人工智能會「搶」走我們的工作么？本文作者并未對AI技術算法進行深入的探討，而是從宏觀視角上為各位勾勒一幅AI的全景圖。enjoy~

上周，DeepMind團隊研發(fā)的新一代人工智能棋手阿法元（AlphaGo Zero）以100比0的比分擊敗了其師兄阿法狗，掀起了一陣人工智能的熱潮。

以線性思維為主導的人類似乎本能的對非線性增長的事物抱持著恐懼。

新一代阿法元僅以4個TPU（專為機器學習而定制的CPU芯片），花了3天時間，且在無師自通、左右手互搏練習的方式下，就輕松擊敗了48個TPU花了幾個月時間，“吃”了3千萬棋局的師兄阿法狗。

這個進步無疑又是指數(shù)級的。當然，也嚇得我趕緊暫時擱下研究中的專題，臨時先行研究了下人工智能（下文簡稱AI，即Artificial Intelligence人工智能的縮寫）。

本文就不深入探討AI技術算法的探討，而是從宏觀視角上為各位勾勒一幅AI的全景圖，即：

• 人工智能到底發(fā)展到什么程度了？
• AI能力的本質是什么？它能做什么、不能做什么？
• 還能像上世紀90年代互聯(lián)網(wǎng)行業(yè)一樣給到我們一次發(fā)橫財?shù)?strong>機會么？
• 最后，是否會跟我們搶飯碗，取代現(xiàn)實中的大量工作？
• 換句話說，對我們長遠職業(yè)規(guī)劃及個人能力發(fā)展的啟示有哪些？

我們先來科普下，資本家、媒體們近年談的不亦樂乎的人工智能到底是何方神圣？

一、目前人工智能的能力本質剖析

人工智能的概念可以追溯到1950年。現(xiàn)代計算之父阿蘭·圖靈在他的論文《計算機械與智能》中首次提出一個問題“機器能否思考么？”

1955年，編程語言LISP發(fā)明者約翰·麥卡錫提出用“人工智能”定義該領域。

最初，借鑒人腦的神經(jīng)網(wǎng)絡技術備受青睞，但由于當時計算機的運算速度有限，這種技術在19世紀60年代即被遺棄。

很快，“基于知識”的技術取代了神經(jīng)網(wǎng)絡。

這個技術的核心是將人類知識體系進行編碼，然后讓系統(tǒng)基于這些知識“猜”（推理）出問題的“答案”。

然而，人類知識體系非常龐大，完全進行編碼不切實際，基于知識的AI于19世紀90年代再次碰壁。至此，AI的研究再次進入“寒冬”。

直至2011年，IBM的“沃森”打敗智力競賽節(jié)目《危險邊緣》的人類冠軍。AI再次喚醒了世人的想象。

而這一屆AI的核心技術是基于神經(jīng)網(wǎng)絡的“深度學習”。

這個技術詞匯經(jīng)常出現(xiàn)在我們視野中，但它的描述卻非常不親民，程序猿的世界一般百姓搞不懂，我試著用人話簡單的描述下：

深度學習，即是給AI指定一個規(guī)則（比如下圍棋規(guī)則），然后“喂”它各種數(shù)據(jù)（歷史棋局），在它“學習棋局”的過程中給予回饋，像教熊孩子一樣，錯了打屁屁，對了獎糖果，做的題越多，AI下棋的成績越能接近我們的期望。

而最新阿法元是通過舊棋局生成新棋局的方法“自己喂養(yǎng)自己”，無需依賴“人工棋局”，即所謂的“左右手互博，無師自通”。

2011之后發(fā)生的標志性事件都是大家所熟悉的了：

2012年“谷歌大腦”項目實現(xiàn)以非常低的錯誤率在海量圖像中識別貓

2014年斯坦福大學開發(fā)出機器視覺算法，可以對圖像的信息進行描述

2016年大家記憶猶新的谷歌阿法狗戰(zhàn)勝人類圍棋冠軍

2017年10月阿法元“無師自通”打敗了上一代的阿法狗

……

由于諸多媒體及江湖人士的“鼓吹”，對AI不明覺厲的大眾理所當然的認為，AI已經(jīng)越來越具備類似人類的“生物式”思考力，目前跟人的區(qū)別，不過像小孩子跟大人的區(qū)別一樣。

