未来三十年内，哪些行业的工作人员可能会被人工智能取代？
人工智能这些年的快速发展，在某些领域已经开始渐渐取代人类的工作岗位了。未来这种情况是否会越来越严重？以后的人类会进入空虚的享乐时代么？本题已收入知乎圆桌 » 日常经济学 · 我为什么这么穷，更多「劳动经济学」、「贫富差距」相关话题欢迎关注讨论 大家看了前面那么多回答，想必也被其中高深的理论搞浑了头脑，那我就直奔主题，说一个注定会被人工智能取代的职业。
这份职业它
[*]在生活中绝对离不开，但是很多人却从未注意过想到过。
[*]工资很高，本科生的实习工资在三线城市就能拿到4000~6000（注意哦是实习工资），如果成了老师傅年薪20万说出去都是丢人。
[*]这份职业也不是高危职业，根本不用担心生命危险。
这份职业就是：
染厂打样师
这份职业是干什么的呢，说白了就是把我们的衣服调配出合适的颜色配方，然后工厂就依照这个颜色配方进行大生产。
我们穿的衣服，都会有他们的参与。一家帽子厂去染厂进蓝色的布做帽子，假如染厂没有打样师调准颜色，就会出现把本来应该染成蓝色的布染成绿色的。发生这样的事帽子厂能怎么办，当然是选择原谅它了~
作为染厂核心位置的他们，我为什么要说他会消失呢？
因为他们配颜色就是靠试，不停的去试，反复的去试
往前几十年，配色师傅们就是拿着服装厂给的原样布，去用肉眼看颜色差别，然后调好三原色去染出小布样，发现颜色还有偏差颜色太红了，那就少加点红色染料，调整好三原色再去染出小布样，又发现颜色太蓝了，那就再少加点蓝色染料，调整好三原色后再去染出小布样，结果又发现蓝色加少了，最后颜色终于调好了又要接着调深浅度。就这么反反复复，周而复始，三番五次的把我们身上穿的衣服颜色染了出来。
棉织物三原色 色三角
现在科技进步了，时代发展了。如今染厂里的打样师是怎么配颜色的呢？你只用把上面那一段话的人眼观察改成机器测量再读一遍就好了。现实就是这么无奈，科技在进步，机器测的数据越来越准确，但是却没从根本上改变反反复复去试的本质。
DL：明暗度差异Da：红绿差异 Db：蓝黄差异
为什么目前机器无法替代这个职业，其实是因为其中要考虑的因素太多了太多了，听了我刚才的描述我们很容易会拿它去和画画时调颜料去比较，但是他们之间的难度可能差了一个太平洋的距离。
[*]时间跨度长。我画画调颜色把颜色混在一起搅拌开我就知道相应的颜色是什么，而织物染色短则30分钟，长则12个小时。一般棉织物浸染需要1个小时不到的时间，而如果采用环保节能的冷轧堆染色方法就要12个小时。抛去睡觉时间，意味着打样师一天只能配一组，而调配画画的颜料可能这是1分钟的事情。
[*]染料的种类极其丰富。画画的颜料完全不同于染色的颜料，因为织物染色本质上属于化学反应，染料通过化学反应与纤维之间形成稳定的连接，这样才能保证衣服在我们洗涤过程中不会把颜色掉完。
染不同的织物要用到不同的染料，例如：染棉布就要用活性染料或还原染料，染涤纶织物要用到分散染料等等。而他们之间都是不同的化学结构，即便是同一类的染料由于颜色和性能不同，化学结构也不相同。这也就意味着不同类别的染料不可以随意搭配，举个例子：例如有的红色染料1个小时才可以达到我想要的颜色，而有的蓝色染料半个小时就可以达到，他们彼此上染到织物上的速率不同，那就无法很准确的配出颜色。我们称之为配伍性不同，两者无法相互匹配。
多种种类的染料
3.商品染料种类又极其丰富。因为卖出来的商品染料还要混合其他的化学试剂，来保证他有稳定的性能，比如加入分散剂等，让他能更均匀的在水溶液中不会沉淀下来。生产染料的厂家很多，每一家都会有自己的配方。就好比虽然是可乐，但是他家生产的是可口可乐，别的家生产的是百事可乐等等。又给配颜色增添了极大的麻烦。
