这或许正是人类社会丰富多彩的重要原因，心理活动也是AI发展的极限。

二、AI发展阶段与鲍莫尔成本病

由于AI是不断发展的，处在不同发展阶段上的AI对就业的影响有较大的差别，因此阐述AI的发展阶段有助于为处在不同发展阶段上的AI影响就业提供有针对性的对策建议。鲍莫尔成本病(Baumol’s Cost-Disease)能否得到根治不但与服务业的效率能否得到提高相关，也与AI能否完全替代就业相关。

1.AI的发展阶段

学术界根据AI工作能力的强弱，把AI的发展划分成几个阶段，但一般认为可划分成“两个阶段”或“三个阶段”。

“三个阶段”说认为，第一个阶段属于弱人工智能阶段，该阶段的AI只擅长某一方面的工作，譬如下棋、语音识别、人脸识别、指纹识别等，也被称为专用人工智能(Special AI)。随着AI制造技术的不断完善，AI将越来越小型化、成本不断下降、价格越来越便宜，它将充斥于我们生产和生活的方方面面。正如尼尔·斯蒂芬森(Neil Stephenson)在小说《钻石时代》里所描述的，人们被“智能灰尘”包围，无数个微型机器人，每一个都只掌握人类的一种功能，满足人类不同的需求。

第二个阶段属于强人工智能阶段，该阶段的AI，其显著特征是具有通用功能，也被称为通用人工智能(General AI)，并且其通用能力基本上可以与人类相当，某些单一方面的能力超过，甚至远远超过人类。强人工智能可以被视为把具有单一功能的模块通过一定的程序或机制集合在一起，根据实际需要在不同功能模块之间加以切换。[注]皮埃罗·斯加鲁菲：《智能的本质》，任莉，张建宇译，人民邮电出版社2017年版，第180页。

第三个阶段是超人工智能阶段，该阶段的AI不仅具有像人类一样的通用性能力，而且各方面的能力都远远超过人类，不但具有超强的理性能力，还具有情感意识和创造能力。[注]刘奇：《人工智能:引出诸多可期可虑的社会课题》，《北京日报》2017年9月25日。

“两个阶段”说认为，超人工智能阶段是不可能实现的。超人工智能阶段是否能够实现，目前学术界没有达成共识。基于后文的论证，我们认为，超人工智能阶段是不可能实现的。

目前AI在整体上处于弱人工智能阶段的早期阶段，不但不具有通用性，[注]程承坪、李雨佳：《人工智能不能动摇社会主义市场经济体制》。而且完成单一方面的工作也非尽善尽美，虽然有些方面的工作比人类做得更好，譬如下围棋、数据计算等方面，但更多方面的能力还有待进一步提高。

目前AI对人类就业的影响还十分有限，随着AI单一方面能力的不断提高以及AI生产成本的不断下降，一些常规性、重复性、程序性的工作可能被AI大量替代，这些工作随着被AI的大量替代，工作效率将大幅度提高。随着AI比较经济效益的提高，将鼓舞人们大量运用AI、投资AI的研发，进一步拓展和提高AI的能力，由弱人工智能的早期阶段向中后期阶段发展，并向强人工智能阶段迈进。

把AI推向强人工智能阶段的因素，除了前述原因以外，还与AI具有较强的就业空间极化效应和技术极化效应有关。[注]程承坪、彭欢：《人工智能影响就业的机理及中国对策》。虽然以往的技术进步也存在就业空间极化效应和技术极化效应，但主要囿于有限的范围内，相比之下，AI会形成国际间的就业空间极化现象和技术极化现象。[注]程承坪、彭欢：《人工智能影响就业的机理及中国对策》。因此，各个国家都纷纷推出自己的AI国家发展战略，譬如现有美国、德国、日本、英国、韩国、中国等国出台了AI发展的国家战略，旨在抢占AI发展的国际制高点，实现有利于本国就业的目的。

