“AI 监工”将人类将处于被管辖和被监督之下

  技术带来整体社会福利增加的同时，也正在带来一系列新的问题。目前来说，与是否会取代人类这类“玄学”问题而言，当下最现实的一个问题就是人和 AI 的协作问题了。

  不久前，人物杂志的一篇《外卖骑手，困在系统里》的文章，正指出了这一困局。AI 系统明显提升了外卖骑手接送订单的能力。借助 AI算法，平台可以最优化地安排订单，也能给骑手规划最合理的路线。但出于平台、骑手和用户三方效率最大化的目标，AI 将所有时间压缩到了极致，造成的结果就是把外卖骑手置于紧张而又危险的困境中。

  我们常说，工具本身无所谓对错，出现对错的都是使用工具的人。但是现在，AI 本身并不再是一个“任人摆布”的简单工具，AI 算法本身会根据其最初设定的目标而一直在优化其精度和效率，而这一“最初设定的目标”又是人类社会普遍在追求的目标——最高的分数、最快的效率、最接近人的感知和推理能力。

  也就是说，AI 哪怕只能从事单一的技能，但是也由于其强大的学习能力快速超越任何一个从事该专业的人类，这在某种程度上预示着，在很多人类劳动者和 AI 的协作的专业工作中，人类将处在被管辖和被监督之下。

  现在这种不对等的人机协作情况已经在大量出现，未来也更将普遍。那么我们不禁要问，作为处在被管辖和被支配地位的劳动者该怎么来面对这一局面？我们该怎么样看待这一趋势？

  在我们对 AI 产业进行观察和介绍的场景中，我们常常把 AI 工具形容为帮助人类的“神奇助手”这样的角色。比如，我们会把 AI 工具或机器人来代替人类去执行那些机械重复性的枯燥工作或者去胜任那些具有危险性和艰苦环境的工作。

  最为典型的场景就是自动化工厂和安防领域。采用人机一体化智能系统的自动化工厂代替了大量中低端产业工人，可以 7X24 小时地进行生产，客观上提高了一线工人的福祉，工厂也只需少量负责监督管理的工人就可以操控整个生产环节。而安防领域无处不在的人脸识别闸机以及智能摄像头替代了原本需要起早贪黑值班的安保人员，省去了人工监督视频的乏味工作。

  在大量危险和艰苦的工作环境下，智能无人机能代替电力巡检员完成高山森林等艰苦环境的电缆巡检，排爆、排险机器人能代替人工进入管道、地下、水下等危险区域作业，智能化设备代替人工在一线操作。

  这些都是 AI 技术帮助人类提高生产效率或者提高劳动福利的切实证据。与此同时，一些难以让 AI 完全胜任的非标准化场景，仍然需要大规模人类劳动者参与，尽管这些工作并非需要特别专业的技能，但却因为工作的灵活性和复杂性，AI 难以胜任，但是 AI 可以去参加了一部分的任务。这使得 AI 和人类处在相互协作的模式中，也必然出现“AI 来监督人类”的相应问题。

  最典型的案例，就是“困在系统里的外卖骑手”。目前，尽管一些互联网电商企业和 AI公司都试图推出自动送货机器人，但受限于现实环境和机器人的灵活性，这些机器人只能完成很少场景的送货服务，很可能一个违规停放的自行车，一段人为损毁的路基，就可能让这些机器人瘫痪。最根本的是外卖的运送效率和运送过程中的突发情况，机器人是完全难以和人类相比拟的。现在，外卖基本仍然由只需要会认路会识字的人类骑手完成，而 AI 系统则成为其运送路线、运送时长和最终服务的品质的“监督者”。

  再一个典型场景就是网约车。尽管无人驾驶出租车已经上路，但是大规模替换人类司机仍然将是一个漫长的过程。现在，出于对司乘安全和行驶过程的考虑，网约车平台开始越来越注重对司机的监督，无论早期行车路线的监督，还是现在车内录下声音和影像对于驾驶员行为的规范，以及通过 APP 端通过询问乘客意见，来获取对于司机 360 度无死角的评价，以此来建立对司机更为细致的评分，以此成为决定其接单量的依据。当然，平台可能也在从司机处获取关于对乘客的评价，这个不得而知。但显然这些详细数据将能完全勾勒出一个人的行为预期、信用情况等内容。