按照這種速度發(fā)展，“小孩子”還會快速長大，而人類貌似并無多大的成長空間了。那么，AI終將很快取代多數(shù)人類的工作貌似是水到渠成的事兒。

但事實真的會照這個劇本上演么？

解開這個謎題的關鍵在于，AI取得的進步到底是漸變式成長，還是突破性提升。

所謂的漸變式成長，打個比方，就好像電腦硬盤從以前的16G上升到160G、320G、1T……等等，這種純粹“效率”層面的提升。

而突破性提升即是指，整個經(jīng)典計算機（即現(xiàn)在的計算機體系，馮·諾依曼結構）被量子計算機取代（基于量子物理理論的計算機，計算速度能實現(xiàn)超指數(shù)級提升）。

以此觀點，目前AI的發(fā)展是令人“既歡喜又憂傷”：因為就AI提出大半個世紀后，其發(fā)展依然屬于“漸變式成長”。

世界頂級AI專家斯圖爾特·羅素在阿法狗戰(zhàn)勝人類后的評價就三個字：“很失望?！?/p>

阿法狗的初衷是想知道，AI能否像人類那樣思考圍棋，從而為研發(fā)具有“通用思考力”的AI打下基礎。

但阿法狗取勝的方式卻仍是采用傳統(tǒng)的機器思維。

那么，AI的“機器思維”跟“人類思維”到底有著什么根本的區(qū)別？

當下實現(xiàn)人工智能的算法名稱，比如神經(jīng)網(wǎng)絡、深度學習、遺傳算法、進化算法……聽上去非?！跋袢恕保ɑＨ耍?，但是，目前的人工智能最關鍵運作原理依然是“模式匹配”。

即基于大數(shù)據(jù)、搜尋、識別、統(tǒng)計、猜測（概率）的方式。

簡單來說，目前人工智能理解世界的核心方式依然是“識別”，這與人類理解世界的核心方式：“想象”、“推理”、“創(chuàng)造”、“情感判斷”有著本質的區(qū)別。

比如：

一歲的孩子通過“玩積木蓋房子”就能明白“要穩(wěn)定的站立，雙腳必須一起發(fā)力”的道理。

而同樣的讓機器人“玩積木”學習，它最終也只能學會在快遞運輸業(yè)務中“搬運貨物”。

聰明如你應該意識到了，“機器思維”由于只懂得“模式匹配”，因而它只能勝任某一具體的、“規(guī)則清晰”的工作。

一旦離開這個領域，它又需要人類AI科學家去“研究現(xiàn)實業(yè)務、編碼新規(guī)則、訓練大量數(shù)據(jù)、海量測試……”這一開銷巨大的工程。

當然，或者你會說，隨著業(yè)務規(guī)則化的熟練、學習算法的極度優(yōu)化，上述工程終將可以非常經(jīng)濟的實現(xiàn)。

那么，我姑且假設這個可能性成立，但是，這依然改變不了當下的AI無法解決人類絕大多數(shù)核心事務的事實。因為——

AI無法具備“創(chuàng)造力”。也就意味著無法完成現(xiàn)世中最有價值的工作：創(chuàng)造“突破性解決方案”解決各種社會問題。

比如，在神創(chuàng)論統(tǒng)治世界的年代，人類受“水滴石穿”自然現(xiàn)象的啟發(fā)，最終卻能夠想明白，人類并非天神“變”出來的，而是從魚一路“進化”過來的（達爾文進化論）。

這對人工智能幾乎是個天方夜譚的能力了。

簡而言之，AI專家們在優(yōu)化算法方面確實取得了輝煌成果。但遺憾的是，在AI的最底層“運作原理”方面，離圖靈提出的“會思考”相去甚遠。特殊用途的“思考”（機械思維）并非圖靈意義上的思考（人類思維）。

用量子物理學家David Deutsch的話來說，“（AI）越來越擅長假裝思考，與越來越接近于能夠思考，并不是一回事?！?/p>

談到這個份上了，我們就可以順勢引出人工智能的“強”、“弱”概念了。

「強人工智能」的核心是機器能真正具備思考能力（Can machine really think）, 而「弱人工智能」的核心是讓機器能智能化的解決問題（Can machine act intelligent）

與多數(shù)對AI抱持敬畏之心的朋友們想的略有不同，目前市面上絕大多數(shù)的人工智能并非具備「通用思考能力」的 強AI，而是屬于「弱」AI的范疇，即只能作為特殊用途的“思考”——畢竟它可實現(xiàn)、可實用化、商業(yè)投資回報周期短，無可厚非。

