AI碾压我们的智商,抢我们工作,咋办?
在去年AlphaGo跟韩国李世石比赛的时候,中国的天才少年柯洁在微博上是这样说的:有种冲我来啊!
今年终于来了,最后的新闻标题是柯洁哭了。
柯洁输了也改变不了他是围棋界顶尖高手的身份,在人类的选手中,他现在仍然是最牛的高手。
棋圣聂卫平的评价比较客观,不是柯洁不厉害,而是这其实两个不同维度的竞争。
作为一项智力和体育活动,围棋永远会有人玩,人类也会从中发现乐趣和快乐。但人工智能所代表的趋势,则给许多职场人以警醒!
1
1
简单理解,人工智能包括感知智能、认知智能与决策智能。感知智能类似于人的耳朵、眼睛、鼻子,电脑能够听明白、看明白和闻明白;认知智能和决策智能类似于人类的学习与判断和决策,电脑能够学会自主学习、能够考虑多维度因素去做出合理的判断与决策,当然前提是要告诉它判断的依据。譬如AlphaGo就在很短的时间内”自学”了3000多万棋谱,而且它还可以“左右互搏”自己跟自己下棋积累经验,所以可以快速的从对围棋一窍不通到胜过九段高手。
在当前发展最好的人工智能是感知领域,语音识别、语义识别、图像识别等,百度每天语音识别的日请求已经超亿次,准确度达到97%以上,它比我们普通人听力都要好,说话含混不停或者有口音的他都能听清楚。科大讯飞的语音识别技术也差不多,他们已经说要替代掉会议常见的速记人员了。
如果能够积累某个人大量的语音素材,还可以进行语音合成,这个准确度也在迅速提高。这个想起来就很可怕,如果将某个人说话的声音录足够多时间,就可以用这个人的口气说话,但这个话那个“真实的人”从来没说过,这不是间谍片才有的桥段吗?图像识别的技术也在日益成熟,人脸识别准确率越来越高。
仅仅从语音识别、语义识别、图像识别角度发散去想一下,会有多少人的岗位会被替代掉:速记员、翻译、保安、主责抓贼的警察等等。现在公安有自己的网上追逃系统,里面一般有嫌疑人的照片,如果全国的摄像头都能联网,图像识别系统启动后,自动去比对追逃库里的照片,是不是贼也不好做了。再想一下,如果将TFBoys的语音资料存储量够大,是不是就可以自动用他们的声音来给各种动画片配音啦,一年配几千部都没问题,导航里面的林志玲语音也类似于这个原理。
2
2
这才是智能感知能做的一小部分事情,加上智能认知和决策,人工智能可影响的范围现在我们现在还无法想象。关于如何看待人工智能和人类的关系,既有悲观也有乐观派。但关于人工智能对于就业和岗位的影响,专家们的认知倒是比较一致:部分工作岗位会被替代掉,更重要的一部分是辅助,类似于汽车帮助人跑的更快,人工智能将帮助人类尤其是知识工作的更加有效率。这也意味着社会所需岗位的急剧减少成为一个不可逆转的趋势,就是说由于技术和工具的进步,没有那么多岗位提供给适龄的劳动者,许多人未来可能要失业。
也有人乐观的说,工业革命、信息革命的进步,许多原来从事农业的人口、原来的生产线工人岗位减少,不是又出来更多的新岗位吗?