4.织物、纤维的种类丰富。不同的纤维要用到不同的染料去染，但是关键的是，不同类别的染料他们和织物反应的原理却截然不同，比如棉纤维用活性染色，60℃的温度在碱性条件下就可以上染，而染涤纶的分散染料却要在130℃高温高压的酸性条件下染色。
现在我们穿的衣服大家看一下织物成分表就会发现，现在单一成分的衣服越来越少，涤棉混纺，涤粘混纺等等，染厂需要先染其中一种纤维，再染另一种纤维，但是涤纶和棉的结构和性能也截然不同，染色工艺不一样，染出来的色光也不一样。比如棉纤维表面会有小毛羽，颜色反射出来更柔和，而涤纶更光滑，反射出来的颜色也会感觉更严厉。这又大大加深了难度。
在30年前，混纺织物刚刚出现，可把染厂里面的老师傅急坏了头脑，因为以前都是染单一组分的织物，有的老师傅可能只染过棉布，结果来了一批涤棉混纺的织物，怎么染都不能把涤纶部分染上颜色，因为这两种纤维的化学结构完全不同。
涤纶布和涤棉布光泽感不同
5.影响染色的因素众多。衣服染色的本质其实就是化学反应，那就必然会涉及到温度、时间、pH、试剂浓度、纤维种类、纤维的组织结构等等等。而这些只能通过实践和经验的积累去摸索出来。
但是这个职业终将会消失
随着人工智能和大数据的发展和普及，以及产业互联网的引入。已经有部分企业将染色时的所有数据进行统计，找出其中因素改变后的影响程度，那么就可以系统的匹配出相应的颜色，而不是依靠现在现有的老师傅们的经验。目前有的测色配色系统已经可以达到90%的配方准确度，剩下的10%仍然需要人工的校准，但是我相信随着时间的发展准确度会越来越高，直到这个职业被替代掉。
其实人工智能首先替代掉的并不会是技术门槛低的职业，反倒是像这种技术门槛高，需要时间和经验长时间积累的职业，他们的工资目前都很高，资本却是逐利的，当人工智能能胜任他们的岗位的时候，染厂企业会毫不留情的抛弃他们。
可能30年后我们还是会在餐厅享受着服务员们的招待，但是他们却已被人工智能替代掉了。
<hr/>欢迎大家看看我关于其他方面的干货，记得点赞 收藏 分享~
二氧化硅：你所在的行业里有哪些不为人知的黑幕？
二氧化硅：菠萝为什么要用盐水泡一下，原理是什么？
二氧化硅：为什么衣服熨烫以后就变平了？熨斗烫衣服微观原理
二氧化硅：穿了一天掉黑色粉尘染料的裤子，有什么危害？是否会致癌？衣服掉色
用科学告诉你衣服为什么会缩水~衣服为什么会缩水 人类顶尖的棋手，自己和自己对弈一局，一两个小时是很正常的。但是同一时间，顶尖的下棋AI已经自己练习了成百上千盘了，并且还是7天24小时无休止的工作。
所以，我们平常说的“比你成绩好，又比你努力”的“别人家的孩子”已经来了——那就是人工智能。既然又好又努力，那么它会不会真的要逐渐的取代人们的工作呢？这是长久以来大家一直热衷于讨论的热门话题。从工业革命的车床和磨坊所带来的工厂化生产对效率的提高，到上个世纪四十年代的自动化和数控技术的诞生，再到八十年代机器人技术在生产工厂中的应用，可以说每一次生产率的大幅度提升，都会引起对人类和机器之间关系的思考。
如果我们单纯的回顾历史，毫无疑问，历史给我们的答案是乐观的，且不说工业革命和自动化给人类创造了多少新的岗位，就说从1980年到2007年，这三十年为一个周期来看的话，就业率整体提升了17.5%。
但是，如果我们仅仅从历史去推断未来，很可能就犯了“看着后视镜开车”的错误——因为人们总会说：这一次可能和以前是不同的。所以，我们还是需要一个理论的框架来综合的理解就业和科技的突破之间的关系。
人工智能的发展，会给就业带来什么影响呢？根据MIT的经济学家阿西莫格鲁的说法，主要有四点：
首先，也是最直观的就是替代效应。人工智能毫无疑问是可以替代很多领域内的人力的。比如IBM和Local Motors合作的无人驾驶的汽车Olli，乘客甚至可以一边乘车，一边通过对话的方式和人工智能交流，讨论该车是如何做到自动驾驶的、如何选择路线、以及为什么会做出各种非常具体的行车决策等等。