2.AI与鲍莫尔成本病

经济学界比较关注鲍莫尔成本病问题，原因在于它涉及第三产业生产效率是否能够因AI的发展而得到根本性改观。而大众关注鲍莫尔成本病问题，更直接的原因在于担心AI最终会完全替代就业。因为根据包括AI在内的技术进步的发展态势判断，第一产业和第二产业的生产迟早会自动化、无人化，人类将被排挤到第三产业就业，如果仅剩的第三产业就业的机会都消失了，劳动者担心自己将沦为AI时代的“无用阶级”。

包括中国在内的许多国家，产业结构不断升级，第一产业和第二产业的产值比重和就业比重不断下降，第三产业的产值比重和就业比重不断上升。然而，第三产业与第一产业和第二产业有所不同的是，第三产业主要是服务业，服务业与生产制造业最显著的不同点在于服务业是高度劳动密集型的，许多服务业存在劳动过程就是劳动产品的特点，譬如理发服务、餐饮服务、娱乐休闲、艺术表演等，因此，此类服务业劳动效率难以像第一产业和第二产业那样不断地提高。正是基于对服务业劳动效率难以提高的现实的观察和思考，美国经济学家鲍莫尔(William J. Baumol)于1967年在《美国经济评论》上发表了《非均衡增长的宏观经济学：城市病的剖析》的著名论文，该文阐述了著名的被学术界以鲍莫尔名字冠名的“鲍莫尔成本病”现象：由于服务业生产率相对较低，名义工资的上升会使服务业生产成本提高，若经济均衡发展，则劳动力将会向服务业转移，整体经济增长率将会下降。[注]W. Baumol, “Macroeconomics of Unbalanced Growth:The Anatomy of Urban Crisis”，American Economic Review，No.3(1967).尽管后来人们从理论和实证两个视角进行了大量的针对鲍莫尔成本病问题的研究，但并没有得出学术界一致认可的观点。服务业的外延较广，虽然不是所有的服务业都存在鲍莫尔成本病现象，[注]陈步峰：《现代企业服务转型的新趋势》，《企业文明》2011年第2期。但不可否认，不少服务业确实存在鲍莫尔成本病现象。半个多世纪以来，鲍莫尔成本病困扰了第三产业的发展，特别是具有“劳动过程就是劳动产品”特点的服务业的发展。

由于AI具有一定程度的自主性，而且AI的发展前景良好，因此，人们似乎看到了AI治愈鲍莫尔成本病的曙光。谭洪波在《光明日报》上撰文认为，“人工智能的出现和发展将会彻底改变鲍莫尔病存在的基础”，因此他断言AI能够根治鲍莫尔成本病。[注]谭洪波：《人工智能能够根治鲍莫尔病吗？》，《光明日报》2017年12月19日。如果谭洪波的断言是正确的，那么就意味着“人工智能最终能完全替代人类就业”。对此断言既有乐观者，也有悲观者。乐观者认为，如果果真如此，就意味着人类可以完全从生产活动的束缚中解放出来，财富将会“涌流”，马克思意义上的“自由人的联合体”将有可能实现。[注]高奇琦：《人工智能、人的解放与理想社会的实现》，《上海师范大学学报(哲学社会科学版)》2018年第1期。悲观者认为，即使财富“涌流”了，但不属于劳动者，劳动者将全部失业，沦为AI时代的“无用阶级”，如果解决不好财富分配问题，收入分配差距将会变得越来越大，人类社会不是变得更好而可能是变得更加糟糕。乐观者认为，人类有智慧解决财富生产问题，就有智慧解决财富分配问题。换言之，在乐观者看来，财富生产是解决财富分配问题的充分条件。然而历史的经验教训反复证明，财富生产既不是解决财富分配问题的充分条件，也不是必要条件。

根据本文第三部分的论证，我们认为AI不可能根治鲍莫尔成本病，从而证明了某些第三产业的生产效率不会因为AI的发展而得到根本性提高，这有助于回应经济学界的关切；同时也证明了，从技术角度而言，AI时代仍然有就业的空间，劳动者不会沦为AI时代的“无用阶级”，这有助于消除大众的顾虑。

