 播放GIF 在2013年广为关注的一篇研究中，Carl Benedikt Frey 和 Michael Osborne 核查了702种职业的计算能力，并发现美国47%的工人都面临着工作自动化的风险。尤其是，大部分运输业和客运业和公关类都有可能会被计算机所取代，还有许多销售业与服务业人员也面临着工作被计算机取代的威胁。 经济学家正在担心“职业两极化”的风险，实际上，工作可以被划分为两种常规职业：第一种即高薪水高技术的职业（建筑师，高级管理），还有低薪水低技术的职业（清洁工，快餐员）。许多西方国家中层职业薪水的停滞都表现出自动化已经开始产生影响。 圣路易斯联邦储备银行发表的数据显示，在美国，非常规认知型工作以及非常规手工型工作自1980年后逐步增长，而常规化工作则一直维持几乎不变。随着更多工作自动化，这种趋势很可能会延续下去。  达芬奇研究院的高级未来学家Thomas Frey发表了一篇令人激动的文章“78个难以自动化的技能”。Frey分析了他认为将从自动化进程中保持“安全”的职业类别，如下：
我将尝试从我们开发的“深度学习画布”的角度来解决每一个问题。在我们的方法中，我们融合了“要完成的工作”（JTBD）方法来识别需要解决的任务的方法，并了解通过深度学习可以增强的认知限制。 在Frey的文章中，他建立了自己的观点，即最有可能安全的工作是涉及到人类的非理性工作。JTBD方法不仅超出了纯粹的功能，还解决了人们的需求，如情绪和社会货币。无论深度学习系统如何自动化，都需要针对这三种需求的组合。 人们似乎忽略了，频繁更换工作对个人能力提升是没有太大帮助的。这些细节被很多预言家所忽视。那些继续从业者的能力变得更加强大，首先失去工作的低技能的民众对使用自动化工具不太熟练， 那些具有技能的人，获得更先进的技能，这成了一个恶性循环。 虽然那些没有技能的人被迫付出代价来获得技能。在许多情况下，没有任何教育机构教他们这些技能。 此外，较少的技能意味着更多的商品化。人们将被迫进入“零工经济”，被迫进入到无休止的市场竞争中，利润率几乎为零。 但是，我们来看一下Frey的列表，因为它是一个基于丰富的内容来进行更详细的分析。 复杂的系统太昂贵，无法自动化 复杂的系统将总是要求具有先进技能的人员来编排。然而，这并不意味着将有更少的自动化能够实现这一活动。 事实上，人们应该期望公司能够利用尽可能多的自动化来加速工作。与其他竞争对手相比，特斯拉和SpaceX是高度自动化的公司。 发现自动化过程过于昂贵的公司可能是不知道如何利用自动化来降低开发成本。  只有人类才能欣赏的创造性付出 这与以前类似，但涉及更多的艺术性付出。在很多好莱坞科幻大片中，我们继续使用越来越先进的自动化来降低成本。电影制作人员不再需要雇佣额外的军队拍摄大规模的战斗场面。 这些都是通过CGI模拟技术完成的。有一段时间，电影要具有史诗感，其造价成本太贵了，但今天这不再是一个问题。 当然，我们会让创意人士继续推动发展，但所需的人力资源将会继续减少。在未来，我们甚至可能不需要电影演员，只是使用CGI演唱的著名演员。事实上，如果我们看到同样的面孔而感到无聊，那我们可以生成任意的面孔。 人与人互动产生情绪反应 Frey描述的大部分内容（即微笑，拥抱，吻，按摩等）通常都不付钱。事实上，在许多国家，支付这些“人际互动”将被视为违法。 需要以人为本的推理决策 人类像看门狗一样防范失控的自动化。我认为，如果政府实行这样的规定，这种工作就不会消失。就像加油站服务员一样。某些国家需要它，尽管不是绝对必要的。不过，这种立法可以让很多人上岗。 需要人类的复杂翻译 例如：医生、数据分析师、法官、企业高管、隐私权倡导者、人际关系策略、分娩协助、家谱测绘等。 