  此外，大量人类劳动密集型场景，都在通过“AI 监工”的方式来完成生产管理流程的优化和建造。比如，在快递分拣行业，AI 摄像头会通过识别分拣员的行为来判断其是否是暴力分拣，通过识别其分拣速度来识别其有无偷懒。而一些更为细致的人工劳动场景，我们也能看到这种“AI 监工”的身影。比如英国的这一案例。

  最近读到 MIT科技评论的一篇文章，主题是“英国建筑施工工地上采用人工智能来扫描建筑工程出没出现错误，还有工程进度是否落后”。从这个场景中，我们能看到AI和一线工人在建筑施工中建立的复杂协作关系。

  在英国的一家人工智能勇于探索商业模式的公司 Buildbots 看来，建筑业应该像制造业一样采用 AI 来进行流程管理。现在英国一家建筑业巨头沃特斯正在采用 Buildbots 开发的一套图像识别系统，来监控正在施工的建筑项目的每一个细节，AI 将自动标记施工中的错误和进程问题。

  建筑业的一个问题是工程项目施工错误会造成返工的巨大损失和工期延期，这对于建筑商来说是难以承受的成本压力。而对于施工的工人而言，这也代表着一经发现问题，很可能带来相应的处罚。

  工人们难道无法避免这些人为失误吗？显然，在有更多工程监理在场和更严格验收的情况下，工人们能够避免更少失误，但是这样会拖慢施工进度。这似乎是一个难解的矛盾，工人们自然更倾向于优先保证进度。作为一个曾经在大学期间进过工地搬砖的学生工来说，对于很多底层工人的行事逻辑是有深刻体会的，一些人总会在监理无法看到的地方用“速度”换“质量”的。

  英国建筑公司的实际情况也是如此，一个拥有 1500 个房间的建筑只配有 5 名监理，他们难以确保控制如此多的施工细节。现在，Buildbots 通过在建筑工人的安全帽上安装 GoPro 摄像机，通过现场拍摄的图像和建筑的数字图像进行匹配的方式，使得现场监督工作变得更为高效和容易。

  也就是每一个建筑工人都配备了一个 AI“云监工”，这些摄像头可以捕捉到建筑施工的细节，以及时发现相应的错误之处，比如可以通过摄像机的定位来捕捉视频图像在建筑中的位置，误差在几厘米内，同时可以跟踪这个位置物体的状态，判断其处在尚未开始到安装完毕的状态。而当监理经理们每周巡视现场时，他们的摄像头会捕捉整个项目的视频，并上传到该系统软件上，该软件会将现场数以千计的对象（包括像电源插座和浴室配件的位置数量）的状态与建筑的数字副本进行比对，来检查施工进度。

  Buildbots 的 AI 系统可以避免了建筑商很多重复性的检查工作，也能让项目经理和监理能够远程掌握进度，最关键的是可以节省大量的因工程错误而导致的返工成本和处罚费用。

  当然，这一系统也给现场工人带来了新的变化和压力。工人们必须更加规范自己的工作标准，也必须平衡施工的速度和质量问题，因为一旦被 AI 监工察觉缺陷，就可以马上追责。

  由于建筑业仍然属于多工种、劳动力密集型驱动的产业，AI 在短期内是没有任何办法取代人工的，所以，建筑工人仍然要在很久内与 AI 发生协作。而这一次，我们大家可以看到这一“AI 监工”的方式能有效改善建筑业的整体效能，同时也能对建筑工人产生有效的约束和监督。不管是主动还是被动的方式，建筑工人们也必须接受“AI 监工”的出现。

  那么，对于出现的这些变化，身处其中的劳动者，以及社会大众的我们，该怎么样看待这一趋势呢？

  两百年前的英国，曾经出现了一场以“捣毁机器，新技术”为诉求的“卢德运动”，代表了人类面对机器产生的“非对称优势”而产生的天然焦虑和恐惧。

  经过工业革命的狂飙突进，新一代的产业工人们很快也就很自然地适应了这些机械和其所拥有的巨大潜力。机械的力量代替了车拉人推，自动纺纱机出现代替了妇女们在织布机前的日夜操劳，汽车的出现代替了马车和马车夫，他们的下一代就能成为工程师、修理师和司机。新科技产业释放了更多的就业机会，也降低了人类的劳动强度。

