分享

如果机器人可以做大部分工作,人类this如何保住自己的“饭碗”?

 昵称535749 2017-03-03

图普科技 ·  3小时前 ·  技能GET

与机器人相比,人类的优势在哪儿呢?
如果机器人可以做大部分工作,人类该如何保住自己的“饭碗”?

和大多数技术一样,机器学习和人工智能(AI)的蓬勃发展是令人兴奋而又可怕的。考虑到我们的生有可能得到质的提升,小到从管理我们的日历大到做医学这是非常让人激动人心的。但是当考虑到AI技术对社会和个人的影响,特别是对我们的职业的影响,还是略微可怕的。 

很久以来人们就知道AI和自动化/机器人将改变市场和劳动力。自动驾驶汽车将迫使超过三千名卡车司机寻求新的就业岗位,特斯拉的机器人生产线将继续“吃掉”制造业工人的工作,目前这已经造成了1200万制造业工人丢掉了工作。但这只是一个开始。随着AI技术的改善,那些偏向于思考的工作相比起执行性强的工作,将会很快受到影响。前几年,我们都不敢想象教师,医生,财务顾问,股票经纪人等职业未来竟然可以被机器人取代。

但是,有很多工作机器可以做得比人类更好,但我们却不应该对此感到自豪。许多熟练工作都遵循着相同的常规工作流程:

收集数据

分析数据

解释结果

4.确定推荐的行动方案

5.实施行动方针

我们来分析一下几个职业,从而判断以上的说法是否真实。

对于医生来说,首先是执行测试,分析结果,通过分析结果后进行诊断,计划治疗过程,然后与患者合作,使此治疗计划成为现实。

财务顾问会收集和分析有关其客户和潜在投资工具的数据,解释各种因素的影响,如风险承受力,推荐投资策略,随着时间的推移一步一步地实施这一战略。

商业顾问和以上这两个职业的工作内容大同小异,但却倾向于诊断和解决业务问题。

这些拥有高技能的人员具有以下三种能力,能够让他们高效快速地完成工作。他们拥有快速,准确完成早期任务的能力;他们在落实执行前,会根据自己的经验和判断来最后确认行动,会理智地帮助客户驾驭这一过程。AI和机器学习将很快地超越我们的前两个能力 - 在这些相关领域工作的人,他们的相关技能将会被AI取代。

自动化系统在数据收集和分析中的作用是显而易见的。我们已经认可机器可以高效地完成这些类型的任务。人类的能力是有限的,同时往往带有一些偏见。医生也无法紧跟专业领域每一部新出版物的观点。他们必须依赖于少量的个人经验,而不是完全的行业知识。顾问也只能在他们的职业生涯中体验这么多的公司变革。从一系列有限的经验中,他们形成自己的偏好和见解。当人类处理新信息达到一个极限时,却不能如机器般加入更多的服务器。相反,我们必须依靠我们自己的常有的偏好,习惯和经验。

有些人可能会说,对于一些诸如理财,管理身体健康等重要的问题,我们并不能全然的相信机器,这种想法显然是上个世纪的想法。但是新一代人却倾向于相信这些智能机器,并且使用它们甚至往往更喜欢它们。进一步来说,任何人都很难与这样的结果进行争论.IBM的沃森已经对医生的医疗案例进行了破解,投资者也逐渐会尝试智能投顾。

那些想要在自己的专业中保持相关性的人需要专注于人工智能难以复制的技能和能力 - 理解,激励和互动。智能机器可能能够够诊断疾病,甚至其推荐的诊疗方法比医生传统的治疗方法还要好。然而,与病人并肩而坐,深入交流,了解他们的生活状况(财务状况,家庭,生活质量等),从而再去帮助病人最后确定治疗计划才应该是最佳的方案。

相似的,智能机器能够提供改进组织的建议。然而,人类却仍然是这份工作的最佳胜任者,比如刺激领导团队采取行动,避免出现政治敏感问题,并发现黑马,通过精明用人带来变化。

在未来十年,这些人类能力将变得越上越重要。类似劝说,理解和同情等情感将会成为人类与智能机器差异化的因素。不幸的是,这些以人为本的技能在培训和教育方面不被重视。医生,财务策划师或顾问更专注于提交出去的报告和数据,而不是求助者个人独特的情况和诉求。

无论更好还是更差,这些技术对于任何想要在自动化系统激增时,仍能在其专业领域拥有一席之地的人来说都是至关重要的。

  • 不要对抗技术的进步。机器学习和AI有能力改善结果和降低成本 - 所以不要妄图对抗机器人。欢迎这些新的变化进入你的行业,以及高效地运用这些新技术,让这些技术与你互补工作中。

  • 检查自己与人交互,激励和评估的能力。当涉及到情绪智商,你需要认识到你的优势和弱点。

  • 对情绪智商的发展进行投资。最简单的方法是改变你的心理模型,了解你扮演的角色中最重要的特质是什么,并开始关注如何更好地管理,影响与他人联系。或者,通过培训和抓住机会来往前更进一步。

你能够做得比机器人更好的便是与身边人的联系。现在就开始培养和投资这些能力,正如你的培养和投资职业生涯的其他已有的技术一般。如果你能成为一名杰出的激励者,管理者或听众,那么你仍能在技术转变产业之际在你的专业领域中保留一席之地。

编辑:杨志芳

注:本文由“图普科技”编译,您可以关注微信公众号tuputech,获得最新,最好的人工智能资讯。


本文由  图普科技 授权36氪发布,并经36氪编辑;本文观点不代表36氪立场,转载请联系原作者。

    本站是提供个人知识管理的网络存储空间,所有内容均由用户发布,不代表本站观点。请注意甄别内容中的联系方式、诱导购买等信息,谨防诈骗。如发现有害或侵权内容,请点击一键举报。
    转藏 分享 献花(0

    0条评论

    发表

    请遵守用户 评论公约

    类似文章 更多