人工智能將給未來工作帶來什么樣的改變？

• 2018年9月30日 ZhangHongYuan來源：經(jīng)濟(jì)觀察報(bào) 902 56
• 繁體

• 

  行業(yè)集中度在不斷提升，不進(jìn)則退。ITO鍍膜情報(bào)分析把握有力發(fā)展方向！

  企業(yè)并購包括兼并與收購。公司兼并是指經(jīng)由轉(zhuǎn)移公司所有權(quán)的形式，一家或多家公司的全部資產(chǎn)與責(zé)任不需經(jīng)過清算都轉(zhuǎn)移為另一公司所有，而接受全部資產(chǎn)與責(zé)任的另一公司仍然完全以自身名義繼續(xù)運(yùn)...

如果說IQ是用來測量一個(gè)人的智商，EQ用來評(píng)價(jià)一個(gè)人的情商，那么AIQ就是評(píng)價(jià)一個(gè)人對(duì)人工智能的認(rèn)知。

現(xiàn)在的AI，無論是亞馬遜的Alexa，或者蘋果的Siri，都并不懂得語言的含義，但是卻能準(zhǔn)確判斷文字之間的相關(guān)性。不究原因，只強(qiáng)調(diào)結(jié)果，AI能帶來高效率，而我們暫時(shí)遠(yuǎn)不用擔(dān)心它能和我們有一樣的智慧。

這也是培養(yǎng)AIQ的第二個(gè)要點(diǎn)，不用過早擔(dān)心AI是否會(huì)取代人類，因?yàn)楝F(xiàn)在的AI發(fā)展距離通用機(jī)器智能(AGI)，距離趕上人類的智能還很遠(yuǎn)。數(shù)字工程師現(xiàn)在要花90%的時(shí)間用于處理數(shù)據(jù)，把非標(biāo)的數(shù)據(jù)變成機(jī)器可以讀懂的結(jié)構(gòu)化數(shù)據(jù)，只有10%的時(shí)間用在推進(jìn)AI的發(fā)展上。因?yàn)锳I只聽得懂?dāng)?shù)字，無論是圖像還是文字的識(shí)別，都是找出它們的數(shù)字屬性，然后讓AI做最擅長的事：快速地計(jì)算和找到準(zhǔn)確的關(guān)聯(lián)。

培養(yǎng)AIQ的第三點(diǎn)，需要理解人與現(xiàn)在的AI之間到底有哪些優(yōu)勢和劣勢。

十幾年前，當(dāng)時(shí)擔(dān)任美國國防部長的拉姆斯菲爾德曾經(jīng)特別就美軍在伊拉克面臨的風(fēng)險(xiǎn)做過一個(gè)四個(gè)象限圖的分析，分別是美軍知道美軍自己知道的風(fēng)險(xiǎn)(已知的已知);美軍知道美軍還沒有掌握的風(fēng)險(xiǎn)(已知的未知);美軍并不知道自己已經(jīng)掌握的風(fēng)險(xiǎn)(未知的已知)，以及美軍根本不知道自己還不知道的風(fēng)險(xiǎn)(未知的未知)。

如果以美國掌握的全球恐怖主義信息為例，第一種風(fēng)險(xiǎn)是美國知道本拉登建立了基地組織;第二種風(fēng)險(xiǎn)是美國知道自己并不知道本拉登基地組織的目標(biāo)到底是什么;第三種風(fēng)險(xiǎn)是CIA已經(jīng)知道與本拉登相關(guān)的人曾經(jīng)在美國學(xué)習(xí)飛行，并且再次入境美國，但是并沒有就這一重要信息做出分析，因此美國的決策者并不知情;第四種風(fēng)險(xiǎn)則是美國根本無法預(yù)測2001年紐約的911事件會(huì)發(fā)生。

同樣，套用這四個(gè)象限分析，也可以清晰地分辨人與機(jī)器之間的差別。

應(yīng)用場域最廣的領(lǐng)域是“已知的已知”領(lǐng)域，即有著大量數(shù)據(jù)，而我們也很清楚知道如何做出好的預(yù)測的領(lǐng)域，比如說防欺詐、醫(yī)療診斷等等。這些領(lǐng)域AI已經(jīng)大規(guī)模取代人，因?yàn)闄C(jī)器從大數(shù)據(jù)中找出相關(guān)性的速度比人要快得多。