再比如导游，有家公司叫Pebble Beach，他们几十年来一直是通过纸质的地图为客户提供服务的，而如果客户还是觉得不方便，就只能雇佣人工的导游来帮助客户游山玩水和讲解。但是现在有了云计算和AI，Pebble Beach也和IBM合作一款手机应用程序，不但基本上取代了地图的导航功能，还可以识别人的自然语言，和人进行交流，这相当于游客对人工导游的需求也跟着下降了。
所以替代效应的作用也非常明显，就是会降低某些领域的人工劳动力需求。
但是和替代效应并行的，还有生产力效应。人们之所以愿意在某些行业和工作中用人工智能来替代真正的人力，那必然是因为人工智能在成本和效率上比人力有过人之处，也就是说，这种替代本身，会带来生产力的增加。而这种生产力的增加，会导致其他尚未由AI所取代的产业的繁荣以及这些行业对劳动力需求的增加。
比如说基于IBM Watson的人工智能律师助手ROSS，相比人力的学徒而言，人工智能的律师助手在搜寻和过滤信息方面更加的强大，并且还会从反馈中进行学习，帮助律师从海量的案例中搜寻到真正和案件相关的例子，从而帮助人类的律师节省了很多的时间，从而能够更有效的处理更多的案子。在未来，可能会出现类似这样的对话（概念示意）：
生产力效应所带来的作用对人类来说则是正面的。比如律所能够办理更多的案子，赚取更多的利润，那么就可以扩大规模，招收更多的人手来做机器暂时无法替代的工作。这个过程带来了资本更快的积累，所以也会需要更多的人力与之配套。
与此同时，人工智能也在取代着过去「不那么智能」的机器生产线，这个机器自相替代的过程，同样也增加了对真正人力的需求。
尽管生产力效应很重要，但是如果仅仅只有这样的话，我们能预见的未来依然会是悲观的——机器会缓慢而坚定的取代人类所有可能的工作。就像在美国老工业基地所发生的那样：
但是，这远远不是故事的全部。就像诺贝尔经济学奖获得者里昂惕夫所说的，人相对于机器最本质的区别，就是人可以从事新的、更加复杂的任务。计算机诞生之初，对程序员的需求可以说非常的少，更不用提运维工程师，系统管理员，网络安全专家等等的职位了，这些新的职位，都是信息革命之后被创造出来的。从数据来看，还是从1980年到2007年这段时间，总就业人数增加的17.5%中，有8.84%都来自于新职位的驱动。
阿西莫格鲁教授在办公室
阿西莫格鲁教授在2018年的一篇论文中指出，「人类发展的均衡路径上，最核心的权衡，便发生在机器自动化对现存的行业和工作职能的替代，和新的行业和工作职位的产生之间的。在最基础的模型中，也就是技术进步，工作机会的创造和资本的积累速度是固定的，这就像我们目前所看到的成熟行业，比如汽车装配等等，更加智能的机器的出现，会不断的减少工人的就业率和工资」。
但是现实中，工作机会的创造和技术的进步速度并非是固定的，于是阿西莫格鲁就在模型中引入了技术发展方向的内生性，结果一切就都改变了。
当技术革命产生的时候，某些行业已经受到了巨大的冲击，这个时候继续的去更新技术往往只能做出一些边缘的改进；相对而言，以技术为基础，去开发周边的商业应用则不但能够创造新职位，而且对企业而言，也是更加有利可图的选择，所以这个时候社会的资源会更多的投入到新职位的创造和新机会的开发中。
也就是说，自动化和创造新工作两者本身的收益不同，所以人们在不同时期对这两种发展方向的热情也不同。如果自动化搞太多了，那么自动化就会变得无利可图而劳动力会很便宜，于是创造新的、需要大量劳动力的工作就变得很有利；反之，如果一个行业成熟了，总有人会琢磨着用机器来替代人来压低成本。从宏观上来看，每一次技术跃迁和革命之后，我们都能观测到社会会进入一个“技术平台期”，在这个平台期，技术并没有本质的突破，但是大量的工作职位会被创造出来。比如“人工智能训练员”和“人工智能维护员”这些职位，在没有人工智能之前，基本上也是不可想象的。