三、AI与人类的区别

本文从存在基础、物质基础和工作机制以及形式系统三个方面论证AI与人类的区别。

1.AI与人类的存在基础不同

从哲学角度而言，AI是一种理性存在物，而人类却不完全是理性的存在。

从AI发生、发展的历程来看，理性主义是其哲学基础。[注]徐献军：《人工智能的极限与未来》。理性主义传统可追溯到古希腊哲学。苏格拉底(Socrates)认为，智慧是可以被清晰定义或形式化的。柏拉图(Plato)把全部推理都还原成明晰的规则，把世界还原为不需要解释地运用这些规则的基本事实。古希腊哲学区分了本质与现象，认为现象是不真实的，只有运用理性才能把握永恒不变的本质——理念世界，由此获得对真理的认识。[注]梯利：《西方哲学史》，葛力译，商务印书馆1995年版，第65页。古希腊人的自由就是知识论意义上的自由，是认识到了事物的本质规定的自由。正如承继了古希腊自由理念的斯宾诺莎(Baruch de Spinoza)和黑格尔(Georg Wilhelm Friedrich Hegel)所说的，自由是对必然的体认，自由就是服从理性。爱因斯坦(Albert Einstein)指出：“西方科学的发展是以两个伟大的成就为基础的：希腊哲学家发明的形式逻辑体系(在欧几里得几何学中)，以及(在文艺复兴时期)发现通过系统的实验可能找出因果关系。”[注]吴国盛：《什么是科学》，广东人民出版社2016年版，第60页。

理性主义认为，事物都是由属性和关系构成的，只要搜集关于事物的属性和关系的信息，构建相应的表征模型，就能复制或还原事物及其行为。知识就是表征的存储库，而表征可以用于推理，并被翻译为语言，思维就是操控表征的进程。[注]T. Winograd and F. Flores，Understanding Computers and Cognition:A New Foundation for Design，Ablex，1986，p.73.

AI的发生和发展就遵循着这种理性主义传统，把物理世界和人类行为形式化、符号化、还原化。德雷弗斯(H. Dreyfus)认为，物理符号系统可以通过遵循形式规则的符号操作，来产生智能行为。[注]H. Dreyfus，What Computers Still Can’t Do: ACritique of Artificial Reason，MIT Press，1972，pp.177-178.目前较为流行的AI深度学习就是一种基于人工神经网络的数据表征与处理方式。AI遵循形式化、符号化、还原化的理性主义哲学思维，把人类的行为理解成与情境无关的离散元素所进行的、遵循规则的计算，认为世界是由最基本的非歧义的要素构成的，只要找到了这些要素，AI就能自动工作。

然而，人却不完全是一种理性的存在物。人既有理性，又有心性和灵性。心性不同于理性，它包括情感、情绪、态度等，灵性就是灵感。[注]於兴中：《算法社会与人的秉性》，《中国法律评论》2018年第2期。心性和灵性并不遵循理性主义的逻辑思维模式，它有自己独特的发生学进路和行为方式。正因如此，“目前世界上只有人类才具有真正意义上的心灵”。[注]颜青山：《深度“汉字屋”与通用人工智能的两难》，《上海师范大学学报(哲学社会科学版)》2018年第5期。

形式化、符号化虽然符合理性主义对科学知识确定性的追求，但是它会抹杀事物质的差别。意义是建立在质的差异上的，抹杀质的多样性会导致意义的消失。正如亚里士多德(Aristotle)所指出的，数学化、形式化固然重要，但在把握事物本原方面并不是最重要的，因为它只处理事物量的方面，而事物质的方面更重要。[注]吴国盛：《什么是科学》，第174—175页。

AI是以数据、符号为导向的，把各种事物、行为数据化、符号化。数据、符号都是一维符号系统，但世界却是四维的，两者不能形成同构，[注]梅剑华：《理解与理论：人工智能基础问题的悲观与乐观》，《自然辩证法通讯》2018年第4期。因而用一维的数据或语言系统来描述四维的世界必定是捉襟见肘的。一维的数据或符号在把四维的世界图景映射过来时，必然会丢失一些重要的细节和信息。人脑在长期的演化过程中逐渐形成了与四维世界同构的思维能力。瑞士苏黎世大学人工智能实验室主任普菲尔(Rolf Pfeifer)教授认为，人的智能既有表征能力，又有非表征能力，与四维世界能够较好地同构。[注]徐献军：《具身人工智能与现象学》，《自然辩证法通讯》2012年第6期。心理学家詹姆斯(William James)提出的“意识的边缘”概念、现象学家胡塞尔(Edmund Gustav Albrecht Husserl)提出的“被动发生”概念以及物理化学家和哲学家波兰尼(Michael Polanyi)提出的“默会知识”概念等，[注]徐献军：《人工智能的极限与未来》。都旨在说明有些心理现象是难以形式化的，因而也是难以传递的。

