2601# Anthony Goldbloom: The jobs we'll lose to machines
Anthony先从自己的侄女讲起，侄女父母的工作为医生和律师，当她上大学时，她父母的工作发生了翻天覆地的变化。
牛津大学在2013年时做过一项研究，研究未来的工作，他们认为，一般的工作都有被自动化机械代替的趋势。一切别替代的源头来自机器学习，是人工智能中祖牛的分支，“数据”成为机器学习过程中的课本。从90年代初，机器学习就已经融入工业生产。e.g. 估算信用贷款申请的风险；按照手写的邮编将信件分类；
讲者的公司Kaggle在2012年举办了一场比赛，要求写出能够给高中作文打分的算法，去年已经可以做到给出眼睛的图片后用计算机判别是否患有糖尿病性视网膜病。
只要有更好的数据，机器就能比人更好的完成这样的任务。我们人永远不能像机器一样完美的完成大量重复性的工作。Machines can excel at frequent high-volume tasks.
Humans can tackle novel situations
对自动化的基本限制是在陌生情况下机器远不如人类。回到主题，这对我们未来工作有什么影响，这也是每一个职业现在都面临的问题。在未来，我们仍然会需要会计和律师，只是这些职业角色的重要性会越来越低。
机器没有解决突发能力的情况，商业竞争品需要吸引用户的眼球，要做到鹤立鸡群；
最好的策略是找到市场中那些尚未有人涉足之地，这一切只有我们人类可以做到，
最后讲者送给自己侄女的一句话：
2602# 玻璃笼子-重塑工作和工人
100年前，英国哲学家阿弗雷德·诺尔司·怀特海在《数学导论》中写道，人们无须过多考虑就可以完成的重要操作越来越多，随着这些操作数量的增长，文明也在进步。怀特海所指的并不是机器，而是运用数学符号表达想法或逻辑过程——将智力行为封装在代码中。
在过去人们认为：新工具新的计算方法诞生把我们从体力和脑力劳动中解放出来，使我们能够应对更多的任何和挑战。自动化和软件限制了我们的关注点，并没有开拓思维和加速行动。人们只是用更精妙的才智换区了更常规和更趋同的技术。
自动化届的一个谬论——替代神话：自动化是有益的，会推动我们完成更大的使命，但并不会改变我们做事或思考的方式。
帕拉休拉在曾提到，自动化并不是简单地取代了人类活动，而是通过出乎设计者意料或预期之外的方式改变人类活动，重塑工作和工人。
当人们在计算机的协助下完成一项任务时，经常会被一对认知障碍所扰：自动化的自满情绪和人们对自动化的偏好。当计算机给我们造成安全假象时，就体现出了我们对自动化的过度依赖，人们相信机器运转不会出现任何问题，可能出现的问题是很可能会忽略机器的故障信号。
偏好同过度依赖紧密相连。
当人们恩多分重视显示屏上的信息时，这种偏好就会悄悄地蔓延开来，即使信息时错误的或具有误导性的。对于依靠决策支持类软件进行分析或判断的人来说，自动化偏好具有特殊的风险性。过度依赖和偏好都是源于注意力的局限性。
当我们没有同周围事物进行常规性互动式，注意力的和意识就很容易被分散。当我们在评估和衡量信息时容易产生偏好情绪，这说明我们的思维关注点是有选择性的，并很容易被错误信息或是表面看起来很有用的提示所影响。
新的技术将我们从执行者变为观察者。
一个重要观点，我们应该担心的不是自动化，而应该是人们对自动化的过度依赖。
2603#玻璃笼子-生成效应
生成效应，一个认知心理学的专业名词。最先出现在词汇研究中。e.g. 人们如果主动回想单词就会增强记忆。主动回想单词相当于在省城单词，比单纯阅读纸上的单词效果要好。强迫思维补全单词比仅依靠观察来解决问题更有利于记忆信息。实验表明，生成效应对记忆力和学习能力都会产生明显的影响。
澳心理学家在2000年发表论文指出自动化和生成效应之间具有着某种联系，人类活动（产生对应的Cold单词）会被打印出来的刺激物低效，当生成功能被阅读所取代，人们的表现就会变差，这可以作为对自动化的认知代价。
通计算机辅助技术相比，自己承担一项任务或动作会涉及很多种心理过程。软件则降低了工作的参与程度和专注度，特别是当软件把我们推向更为被动的角色——观察者或是监控者这就避开了生成效应的基础——深层认知处理。
决策支持类软件让新晋分析师做出更好的判断，但降低了他们思考的频率，阻碍了记忆的信息编码能力，从而减少了隐形知识储备。
外界的学习或在他人的指导之下获得的是显性知识，当对于某项任务具有心理准备和认知基础时，显性知识才会发挥一定的作用。要掌握一项技能需要的是隐性知识，隐形知识需要真实经历获得。
可以理解为源源不断的信息从意识转化到潜意识的过程。
这解释了为什么我们在刚开始学习一门语言的时候需要付出巨大的努力，通过形状认识字幕，冰尝试用字母组成音节，用音节构成单词。当这个缓慢艰辛的过程，字幕和单词被编入视皮层的神经元（大脑中用于处理视觉信号的部分）之后我们就可以不经过一时思考认出字幕和单词。学习者的自动型越强，月底起来就越顺畅和熟练，这是我们在学习和月底时经历的自动化过程。
