Menangani kesan geografi automasi: Komputer, AI dan ketaksamaan tempat

Pilihan raya presiden 2016 mendedahkan—sebagai tiada sebelum ini—salah satu aspek revolusi digital global yang paling menarik tetapi paling tidak dijangka. Dalam satu undian dramatik, kemenangan Donald Trump menyerlahkan kemunculan yang nyata dan melebar bahagikan antara dua Amerika: satu berpusat di kawasan metropolitan yang besar dan berorientasikan digital; yang lain ditemui di bandar-bandar kecil, pekan dan kawasan luar bandar berteknologi rendah.satuDengan berbuat demikian, undian itu memaparkan—dengan peta merah-biru yang nyata—kuasa teknologi yang dipandang rendah untuk membentuk semula geografi negara.





Perpecahan itu mengejutkan ramai pihak.duaNamun bukan hanya kejelasan jurang geografi yang didedahkan yang begitu membingungkan. Turut membimbangkan ialah sejauh mana perpecahan serantau yang didedahkan negara mencerminkan sesuatu yang penting tentang sifat asas teknologi digital baru muncul, termasuk pelbagai bentuk automasi, seperti kecerdasan buatan (AI).3



Pembahagian ruang yang dipertajam tidak hanya mencerminkan keputusan penempatan rawak, dalam hal ini, atau kemerosotan pembuatan (walaupun mereka menyumbang). Sebaliknya, badan kesusasteraan akademik yang penting kini mencadangkan teknologi baharu telah memperkenalkan alat yang mengganggu ke dalam ekonomi yang, dengan memperkasakan kerja peringkat tinggi dan menggantikan tugas rutin, juga secara besar-besaran menyusun semula geografi ekonomi negara.



Paling jelas setakat ini ialah dinamik yang dipacu mesin itu menguatkan keupayaan pekerja mahir untuk menambah nilai, menggantikan kerja hafalan, dan menyuntik pemenang-ambil-terbanyak —atau superstar —dinamik ke dalam pasaran.4Dari masa ke masa, penyebaran awal alat digital dan automasi ini telah meningkatkan apa yang dipanggil kuasa aglomerasi yang terhasil apabila orang ramai dan firma berkumpul di tempat yang digemari untuk berkongsi maklumat, memadankan kemahiran dan kerja serta mempelajari perkara baharu—dengan kesan yang ketara ke atas negara. geografi.



Dengan cara ini, pilihan raya 2016 mungkin menurun kerana kali pertama masyarakat mula memahami implikasi penuh potensi automasi untuk mengubah dunia fizikal. Sebagai bandar yang besar dan berteknologi tinggi seperti New York, Washington dan Bay Area nampaknya semakin menghuni dunia yang berbeza daripada seluruh Amerika, penduduk dan tempat yang ditinggalkan memberontak.



AI dan kesan positif dan negatifnya tidak akan diagihkan secara sama rata, dan berkemungkinan akan menyumbang kepada jurang geografi yang membimbangkan negara.



Kesemuanya mencadangkan keperluan untuk menambah item lain pada senarai dilema sosial dan etika yang mengelilingi era AI yang akan datang hakikat bahawa AI dan kesan positif dan negatifnya tidak akan diagihkan secara sama rata, dan berkemungkinan akan menyumbang kepada jurang geografi yang membimbangkan negara. Menyelesaikan cabaran ini akan menambah satu lagi keutamaan kepada penyelesaian masalah tentang masa depan kerja, pelarasan pekerja dan kandungan etika algoritma.

Automasi, AI—dan tempat

Pautan AI kepada geografi berikutan daripada kecenderungan teknologi digital untuk menguatkan produktiviti mereka yang mahir dan menggantikan kerja hafalan atau rutin. Terutamanya, Beaudry, Doms, dan Lewis menunjukkan lebih sedekad yang lalu bahawa bandar yang paling awal dan paling cepat menggunakan komputer peribadi menyaksikan gaji relatif mereka meningkat paling cepat.5