事实上，人类的很多意识和行为是不可表征的。根据认知神经心理学的研究，人类思维只有少部分可以通过语言或绘画加以表征，而人类文字的表征能力又弱于语言或绘画，计算机数码和算法的表征能力又弱于文字。从表征能力角度而言，可以写成表征能力渐弱的梯级层次：人类思维≫人类语言和绘画≫文字≫计算机数码和算法。[注]程承坪、邓国清：《大数据与社会主义市场经济体制》，《探索与争鸣》2018年第4期。因此，约翰·塞尔(J. R. Searle)指出：“如果心当真是一台计算机，它的运算必须用语法来定义，然而，意识、思想、感情、情绪以及心理的所有其他特征远非语法所能包容。不管计算机的模拟能力有多强，按照定义，它也不能复制那些特征。”[注]约翰·塞尔：《心、脑与科学》，杨音莱译，上海译文出版社1991年版，第28页。

除了上述数据化、符号化以外，还原论也是理性主义的重要特征。还原论旨在把整体还原为局部、宏观还原为微观、复杂还原为简单、质还原为量。还原论虽然可追溯到古希腊理性主义哲学，但现代还原论主要源自18世纪牛顿经典力学，该理论认为“整体要在部分层面上得以解释”。[注]霍奇逊：《演化与制度：论深化经济学和经济学的演化》，任荣华译，中国人民大学出版社2007年版，第136页。虽然牛顿经典力学及其还原论思想对后世自然科学甚至社会科学的发展都产生了巨大的积极影响，但其还原论思想的局限性也一直受到诟病。18世纪之后出现的量子力学、涌现理论、系统理论等，都说明许多宏观现象、整体现象不能还原为微观现象、局部现象的叠加。譬如水的许多特性不能从其分子构成的氧原子和氢原子的性质中得到说明，人的行为也不能完全从人的基因中得到说明。但物理主义者认为，心灵活动可以还原为大脑思维。结构主义者进一步认为，大脑神经系统的结构决定人的心理，只要解构大脑神经系统的结构，就可以实现对大脑思维的模仿，从而使AI具备人类一样的心灵活动。然而，许多神经认知科学家认为，人类并不完全依靠脑来思维，身体对人类的思维有着不可忽视的影响。[注]徐献军：《具身人工智能与现象学》。皮埃罗·斯加鲁菲(Piero Scaruffi)认为，应去除大脑中心论，要用身体来定义人类，大脑仅仅是人的一个器官。[注]皮埃罗·斯加鲁菲：《智能的本质》，第24页。法国现象学家和心理学家梅洛·庞蒂(Maurice Merleau-Ponty)提出“具身”概念，认为具身认知的本质是由身体、知觉和世界组成的一个统一整体，认知是身体活动产生的，而不只是大脑对信息的加工。[注]目前有部分AI技术专家接受了这种批评，初步研究出了具身AI，在不断提高AI“智能”的基础上，不忽视具身认知的作用，并努力赋予AI“情能”。参见殷杰，张祯：《身体与道德发生机制的认知维度探析》，《科学技术哲学研究》2018年第2期。

2.AI与人类的物质基础和工作机制不同

比较AI及人类的物质基础可以发现，AI是由硅等无机物构成的，而人类是生物体，由有机物构成。即使人类完全明了人类的脑神经系统的结构，以及身体结构，AI可以完全模仿它们，但由于物质基础不同，AI也不可能完全模仿人类的行为，因为系统的功能既取决于结构，也与物质基础有关。