生理和智力的遗传特征在培养技能的过程中发挥了关键作用，特别是在技能发展的最高阶段。并不是话费上万小时的练习某项技能就会变为专长。
人的自然属性起到了重要的作用。自动性，正如它的名字一样，可以被看作一种内化了的自动化。它是人体进行困难、重复的例行工作时所采用的方式。身体的运动和步骤被编写进肌肉记忆中，通过感官对环境模式的即时认知形成理解和判断。科学家很久以前就发现思维的受限程度令人惊讶，它摄取和处理信息的能力很有限。没有自动性，我们的思维意识将一直处于过载状态。
怀特海认为，工具和其他技术充其量只能用于完成一些类似的任务，大脑自动性的容量也是有限的。我们无意识的思维能实现许多功能，既快速又高效，但也并不是无所不能。你能记住12个甚至20个时间表，但是再多就记不住了。
即使你的大脑还能存储记忆，你也耗尽了耐心。有些复杂的数学过程对你的大脑来说负荷过大，但是用一个简单的口袋计算器，你就能解开这些数学运算，这样一来，你的思维意识就获得了解放，可以去思考数学背后的意义。
只有通过学习和训练掌握了基本的算术以后，你才能考虑这些问题。如果你用计算器解决你没学过的或是不理解的数学问题，而不去学习数学的相关知识，这个工具就不会给你带来新的见解，也不会帮助你获得新的数学知识和技能。
它只是一个黑盒，一个神秘的数字产出装置，它将阻碍高级思维的生成而不是激发高级思维。
2604#玻璃笼子-跳舞的老鼠
1907年，Harvard心理学家罗伯特M出版了《跳舞的老鼠》并预测，跳舞的老鼠至于行为学家就像青蛙之于解剖学佳一样重要。在当时，利用动物进行心理学研究还是新鲜事，19世纪9年代，巴布洛夫以狗为实验进行研究，1900年，老鼠开始被作为实验对象，在《跳舞的老鼠》中，他用你饿吃动物作为实验主题，探索平衡和均衡、视觉和感知、学习和记忆，以及行为特征的遗传性等问题。
老鼠具有“实验推动性“，观察和实验的时间越长，老鼠表现出来的需要解决的问题就越多。1906年的一次实验发现了刺激强度和习惯养成速度之间的关系并成为了心理学历史上的标志性事件，他们讲这一发现称之为耶斯基——多的森法则。（进行实验的两位心理学家名）
刺激度特别低时，人处于空闲状态，没有受到刺激，停止不动，表现呈平缓停滞状态。随着刺激的加强，表现增强，倒”U“型曲线定点的左侧呈上升趋势，而后刺激进一步下降。当刺激强度达到最大值时，压力麻痹了人的行动，表现再次呈停滞状态。在Y-D曲线顶点，人类的学习和表现出与最佳状态，因为在这一刻，我们收到了挑战，但没有被击垮。当曲线到达顶点时，人类进入了一种心流状态。
Y-D定律同自动化研究已经被证明具有某种特殊关联。可以解释计算机进入人类工作场所和工作过程后所带来的诸多以外影响。
自动化早期，提升工作表现。一种猜测，工作量和表现具有负相关性：心里紧张程度降低，工作时就会表现得更聪明与积极，可以将全部注意力转向那些更为紧迫的任务。但在其他情况下，由于自动化承担任务过多，导致工人的表现只能处于Y-D曲线左侧
信息过量会带来负面影响，信息不足也会降低人们的能力。但是，将信息简化会适得其反，人的注意力会所缩水，在自动化系统的运行过程中，负载不去可能比过载更值得我们的关注，因为负载不足更难发现。
在最坏的情况下，自动化确实对人类提出了意料之外的附加要求，增加了他们额外的工作负担。迫使他们在Y-D曲线右侧，这种情形被称之为”自动化悖论“。自动化在某些情况下会增加工作量，造成存在风险的工作环境，这是自动化矛盾的根源。计算机是起到了辅助的作用，降低了工人的出错率，但最终人类很可能在自动化环境中像试验中的老鼠一样做出错误的决定。
2605#玻璃笼子-工业与自动化
亚当斯密早就认识到工厂专业化会导致工人技术退化，在《国富论》中他写道：他们一辈子都在重复一些简单的操作，这些操作的弄能通常是相同的或非常类似的，工人没有机会理解自己的工作，也没有机会锻炼创造力，在面对前所未有的困难时寻找应急策略。
亚当斯密认为机能退化是不幸的，但这是工厂生产效率提高不可避免的副产品。并且，劳动分工可以推动机械化，进一步弱化工人的技能。
提出“科学管理”哲学的弗雷德里克泰勒的认为：传统工作方式最大的缺点在于赋予赋予个人太多的主动性和空间。只有遵照“规则、定律和惯例”，实现工作流程的标准化，才能达到最有效率，而机器上的设计恰恰体现了这一点。
汉娜阿伦特在1958年出版的《人之境况》：在整个生产过程中，手工工具一直是人类双手的仆人，但是机器就不同了，机器要求工人为它们服务，工人需要调整身体的自然规律以适应机器的机械运动。
20世界后半叶，工人和机器的关系变得更复杂。公司规模扩大，技术进步，消费者购买力增长，工种增加，市场规模扩大。新的机器种类变多。泰勒主义的观点认为，要通过工作流程的标准化实现最有效率。
在这种情况下，计算机迅速版要了双重角色，从监控、衡量到控制工人工作的责任。随着不断普及的自动化，技术发展和工人技术能力下降之间的关联性也逐渐变为社会学家和经济学家激烈讨论的话题。
此时，并不是所有人都支持布雷弗曼的观点，一些人批评他过分强调了传统手工工人的重要性。最后关于技能退化趋势的争辩，只能囿于对价值的判断，更别提技能提高、重获技能或其他技能问题了。