談到人工智能和工作，預測是殘酷的。傳統的觀點認為，AI可能很快就會讓數百萬人失去工作，這是未來二十年中，對于打字員和白領工人而言，一如過去兩年機械化對工人的影響一樣。也就是說，當道路上布滿了自動駕駛汽車時，卡車司機和出租車司機將發(fā)現自己已經失業(yè)或半失業(yè)。

但現在我們應該開始考慮AI對社會的潛在好處以及它的弊端。大數據和AI革命也有助于消除貧困，促進經濟穩(wěn)定。

貧窮當然是一個多方面的現象。但是貧窮的狀況常常包含以下一個或多個現實：缺乏收入(失業(yè))；缺乏準備(教育)；并依賴政府服務(福利)。AI可以解決這三個問題。

首先，盡管人工智能可能會使人們失去工作，但它同時也可以用來將人們與正在失業(yè)的優(yōu)秀中產階級的工作相匹配。今天在美國有數百萬這樣的工作。這正是人工智能所擅長的匹配問題。同樣地，人工智能可以預測明天的工作空缺將在哪里，以及他們需要哪些技能和培訓。

從歷史上來看，我們傾向于回避這種社會規(guī)劃和工作匹配，這或許是因為它對我們的指揮經濟有一定的作用。然而，沒有人認為政府應該強迫工人接受特殊的工作，或者確實認為這些工作和技能的缺口需要成為政府的工作。關鍵是，我們現在有了工具來猜測哪些工作是可用的，哪些技能是工人需要填補的。

其次，我們可以將所謂的差異化教育——基于學生以不同的方式和不同的速度掌握技能的理念——帶給全國的每一個學生。2013年，美國國立衛(wèi)生研究院的一項研究發(fā)現，近40%的醫(yī)學院學生對一種學習模式有強烈的偏好:有些是傾聽者;其他人都是視覺型學習者;還有一些人通過實際做得到了最好的學習。

我們的學校系統有效地假設了相反的情況。我們把學生們捆綁在一個房間里，用同樣的教學方法和希望獲得最好的結果。人工智能可以改善這種狀況。即使在標準化課程的背景下，人工智能“導師”也能找到每個學生的弱點并糾正他們的缺點，使他們適應自己的學習方式，并保持學生的參與。

今天占主導地位的人工智能，也被稱為機器學習，允許計算機程序變得更加精確——如果你愿意的話，可以學習——因為它們吸收數據，并將其與其他數據集的已知示例相關聯。通過這種方式，人工智能“家庭教師”在滿足學生的需求時變得越來越有效，因為它花更多的時間來觀察什么可以提高學生的表現。

第三，將教育、就業(yè)培訓和匹配納入21世紀的共同努力，應該消除大量人口對政府計劃的依賴，這些計劃旨在幫助陷入困境的美國人。有了21世紀的技術，我們可以合理地減少政府援助服務的使用，使其服務于原本計劃的功能。

現在可以利用大數據集來更好地預測哪些程序可以在特定的時間幫助特定的人，并快速評估程序是否具有預期的效果。用廣告打個比方，這將是在黃金時段電視上投放廣告和通過微目標分析進行廣告的區(qū)別。猜猜哪個更便宜，能更好地到達目標人群?

至于意識形態(tài)對公眾援助辯論的有害影響:大數據承諾更接近于對這些社會項目無偏見的、沒有意識形態(tài)的有效評估。我們可以更接近一個精英式的技術專家型社會的愿景，即來自州和地方各級政府的政客們——那些與他們的選民所面臨的實際問題最接近的——已經開始接受。

就連國會偶爾也會從黨派之爭中醒來，以推進公共政策決策的科技事業(yè)：2016年，美國國會投票贊成，巴拉克·奧巴馬總統授權建立以證據為基礎的政策制定委員會。創(chuàng)建委員會的法案是由民主黨參議員帕帕蒂·穆雷(Patty Murray)和眾議院議長保羅·瑞安(Paul Ryan)發(fā)起的。在該委員會于2017年9月到期之前，它利用政府數據評估政府政策的有效性，并根據調查結果提出建議。

這進一步表明了人工智能和大數據在積極、有目的的公共利益服務方面的承諾。在我們將這些新技術視為混亂和顛覆的代名詞之前，我們應該考慮它們的潛力，以造福社會。