如果反思一下2008年金融危機(jī)，首要問題是為什么評(píng)級(jí)機(jī)構(gòu)當(dāng)年沒有看到次級(jí)債(CDO)的風(fēng)險(xiǎn)。答案并不是因?yàn)樵u(píng)級(jí)機(jī)構(gòu)當(dāng)時(shí)沒有充足的數(shù)據(jù)。癥結(jié)在于他們設(shè)計(jì)的風(fēng)險(xiǎn)模型中并沒有考慮到不同市場價(jià)格變動(dòng)的相關(guān)性，比如紐約和芝加哥房價(jià)同時(shí)下跌給CDO帶來的風(fēng)險(xiǎn)。有了AI就不再會(huì)出現(xiàn)這種問題，因?yàn)榭梢詮母嗑S度對(duì)數(shù)據(jù)做出分析?！耙阎奈粗鳖I(lǐng)域，將仍然是人的領(lǐng)地。這個(gè)領(lǐng)域并沒有大量數(shù)據(jù)，無法幫助AI做出好的預(yù)測。相反，人卻能利用小數(shù)據(jù)來舉一反三。當(dāng)然這也恰恰是機(jī)器學(xué)習(xí)發(fā)展非常快的領(lǐng)域，如果機(jī)器能夠?qū)W會(huì)如何像人一樣學(xué)習(xí)，智慧會(huì)進(jìn)一大步。

第三個(gè)領(lǐng)域，也就是“未知的未知”領(lǐng)域，人和機(jī)器都束手無策。黑天鵝就是一種未知的未知，人和機(jī)器都很難預(yù)測。原因很簡單，AI從本質(zhì)上仍然是利用歷史數(shù)據(jù)預(yù)測未來。如果某個(gè)新物種，從來就沒有人見過，又何從預(yù)測呢?比如說，共享音樂Nap-ster給CD行業(yè)帶來的毀滅性打擊就很難預(yù)測。

最后一個(gè)領(lǐng)域，就是“已知的未知”領(lǐng)域，AI和人一樣容易犯錯(cuò)，而應(yīng)用AI會(huì)帶來更大的風(fēng)險(xiǎn)，因?yàn)锳I可能飛快地將錯(cuò)誤放大千百倍，讓人措手不及。所謂已知的未知，意思是我們已經(jīng)能做出了預(yù)測(不管是人還是AI)，但是卻并不知道背后真正的原因，甚至有時(shí)候以為自己知道原因，其實(shí)卻是錯(cuò)的。

國際象棋大師卡斯帕羅夫在《深度思考》中就提到一個(gè)早期研究國際象棋的AI犯錯(cuò)的例子。AI在看到大量棋譜之后，發(fā)現(xiàn)很多象棋大勢在犧牲王后之后，往往很快就能有致贏的后手，所以這種AI會(huì)開局就選擇放棄王后。這就是在“已知的未知”領(lǐng)域內(nèi)犯錯(cuò)的例子，因?yàn)樗严嚓P(guān)性錯(cuò)認(rèn)為是因果性，把現(xiàn)象——好的棋手有的時(shí)候會(huì)丟棄王后——當(dāng)做了制勝的原因。

有了這四個(gè)象限的分析，人與機(jī)器的差別也就非常清楚。簡單重復(fù)的勞動(dòng)，甚至一些中等的職位，比如起草標(biāo)準(zhǔn)合同的律師工作，都會(huì)被機(jī)器所取代，因?yàn)橛兄罅繑?shù)據(jù)可以培養(yǎng)出強(qiáng)大的AI，但是在探索未知領(lǐng)域，人類仍然有巨大的潛力。

人工智能與職場風(fēng)險(xiǎn)

喬布斯有句名言，電腦是思想的自行車。如果說電腦加快了思想的運(yùn)算速度的話，AI作為新一代的通用科技，又將如何推動(dòng)思想的發(fā)展?一定會(huì)讓很多人從簡單重復(fù)的勞動(dòng)中解放出來，有機(jī)會(huì)讓更多人釋放出更多的創(chuàng)造力。