比较AI与人类的工作原理，我们发现，AI与人类生命体的工作原理有很大的差异：人类生命体由染色体上核苷酸序列依据特定的机制驱动，具有自主性；而AI的行为取决于0 /1的二进制符码的编排，AI接受人类的指令而被动地工作。人类的思维是由肉体的生理电波驱动的，AI依靠非生理电波工作。人类的心理状态受生物化学成分“激励”，具有多种情绪表现。譬如，多巴胺主导快乐和喜悦，乙酰胆碱主导焦虑和不确定性，血清素主导痛苦和悲哀，去甲肾上腺素主导新奇和兴奋，等等。而AI不受情绪影响，行为是稳定的。[注]程承坪、李雨佳：《人工智能不能动摇社会主义市场经济体制》。即使AI模仿人类的情绪性行为，这种行为也不是真正的“情绪”，而是来自“情绪”指令，犹如舞台上的演员，其喜怒哀乐皆出于剧本需要。一个人的知识和信仰是社会适应和文化演化的结果，不要说AI无法复制一个人的智慧和信仰，即便是克隆人，至多是复制一个人的躯体，不可能复制一个人的历史和经验。人具有社会性和文化性，而AI只具有自然性和机械性，AI最多能复制大脑的结构或强化大脑的局部功能，执行人类赋予的指令，它不可能考虑指令的社会意义和社会后果。[注]张劲松：《人是机器的尺度：论人工智能与人类主体性》，《自然辩证法通讯》2017年第1期。因此，需要承担责任的工作，AI只能充当助手，不能作为一名公民承担主体责任，AI只能是人类的工具。

3.AI与人类是不同的“形式系统”

AI与人类是两种不同的“形式系统”。分析哲学家和许多AI专家认为，科学的心理状态可能会实现。但现象学家持反对意见，他们认为所有的科学概念都来自有意义的意识，所以不能用来解释意识。假设存在一个独立于人类思想的真实意识世界且认为科学可能发现这个世界的客观属性，那这一假设是荒谬的。玛格丽特·博登(Margaret A. Boden)认为，纯形式主义理论不能解释心理特性。[注]玛格丽特·博登：《人工智能的本质与未来》，孙诗惠译，中国人民大学出版社2017年版，第169页。

根据哥德尔不完备性定理，由于AI是一个形式系统，因此AI必定是不完备的。1961年，约翰·卢卡斯发表了《心灵、机器与哥德尔》的论文，推进了哥德尔不完备性定理，并据此指出，作为一种形式系统的机器永远无法跳出“哥德尔陷阱”，人类能够辨别哥德尔语句的真假，但机器无法做到，人的心理活动不是一台计算机。[注]刘大为：《哥德尔定理：对卢卡斯-彭罗斯论证的新辨析》，《科学技术哲学研究》2017年第10期。从这一角度而言，人类是比AI更高阶的形式系统。但人类作为一个形式系统，也具有不完备性，人类自身的一些现象人类无法给出科学的解释。正因如此，康德(Immanuel Kant)说：“故我发现其为信仰留余地，则必须否定知识。”[注]温纯如：《康德的一条哲学名言辨正》，《哲学动态》1989年第7期。我们理解康德的意思是，知识无法解释信仰，这正是人类作为一个形式系统不完备性的表现。爱因斯坦说：“宗教没有被科学取代，科学不能解决人类信仰的问题。”[注]钟科文：《“科学没有宗教是跛足的”什么意思？》，《科学与无神论》2001年第2期。科学追求一元性，而信仰则是多元的，多元的信仰造就了丰富多彩的人类社会。AI本质上是一个科学知识系统，信仰等心理活动是其发展的极限。

综上所述，可以把AI与人类的差别做如下概括：AI是一种理性的存在物，而人类却不完全是理性的，人既有理性，又有心性和灵性；AI是一维的表征化系统，与四维世界不同构，丰富多彩的世界难以被AI表征化，而人类思维经长期演化，适应了四维世界，可以反映丰富多彩的世界；AI是由硅等无机物构成的，而人类是生物体，由有机物构成；人类由生物化学物质驱动，具有自主性，而AI受人类编写的程序驱动，具有被动性；尽管人类和AI都是不完备的“形式系统”，但人类是比AI更高阶的“形式系统”，人类有信仰，而AI没有。