所以，如果根据阿西莫格鲁最全面的模型来观察的话，其实我们并不用太担心人类大面积失业的问题；因为人类社会会自我调节自动化和新职位之间的关系，每次科技革命之初，自动化的突飞猛进会造成暂时性的就业率下降，但是社会很快就发现，有大量的劳动力可以用来做一些更加有利可图的事情，于是这个时候社会会让科技暂时进入平台期，然后开始大力的在现有科技的基础上发展新工作、新职位，最终又会回到原来的状态。这也是工业革命、工厂自动化和信息革命以来，在人类社会不断发生的故事。
整体上来说，阿西莫格鲁的模型给出的结果是乐观的，人类社会比我们想象的更加的拥有调节力，未来，我们的后代很可能从事着我们想象不到的工作，进行着我们想象不到的事业。至少，我们应该不用太担心人类会面临大面积失业的问题。相反，我们的未来应该是和人工智能共存，共生，相互促进的关系。比如说我们平常做决策的时候，一个人的思维总是有局限性的，所谓“三个臭皮匠，赛过诸葛亮”，如果能有一个人和自己一起讨论，就会感觉思维扩宽了很多。IBM的Project Debater, 可以自动就某个特定的观点在网上搜索、过滤并且组织语言和人进行建设性的讨论，这对于人们权衡新想法、新理念的利弊，做出更加明智的决策显然是大有帮助的。比如说金融顾问可以通过Debater找出金融事实，用以支持或反对金融分析师所思考的金融投资选择；而律师可以借助Debater来寻找相关案件和主张，或借助Debater模拟法庭辩论来分析优势和劣势；公共事务决策者则可以通过Debater公正的优/缺点分析和对人类困境的模拟，为决策提供基于事实、没有人为偏见的观点。
与机器争辩
https://www.zhihu.com/video/1051571900672790528
随着人工智能的发展，类似于这样的情况会越来越多。在丹布朗最新的书《本源》里面，有一个计算机天才开发了一个个性化的，可以随时随地与之沟通的虚拟博物馆向导，而在现实中，在圣保罗博萨博物馆，这样的博物馆向导也已经由IBM做出来了，叫做“艺术之声”。它取代了预先录好的语音导览，而是从书本、旧报刊、最近的文章、传记、采访和互联网收集大数据。经过数据处理之后，它可以回答许多问题，会话范围从历史到创作技法，甚至还包括和当代事件的联系。
The Voice of Art
https://www.zhihu.com/video/1050614426880749568
这些都提高了人们的生活体验，并且也创造了很多新的相关的职位。
但是，说了这么多人工智能的利好的同时，要注意到阿西莫格鲁的模型所描述的，是人类社会的整体。而作为个体而言，人工智能所带来的冲击还体现在人的知识结构和技能的变化和新岗位需求的匹配程度上。事实上，信息革命取代的职位和新产生的职位所需要的人是不一样的，个体的幸福，除了宏大叙事本身需要乐观之外，自身的选择和努力一直都很关键。
因为新创造的职位的背后，往往都需要新的技能，如果具有新技能的人没有那么多，显然我们上面的描述的整个调整的过程就会出现延迟，甚至倒退。这也是我们通常能观察到的“产业结构调整”之后经常出现的现象：一方面一部分职位减少了甚至消失了，而另一方面很多职位虚位高薪以待，却很难找到相匹配的就职者。这本身对教育和自我教育来说，是机会，也是挑战。作为微观的个体，多学习人工智能的相关知识，多了解人工智能，才能在未来的就业和发展中，有更大的概率立于不败之地。
<hr/>文中相关数据和观点的参考文献：
Acemoglu, D and P Restrepo (2017) “Robots and Jobs: Evidence from US Labor Markets” NBER Working Paper No. 23285.
