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用來評價(jià)一個(gè)人的情商，那么AIQ就是評價(jià)一個(gè)人對人工智能的認(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級機(jī)構(gòu)當(dāng)年沒有看到次級債(CDO)的風(fēng)險(xiǎn)。答案并不是因?yàn)樵u級機(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就不再會出現(xiàn)這種問題，因?yàn)榭梢詮母嗑S度對數(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?？斓念I(lǐng)域，如果機(jī)器能夠?qū)W會如何像人一樣學(xué)習(xí)，智慧會進(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，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，又將如何推動思想的發(fā)展?一定會讓很多人從簡單重復(fù)的勞動中解放出來，有機(jī)會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)心工作被自動化所代替，而是要從整個(gè)工作流程的角度看AI到底會給職場帶來什么樣的改變。和過去的技術(shù)迭代一樣，AI一定會取代一些工作，或者一些工作的一部分，但同時(shí)也一定會創(chuàng)造一些新的工作機(jī)會，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，讓更多潛在學(xué)生了解MBA課程。第二步是評判，也就是對申請人進(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)合格的申請人接受錄取通知書。一個(gè)傳統(tǒng)的MBA錄取流程，會在第二階段配置大量有經(jīng)驗(yàn)的人力，而且會限制推廣，擔(dān)心人力無法及時(shí)處理大量的申請。

AI在商學(xué)院錄取流程中的應(yīng)用，會從第二環(huán)節(jié)開始，培養(yǎng)出特別擅長對申請人進(jìn)行篩選和評判的AI。AI替代手動篩選評判申請人這一流程的同時(shí)，也會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)院會愿意加大市場宣傳力度以吸引更多的申請人，甚至可能免除申請費(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)比簡單的自動化要深遠(yuǎn)地多。

那AI給未來的工作會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，而不是讓更多會計(jì)師失業(yè)。同樣，工作的一部分被自動化會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。但是亞馬遜也意識到，只要人在整個(gè)流程中存在，物流配送就無法完全自動化。亞馬遜2012年收購機(jī)器人公司Kiva就是要向自動化邁出一大步。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)生的工作會被替代。他們的工作會發(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