基于前述研究结论，我们认为，AI与人类智能存在第1种形式的区别，即A∩B≠ф(ф为空集)，且AB∧BA。这意味着AI只能有限度地替代就业，不可能完全替代就业，也不可能根治鲍莫尔成本病。

四、不同发展阶段上的AI对就业的影响及对策

依据第三部分的分析，笔者认为AI不能实现超人工智能。因此，本文把AI划分为弱人工智能和强人工智能两个发展阶段，依此分析对就业的影响，并提出对策建议。

1.弱人工智能阶段的AI对就业的影响

针对AI影响就业的分析，我们从AI的就业替代效应和就业创造效应两个方面展开。

(1)弱人工智能阶段的AI就业替代效应

处于弱人工智能阶段的AI，也有一个功能发展完善以及制造成本不断降低的过程。目前AI处于功能发展完善和制造成本不断降低的早期阶段，其应用主要针对具有较大规模效益的领域，以及人们不愿意从事的“险”“脏”“累”工作。随着AI技术的发展，以及一些用工成本较高的可重复的单一技术劳动岗位将逐步被AI替代，这既包括体力劳动，也包括脑力劳动。如果劳动力成本上升较快，那么就存在用AI替代劳动的技术需求和压力，一些具有规模效应的制造业可能会首先受到冲击，这些工作岗位通过分解成若干道单一技术工序而被AI替代。受成本约束，不具有规模效应，且涉及多个技术步骤的个性化生产难以被AI替代。除了极少数技术较为单一的服务业，其鲍莫尔成本病能够得到治愈或缓解以外，大多数技术要求较高且较为复杂的服务业的鲍莫尔成本病不可能得到治愈。

(2)弱人工智能阶段的AI就业创造效应

一方面，由于AI对生产效率的提高具有显著的成效，因此世界各国、各地区必定会竞相发展AI；另一方面，在国家之间以及国内不同区域之间存在发展AI的就业空间极化现象，[注]程承坪、彭欢：《人工智能影响就业的机理及中国对策》。因此各地也会基于促进本地区就业的目的而大力投资AI的发展。AI由三个要素构成：芯片、算法和数据。开发新形式的芯片或开发功能更强大的芯片，开发新算法、完善现有算法，发展、生产数据获取的设备等方面，将创造大量就业。同时，推广应用AI、维护AI运行以及为AI健康使用创造基础条件等方面也将创造大量的新就业岗位。

根据弱人工智能阶段AI的特点，只要政府对提高劳动力素质较为重视，总体而言，AI的就业创造效应会大于其就业替代效应，但对劳动力素质难以提高或不愿意提高的劳动者，AI的就业替代效应对他们的影响可能较大，需要尽早做好防范、化解就业替代效应带来的社会风险的制度安排。

2.强人工智能阶段的AI对就业的影响

(1)强人工智能阶段的AI就业替代效应

从技术进步角度而言，强人工智能阶段与弱人工智能阶段的划分只是理论上的，现实中必定存在交叉现象。由于强人工智能具有通用性，因此许多工作即使不能分解或分解不具有规模经济，也能被AI替代。随着技术进步，AI的技术水平会不断提高，同时其制造成本会不断降低，从理论上说，凡是从技术上AI能做的工作，相应的就业岗位都有可能会被AI替代。但根据前文第三部分的分析，人能做的许多工作AI不能做，即存在AI对就业替代的技术极限，譬如艺术创作、情感交流、科学创造以及需要承担即时决策责任的工作，等等。

(2)强人工智能阶段的AI就业创造效应

即使在强人工智能阶段，AI也会创造大量的就业。由于人类的需求是开放的，会随着经济社会的发展而不断扩展、提高，[注]程承坪：《分工及其深化的原因探析》，《经济与管理评论》2015年第1期。这就需要不断地研发、生产新的能够满足人类新需求的AI，或者拓展AI的新功能。与此同时，AI把人类从繁重的一般性劳动中解放出来，使得人类可以更深入、更广泛地从事探究世界奥秘、扩展人类精神空间的工作，这就会创造许多新形式的适合人类的工作岗位。当然这其中很多的工作可以通过人机合作的方式进行，因为人类与AI各有优势和不足，互补兼容、取长补短可以增强人类的能力，拓展人类的思想空间和生存空间。