这与之前的类别差不多。它只是在顶部而不是底部的监督。 然而，它涉及人类对机器的需求，以便其他人可以理解（并接受）机器的结论。 然而，这可能不会改变，因为法律已经确定人们需要这些工作。 我们不能让非人类的法官将人们送去终身监禁或死囚牢房。 需要人文关怀的情况 例如：教学 Frey在这个类别中提供的例子似乎都围绕着教育。不过，我认为教育正在大规模的通过互联网，教育只会在虚拟现实、增强现实和人文素养上变得越来越好。这是因为我们可以建立更多的互动环境，可以为更多的学生提供更多的质量水平教学，这比普通老师好很多倍。 我们目前的教育实践中存在的问题是，课堂教学模式都是被动倾听。我们需要争取更多的学生参与主动学习模式。学生学得更好并不是因为听讲而是实践。创造高素质教育的专业知识将会得到满足。这将需要深入了解互动技术，了解人的行为和教学方法。深度学习发挥作用的是其对人类行为作出反应的能力，这对于有效的教学至关重要。 防止黑客方面，人类的忠诚度远比数字化机器高 例如：保护贵宾，保持机密，个人信徒，维护企业信息，顾问，游说者，机器人抵抗组织领导人。 相反，Blockchain系统已经被证明是防黑客的，而不是具有可以被“社会设计”的人类元素的系统。  人对人的评估 示例：股票市场，投票，政府政策，违反政策的行为，购买，采购代理，评级机构，测量和民意调查。 我们已经有了系统，在我们应该关注的焦点上做出各种各样的“估值”。Facebook管理我们的阅读清单。亚马逊推荐我们可能喜欢的产品。Google过滤我们的搜索结果。AI越来越多地为我们做出决定。我们已经习惯了像GPS这样的机器给我们指示，我们已经失去了所有的方向感。 我们在这个领域可能会看到的是，Blockchain技术将确保承担公平市场或民主进程的许多互动的透明度和完整性。今天，很多这些进程都是获得很少的收益。人与人之间的估值不应该专门用于人类，而应该通过透明的集体方式来完成。这里的原因是因为人类有动机来与系统比赛。 在人工智能经济中，取得他人的信任变得越来越难。机器智能将变得复杂到足以让工作场所的许多人作为冒名顶替者。 让我们诚实的说，为什么人们得到的报酬超过了他们应得的薪水，是由于人类如何评估员工的价值是非常低效的。 人类控制机器人的位置 例如：所有者和经理、软件开发人员、系统工程师、产品设计师、机器人维护者、出售机器人的拍卖商。 这是与之前的3个主题相同的主题。也就是说，自动化作为增强人类工作的工具。 总之，列表可以进一步简化为：
这是将来存在的五类看似安全的工作。支付某人以外的工作可能是非法的。另一方面，除了“人体安全阀”外，所有其他工作都需要高水平的技能。未来的工作需要对人类和机器有深刻的了解，正是由于人与机器之间的这种相互，工作才将存在。 我认为一些值得欣赏的是，深度学习是一种像人类直觉的技术。与传统的AI技术相比，它是一种相反的技术，专注于推理，同时还保留语义的差距。然而，人类的能力被困在岩石和硬的地方，人工直觉与人为推理之间。这是很多人似乎正在弄清楚什么工作是安全的，什么不是。我们不要陷入这样的幻想：独特的人类直觉让我们自以为是安全的，而不会被自动化所取代。 随着深度学习的出现，没有多少工作是安全的。我们必须正视这个问题，这样我们才能在研究经济体制的核心问题上有一个初步的开端。AI可能会破坏资本主义制度，不幸的是我们不会就什么取代它开始认真的讨论。严峻的现实是，新兴的人工智能经济为高技能人士所存在，其他人并不适用。 来源：Intuition Machine（机器人圈做了适当的内容修改） 作者：Carlos E. Perez |
|
|
