前文提到，「第四代工業革命」的發展，將會在社會大大提升生產力。自 18 世紀末、所謂「第一代工業革命」開始，世界各國工業生產模式漸漸走向機械化。而專家普遍相信，透過發展大數據（Big Data）、物聯網（IoT）及機器學習（Machine Learning）等技術，在不久將在智能機械，甚至服務業的工作自動化。
簡而言之，大數據泛指日常生活中，在現實或網上世界中的所有紀錄。例如紅隧每日車流量、個人信用卡交易紀錄、社交媒體內容、CCTV 片段等等。這些數據都可以用作智能機械的「訓練用數據（Training data）」。人類透過標記這些資訊，教導智能機械去分辨目標，達到「學習」效果；久而久之，智能機械會對目標產生「認知」。正如教導一個三歲小孩甚麼是「貓」，小孩原先對「貓」這種動物毫無概念；試想像父母對小孩展示不同種類的貓的照片 100 次，就算小孩從來未真正接觸過貓，他都會慢慢認識貓是一種甚麼類型的動物。
特別是機器學習技術，在近年取得重大突破。2016 年，人工智能程式 AlphaGo 在國際圍棋比賽中以 4:1 大比數擊敗當時世界最頂尖棋手李世石，成為全球焦點。有別於其他電腦程式需要人類「教授」技術，AlphaGo 透過分析過去與人類的對奕紀錄、再自我對奕及運算過萬次，分析每一步棋所有能發生的結果及勝算。電腦專家相信，只要加以改良，機器學習技術同樣可以應用在商業服務之上：例如分析過去 500 個 *Cup 讀者的閱讀習慣、社交媒體讚好數目，人工智能理論上可以了解讀者口味，從而撰寫相應的媒體內容。
當生產、服務及創作等工作都能夠被機械化及自動化，人類就會達致一個接近無需要再勞動的社會。美國麻省理工學院學者 Erik Brynjolfsson 就曾多次撰文，認為在未來，社會透過集體把工作「外判」給機械人，可以令人類有更多自由時間學習、享樂、發展藝術興趣及參與政治等等。情況就如古希臘時期的雅典城邦：當時的雅典社會透過勞役奴隸，平民百姓可以盡情享樂，沉醉運動、文化、哲學，同時經濟蓬勃發展，Brynjolfsson 將這個理想中的社會稱為「數碼化雅典（Digital Athens）」。
到底理想城邦會否戰勝歸來？「第四代工業革命」技術在勞動市場上的實際應用又有何挑戰？下週專欄會有詳盡講解。
後記
各位讀者如果有留意，曾幾何時 Google 的驗證碼，是要用戶選擇交通燈、門牌號碼或者車房閘口？網上一直有傳標記交通資訊是要為 Google 的無人駕駛汽車提供「訓練用數據」，教導汽車分辨交通燈、地址及車房位置，但 Google 一直沒有正面回應。