由此我们可以看到，即使到强人工智能阶段，也不可能完全根治鲍莫尔成本病，仍然存在大量的人类就业岗位。

3.减少AI就业替代效应、促进AI就业创造效应的对策建议

(1)AI基础理论研究与应用研究并重

从就业角度而言，AI的发展存在国际空间就业极化现象，抢占AI发展的国际制高点，有利于促进中国AI的就业创造效应。目前中国在AI的开发应用方面取得了积极成效，但在AI的基础理论研究方面与美国等发达国家相比还有较大的差距。[注]程承坪、彭欢：《人工智能影响就业的机理及中国对策》。2018年10月31日，习近平同志在中共中央政治局就人工智能发展现状和趋势举行的第九次集体学习时指出，要加强AI基础理论研究，支持科学家勇闯AI科技前沿的“无人区”，努力在AI发展方向和理论、方法、工具、系统等方面取得变革性、颠覆性突破，确保中国在AI这个重要领域的理论研究走在前面、关键核心技术占领制高点。同时还要进一步加强AI应用研究，以问题为导向，充分发挥中国数据量巨大和消费市场巨大的应用规模优势，积极培育AI创新产品和服务，促进AI技术产业化，形成科技创新和产业应用互相促进的良好发展局面。

(2)加大AI基础教育和职业技能培训的力度

AI是新一轮科技革命和产业变革的重要驱动力量，夯实基础，提高劳动者素质，既有利于促进中国AI技术的发展，也有利于减少AI的就业替代效应。在义务教育阶段，应尽早开设AI通识课；职业技术院校应增加AI技能培训课程，培养AI应用型人才；应鼓励高等学校围绕AI增设相应专业，培养AI基础人才和AI跨学科人才，夯实中国AI人才基础。对转岗和失业再就业人员的培训，应增加AI基本技能培训的内容，对接AI快速发展对AI技术人才的需求。

(3)扩大AI产业化规模和领域，创造新的就业机会

扩大AI产业化规模和领域有利于促进AI的就业创造效应。过去几年，世界AI产业发展在三大方面取得了积极的成效：一是硬件化方面，二是数据化方面，三是商业化方面。在硬件化方面，智能机器人、智能音箱、智能家居、自动驾驶以及智能安防等方面都创造了佳绩，但这些方面发展的空间仍然很大，技术还有待进一步成熟。在数据化方面，由于大数据是AI的“养料”，许多AI公司积极挖掘大数据资源，促进了传感器和移动设备产业的发展，以及大数据挖掘人才的培养。大数据产业化发展还有很大的空间，许多领域的大数据有待开发和利用。譬如利用大数据服务于乡村振兴战略，利用大数据提高政府行政能力和社会服务能力，提高就业率，更好地促进经济社会的发展。同时由于许多大数据涉及个人隐私，因此，规范大数据的使用也将创造许多工作岗位。在商业化方面，过去几年AI在安防、金融、保险、教育、智慧城市、智能汽车、互联网服务、语言翻译、商品零售、健康医疗、助残养老、游戏娱乐以及工业制造等许多领域取得了积极成效，今后AI不但在这些领域的商业化会继续得到发展，而且还会快速拓展到其他领域，深入到人类工作和生活的方方面面。

(4)完善社会保障制度，防范社会风险

一方面，AI的快速发展导致的就业替代效应，会使许多知识技能更新慢的劳动者面临失业的风险，需要完善社会保险制度加以兜底以防范社会风险；另一方面，在AI时代，就业形式与过去会有较大的变化，过去以正规就业为主，而AI时代非正规就业将逐渐成为普遍现象，在AI时代对就业和失业需要重要界定，相应地，社会保障制度也要与时俱进地改革和完善。

AI时代如果收入分配制度不改革、不完善，有可能扩大收入分配差距。过去收入分配差距扩大主要是由资本对劳动的分配优势造成的，而AI时代既有资本对劳动的分配优势，又有不断加速的就业技术极化带来的高劳动技能对低劳动技能的分配优势，这两者叠加有可能进一步放大收入分配差距。因此，要前瞻性地完善社会保障制度，防止收入分配差距的不断扩大，以防造成重大的社会风险。