Sejak itu, bukti tambahan telah terkumpul—termasuk baru-baru ini Penyelidikan Brookings —bahawa teknologi digital memberi sumbangan besar kepada perbezaan ekonomi serantau dan menarik diri dari bandar-bandar superstar daripada yang lebih kecil dan kawasan pedalaman luar bandar.6 Enrico Moretti telah menunjukkan bahawa ekonomi digital menghasilkan perbezaan yang semakin meningkat dalam kalangan manusia dan juga antara kemahiran.7Dan Elisa Giannone telah ditunjukkan bahawa perbezaan upah bandar sejak 1980—selepas berdekad-dekad penumpuan—mencerminkan gabungan peningkatan ganjaran teknologi kepada pekerja teknologi berkemahiran tinggi dan kelompok industri tempatan.8



Begitu juga, analisis pendigitalan saya sendiri menunjukkan bahawa purata gaji tahunan negeri dan bandar bukan sahaja dikaitkan dengan purata skor kemahiran digital setempat, tetapi pekerjaan dan pendapatan paling banyak tempat digital menarik diri daripada tempat yang kurang mahir digital.

Pendigitalan berkait secara positif dengan gaji purata



Dari masa ke masa, peringkat atas yang bertuah di kawasan metropolitan yang besar, padat, sarat bakat telah berkembang secara konsisten lebih cepat daripada bandar median dan kurang makmur:



Purata gaji tahunan dan tahap pekerjaan diindeks, 1969-2016

Pusat kepada aliran ini ialah automasi. Apa yang saya panggil fasa utama pertama automasi digital, fasa era IT, bertarikh dari 1980 hingga 2016 dan tertumpu pada penggunaan PC dan robotik industri. Mengenai tempoh ini kumpulan saya di Program Polisi Metropolitan di Brookings telah bekerjasama dengan rakan kanan bukan pemastautin Brookings, Ian Hathway (menggunakan data yang dibekalkan oleh David Autor) untuk menunjukkan cara kesan pembezaan automasi pada jenis tugasan diterjemahkan secara nasional kepada hasil pekerjaan tempatan yang tidak sekata.9



Pertama, pandangan kami pada arah aliran pekerjaan nasional dalam era IT menggambarkan dengan jelas bagaimana pertumbuhan gaji dan perubahan pekerjaan pada tahun-tahun sejak 1980 mencerminkan kekosongan kontinum kemahiran yang seterusnya mencerminkan pengurangan permintaan untuk kerja pertengahan kemahiran, rutin atau berulang- sama ada bersifat fizikal atau kognitif—diberikan penggantian mesin untuk kerja tersebut.



Pertumbuhan upah dan pekerjaan adalah yang paling perlahan dalam pekerjaan bergaji sederhana

Secara keseluruhannya, adalah sangat jelas bahawa kedua-dua pertumbuhan pekerjaan dan kemajuan gaji telah merosot di tengah-tengah pengagihan kemahiran untuk pekerjaan seperti pembantu pengeluaran dan pekerja perkeranian.

Kedua, kami mengaitkan corak kebangsaan itu kepada impak komuniti dengan memetakan insiden tempatan kerja rutin atau berulang pada tahun 1980. Melakukannya menghasilkan gambaran visual pendedahan tempatan kepada kerja yang mudah terdedah kepada automasi.

Bahagian pekerjaan rutin mengikut zon berulang-alik, 1980

Bahagian pekerjaan rutin mengikut zon berulang-alik, 1980

Sumber: Brookings analysis of Autor and Dorn (2013)

Petanya jelas. Walaupun kerja rutin tersebar luas di seluruh negara pada permulaan era automasi, ia tidak tersebar secara merata.

Jadi apa yang telah diikuti dalam 35 tahun yang lalu juga tidak sekata. Dengan penggunaan meluas robot industri dan PC menyebabkan gangguan traumatik tempatan yang berubah-ubah terhadap pekerjaan bergaji sederhana digabungkan dengan peralihan besar-besaran pekerja berkemahiran sederhana, selalunya bukan berpendidikan kolej ke dalam aktiviti perkhidmatan bergaji rendah. Terutamanya, kawasan perkilangan dan pentadbiran pejabat—kawasan Midwest, Timur Laut, Selatan dan Pantai Barat dengan kepekatan tertinggi pekerjaan rutin—juga merupakan tempat yang menyaksikan peralihan terbesar kepada pekerjaan perkhidmatan bergaji rendah dalam era maklumat.

