当前位置:
首页 > 社会科学 > 法律 > 社会法论丛(2018年卷/总第3卷)pdf/doc/txt格式电子书下载

社会法论丛(2018年卷/总第3卷)pdf/doc/txt格式电子书下载

本站仅展示书籍部分内容

如有任何咨询

请加微信10090337咨询

社会法论丛(2018年卷/总第3卷)pdf/doc/txt格式电子书下载

书名:社会法论丛(2018年卷/总第3卷)pdf/doc/txt格式电子书下载

推荐语:

作者:蒋月著

出版社:社会科学文献出版社

出版时间:2020-01-01

书籍编号:30594025

ISBN:9787520159418

正文语种:中文

字数:358073

版次:1

所属分类:社会科学-法律

全书内容:

社会法论丛(2018年卷/总第3卷)pdf/doc/txt格式电子书下载








社会法论丛(2018年卷/总第3卷)pdf/doc/txt格式电子书下载

卷首语


在新时代全面深化改革、全面推进依法治国的进程中,我国社会法学遇到了前所未有的事业发展良机。2017年10月,中共十九大报告《决胜全面建成小康社会 夺取新时代中国特色社会主义伟大胜利》明确我国社会主要矛盾已经转化为人民日益增长的美好生活需要和不平衡不充分的发展的矛盾,指出当前在就业、教育、医疗、居住、养老等方面面临不少难题;要在发展中补齐短板,促进社会公平正义,在幼有所育、学有所教、劳有所得、病有所医、老有所养、住有所居、弱有所扶上不断取得新进展;要打赢脱贫攻坚战,促进全体人民共同富裕;要优先发展教育事业,提高就业质量和人民收入水平,要加强社会保障体系建设,要实施健康中国战略,要打造共建共治共享的社会治理格局,“更好满足人民在经济、政治、文化、社会、生态等方面日益增长的需要,更好地推动人的全面发展、社会全面进步”。纵观世界,以数字技术和生命科学为代表的新一轮科技革命和产业变革日新月异,互联网、人工智能、基因科学等极大地改变了并将进一步改变人类社会生活,劳动问题和劳动关系正经历着一系列深刻变化,社会保障权与社会保障法也将随之变迁。社会法学在其中承担的任务繁重,必将大有可为。


《社会法论丛》2018年卷收录了从理论到实践、从国内到国外不同面向的探讨社会法学问题的部分优质成果,其中,14篇论文、2篇译文和1篇会议综述。吴锦宇博士的论文《AI时代技术进步对劳动雇佣法律与政策的挑战》讨论了科技进步对劳动法律与政策带来的部分挑战。柯宇航的论文《论我国团结权主体范围之限缩》探讨了我国《工会法》第3条所确立的团结权主体范围是否合理,依据集体劳动法理关于团结权主体的限制理论,论述了对事业单位负责人和企业高管享有团结权宜作适当限制问题。蒋月和郭纯玥的论文《改革开放40年劳动法学研究的回顾与展望(1978~2018)》梳理了我国实行改革开放政策40年间的劳动法学研究进展,就深入推进该领域研究提出了若干对策建议。杨勇明的论文《论用人单位调岗行为的法律规制》研究了近年来的热点问题——企业基于用工自主权调整劳动者工作内容或工作地点的权利,结合相关司法裁判案件统计,主张调岗应当确立保护企业用工自主权和调岗合理性两个基本原则,提出了基于企业经营上所必需等七个认定调岗行为正当性的判断标准。胡玉浪的论文《生育津贴给付法律问题探讨》论述了女职工享受生育津贴的权利,讨论了给付标准和给付期限。杨式敏、黄若阳合著的论文《社会保险费征收改革影响分析与应对建议》分析研究了最近两年热门的社会保险费征收改革及其影响。罗丽娜译、李海明校的一个案例《美国博雷洛公司诉劳资关系部案(1989)》讨论了一个采摘黄瓜的农业劳动者与农场主订立书面共享收益协议后,是否成了被工伤赔偿覆盖范围排除在外的“独立承包商”问题,对用工形式多元化情形下的当事人之间法律关系的争辩也不失有趣。本集收录的作品多数来自中青年学人,他们思维开放,专业反应快速,及时追踪社会法学前沿中的问题或者社会反响比较热烈的专业问题或现象并展开探讨。这从一个侧面反映出社会法学专业队伍的不断壮大和日益增强的活力。


