引言
2013年牛津大学卡尔·本迪特·弗瑞和迈克尔·奥斯本发表的研究报告《未来职业：工作有多容易被机器取代？》中提出：在未来20年内，英国现存的工作种类，有35%会完全被机器取代。在美国将有47％的工作被人工智能所取代。
波士顿的专家们认为：2025年之前，全世界至少要有四分之一的岗位因为人工智能的发展而彻底消失。预计可能有数十万乃至上百万人将受到直接冲击而失业。
普华永道会计师事务所2017年一份报告显示：未来15年里，相比于英国的30%、日本的21％，美国则有38％的工作机会，面临着被自动化取代的风险。
北京大学市场与网络经济研究中心和腾讯研究院合作研究指出，在中国，可能有70%的职业会受到人工智能的冲击。如果剔除掉农业人口受冲击的概率，可能有60%的职业会被人工智能取代。
人工智能产品的分类和发展状况
人工智能基础算法六十年前已出现，近几年的飞速发展主要得益于互联网大爆发带来大数据给人工智能带来了新的解药，而脑科学发展进一步助力算法的不断优化，结合机器人等其他技术带来人工智能的革命。
世界前几次技术革命---19世纪末始于英国的工业革命，20世纪末始于美国和德国的第二次工业革命，二战后以摩尔定律为标准的信息革命都对当时的社会带来了巨大的冲击。而这次的人工智能革命带来的冲击可能更大，影响更深远，需要更长的时间消化。
为什么说智能革命的冲击很可能会超过前几次技术革命对社会的影响呢？
按吴军老师在《智能革命》中的分析，首先信息革命的冲击还未完全消化，第二现代社会不同于过去，受全球化影响世界已无空白市场，没办法用新市场来消化技术冲击，第三也是最重要的是人工智能革命不仅仅是替代简单重复的劳动，还要替代人类最引以为豪的部分---大脑。
在现阶段，人工智能的产品形态按主要支撑技术分为以下三类：
1.语音和文字处理类，现在的应用包括医疗语音记录/法院庭审语音记录/人工智能写新网/金融智能客服等
科大讯飞自动翻译机，支持对12种语言（英、日、韩、泰、法、德、西、俄、意、葡、阿拉伯等）的拍照翻译，在线语种支持34种语言互译，还支持支持河南、四川、粤语、东北四种方言
2.图像和视觉类，包括自动驾驶/医疗影响诊断/机器判卷/机器人份炼产品/人工智能摄影和PS等
美国PLant Village和德国的PLantix 是两款智能植物识别APP，通过APP上传农作物的照片，除了帮你识别农作物，还可以帮助农户智能识别农作物的各种病虫害，并给出相应的处理方案
3. 大数据分析和预测类，包括智能风控/健康管理/案件刑期预测等
IBM打造医疗认知计算系统 沃森医生，肿瘤届的AlphaGo，目前用于乳腺癌/胃癌/结直肠癌等肿瘤的治疗决策。并且IBM正将沃森应用于更多专业领域，金融/时尚/航空等。
人工智能和机器人的结合有更多应用场景，比如手术机器人/调酒机器人/商场机器人导购/机器人前台/机器人酒店服务/智能安保机器人以及一些危险职业等等。
过去我们以为艺术/设计领域是人类的一片自留地，从现在的科技发展和产业融合情况看，艺术家和设计师也并不那么安全：
今年4月21日,阿里发布AI设计应用“鹿班”，5月开始逐步对外开放，主要功能包含：针对普通用户推出一键生成、智能排版、设计拓展三个功能：一键生成功能让小白用户生成想要的海报，输入Logo、风格、行业后即可输出；智能排版是把图片素材、文案、尺寸、Logo等输入后，自动生成一个完成的海报；设计拓展是设计生成后，可以自动改图片的尺寸，省去了设计师放在这些琐碎细节上的心力。针对专业设计师推出智能创作功能，目的是帮助训练“鹿班”。训练后数据会进“鹿班”的系统，阿里帮设计师把作品卖出去。
人工智能也是高超的艺术家，AI模拟名家“画作”，模拟创作某位大师的音乐都不在话下，比人类作品更“懂”名师们；在艺术创作上，人工智能因为没有人类的一些偏见和思想束缚，更突破常规的做法，“创作”出一些匪夷所思充满想象力的作品。
作品《下一个伦勃朗》椒人工智能利用数据分析和算法模仿荷兰著名画家伦勃朗胡画风创造出的一副人物肖像画。如果伦勃朗看到今天的人们像他一样，努力去描绘人类情感，并以此创作出新的作品，想必会很高兴吧。这样一幅描绘出数据、科技的力与美的艺术作品将会增进人们探讨创新究竟会将人类带至何方
360度3D电影装置《设想》故事是由观众和AI人形角色互动决定