Ringkasnya, era pertama automasi digital tidak bersifat neutral dari segi ruang. Tempat yang mempunyai pendedahan terbesar kepada kerja rutin—seperti Detroit dengan kilang autonya atau New York dengan berjuta-juta pekerja perkeraniannya—melihat beberapa peningkatan terbesar dalam pekerjaan perkhidmatan berkemahiran rendah dalam era IT. Rutin mereka yang agak besar, tenaga kerja berkemahiran pertengahan mengalami tekanan khas daripada automasi. Sebaliknya, kawasan metro dengan bahagian pekerjaan rutin yang lebih rendah— seperti Raleigh, North Carolina, dengan universiti dan hospitalnya—mendapat peralihan pasaran buruh yang kurang dramatik.

Kini era IT berubah menjadi era AI yang diselubungi oleh teknologi digital yang lebih berkuasa seperti pembelajaran mesin dan bentuk kecerdasan buatan yang lain. Yang menimbulkan persoalan: Apakah rupa fasa seterusnya interaksi antara automasi dan pekerjaan?

Tetapi itulah era permulaan automasi IT. Kini era IT berubah menjadi era AI yang diselubungi oleh teknologi digital yang lebih berkuasa seperti pembelajaran mesin dan bentuk kecerdasan buatan yang lain.10Yang menimbulkan persoalan: Apakah rupa fasa seterusnya interaksi antara automasi dan pekerjaan?

Untuk menjelaskan perkara ini, kumpulan saya bekerja lebih jauh dengan Hathaway untuk menganalisis arah aliran masa depan dalam fasa automasi AI menggunakan anggaran yang disediakan oleh McKinsey Global Institute tentang kerentanan pekerjaan kepada automasi dalam beberapa dekad akan datang. (Untuk lebih lanjut mengenai kaedah kami lihat kertas kami di sini ).

Sekali lagi, kami memautkan maklumat nasional tentang kesan automasi yang diunjurkan pada jenis tugas dan pekerjaan kepada maklumat tentang gabungan pekerjaan geografi tempatan untuk menilai potensi hasil pekerjaan di negeri dan kawasan metropolitan.

Sekarang apa yang kita dapati? Melihat pada data yang menggabungkan unjuran pengaruh AI, gambaran kesan masa depan terhadap pekerjaan—dan seterusnya, pada geografi—nampak sedikit berbeza daripada tempoh sebelumnya.

Di peringkat kebangsaan, lengkung yang menerangkan potensi automasi semasa pekerjaan (dengan pendedahan yang meningkat ke atas paksi menegak) mempunyai rupa baharu yang berbeza, kerana ia melaporkan pendedahan tertinggi untuk peranan dengan gaji terendah (yang di sebelah kiri pada paksi mendatar ) dengan pendedahan automasi yang dikurangkan, semakin banyak upah meningkat (di sebelah kanan angka):

Pekerjaan bergaji terendah adalah yang paling terdedah kepada automasi

Keluk ini kelihatan berbeza daripada yang terdahulu yang merancang pertumbuhan upah dan pekerjaan berbanding paras upah untuk mencadangkan tekanan automasi. Sedangkan sebelum ini, kandungan tugas rutin di bawah persentil gaji ke-20 adalah rendah, di sini, potensi tertinggi untuk automasi tugas semasa masa depan tertumpu di kalangan mereka yang berpendapatan rendah. Ini sebahagiannya mencerminkan unjuran peningkatan secara dramatik dalam bidang automasi ke dalam sektor perkhidmatan berkat aplikasi AI yang datang untuk operasi perkhidmatan makanan dan pentadbiran pejabat. Potensi automasi peringkat tugas, sementara itu, menurun secara berterusan apabila gaji purata meningkat. Mereka yang berpendapatan tinggi biasanya terus menghadapi ancaman automasi rendah berdasarkan kandungan tugas semasa—walaupun itu boleh berubah apabila AI mula memberi tekanan pada beberapa pekerjaan bukan rutin bergaji tinggi. Sekurang-kurangnya satu inkuiri penyelidikan baharu menunjukkan perkara itu boleh berlaku.sebelas

Beralih sekarang kepada geografi arah aliran ini, kita melihat sekali lagi bahawa walaupun risiko automasi akan dirasai di mana-mana, kemasukannya dalam era AI akan terus dirasai secara berbeza di seluruh tempat (walaupun kini, coraknya sedikit berbeza memandangkan kelemahan baharu yang luas perkhidmatan yang lebih rendah).

