科技发展对社会有利，相信大多数人都认同。但对打工仔女来说，新科技如机械人等，可能取代他们的工作，使他们饭碗不保。随着近年大数据和人工智能技术日益发达，自动化机械人性能提高，这忧虑有增无减。

事实上，机器取代人类工作，自18世纪工业革命已不断发生，例如蒸汽机和电力取代体力劳动的工作、火车取代马车车夫、推土机取代农夫、织布机取代纺织技工等。英国在19世纪发生过纺织技工因为反对纺织工业化，而集体捣毁纺织机的事件，称为卢德（Luddite）运动。

另一方面，科技进步使生产力上升，企业对劳动力的需求有增无减。20世纪女性就业增加，就业率及工人工资整体都有上升。由此可见，工人所忧虑的“被科技取代”的问题，没有大规模发生。当然有些行业不复存在，如人类再不需要打字员和电报员，但取而代之是其他行政、服务的工种。一个讲法是，科技取代的是岗位（job），不是工作（work）。

既然如此，那么机械人和以前的科技发展有没有本质上的分别，致使人类最终会被取代？抑或这只是人类杞人忧天？

生产是一个投入资源和产出的过程，当自动化的机械人能取代人类的工作，企业对劳动力的需求减少，这个直接影响称为“替代效应”。这也是一般人所担忧的。

另外有一个容易被人忽略的影响，就是机械人提高生产力，令企业中没有被取缔的工作效率提升。很多工种需要兼顾多种工序，常规工作可被机器取代，使员工有更多精力处理其他工作，提升生产力和质素。例如物理治疗师有些程序以前要人手做，同一时段只能服务一个病人；有了仪器，除了增加了治疗效果，同时间可以服务几名病人，自己则集中在看诊、分析、沟通上，生产力提升了。因此，如果工资不变，员工的工作效率提升，雇主是有意欲扩大生产规模、增聘人手。这个间接的效应称为“生产力效应”。

替代效应倾向降低工资和就业；生产力效应倾向提高工资和就业。新科技对就业和工资的影响，要看该新科技与劳动力的替代性，和对整体生产力的影响，哪一个较大。

例如，美国的银行在1970年代引入自动柜员机，它产生的替代效应，令每间银行分行的服务员减少达三分之一。但美国的银行服务员并没有因此减少。由于自动柜员机令银行营运分行的成本下降，银行分行数目增加达四成。而且，由于简单的提款存款服务由自动柜员机取代，银行服务员的工作逐渐由简单的结帐，变成与客户经营关系、销售投资产品和信用卡服务等。

根据麻省理工学院教授Acemoglu推算，如果工业用机械人的使用率至2025年时增加4倍，将令美国的就业率降低约1%至2%，也会令工资增长减慢达1.3%至2.6%。虽然这些数字不容忽视，但不见得短期内人类将全数被机械人取代。

机械人的一个更重要影响，是导致社会分配变得不平等。这不平等体现在两方面。第一，企业生产的收益，由投入资本的资本家和投入劳动力的工人分享。如果机械人替代工人，使资本投入的份额增加，劳动力的份额下降，企业收益会向资本家一方倾斜。

有经济学家估算，近年企业使用资本的份额正在上升，而资本家累积资本，加剧资本家和劳动人口的财富分配不均。数年前，经济学家Piketty的畅销书《21世纪资本论》详细论述有关观点，这里不赘。

第二，就算机械人不影响整体的就业需求，它们会影响企业对个别工种的就业需求。现时机械人最擅长处理的，是重复而具简单逻辑性、能被电脑程式取代的工作，如生产线工作、簿记、基本文书处理等。

余下的工种大致可分为两大类：一类是专业工作，如医生、律师、科研、顾问等，这些工种需要较高教育程度，讲求分析、推理、解难能力；另一类是“手工”类工作，如厨师、侍应、清洁工、看护、理发师等，需要观察力、灵活技巧和应变能力的工种，但大部份不需要高学历。有人称之为工种的两极化。

机械人对所有教育水平的人的就业和工资都有影响。专业工作相对上更受惠于科技发展，而且专业人士需要较高教育水平，因此供应缺乏弹性，他们的工资增长较快。相反，手工类工作，受科技进步的影响较小，而且入行门槛较低，所以在职场上没有优势、工资增长较慢。由于教育回报高，接受教育多与少，对日后的收入影响也会扩大，而加剧收入不均的现象。

因此，科技发展可以令社会总体生产力上升、改善人类生活，但若改善集中在某些人身上，就成为分配问题，需要政府以政策去处理。

机器学习（machine learning）技术近年非常流行。以前程式员一定要把工序清楚界定，机械人才能跟着做；一些未有既定样式和程序的工作就不能自动化。但现时机器学习的技术，可以训练机械人透过大量既有数据去学习，并慢慢发展及改良工作的方法。例如电脑围棋程式AlphaGo就是透过机器学习的技术，分析棋手对弈的棋谱，并且自我学习，在2016年击败韩国围棋大师，现时电脑的棋艺已超越人类。类似技术也用于分析笔迹、无人驾驶等方面，也有人工智能学习“看”病理学的幻灯片及组织切片，渐渐会比医生的判断更准确。

不过，机器学习暂时仍未可以取代决策，而是透过数据分析知识，去协助人类决策而已，而且用途非常特定，暂时仍是处于与技术工作互补的阶段。例如医生在科技帮助下提高断症准确度，但最后诊断还是要医生综合各个观察和资料落实。当机器学习发展到能取代人类决策和执行时，就会是另一个世界。

无论如何，人类社会距离全面人工智能化，仍有一段很长的道路。当机械人和人工智能取代人类的某些工作，新的工作又会出现。人类发展就是一个不断适应新环境的过程。现时科技发展速度愈来愈快，岗位更替的速度比上世纪更迅速。

问题在于，岗位被取代后，离开岗位的人有没有能力胜任新的工作，或是被洪流遗弃。

（本文原载香港《明报》）