Acemoglu, D and D Autor (2011) “Skills, tasks and technologies: Implications for employment and earnings,” Handbook of Labor Economics, 4: 1043–1171.
Acemoglu, D and P Restrepo (2016) “The Race Between Machine and Man: Implications of Technology for Growth, Factor Shares and Employment” NBER Working Paper No. 22252.
David, H. &#34;Why are there still so many jobs? The history and future of workplace automation.&#34; Journal of Economic Perspectives 29.3 (2015): 3-30. 若某人想看看哪些工作容易被取代，然后选择不容易被取代的工作来学习，恐怕他只会从一次失业潮跳到另一次失业潮目录
[*]AI 到底取代了什么
[*]AI 如何改变行业
[*]李世石 vs 阿尔法
[*]AI 与 艺术
[*]AI 与 医疗、学术
[*]如何避免失业与保持竞争力
正文
一、AI 到底取代了什么
2016、2017 是人工智能最火的两年，投资者疯狂涌入，大批人工智能 (AI) 公司兴起，会用卷积神经网络 (CNN) 和 LSTM 的小王拿到了高薪，各种 AI 培训的传单也开始漫天纷飞。然而当人们还在热捧“应届生年薪50万”时，95% 的 AI 创业公司正陆续死亡。与此同时李开复、刘庆峰等众多行业大佬也都在今年纷纷表示 AI 创业正迎来倒闭潮。
可这些公司明明做的是号称要取代所有工作的 AI，为什么会有如此高的死亡率？虽然因素众多，但大家都指出的是：很多 AI 创业公司在用 AI 技术来找需求。再直白点说：他们根本不知道自己要做什么，因为 AI 技术并没有创造工作，只是更新了工具。
例1：曾经人类靠锄头耕种，后来靠牲畜，再后来靠机械，工具变得越来越高效，但不管工具怎么变，对农作物的需求没变。
例2：曾经人类靠物品交换物品，后来利用纸币，再后来利用信用卡、微信，虽然工具越来越方便，但商品交换的需求从来没变。
例3：现在人类对数据的需求产生了给数据上 label 的新工作，反而让很多残疾人士也能有较好收入。
所以工作是随需求的改变而改变的，需求不变则工作不变。但工作所使用的工具会更新，
未来真正危险的，真正会被 AI 取代的并非哪个行业的工作人员，而是行业里那些依赖单一工具的工作人员。哪怕掌握的工具是最先进 AI 也一样危险，甚至可以说更危险。因为科研人员就在不断更新自己发明的工具，越先进的工具往往是越被投入更多的资金来研发，所以更新的速度最快。今天最先进的技术很有可能就被明天的某篇论文里的方法完全取代。不管怎样都不要让自己陷入依赖单一工具的局面，否则就只会从一次失业潮跳到下一次失业潮。
例1：小王当初拿高薪的代价是掌握的工具是最先进的，而要想持续获得高薪就需要不断的学习来保持先进。真正拿高薪的人不是因为掌握某个技术，而是拥有持续跟进先进技术的学习能力。
二、AI 如何改变行业
三十年前，计算机也被视为一个新兴行业，但现在人们早已意识到计算机其实是一个更新了所有行业效率的工具。现在所有行业都用计算机，人人都用计算机。确实也有一批人类被取代了，但并不是计算机取代了人类，而是利用计算机的人类取代了没有计算机辅助的人类。如下面截取所述：
没有利用人工智能的人类会被取代
https://www.zhihu.com/video/1048995592629473280
如今人们对 “AI 取代工作” 的担忧与人们在互联网时代初对 “计算机取代工作” 的担忧一模一样。可事实是，人工智能时代初的情况也与互联网时代初的情况完全相同：