Di sepanjang garis ini, data untuk pendedahan automasi dalam era AI menunjukkan bahawa kesan automasi akan menjadi paling mengganggu di negeri, daerah dan bandar Heartland. Ini adalah kawasan yang sama yang paling teruk dilanda perubahan era IT.

Purata potensi automasi mengikut daerah, 2016

Purata potensi automasi mengikut daerah, 2016

Sumber: Analisis Brookings bagi data BLS, Banci, EMSI, Moodys dan McKinsey

Di sepanjang garis ini, negeri dan daerah Heartland yang kurang berpendidikan khusus dalam industri pembuatan dan perkhidmatan kelas rendah mungkin akan terjejas terutamanya oleh automasi dalam era AI, manakala negeri dan daerah yang berpendidikan tinggi di sepanjang koridor Boston-Washington dan di Barat Pantai kelihatan kurang terdedah.

Secara selari, komuniti yang lebih kecil dan kurang berpendidikan akan lebih bergelut dengan automasi fasa AI, manakala bandar yang lebih besar dan berpendidikan lebih baik akan mengalami kurang gangguan. Begini rupanya:

Purata potensi automasi mengikut kawasan metropolitan, 2016

Purata potensi automasi mengikut kawasan metropolitan, 2016

Sumber: Analisis Brookings bagi data BLS, Banci, EMSI, Moodys dan McKinsey

Menurut peta, lebih daripada 50 peratus daripada semua tugas wajaran pekerjaan semasa pekerja berpotensi diautomasikan di kawasan metropolitan kecil seperti Kokomo, Indiana dan Hickory, North Carolina. Sebaliknya, bahagian kerja yang terdedah di metro berpendidikan tinggi dan digital seperti San Jose, California dan District of Columbia masing-masing hanya 40 peratus dan 39 peratus. Secara keseluruhan, tahap pendidikan metropolitan yang lebih tinggi berfungsi sebagai penahan terhadap potensi automasi fasa AI. Ini sebahagiannya kerana pendidikan menyokong jenis kerja interpersonal kompleks yang AI akan melengkapkan dan bukannya menggantikan, dan juga kerana pencapaian pendidikan meningkatkan kebolehsuaian individu dan komuniti.

Ringkasnya, penyebaran AI—seperti fasa automasi yang lebih awal—mungkin mempunyai kesan tempatan yang ketara dan pelbagai. Walaupun sumbangannya mungkin memberi manfaat kepada negara secara agregat, kesan upah dan terkehelnya boleh menyerang rumah dengan cara yang berbeza, nyata dan tidak selalu dialu-alukan—cara yang perlu diiktiraf dan ditangani dengan sewajarnya.

apa yang pertama kali terbentuk dalam sistem suria kita

Melawan geografi automasi

Oleh itu, adalah wajar bahawa perbincangan nasional yang kaya kini mengelilingi banyak persoalan yang dibangkitkan oleh AI, bermula dengan masa depan kerja. Perdebatan yang kaya sedang dijalankan tentang sejauh mana algoritma boleh dibuat untuk menghormati nilai asas manusia dan demokrasi juga bernilai. Pandangan jauh sedemikian adalah kritikal.

Turut kritikal, bagaimanapun, akan menjadi perbincangan serius tentang implikasi geografi automasi dan AI.

Implikasi spatial AI juga memerlukan tempat yang menonjol dalam perbincangan, kerana tidak kurang daripada keseimbangan wilayah negara mungkin berisiko.

Aliran geografi yang dilaporkan di sini mencadangkan bahawa implikasi spatial AI juga memerlukan tempat yang menonjol dalam perbincangan, kerana tidak kurang daripada baki wilayah negara mungkin berisiko. Usaha untuk memastikan era AI berfungsi dengan baik untuk semua tempat juga akan mendapat manfaat daripada kemajuan dalam beberapa agenda umum bukan spatial, yang menyeru pihak untuk menerima pertumbuhan dan teknologi untuk mengekalkan taraf hidup yang tinggi, menggalakkan pemikiran pembelajaran yang berterusan di kalangan pekerja, memudahkan peralihan yang lebih lancar dari pekerjaan ke pekerjaan, dan untuk mengurangkan kesusahan di kalangan individu yang sedang bergelut. (Lihat laporan Brookings, Automasi dan Kepintaran Buatan: Bagaimana Mesin Mempengaruhi Orang dan Tempat. )

