时间: 2021-08-03 10:06:38 人气: 16 评论: 0
容易被取代的职业是哪些只有“硬技能”的职业，重复劳动、可预见、有明确流程和方法论的工作，而“软实力”，比如对事物之间的关联性有深入理解的，感性的，则处于相对安全的范围。但，未来不**有永久的安全区域。
1899年，爱迪生听福特介绍完汽车之后表示：马的末日已经来临。不过汽车在大街上畅通无阻奔驰之前，还是遇到了很大的阻力。当时乘坐马车的人不喜欢汽车，马车夫和马车铺老板更是恨透了汽车。在英国甚至有一个交通法规叫“红旗法”（1858-1896年），蒸汽汽车市内限速2英里/小时以下，郊外限速4英里/小时以下。旧金山也曾规定汽车在市内行驶的速度不能**过8英里/小时。对汽车的歧视不仅包括汽车不能**过马车速度，还有马车与汽车相遇时，汽车要停车为马车让路，马车夫甚至可以要求汽车司机发动机熄火，让马车安静通过。
但不管什么法令，汽车最终还是取代了马车，成为20世纪以来人类最主要的交通工具之一。人工智能对未来各种职业变化产生的影响，只**更加彻底。人工智能代表了更高的生产力，不管行业工**和政策如何压制，最终它还是**胜出。
那么，如何看待人工智能近期的加速？人工智能的变化对哪类职业**产生影响？
人工智能之所以变热、加速，很重要的原因是机器学习取得了重大的突破，而这个突破在于思考问题方式的转变。比如深度学习不再试图对整个世界建模，而是对大脑进行建模。范式的转移带来全新的突破。这加速了生产力的提升，加速了职业的变化，有的职业将消失，甚至绝大多数目前的职业都将消失，而新的职业将诞生。
从1956年提出人工智能概念到2016年，刚好60年，人工智能走到突破点上。人工智能的三驾马车：算法、算力和数据。算法有了很大的进步，深度学习技术可以大量处理未标记非结构化的数据，可以无监督训练及有监督的反向支持运算等；算力方面，GPU的大发展为人工智能的计算速度提供了基础支持。而数据是所有人工智能之源。所有的决策，所有的行为，最终归结为数据。
从具体的发展来看，目前语音识别、图像识别、自然语言处理、自动驾驶都有了实实在在的长足进步。
首先图像识别正确率的提高，图像识别的错误率减少到了7%，语音识别错误率减少到4%。图像识别相当机器的眼睛，它通过图像识别能够看到世界。在人工智能基准测试Imagenet上，微软、谷歌和百度都曾经取得过5%以内的识别错误率，这是一个很了不起的成绩，因为人眼识别的错误率大概为5.1%。其次，语音识别率大大幅提高。在国内百度、搜狗和科大讯飞对外公布语音识别准确率均达到97%。
更重要的是机器学习的方法让它变得越来越犀利。之前人工智能靠的是穷举法。比如图像识别要靠通过设立规则开发系统来识别物体，比如猫、狗等动物。自然语言处理则需要通过语言学家们把语法规则编写出来，并设计程序开发来完成。机器学习则换一个模式解决这个问题。把规则问题转换为数据问题。比如说，让要机器学习“猫”，传统的方式把识别的规则写出来。而机器学习则让自己去学习：从一定数量的标记为“猫”的图**和没有标记为“猫”的图**中，让神经网络去把“猫”找出来。之前由于算力和数据没有办法解决学习问题，但今天，这都不是问题。
数据对规则形成了碾压。甚至人工智能学家宣称：“每解雇一名语言学家，语音识别机器的表现就提高了一点。” 由于这是一个通用的方法论，这样机器学习就可应用到所有数据的领域，比如金融科技，通过机器学习找到高风险人群的特征。
机器学习，尤其是深度学习的快速发展让很多工作面临被取代的局面，这个进程还在加快。更可怕的是，未来人工智能将在数据分析上比人类更聪明。这也意味着人类不仅仅在一些机械的工作上被取代，甚至一些复杂的计算工作也**被取代。
容易被取代的工作包括纯机械体力劳动、有明确方法论和逻辑及流程的职业。难以被取代的工作，主要是关于人的体验、感性、暂时没有明确方法论和流程可以解决的行业和职业。比如创意娱乐艺术类。
未来可能今天的绝大多数职业都要消失，这里也没有办法穷举。目前看来显而易见的一些行业和职业很快就要受到冲击。
谷歌神经网络翻译（Neural Machine Translation）从2014年开始，仅仅两年的时间，就发生了翻天覆地的变化，英语和法语，英语和西班牙的互译质量达到了90%以上。百度翻译采用的则是深度学习和统计结合的翻译系统，同时还加收入了语言处理、语音交互的场景，目前支持**过28种语言互译。微软也曾发布微软翻译（Microsoft Translator），实现9中语言实时语音转文本的翻译。
像谷歌和百度等采用神经网络翻译系统之后，能够让翻译不仅仅是按字句进行，而是可以根据一篇文章大意对文章进行分析，极大降低了错误率。
目前谷歌翻译、百度翻译还不够完美，但是每年都在进步，估计过了五年十年，比普通人类翻译做得还好。
为什么？因为这是机器学习范式转变带来的变化。机器翻译实现了从统计式的翻译转向了神经网络翻译。也就是从统计，从穷举，从规则转向了机器学习。机器学习的方法意味着翻译的效果**越来越好。这才是从事翻译工作的人们需要担心的问题。