《社会法论丛》是社会法学事业大潮中的一朵小小浪花。希望这个专业平台能为社会法学从业者的使命担当和责任履行提供一定支持,让同行们产生思想碰撞,收获专业分享,享受交流的愉悦。感谢同行们的支持与厚爱,期待大家多多赐稿。让我们共同努力,推进社会法制事业进步,为促进社会公平正义、促进人的全面发展贡献心力、智力和服务。


蒋月


2019年8月10日

理论探索与争鸣


AI时代技术进步对劳动雇佣法律与政策的挑战[1]


吴锦宇[2]


摘要:“技术进步对就业的影响”争论已久,技术进步带来工作岗位的消失和创造。劳动学界的传统观点是:蓝领工作有被自动化取代的风险,白领工作则暂无此忧。进入21世纪,不能确保白领工作在未来技术变革面前受到保护。机器能力突飞猛进有三个主要原因:计算能力、数据处理能力、程序设计的改进。技术改变就业水平和结构有三个面向:首先,技术会取代大部分惯常性任务,但是不一定会取代人类所从事的所有工作;其次,技术使得基于非惯常性任务的职业更加宝贵;最后,技术降低了生产很多商品和服务的成本,这至少会提升一些行业中的雇工数量。欧盟不仅鼓励投资人工智能研发,而且在研究和发展涉及人工智能的规则和法律,其中包括人工智能与劳动就业问题。美国在人工智能研发领域处于世界领先地位,产业优势非常明显,但相关政府政策与法律处于相对缺失状态。这从一般意义上提出了科技进步对雇佣法律与政策的部分挑战。


关键词:人工智能 科学技术进步 劳动雇佣


一种新的“疾病”正在折磨着我们,某些读者也许还没有听说过它的名称,不过在今后几年内将听得不想再听——约翰·梅纳德·凯恩斯于1930年将这种病命名为“由技术进步而引致的失业”。[3]2015年《中国制造2025》提出要实施制造强国战略,建设制造强国。基于《中国制造2025》的战略要求和我国人口红利逐渐消失的现实要求,中国未来对智能型机器的需求将大幅度增加。因此,国务院又相继印发《“互联网+”人工智能三年行动实施方案》《“十三五”国家战略性新兴产业发展规划》等,将人工智能的发展作为国家发展的未来要点。2017年7月正式印发《新一代人工智能发展规划》,提出人工智能发展“三步走”的战略目标。2017年10月,习近平总书记在十九大报告中进一步明确提出要“加快发展先进制造业,推动互联网、大数据、人工智能和实体经济深度融合”,其重要讲话再次申明了人工智能发展的重要性。2018年中国政府工作报告中更明确提出“加强新一代人工智能研发应用”,2019年2月国际劳工组织研究报告《世界就业和社会展望:2019年趋势》提醒说,报告在列举当前全球就业的一些突出问题时说,如果政策制定者及其推出的政策不能应对相关挑战,那么一些通过新技术实现的新商业模式,可能会破坏现有劳动力市场在改善就业情况、就业社会保护和完善劳动标准等领域的成就。[4]因此,如何处理智能化浪潮下“中国智造”和劳动力市场雇佣之间的关系成为新时代议题。


一 相关研究概述[5]


(一)人工智能的探讨


人工智能(Artificial Intelligence),其有关“机器人”的概念可以追溯到古埃及时期的圣像。20世纪40年代,可编程数字计算机的出现使人们开始探讨构建电子大脑的可能性。现代意义上的“人工智能”概念则于1956年举办的达特茅斯会议上被首次明确提出。[6]


1. 人工智能的界定

由于人工智能的前沿性和学科交叉性,学术界对人工智能的界定众说纷纭。如国外学者温斯顿(Winston)[7]指出,人工智能就是研究如何能使机器来做以前只有人才能做的智能工作。国内学者王媛、方东菊、朱敏等认同人工智能是指研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学,该领域的研究包括机器人、语音识别、图像识别、自然语言处理和专家系统等。[8]这也是大多数人的观点。本文也采用这一定义。