Di luar itu, walau bagaimanapun, sebarang strategi komprehensif untuk memanfaatkan sepenuhnya AI juga perlu menangani daya tahan komuniti setempat secara khusus. Apakah yang sepatutnya kelihatan seperti usaha sedemikian? Dua strategi untuk tindak balas kelihatan penting dan menyeru kerajaan, industri dan masyarakat sivil untuk:

  • Ekonomi serantau yang terdedah pada masa hadapan.
  • Kembangkan sokongan untuk pelarasan komuniti.

Ekonomi serantau yang terdedah pada masa hadapan

Keperluan awal adalah untuk melengkapkan tempat yang terjejas oleh teknologi untuk menjadi lebih berdaya tahan. Usaha sedemikian mesti bermula dengan tumpuan kepada pekerja kalis masa depan di tempat-tempat ini dengan berusaha untuk memberikan kemahiran yang membawa kepada kerja berdaya tahan automasi.

Di sini, inisiatif serantau dan negeri menunjukkan janji.

Contohnya, program SkillUp di Daerah Cuyahoga di timur laut Ohio memanfaatkan firma tempatan untuk memudahkan pembangunan kemahiran serantau untuk pekerjaan dalam permintaan.12Program ini membantu firma di rantau ini mengenal pasti keperluan tenaga kerja masa hadapan melalui proses perancangan strategik, menentukan kemahiran yang diperlukan untuk pekerjaan tersebut, dan membangunkan peta jalan tersuai untuk menilai kemahiran sedia ada pekerja dan memudahkan latihan untuk jawatan dalam permintaan. Latihan memberi tumpuan kepada tiga jenis kemahiran: kemahiran insaniah, kemahiran asas, dan kemahiran teknikal/pekerjaan. Apabila digabungkan, kemahiran menjadikan pekerja lebih mudah menyesuaikan diri dengan kesan automasi pasaran buruh. Kajian empirikal menunjukkan program latihan khusus majikan sedemikian adalah cara yang berkesan untuk meningkatkan produktiviti, pekerjaan dan pendapatan pekerja.13

Begitu juga, Rangkaian Negeri Mahir dan Buku Main Negeri Mahir menunjukkan langkah-langkah yang mesti diambil oleh wilayah untuk mengorientasikan semula tenaga kerja mereka ke arah kemahiran dalam permintaan.14Usaha sedemikian akan semakin penting apabila automasi dan AI meningkatkan kadar perubahan tugas dan menetapkan bahawa pekerja menguasai cara baharu sama ada bekerja dengan mesin atau bekerja di luar mereka.

Bagi pihaknya, kerajaan persekutuan harus mengorientasikan semula aliran pembiayaannya untuk menyokong usaha tersebut. Ini termasuk menyokong penyelesaian tempatan dari bawah ke atas dan memberi insentif kepada wilayah untuk menyelaraskan pendidikan, tenaga kerja dan latihan serta sistem pembangunan ekonomi mereka antara satu sama lain, bersama dengan keperluan khusus majikan dan kepentingan baharu kemahiran insaniah peringkat tinggi. Matlamatnya adalah untuk mencipta saluran paip yang jelas dan jelas bagi pemerolehan kemahiran yang bertujuan untuk memastikan ekonomi serantau menjadi sumber pekerja yang berdaya tahan yang mahir dalam membawa nilai dalam era apabila mesin melakukan perkara yang dihafal.

Sehubungan dengan itu, kerajaan harus berusaha untuk mempercepatkan penggunaan teknologi pintar oleh ekonomi serantau dan firma yang mungkin ketinggalan sebagai usaha selari untuk membantu tempat menjadi lebih berdaya tahan. Ini harus bermula dengan kedua-dua kerajaan persekutuan dan negeri meningkatkan misi lanjutan mereka dengan melabur lebih banyak dalam usaha untuk meluaskan aplikasi, penerimaan dan pengkomersilan automasi dan inovasi AI—termasuk melalui transformasi organisasi. Di bahagian ini, rangkaian Perkongsian Sambungan Pembuatan (MEP) yang berjaya menawarkan duluan 50 negeri, 30 tahun untuk melengkapkan pembuatan bersaiz kecil dan sederhana dengan penyelesaian produktiviti berteknologi tinggi, termasuk di luar bandar.lima belasBerdasarkan sejarah itu, Amerika Syarikat kini memerlukan program gaya MEP yang lebih luas dan berani yang direka untuk menyebarkan aplikasi berteknologi tinggi dan AI serta transformasi organisasi ke semua sudut ekonomi, termasuk sektor perkhidmatan.