大多数记者写稿的工作也可能被取代。比如美联社有90%的文章采用机器写手的文章。**也开发了机器人写作新闻稿，按照算法在最快时间生成稿件，瞬时将重要资讯和解读发布给用户。
目前看，机器人写稿，一般来说，可以做一些消息类稿件，比如刚才提到的美联社新闻稿，**的新闻稿。对于大多数只是发布新闻消息的记者来说，这个职业很快就面临被淘汰的局面。这符合刚才提到的不仅仅是机械性的体力劳动，机械性的脑力劳动岗位也**被替代。大多数记者的写稿行为，本质是都是机械性的脑力劳动。基于机器学习的写稿行为，它**比人类更快，且随着给予的数据喂养更多，**比普通人类记者写得更加出色。
目前看只有对于事件的深度解读和分析，暂时还是人类的优势领域。
人类历史上，曾经强壮的男人最受欢迎。在原始的部落，强壮男人狩猎、保护族人免受外族欺凌，在原始社**、部落社**、农业社**，甚至在工业社**都是最受欢迎的职场人士。但是今天，强健的体魄面临来自不知疲倦更加强壮的机器人的冲击。
重复性体力劳动的重要性一直降低，而且被取代也是迟早的事情。比如无人驾驶作为人工智能最大的应用。它对司机这个职业产生根本性的威胁。不仅是Uber和滴滴这样的出行应用公司，而且特斯拉、百度、谷歌也在大力发展无人驾驶汽车。无人驾驶汽车的应用几乎涉及到了所有人工智能的方面，比如图像识别、语音识别、自然语言处理等。对于Uber和滴滴来说，要想继续向上走，必须让无人驾驶成为优化整个交通出行的核心，最终让出行体验做到极致。
而对于特斯拉、百度和谷歌这样的企业来说，重要的不仅仅是无人驾驶的硬件或者无人驾驶的软件能力。核心的还是前面提到的理念，这些企业的无人驾驶汽车是建立在“机器学习”基础上的。比如特斯拉已经收集了**过20多亿公里的车辆行驶数据，包括了不同路况和天气下的行驶数据，这些数据每天都在大规模增加。这些大数据通过学习的机制为其他所有的汽车赋予能力，也就是说这是一个怪兽。由分布在全球不同的地区的汽车个体不停地上传不同的数据，而这些数据又回报给各个个体，最终进化成为一个更加高效有用的自动驾驶汽车。
百度和谷歌也有类似的思路，百度有一个输出人工智能大脑的战略，除了自行研发百度无人汽车之外，还跟不同的汽车厂商合作，输出汽车大脑的服务，对于百度和谷歌来说，这样的方式能够以更快的速度获得数据。对于这些企业来说，最快的速度获得数据永远是最高的战略。
虽然真正的无人驾驶可能还需要五年十年的时间，但是这个趋势已经不可逆转。未来的出租车司机、滴滴或许Uber的司机、大货车司机等都要面临职业消失的局面。美国有200万名大货车司机，即使有特朗普的保护，最终来说，生产力发展的趋势也不是不可逆。无人驾驶汽车比货车司机更安全、可靠、听话、不知疲倦且容易管理。
机器人取代工厂工人是必然，就像美国目前的农业人口占总人口的1%一样，未来工人也不****过总人口的1%，曾经马克思书里描述的社**中坚力量工人阶级将随着技术的变迁而消失。甚至马克思主义的赖以存在的资本主义矛盾论**基础也将消失，他所描述的资本主义经济的核心问题在于供需信息的不对称，传导太慢，导致了经济危机，而人工智能的数据匹配将彻底改变这一问题，这意味着是不是很多经济学家也要失业了？因为从高度不透明，不确定的社**经济逐渐走向有计划可预期的社**经济。这里唯一不确定的是人性。
三全之前有2万多名职工，用手工包汤圆和水饺，但现在以前几千吨的汤圆水饺都由机器人完成。日本软银的孙正义早已开始布局未来，软银公司一家有**过3000万机器人，24小时不眠不休地干活，一个机器人抵好几个普通工人，目前成本仅900元，而中国的劳动力工资至少也得3000元以上。人工智能的发展将**引发产业的转移，产业将不一定在人力成本低的发展中国家发展，而可能**回流到发达国家。
诸如此类的案例只**越来越多。可以问问自己，自己的职业是不是处在被人工智能取代的区域？
容易被取代的职业是哪些只有“硬技能”的职业，重复劳动、可预见、有明确流程和方法论的工作，而“软实力”，比如对事物之间的关联性有深入理解的，感性的，则处于相对安全的范围。但，未来不**有永久的安全区域。
为了不那么容易被淘汰，应该怎么做？既然是不可逆转的趋势，首先了解它，然后接纳它，最后努力成为它的一部分。
怎么成为它的一部分？比如你是一位产品经理，有没有考虑过人工智能时代，作为产品经理的职业**不**不一样？是不是需要学**跟科学家沟通？比如你是传统的金融风控专家，如果机器学习应用到了金融科技，能够通过机器学习的方式更好地确定高风险人群的特征，那么，原来的经验是否还奏效？又比如是一位父母，如何进行教育？如何让自己的孩子在在未来二三十年的人工智能时代能够有机**参与？现有的教育理念可能都需要重新审视，要有个性化的教育，除了基础教育，更加重视发挥个人优势。理性思维强的人，要加大对物理和数学基础的学习，而感性思维强的人，发挥自己的创意、娱乐的等天赋。未来或许不再有中间道路，To be or not to be!（蓝狐笔记）
作者：蓝狐笔记，微信公众号：lanhubiji
本文由 @蓝狐笔记 原创发布于人人都是产品经理。未经许可，禁止转载。