從這一視角分析AI可能給人的生活和職場帶來的改變，就不必簡單地去擔(dān)心工作被自動(dòng)化所代替，而是要從整個(gè)工作流程的角度看AI到底會(huì)給職場帶來什么樣的改變。和過去的技術(shù)迭代一樣，AI一定會(huì)取代一些工作，或者一些工作的一部分，但同時(shí)也一定會(huì)創(chuàng)造一些新的工作機(jī)會(huì)，或者把一部分既有工作變得更吃重，所不同的是，這樣的改變速度更快，頻次更多。

先舉一個(gè)商學(xué)院錄取流程的例子來看AI如何重塑工作流。商學(xué)院MBA的錄取流程可以分拆成三個(gè)階段，不同階段需要配置不同的資源。第一步是推廣，也就是鼓勵(lì)學(xué)生申請(qǐng)，讓更多潛在學(xué)生了解MBA課程。第二步是評(píng)判，也就是對(duì)申請(qǐng)人進(jìn)行篩選，通常需要大量人工去做。第三步是給出結(jié)果，盡可能鼓勵(lì)合格的申請(qǐng)人接受錄取通知書。一個(gè)傳統(tǒng)的MBA錄取流程，會(huì)在第二階段配置大量有經(jīng)驗(yàn)的人力，而且會(huì)限制推廣，擔(dān)心人力無法及時(shí)處理大量的申請(qǐng)。

AI在商學(xué)院錄取流程中的應(yīng)用，會(huì)從第二環(huán)節(jié)開始，培養(yǎng)出特別擅長對(duì)申請(qǐng)人進(jìn)行篩選和評(píng)判的AI。AI替代手動(dòng)篩選評(píng)判申請(qǐng)人這一流程的同時(shí)，也會(huì)讓資源可以配置到其他流程中，比如沒有了篩選的人力瓶頸，商學(xué)院會(huì)愿意加大市場宣傳力度以吸引更多的申請(qǐng)人，甚至可能免除申請(qǐng)費(fèi)，因?yàn)锳I審核的成本接近為零。從這一角度去思考，AI給商學(xué)院帶來的改變并不是簡單地替代某項(xiàng)工作，而是會(huì)重新安排招生三個(gè)步驟的資源分配，AI給工作流帶來的改變，遠(yuǎn)比簡單的自動(dòng)化要深遠(yuǎn)地多。

那AI給未來的工作會(huì)帶來什么樣的改變呢?

第一種情況，當(dāng)工作的一部分職能被自動(dòng)化了之后，工作本身反而變得更重要了。這在PC時(shí)代就曾經(jīng)出現(xiàn)過。比如Excel的出現(xiàn)讓財(cái)務(wù)的話語權(quán)更大，而不是讓更多會(huì)計(jì)師失業(yè)。同樣，工作的一部分被自動(dòng)化會(huì)讓那些需要更多人判斷的工作變得更重要也更有價(jià)值。

第二種情況，機(jī)器的確會(huì)替代一些工作。比如說亞馬遜分揀倉里的分揀員。亞馬遜的物流配送分揀倉雇傭了4萬多人，因?yàn)槿巳匀槐葯C(jī)器能更快地分揀貨物。但是亞馬遜也意識(shí)到，只要人在整個(gè)流程中存在，物流配送就無法完全自動(dòng)化。亞馬遜2012年收購機(jī)器人公司Kiva就是要向自動(dòng)化邁出一大步。未來當(dāng)機(jī)器完全取代人類分揀員之后，倉庫就可以變成黑燈倉庫，節(jié)約照明和空調(diào)的電費(fèi)，而且可以24小時(shí)不停歇地工作，大大提升效率。

第三種情況，AI會(huì)重塑一些工作，取代一部分職能，同時(shí)增加另一部分智能。比如說放射科醫(yī)生。放射科醫(yī)生主要的工作是解讀X光片或者CT影像?，F(xiàn)在機(jī)器已經(jīng)可以做得更好了。但這并不意味著放射科醫(yī)生的工作會(huì)被替代。他們的工作會(huì)發(fā)生大的變化。一方面，他們?nèi)匀恍枰蚱渌t(yī)生解釋AI得出的影響判斷，另一方面為新機(jī)器的AI提供訓(xùn)練也是他們未來的工作之一。

延伸閱讀

推薦閱讀

猜您喜歡