Kembangkan sokongan untuk pelarasan komuniti

Namun, usaha yang tidak berjaya untuk menggalakkan lebih banyak daya tahan komuniti akan menghalang terkehel yang lebih teruk di sesetengah tempat. Sesetengah wilayah, khususnya yang berada di hujung pengedaran saiz yang lebih kecil, mungkin mengalami gangguan ekonomi dan pasaran buruh yang serius. Atas sebab itu, penggubal dasar persekutuan dan negeri perlu melengkapkan usaha untuk meningkatkan daya tahan tempatan dengan campur tangan disasarkan khas untuk mengurangkan kesan negatif terburuk automasi.

Di sini, terdapat anteseden, seperti Pejabat Pelarasan Ekonomi (OEA) Jabatan Pertahanan menumpukan pada mengurangkan kesan penutupan pangkalan, Program Pembantu Penyesuaian Pentadbiran Pembangunan Ekonomi yang berorientasikan kepada perubahan ekonomi yang buruk, dan Perkongsian untuk Peluang dan Tenaga Kerja yang dibiayai oleh kongres dan Program Penjanaan Semula Ekonomi (POWER), bertujuan untuk komuniti yang terjejas oleh perubahan dalam dasar tenaga.16Walau bagaimanapun, skala sederhana program ini—dan, dalam beberapa kes, penyelarasan terputus-putus—mengehadkan kesannya. Strategi nasional yang lebih mantap mungkin diperlukan.

Kerajaan boleh, sebagai contoh, menyalurkan pelaburan yang mencipta pekerjaan ke dalam komuniti dan tempat yang terjejas teruk oleh automasi, dengan menyedari bahawa sesetengah tempat mungkin akan mengalami lebih banyak anjakan daripada yang lain.

Usaha sedemikian boleh dimulakan dengan menggabungkan sumber kerajaan dan sektor swasta ke dalam komuniti yang terjejas, dan harus dilengkapkan dengan usaha untuk meningkatkan permintaan buruh di kawasan tersebut. Kerajaan boleh, sebagai contoh, menyalurkan pelaburan yang mencipta pekerjaan ke dalam komuniti dan tempat yang terjejas teruk oleh automasi, dengan menyedari bahawa sesetengah tempat mungkin akan mengalami lebih banyak anjakan daripada yang lain.17Meletakkan aset persekutuan atau negeri di tempat sedemikian—bersempena dengan usaha mencetuskan keusahawanan dengan memperkemas peraturan—boleh membantu.18Jadi boleh jelas program mengejar serantau.19

Yang pasti, kecenderungan usaha A.S. untuk memacu pertumbuhan dan pembangunan dalam komuniti yang sedang bergelut biasanya memberikan geran ad hoc kecil kepada banyak tempat, beberapa daripadanya mempunyai prospek untuk pemulihan. Strategi yang lebih berkesan ialah menyalurkan pelaburan yang meluas ke beberapa kawasan, dengan matlamat untuk memulakan satu set dinamik hab pekerjaan serantau yang baharu. Dengan cara ini, kerajaan persekutuan boleh menyalurkan pelaburan besar kepada 10 atau lebih kawasan metro bersaiz sederhana dan menjanjikan yang dipilih melalui proses kompetitif yang akan diisytiharkan sebagai kutub pertumbuhan wilayah. Pelaburan ini akan terdiri daripada satu set manfaat penyelidikan, cukai, infrastruktur dan pembangunan ekonomi daripada kerajaan, dan akan digabungkan dengan pelaburan yang sepadan oleh negeri dan sektor swasta. Kutub pertumbuhan dengan cara ini berfungsi sebagai sauh untuk meningkatkan pertumbuhan pekerjaan bernilai tinggi di kawasan sekitar yang lebih besar.dua puluh

