人工智能范式转移与传统职业的消失

“让你陷入困境的不是未知世界，而是你所坚信的事，并不如你所愿”。

                                                                                       —— 马克·吐温

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超过8英里/小时。对汽车的歧视不仅包括汽车不能超过马车速度，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，只会更加彻底。人工智能代表了更高的生产力，不管行业工会和政策如何压制，最终它还是会胜出。

 

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会产生影响？

 

一、机器学习范式的转变

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”的图片和没有标记为“猫”的图片中，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。

 

二、机器学习范式转移加剧对传统职业的冲击

 

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会被取代。

 

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。

 

1.翻译

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，目前支持超过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会越来越好。这才是从事翻译工作的人们需要担心的问题。

 

2.记者

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。腾讯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，腾讯的新闻稿。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会被替代。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，它会比人类更快，且随着给予的数据喂养更多，会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。

 

3.司机

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，在原始社会、部落社会、农业社会，甚至在工业社会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超过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。

 

4.工厂工人

 

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，未来工人也不会超过总人口的1%，曾经马克思书里描述的社会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理论基础也将消失，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，不确定的社会经济逐渐走向有计划可预期的社会经济。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，软银公司一家有超过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。人工智能的发展将会引发产业的转移，产业将不一定在人力成本低的发展中国家发展，而可能会回流到发达国家。

 

诸如此类的案例只会越来越多。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？

 

三、结语

 

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，未来不会有永久的安全区域。

 

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会不会不一样？是不是需要学会跟科学家沟通？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会参与？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）