不是人工智能取代人类，而是利用人工智能人类在取代没有利用人工智能的人类。造成这种不同于过去的恐慌是因为太多不负责的媒体宣传让民众误以为现在的 AI 有自主意识。
1. 李世石 vs 阿尔法
李世石与阿尔法的人机大战可以说是人工智能的引爆点，媒体都将人机大战解读为“人类输给了机器”。但是最初开发阿法狗的黄士杰博士从小就可谓是围棋天才（曾获大专杯围棋赛冠军）。而随后加入团队的又有神经科学、哲学、计算机等众多领域的专家，每个人都熟知围棋规则，知道该如何设计阿法狗（再说的直白些，语音识别也好，计算机视觉也好，自然语言处理也好，那些AI专家本身就是某个领域的专家）。这哪里是人类输给了机器，这分明是不用 AI 的李世石被利用 AI 的一个团队给“欺负”了。不禁让人想起高考没带计算机的可怜考生。虽然 AI 称霸棋界，但依然不会影响人们对围棋的爱好，正如我们明知道飞机汽车完爆人类但依然有奥林匹克运动会一样。AI 非但没有取代行业，反而是给行业带来了更好的老师（阿法狗教学系统）
2. AI 与 艺术
虽然媒体和培训机构动不动就出一个“AI 取代插画师”、“AI 取代医生”的标题，怒怼所有行业。但能实现生成图片、创造音乐、转移风格的都是需要人类控制的 AI 技术，到时候谁来决定如何利用生成的内容？靠程序员的直男审美力吗？当然要靠艺术家。将来 AI 公司研发出的这些技术卖给谁？当然还是艺术家。Adobe 的软件每次都会更新更自动的工具 (可以查看 AdobeMax 大会的新功能) 逐渐的包括 AI 工具，从《1张图自动生成10000套方案》中就可以看到未来 AI 对艺术家到底有什么影响。AI 绝不会取代艺术家，而是能极大提高艺术家效率的工具。再说，谁也没规定插画师不能学习 AI 技术，生成下面图片所用的技术非常简单，只要 5 分钟我就可以教会你。
Style Transfer 技术生成的图片
就算将来 AI 生成的片段可以完美符合质量要求又能怎样？这也只是意味着艺术家不必再辛苦制作这些能被 AI 生成的内容，可将精力转到其他的创作部分当中。
例1：目前的视频剪辑需要创作者消耗大量的时间来观看相关视频，现在已经有了AI 自动剪辑技术，可以允许创作者把时间放在内容的构思上，不用再机械的重复观看。
3. AI 与 医疗、学术
对于医疗这个庞大的系统，AI 可赋能的方式众多：虚拟助理、病例分析、医疗影像诊断、药物研发等。由于卷积神经网络 (CNN) 对图像处理的固有优势， 加上数据量的支持，使得 AI 对医疗影像诊断有更高的精准度。比如中国团队在《cells》上发表论文，称其主研发的精确诊断眼病和肺炎两大类疾病的人工智能（AI）工具，它的总体准确度达到了96.6%。但这就好比体温计、MRI 可准确测量病人的某项指标一样，只是提高了一个信息的精度。别忘了，医生的工作远不止于看医疗影像这么简单，诊断需要结合多方面因素进行综合判断，还有开药、手术、住院等复杂决策。看看培养一名合格的医生有多难就知道“AI 取代医生”一说真的是炒作过度了。
不要认为医疗只有影像诊断
不过利用 AI 的医生与不利用 AI 的医生确有天壤之别。你我都知道这是一个信息爆炸的时代，每年都有无数论文发表，没有任何一个人类可以在有生之年看完所有文献来挑选出对自己研究有用的信息，我想每个做科研的人对此都深有体会。但如果有 AI 来帮助快速阅读从所有文献中找出相关研究，提高搜索效率，将会对研究员的工作带来空前的帮助。
三、如何避免失业与保持竞争力
AI不是在取代任何行业，而在改变所有行业。想要避免失业就需要如开篇所说，不要让自己成为依赖单一工具的人，而要成为利用 AI 来提升工作效率的人。如今造成失业潮的原因是人们还停留在曾经的工作模式中。由于过去的环境变化速度较慢，人们学习一项知识，即可工作终身。但在高速发展的今天，需求和工具都在不停的变换和更新，想要保持自己价值，只有适应当代的工作模式，半生学习变为终身学习。
但恐怕很多人会说，AI 那么难，又需要数学，又需要编程的，自己从没接触过，不可能学会。然而很多人都忽略了一点：研究 AI 和使用 AI 是完全不同的工作。研究 AI 非常难，但是使用 AI 却很简单。