Selain itu, kemungkinan besar alat yang lebih kukuh—seperti inisiatif untuk menyasarkan kredit pengambilan pekerja secara spatial, subsidi pekerjaan atau jaminan pekerjaan—akan diperlukan untuk membantu beberapa lokasi yang terjejas teruk menghadapi perubahan tugas. Sokongan sedemikian—memberi tumpuan kepada pekerja baharu (supaya tidak memberikan faedah durian runtuh ke atas pekerjaan sedia ada)—akan ditujukan kepada kawasan yang mengalami pelarasan yang amat menyakitkan atau perlahan, dan ia secara semula jadi akan memberi insentif kepada pelaburan untuk menyertai pekerjaan itu. Ahli ekonomi yang pelbagai seperti Ed Glaeser, Larry Summers, Robert Litan, dan David Neumark semuanya telah mengesahkan keperluan untuk campur tangan pro-kerja yang begitu kuat di tempat-tempat bergelut tertentu di mana automasi telah mengurangkan permintaan buruh.dua puluh satuDi sepanjang garis ini, kerajaan juga mungkin perlu mempertimbangkan inisiatif yang menyasarkan pelaburan yang menyokong kerja ke lokasi yang terjejas teruk. Pelaburan sedemikian dalam infrastruktur yang diperlukan atau kerja kecekapan tenaga, sebagai contoh, akan mempunyai faedah sampingan untuk mewujudkan bilangan pekerjaan bergaji sederhana yang besar—jenis yang paling berisiko daripada teknologi baru muncul.22

Secara ringkasnya

Kesimpulannya, negara perlu menambah faktor geografi kepada perbincangan yang semakin berkembang tentang faedah dan kemudaratan AI. Seperti yang telah kita lihat, automasi dalam fasa digital awalnya dari tahun 1980 hingga kini membawa keuntungan ekonomi yang penting kepada ekonomi agregat, tetapi juga gangguan ketara yang tidak diagihkan secara sama rata. Paling ketara, automasi digital dalam fasa pertamanya telah menyumbang kepada gangguan pasaran buruh yang ketara dan krisis kualiti pekerjaan yang telah diterjemahkan kepada hasil pekerjaan tempatan yang tidak sekata—hasil yang berkemungkinan menyumbang kepada krisis sosial dan politik dekad semasa. Setakat kesan negatif tersebut menunjukkan lebih banyak perkara yang sama (atau lebih teruk) pada tahun-tahun akan datang, tempoh AI boleh menjadi lebih sukar. Penyebaran teknologi AI baharu yang berpotensi lebih pantas, unjuran masuknya ke kawasan pekerjaan baharu, dan kuasa nyata mereka untuk membuat semula firma, industri dan pasaran buruh tempatan menjadikannya sekali gus sangat menarik sebagai teknologi dan berpotensi menakutkan sebagai faktor gangguan serantau.

Negara perlu komited sekarang kepada usaha baharu untuk membantu masyarakat serta pekerja menyesuaikan diri dengan perubahan. Jika negara boleh memberi komitmen kepada rakyatnya dengan cara ini, masa depan yang penuh dengan mesin akan kelihatan lebih boleh diterima di kawasan yang gelisah.

Walau bagaimanapun, beberapa dekad akan datang tidak perlu mengulangi pengalaman beberapa dekad yang lalu. Malah, negara sebenarnya boleh belajar daripada tempoh IT automasi untuk bersedia untuk AI. Sebagai contoh, adalah jelas bahawa pendirian pelarasan yang diselaraskan yang diselaraskan dengan menyenaraikan penggubal dasar persekutuan, negeri dan tempatan, pendidik, sektor swasta dan masyarakat sivil mungkin diperlukan untuk menolak ketidakseimbangan serantau yang telah diburukkan oleh teknologi dalam beberapa dekad kebelakangan ini. Dalam hal ini, negara perlu komited sekarang kepada usaha baharu untuk membantu masyarakat serta pekerja menyesuaikan diri dengan perubahan. Jika negara boleh memberi komitmen kepada rakyatnya dengan cara ini, masa depan yang penuh dengan mesin akan kelihatan lebih boleh diterima di kawasan yang gelisah.