这次可能没有那么乐观,因为它太快了,可能不到10年时间就会天翻地覆,而那些时代的变迁都是以世纪为单位的,没有那么长时间创造出新的岗位。
3
3
小布什曾经问过胡锦涛,作为国家元首最操心的是什么问题。胡的回答是就业,每当想到每年需要安排2400万以上的人就业就感到不安。作为个体,大部分都讨厌上班,如果没有了岗位,你会怀念上班的好。
那什么样的人在未来能够保有自己的岗位呢?举个例子吧:
前面提到,随着图像识别能力的提升,抓贼的警察需求可能会越来越少,但这样的警察例外。在萨苏《京城捕王》书中有一个“神眼小尹”的警官,他是这样描述的:
“老尹的工作地点在北京站口,主要打击目标为混在人流中的逃犯。他的擅长的是盘查,讲究的是短兵相接,在极短的时间里,几秒钟内断定面前走过之人是不是负案在逃,然后就要上前盘问,乃至行动抓人。所以,什么现场,证物,预定方案,对老尹来说都过于奢侈。这就经常会发生老尹把人抓了,还不知道人家到底干了什么的事情。
但是,根据北京市公安局的记录,老尹抓了二十多年逃犯,落到他手里的通缉犯将近千人,真正抓错了的只有一起,而被抓的还是同行。这个战绩在北京治安民警中,至今无人打破。不知道我干了什么事儿他怎么就能抓我呢?这不知道是多少逃犯发自心底的痛切疑问。
这种警察不仅可以抓已经被追逃的贼,还可以抓没有被发现的贼。这样的警察一定不会被人工智能代替。
普通的翻译在未来会被替代掉,但能够很自然、贴切的翻译出:“守职而不废,处义而不回”、“召远在修近,避祸在除怨“和”人或加讪,心无疵兮。“的翻译一定无法替代。因为它除了要熟悉外文,还要深刻了解语言所在国的相关文化背景、俗语俚语,也需要中文的深厚功底。关键是现场翻译的根本不知道发言者什么时候会说什么样的语言,没有明确套路可循。
4
4
对应于体力工作者,德鲁克提出了知识工作者(Knowledge Worker),我们简单定义为:以处理信息和知识为主要工作内容的人。程序员、编辑、销售员、政府雇员、教师等等都是知识工作者,能读到这篇文章的人大部分也是。
这里的处理包括知识的生产(譬如科学家),也包括知识的传播(出版)、利用(譬如工程师)等活动。
但同是知识工作者,差异也会很大:一名在10086接线的客服代表与一位做风险投资的大佬,都是在做处理信息和知识的工作,但他们工作对于信息和知识的使用与创造要求却迥然不同。
所以有必要对知识工作者进行再分类。由于目的不同,对于知识工作者的分类是一个有意思的话题,相关的研究也有很多。
这里只根据2个维度去分类:
1、知识工作者工作中需要的协作程度:个人独自完成还是需要协作完成;
譬如医生虽然对于疑难病症也会会诊、请教其他人,但他们的大部分日常工作都不要依赖于自己做判断。而销售总监可能也要去亲自卖东西,但其核心价值是要依赖于他所带团队的绩效。
医生这个职位所需要的协作程度较低,而销售总监则需要的协作程度高。
2、知识工作者工作中需要的知识的程序化程度:有章可循还是需要临机判断。
对于公民而言,应该是“法无禁止即可为”,而对于政府而言,则是“法无授权不可为”,所以大部分政府普通公务员所办理的事情,都是程序化、有章可循的。但有的工作,则完全无章可循或者需要临机判断。譬如医生,每次都需要基于患者的检查指标进行判断。
基于以上2个维度,结合起来会形成四类角色:
您属于哪一类?
哪一类人最容易被机器所替代?
5
4
将来,有许多人是去做跟人、情感满足相关联的工作,技术再进步也需要人跟人之间的互动、沟通和交流,人类永远需要关怀、交互和爱。
做这类工作的人不大可能失业。但凡是规则明确繁杂费神的工作都会被技术化,而做这类工作的岗位则很危险。
人类需要去做那些没有明确规则的工作,由我们在工作中主动的去总结、提炼出规则来,再交给机器去做,提升效率。可以参考一下这篇文章:普通高手使用套路,顶尖高手创造套路
而能够提炼出岗位、行业规则的人,一定是这个领域的高手!简单说,要想不被替代,你需要成为能够产生规则的的高手!
随着生产力的提升,未来许多人可能都不需要工作就可以过的不错。而很多上班的人,也是为机器“打工”:对于还没有明确规则的地方,有各领域的高手去生产出明确、结构化的模式和规则,然后再有机器去实现,服务更广的领域和人群,提升整个社会的效率。