2. 人工智能的发展及问题

人工智能存在下列三大类问题。(1)技术和形式化问题。胡扬、桂卫华、蔡自兴等从人工智能的算法收敛性、解法等价性、逆智能方面研究存在的问题,提出以人工科学反推自然科学的“逆智能”模型。[9]刘西瑞、王汉琦同样从计算机算法角度进行人工智能形式化研究,认为当前人工智能在逻辑算法上形式化,存在局限。[10](2)法律问题。刘志坚指出人类在使用人工智能时对数据和算法过于依赖,而很多涉及用户隐私的数据缺少法律保护,由此引发围绕人工智能的隐私保护法律论战。[11](3)安全和伦理问题。张一南从人权伦理问题、道德伦理问题、代际伦理问题等角度研究人工智能技术发展到足够高度后所能引起的伦理问题,提出人工智能是否应被赋予人权,是否会危害人类的“人权”,是否会降低道德对人类的约束力等疑问。[12]


3. 人工智能的未来

对于人工智能的未来,杨建刚、储庆中认为人工智能将在更多领域扩大应用,将比电子计算机有更广泛的应用领域。[13]魏葆春认为在未来一段时间内人工智能仍然处于弱智能的状态,创造具有人机互动功能的高层次人工智能仍需时间。[14]陈钟则持中庸态度,认为应对人工智能发展进行规制,促使其合规发展。[15]


(二)技术进步对就业影响的争论[16]


“技术进步对就业的负面影响”话题而引发的忧虑由来已久,技术进步总是带来工作岗位的毁灭和创造。[17]学者们一致的观点是,这次情况有所不同,这一进程现在和未来都会更快,因为所经历的不是一次技术革命,而是同时经历多次技术革命,哪怕变动速度不像很多人以为的那样具有爆炸性,至少也非常快。


关于“技术进步对就业的影响”,有以下两种截然不同的观点。悲观派提出,这些变化是非常迅速的,如果生产系统和政府机构不能适应,它们将落伍于这些变动。[18]研究显示,美国47%的工作,OECD国家57%的工作,中国77%的工作,正在由于机器学习和自动机器人的最新进展而面临自动化的挑战。[19]乐观派认为,历史上有过其他的技术革命,它们摧毁了工作,但是也创造了新工作。托马斯·弗里德曼(Thomas Friedman)提出,新机器在很多领域会是人类的“智能助手”,这会提升生产效率,在很多情形中有助于就业。[20]他指出,这些智能助手意味着几乎所有的工作都成了知识工作。这种互补性不会自动发生,而是需要公共政策方面的一致努力,公司和个人对于终生学习的态度,还有新的社会契约和机构带来变革和刺激所需要的投资。但是,这种争辩属于未来学的研究领域,这两派都未能提供证据来支持观点。


二 蓝领工作、白领工作与自动化


(一)20世纪及以前


劳动学界的传统观点是:蓝领工作有被自动化取代的风险,而白领工作则不可能。达龙·阿西莫格鲁(Daron Acemoglu)指出,尖端技术工作的开展会比40年前更为快速,蓝领职业会迅速萎缩。他说,1760年至1850年,得益于工会和高中教育的普及,当时的技术发展带来的益处才抵达低端蓝领阶层。


在20世纪的发达国家中,与只有高中文凭的工人相比,接受过大学教育的工人的相对工资有所增长,此类现象被称为“技能溢价”。当然,技能溢价增长幅度因时间和地点而有所不同。但是一般趋势是,熟练工人的“价格”相对于非熟练工人的“价格”在上升,这价格是靠与其相对的工资水平而衡量的。技术至关重要,它有“技术偏向”。它偏好那些有技能的人,或者说对那些非熟练工人有负面偏见。总之,因为技术,和非熟练工人的工作相比,熟练工人的工作更重要,更有价值。这种“技术进步偏向”理论被用于解释发达国家中的工资趋势。[21]