那么，是否弱人工智能就真的很“弱”，對我們的工作、生活沒法產(chǎn)生重大影響呢？

那倒不是。

二、弱人工智能的應用：機會？還是搶飯碗？

按照前面的論述，AI并沒有預想的那般神通廣大啊，那為何眼下AI會炙手可熱到如此地步呢？

理由很簡單：

對資本家而言，有利可圖；

對投機者而言，有機可趁；

對尋常百姓而言，有話可吹。

時下的AI雖然與人類思維有本質區(qū)別，但它也有人類不具備的“超人優(yōu)點”：計算速度快、沒有情感、可以做任何人都不愿意做的事情。

這意味著，只要符合下述四大特征的領域，就是AI的必然“入侵領域”。

此處我建議大伙兒結合自身工作的實際情況對照下，如果你的工作符合下述四大特征，那么強烈建議各位“務必預先鋪設后路”。

1、該領域規(guī)則明確、唯一、穩(wěn)定

比如家庭清潔。規(guī)則很明確：教會AI識別“需要清理的物品”與“不能清理物品”的區(qū)別，清理的范圍，判斷需要清理的時機……此外，家庭清潔的事務非常穩(wěn)定，不會說今天需要清理垃圾，明天就改成布置家居了。

2、該領域市場潛力巨大

當然，并非規(guī)則唯一、穩(wěn)定的事情都會轉化成AI產(chǎn)業(yè)。

比如，陪伴跑步的機器人。我想沒有多少人會為了“找個人一起跑步”而去購買價格不菲的機器人吧。

縱然是較為簡單的領域，例如，消費者偏好決策支持AI，哪怕有現(xiàn)成的海量真實消費數(shù)據(jù)，將之實現(xiàn)商業(yè)化至少需要動輒數(shù)億資金以上（這還不考慮諸多政策法規(guī)的阻礙）。

所以，沒有個百億以上規(guī)模的潛在經(jīng)濟效益的領域，不會在短期內“AI”化。

3、該領域的作業(yè)工作“過程”沒有（或極少）人為介入

按照前面兩大特征，規(guī)則明確、市場潛力大，我想各行各業(yè)都有非常多的“工作崗位”躺槍。比如客戶經(jīng)理、客服、醫(yī)生、教師、記者、初級程序猿……

但事實是，多數(shù)崗位都會非常安全。

因為他們在工作的“過程中”會涉及到大量跟“人打交道”，而“理解人類思維”恰恰是人工智能的弱項。

此外，“人”的參與會讓事情變得難以預測，而AI的優(yōu)勢發(fā)揮是處理高度可控的事情。

我們以初級程序猿為例。表面看，該領域市場潛力非常大（程序猿工資不菲），且規(guī)則明確、清晰（將業(yè)務需求轉化成代碼），但是，在獲取業(yè)務需求的過程中，存在大量與他人的“溝通、梳理思路、反復確認”的事情，這些都不是弱AI擅長的。

但反過來，普通的文字工作者，比如某頭條那些低俗獵奇文章，由于在編寫過程不用與他人溝通，而是直接將文章結果呈現(xiàn)給用戶，所以這類工作是非常容易被AI取代的。