  而这一次人工智能技术，却使得这一进程更为彻底。就如刚才所说，完全自动化的生产线和 AI 机器人直接淘汰了大量的产业工人（当然，年轻人也确实不再愿意从事这些重复性工作），转移出来的人力进入到我们上述的服务行业和 AI 难以短期内替代的复杂性工作中。

  但这些劳动者再一次遭遇了 AI 技术，AI 成为了他们劳动效率的制定者和监督者，这些劳动者必须在 AI 制定的工作标准和流程中完成工作任务。同时，由于 AI 是向着这个工作领域中最优效率的方向演进，这就必然造成劳动者要非常努力才能跟上这个节奏，才能得到相应的“奖励”。这造成两个问题，一个是像“困在系统里的外卖骑手”这样由于单向度的优化指标，忽略了骑手的生命安全，一个是对那些无法适应和没办法完成这一目标的人被淘汰，而原本需要和企业资方进行人为博弈的过程，现在被“公平”的 AI 系统所评价。

  这些问题正是大量处在工作价值转型期的劳动者不得不面对的现实。但是反过来说，我们也必须承认这一次 AI 技术对于人类工作范式的变革仍然有一定的非消极作用的。

  AI 的协作使得人类劳动者的整体效率得以大幅度的提高。一方面 AI 协作将产生大量新的工作岗位，同时产生对于新技能的要求，必然使得劳动者必须学习新的专业技能，来适应这一次的智能化革命。只有整体社会财富的提升，才可能真正解放劳动力。

  AI 的标准化流程和实时化的监管，使得劳动者的素质得以有效提高。也就是无论你有怎样的个性、还是怎样的教育背景，都一定要按照一套现代性社会的要求来进行社会协作。用大白话来说，也就是外卖员的配送更有礼貌了，网约车司机可以更加好约束自己的行为，不会做越轨之举，分拣员能够更“温柔”的对待我们的包裹了。

  反过来，AI 的评判标准对于劳动者也大有益处。比如一个人无论是不是有前科，或者是否有足够学历，只要他能够按照 AI 的要求，始终如一地达成目标，获得相应的评价，就可以胜任这一工作。

  毋庸置疑，我们在未来很长一段时间都会处在新一轮的“卢德运动”的惊慌氛围之中，也会产生“汽车出现，我们马车夫怎么办”的怀疑论的论调中。但是我们人类优越于其他物种，包括人工智能的一点就在于灵活性。我们始终不是为自己设立边界的一个奇特存在，而现在，始终在限制和禁锢我们的，只有我们自己自暴自弃的心态和停滞不前的学习能力。

  如果我们有一分 AI 的学习力，我们肯定能够找到在智能时代生存的新位置。有时候我们该谦虚地像那个行车导航一样，无论错过了那个路口或机会，我们都可以第一时间摆正心态说：“向前方继续行驶。”

  低电平状态，则 MCU 会死机。 进入待机模式以使 QUC 变为低电平，但在待机模式下，ROT 引脚变为

  AD5933发出交流电压激励，经过VDD的重新偏置，两端直流抵消，然后剩下交流电压激励施加给

  测阻抗产生电流，由VIN输入给AD5933画的那个I-V，进一步处理。 问题是，

  UART RX 唤醒。 而 UART RX 启用了 PDMA 函数 。 您可以在下列时间下载样本代码。 nuvoton 核

  UART RX 唤醒。 而 UART RX 启用了 PDMA 函数 。 您可以在下列时间下载样本代码。 nuvoton 核

  擦除掉了？列如：FMC_Write(0x0078040,0x05);读可以读到，按下复位再读就变成0了

  数据写入一个文件。在几个测试单元上，原因是在执行 fclose 之前电源

  设置以唤醒 esp32。RTC 唤醒时间设置为每三十分钟唤醒一次。目前，我们有一台设备能正常运行数周，但随后

  阀门连接到 MPX50502. 该装置的阀门规格是什么3. 连接到 MPX5050 的袖带规格4. 空气如何

  研究中使用的一些办法能够改变大脑活动。在经颅磁力刺激中，一个产生磁场的线圈

  【MAX17502实测】一颗小芯片 满足低压到高压全场景的高效能电源体验

  AMD Versal AI Edge自适应计算加速平台PL LED实验（3）

  嵌入式学习-飞凌ElfBoard ELF 1板卡-控制wifi模块8723du断/上电