“互相联系起来”的高技能工人往往能从技术变革中获益,而“没有互相联系起来”的低技能工人则受损。中等技能岗位越来越难以获得高工资。常态是高技能和高工资。学界将这种影响称为掏空中产阶级[22]或者“平均化的终结”[23],因为中等技能岗位的比例在缩小,而高等技能岗位的比例在提升,在发达国家更是如此。这是被称为“技术进步偏向的技术变革”效应的本质。


历史经验以及不断提高的技能溢价,似乎都支持“白领工作在技术变革面前受到保护”这种传统观点。在20世纪的大部分时间里,技术变革似乎使得白领工作和蓝领的工作相比更加重要,更加有价值。技术变革似乎帮助了高技能工人,损害了低技能工人。对于“技术变革使得熟练白领工人的工作和非熟练蓝领工人的工作相比更有价值”,最常见的解释是,与蓝领工作相比,白领工作更负责,更有难度。例如,律师经常宣称他或者她的工作需要判断力,建筑师经常说其工作需要创造力,或者医生宣称其工作需要同情心。因此这些任务不能被机器完成。


技术进步偏向理论不仅被用于解释世界各地的劳动力市场现象,还被用于作为对策的劳动政策。技术和教育之间存在竞争。[24]技术变革使得熟练工作更有价值。因此,对劳动政策制定者的启示就是要设计一些干预措施,帮助提高劳动力大军的技能,让劳动者在这场竞争中保持不落伍。


(二)21世纪:技术变革对白领工作的冲击


进入21世纪,并不能确保白领工作在未来也能在技术变革面前受到保护,因为现在机器的能力有很大提高。


促进现在机器的能力突飞猛进的有以下三个原因:计算能力、数据处理能力、程序设计的改进。第一,计算能力的飞速提高。在2001年,诺贝尔经济学奖得主迈克尔·斯宾塞指出,摩尔法则[25]在过去50年里处理能力的成本降低了“大约100亿倍”。在斯宾塞提及的这50年中,这个预言大多都已被证实,一些年份快一点,一些年份慢一些。这种机械成就驱动了计算处理能力在同期的迅猛增长。很多计算机科学家预言通过不同的计算方式,摩尔法则在未来仍会有效。第二,数据存储能力的这种改善。数据科学亦称大数据、预测性分析以及数据分析。这些术语大多指的是同一种现象。在《职业的未来》一书中,预计到2020年,同样的信息每几个小时就创造出来了。随着人类的活动变得数码化,所有活动和决策都留下了海量“数据残余”,现在能捕捉和储存这种残余。[26]第三,程序设计的突飞猛进。近期程序设计方面,也就是这些系统和机器所遵循的规则方面有了突破性的智识进展。这意味着可以将这种处理能力和数据付诸使用。


传统观点认为,白领工作很难被自动化取代,因为人们从事的工作是一整块无法分割的“事情”的组合。但是,这种观点显然是错的。工作不是不可分割的事物的浑然整体。事实上,任何工作都是由很多任务组成的。职业工作人员在岗位上进行多种活动,这是“基于任务的就业市场模式”。[27]基于工作的过程,当职业性工作被分解或者解构,变成各项任务时,工作的各个部分就变得非常简单。并不是白领工作的所有活动都需要创造力、判断力或者同情心,或者说很多情况下,都不太需要这三者。如果职业性工作被分解成各个分支任务,可以发现很多任务就是简单重复性的。这意味着我们发现,人们可以轻易解释他们执行这些任务时所遵循的特定规则。如果这些规则很容易阐述,也就很容易为机器设计出一套类似的规则,让机器基于解释来遵守。[28]


在经济学文献中,惯常性任务最容易被自动化取代,这被称为“惯常性假设”。[29]学者理查德·苏斯肯德和丹尼尔·苏斯肯德指出,非惯常性任务不会被自动化取代,这个观点基于一个错误的想法——“要发展能从事专家层面的任务的系统,唯一的办法是重复人类专家的思考过程,这是一个错误想法”;而且这个想法是“人工智能错误”。[30]实际上,机器通过分析数据,能够比人类取得更好的成果,而不需要

....

本站仅展示书籍部分内容

如有任何咨询

请加微信10090337咨询

本站仅展示书籍部分内容
如有任何咨询

请加微信10090337咨询

再显示