簡單來說，能夠“套路化”的事情就是AI最擅長的事情。

至此，我們可以基于上述三大特征對照下，自己的工作（或者目標事業(yè)規(guī)劃）在可見的未來內是否屬于“高危工作”：

• 規(guī)則清晰穩(wěn)定
• 市場潛力大（起碼百億級別）
• 工作過程（注意：不是工作結果）無需與人打交道

根據(jù)上述的簡單分析，我們可以初步判定下述行業(yè)的工作將大概率讓AI取代：

以數(shù)據(jù)統(tǒng)計、分析、校對為核心的數(shù)據(jù)工作者：

初級數(shù)據(jù)分析師、金融分析風險應對、市場分析精準營銷、投資理財、初級會計、醫(yī)療門診……

*所謂“初級”指不具備“提出創(chuàng)造性方案從根本上解決問題”思維的人

以內容搜尋、簡單重組為核心的內容工作者：

律師助理、初級記者、泛娛樂內容、科研助理、出版編輯、人力資源服務……

以律師助理為例，他的主要工作，搜集庭審上用作證據(jù)的文件，由機器來完成其成本將遠低于律師的人工成本。

不涉及“情感化價值”的服務：

翻譯、安保、營養(yǎng)保健咨詢、商品售后、餐飲服務、各類收銀員、公共運輸服務、家政服務……

順帶一提，像空姐、心理咨詢等崗位，雖然技術上較容易“AI化”，但其核心價值之一是“為客戶提供情感體驗”，所以并不會很快被取代。

幸運的是，由于“取代大量普通勞動力”的領域容易造成失業(yè)率上升，會遇上不少政策阻力，因而“容易被AI取代”并不代表“馬上”被取代（但也只是時間問題）。

鑒于此，那些“人類不喜歡、不擅長”但卻能提升全民福祉的工作（這通常是全新的工作）反而是AI的“發(fā)力”區(qū)。

比如，需要更“敏銳”的感官才能勝任的事務：

體內手術（通過小機器人植入實現(xiàn)）、犯罪預測（通過心跳、熱感應實時監(jiān)測）

又比如，惡劣環(huán)境下（危險、高溫、潮濕、污染、骯臟）的各種作業(yè)：

自然資源開采、水下（天空、海洋）勘察、身體清潔、垃圾清理、災害救助等等。

另外，人類機械化、個人化精細定制、仿生學、人類增強、也是人工智能的另一龐大領域：

讓微小的智能芯片、機器人“住進”身體內，隨時提供最佳的營養(yǎng)、運動建議，比如心臟起搏器、胰島素泵；

基于個人的思維特征提供最佳的教育服務；

根據(jù)個人收入及消費習慣提供最佳的理財服務等等；

又比如，讓缺陷身體器官再造（外骨骼），讓老年人擁有高質量的生活；

或者將感官增強（視覺、嗅覺、聽覺）

……

事實上，以上多數(shù)領域的AI早已進入研究，甚至有些已經(jīng)“試水”商用階段了。尤其是物流機器人、汽車及交通領域，此外，用于農(nóng)業(yè)、手術護理的新型工業(yè)機器人也將很快看到利潤。

相信大伙兒對當今炙手可熱的AI發(fā)展已經(jīng)有了感性的認知。

是否覺得AI給人一種不溫不火的感覺？

與時下媒體、廣大商業(yè)大佬們的觀點略有不同，李少加個人認為，這一次的AI還遠遠達不到像“工業(yè)革命”、“互聯(lián)網(wǎng)革命”那種對社會帶來顛覆式影響的程度。

我的理由是：當下AI過度依賴“數(shù)據(jù)”、依賴“量化”而愈發(fā)遠離“人性”（情感），遠離圖靈意義上的“會思考”。

當下的AI，更多的是人類歷史線性思維的高效率版本。

至于AI之所以炙手可熱，其根源與社會文化停滯、與資本主義經(jīng)濟“碰壁”急需新的出路……等等宏觀因素關系甚大。

一些朋友留言就問，怎么學習AI？

其實我想說，先看清楚了產(chǎn)業(yè)本質再考慮，人類史上的血淚史一再的證明：過猶不及。

過火的產(chǎn)業(yè)背后，“失智”的成分總是高于“智慧”。

但是，這并代表我們就不能從中找到些許“重大啟示”：尤其是對我們職場工作。

這是我們最后要討論的主題。

三、人工智能的隱喻：對我們職業(yè)規(guī)劃的威脅及啟示

雖然人工智能在“搶飯碗”上并沒有大眾預估的嚴重，但它的隱喻卻對我們的“自我提升”方向是個極具價值的啟示：

當我們“提升個人能力時”千萬不要追求AI擅長的能力

這些會讓“人”急劇降低競爭力的「能力關鍵詞」包括：

• “套路”
• “記憶”
• “一勞永逸”
• “（純粹）效率提升”
• “重復”……

這就是為何我常常苦口婆心告誡廣大運營從業(yè)者不要追求那些“表象、淺顯、立竿見影”（容易套路化）的能力：

比如“怎么吸引用戶眼球、怎么起標題、怎么誘惑用戶、怎么迎合用戶胃口”。這些事情（滿足人類的低級需求）對于“深度學習”算法而言正是其優(yōu)勢所在。

不信？看下微軟機器人“小冰”，2016年出版了詩集《陽光失了玻璃窗》，此處摘錄其中一首小詩：

《塵?！?/strong>

作者：小冰（微軟機器人）

五分了藝術縱通

一去不返于古人

我曾孤獨地走入夢

在你的心靈

偉大的藝術為自有的一切

看不見古代的塵埃

曾經(jīng)在這世界

我有美的意義