这轮智能革命之后，不仅简单动脑的工作可能都要消失，甚至很多所谓高大上的职业也岌岌可危。
被人工智能替代的工作的特点
最可能被人工智能替代的工作有哪些特点呢，知乎上的一个高票回答总结的很精准：
1，结构化的数据和良好的数据积累
2，清晰明确的任务
3，可接受的回报周期和高利润率
应对人工智能冲击的思考
趋势难以逆转，与其坐以待毙，不如顺势而为
如何才能踏上这股浪潮呢？
1 理解先进科技，建立大数据思维
未来世界我们很可能处处需要人机互动或者人机合作，所以首先我们得理解人工智能。
这里的核心在于从传统机械性思维向大数据概率思维的转变。
简单来说，世界充满不确定性，越多的数据越能减小不确定性。但依赖传统的机械思维在大量数据中找寻因果关系效率非常低，所以我们用强相关性替代因果关系，或者先找到强相关性再反向论证因果性，大大加快了认知世界的效率。
2 积极推动传统行业变革 加速人工智能应用落地
科技发展从前沿到走入大众具有滞后性，一方面为新科技找到适合的应用场景需要时间，另一方面改变大众的习惯也要一个逐渐接受的过程，有的时候你根本想不到大众会把这项技术用到哪里。
在人工智能全面开花之前，现在就是机会---推动人工智能应用于各行各业的机会
世界上各大公司已经搭建好了人工智能平台，使其变成一种基础设施，让普通开发者创建人工智能应用的门槛逐渐降低。这时需要我们主动积极去思考，在自己熟悉的领域如何率先应用人工智能，提升效率降低成本，获取先发优势。
3 强化并发挥人类特有的优势
可能你会觉得，我不是计算机或数据分析专业，也没有特别的资源，挺难成为研发人工智能或者推广其应用的人，那我还能做什么？
我们就要想想：什么是人工智能暂时做不了或者暂时没人类做的好的事情？
人类相比人工智能最大差异--- 意识
机器没有意识，也就没有主观感受。 即使人工智能机器人Sophia可以通过面部识别理解人类的情绪，但她永远无法理解人类的情感和动机。她不可能体验过失恋的感觉，也无法理解爱和被爱。
而这些正是人类最擅长的-----同理心。人类的同理心帮助我们理解彼此，建立信任，创造满足用户需求的产品或服务。
所以在一些需要关心/强沟通/高度社交智慧/谈判的领域，人工智能很难做的比人好。我们可以更多的从事这类工作。
专业领域/狭义人工智能和通用领域/广义人工智能
应用于某个特定领域，解决这个领域某一类问题的人工智能，我们称为专业领域/狭义人工智能，比如医疗人工智能可以辅助诊断，但不能直接应用于自动驾驶。
应用于无明显边界，可以解决一系列复杂问题的人工智能，我们称为通用领域/广义人工智能，各种科幻电影中的人工智能助手更偏向这类，比如我们熟悉的钢铁侠的智能管家Jarvis。
目前的人工智能发展还是集中在专业领域范围，而通用型人工智能离我们还比较远（有专家预测，30年内都难以出现真的通用人工智能）
所以我们重点分析专业领域人工智能的问题，比较明显的一个缺点在于他们过于依赖经验，并且无差别的对待这些经验。但人类并不是这样，对于不同的事件人类很容易把握其内在的联系，将关键点抽象化，快速得到判断，而人工智能就显得“笨”得多。同时，专业领域人工智能处理问题是有局限性的，但人类却很容易举一反三，跨界的问题。
综上分析，人类相对不可替代性体现在：
1. 同理心，理解人的情感和动机
2. 抽象思维
3. 更强的跨界思考
如何强化人的相对优势
1.理解底层原理： 研究人类心理学/组织行为学/认知科学/社会学等；训练方法上，可以通过看小说锻炼同理心，通过实践锻炼社交能力 团队协作能力。
2.学习分析问题/解决问题的思维方法，建立独立思考的能力
3.广涉猎，跨学科跨界学习。一知半解才能举一反三。需注意避免理性无知（我不知道我不知道）状态，将功利性学习（带着明确问题/目的学习，一般为自己知道的领域/知识等）和非功利性学习(不带目的的学习）相结合，才更可能发掘我不知道我不知道的问题或者知识。 在广涉猎的同时，思考内在的关联性。
4.向聪明的人学习，和聪明的人对话。聪明/智慧的人往往能给我们带来新的启发。
拥抱变化 终身学习
人工智能革命会把社会的贫富差距越拉越大。我们唯一能做的是拥抱变化，拥抱智能时代的任何新技术新工具，努力跟上时代的步伐，才能成为受益的少数者。
网友评论