例1：史上第一台计算机 ENIAC 占地约 170 平方米，重达 30 吨，当时的专家们可能做梦都不会想到未来不到 60 年的时间里，计算机已经成为了日常家电。尽管多数人并不知道计算机内部结构和工作原理，但这丝毫不影响他们对计算机的使用。一项技术之所以难是因为人们并没有充分理解，而当技术被充分研究之后，则会有越来越简单的工具被制作出来。
人工智能也是如此，最初的深度学习没有什么工具包，后来才有了 theano，tensorflow 等框架，当时二者的学习曲线也都十分陡峭。不过随着行业的成熟，有了像 caffe、pytorch、tensorflow、keras、MXNet 等框架。只支持静态图的 tensorflow 随后也出了eager execution 这种更简单的动态图框架。而且有关 AI 技术的所有付费培训都可以在网上找到免费的版本。最近更是出现了 AutoML 和 AutoKeras 这种自动选择模型和调参的框架，无需 AI 知识，只需要数据即可。这种趋势会一直发展，以至于将来每个行业的人员都可以轻松使用 AI 提升工作效率。重要的甚至都不再是学会如何应用 AI 技术，而是知道 AI 到底能做什么，不能做什么。在这种 AI 技术门槛逐渐降低的状况下，我们究竟该如何保持自身的竞争力？
恰恰不是转行 AI 领域，反而是应该专注自己所擅长领域，终身学习新工具，思考如何更好的将 AI 技术与自己的行业结合。
有人读到这里觉得我在说“人们不会失业”，当然会失业。正因如此，上面才分析了一个人在未来应该采取的措施和努力方向来避免失业。你以为未来会很糟糕？现在和未来一样的激烈，即使没有 AI 也总有人会代替我们，而在未来一切的竞争力都建立在学习能力之上，如果没有学习能力，上面的一切都将无法做到，没有人会替我们走这条路。让我们现实一点，所谓的“享乐时代”会不会到来？如果某人对团体没有价值，那么团体为什么要收纳该人？
有人可能会因此丧气，觉得自己的一生完了，因为自己在学校就不擅长学习。但这完全错了，计算机是模拟机器，可人类却是天生的学习机器，学习能力是融入我们血液之中的。 非常棒的问题，从工业革命起就一次又一次被提起。人工智能勃兴的时代，劳动力市场不可能不发生改变。知乎上类似问题很多，可见其重要，希望这个答案能有所启发。先放结论：对个体，不要循规蹈矩，要追求创造力；对就业，不必关注数量，应关注岗位结构和收入分布；对社会，两极分化可能造成新的不稳定因素，也可能是许多人的机会。
要回答这个问题，首先要知道人工智能会通过哪些途径影响劳动力市场。主要有三点。第一点是大家担忧的替代：人工智能能更快、更好、更便宜地完成以前人完成的任务，让雇工变得没有必要。近年全球岗位结构清晰展示了这一点。上图是欧洲数据，第二列是1993-2010年间对应岗位占总比例的变化。中等收入中许多流程化工作，如文员、机械操作、金属加工等岗位显著减少。下图是美国的就业岗位变化，从2007-2012年，操作、制造业等行业数量也开始下降。从收入分布角度看，可以说社会中间层在萎缩。
人工智能可能影响劳动力市场第二项途径是互补，帮助人们更好地完成本职工作。这一点可能是增加岗位数量和收入的，因为同样的劳动力投入，借助人工智能，现在产出更多。典型例子有二：一是法律，类似Ross等软件可以帮助律师和法律助理查找并整理案例，把宝贵时间节约到核心业务上。二是围棋，Alphago固然是击败了所有棋手，但棋手可以选择和人工智能一起工作来提升棋力。这类互补常出现在高收入行业，对应着全球高收入岗位比例的上升。
人工智能可能影响劳动力市场最后一项途径是创造需求。比方说，人工智能兴起创造了对人工智能课程的需求：）前引图一二三共同传达一点信息：高收入人群占比增加，中等收入占比下降。前者需要更多商品和服务，比如二次元，比如机械键盘，等等。与此相关一点是低收入岗位占社会整体比例，尤其是低收入的服务业，上升了。他们在做一些机器暂时比人更贵，或者机器暂时无法实现灵活应变或有效沟通的工作。他们也有对应的需求。高低两块需求上升会提振就业。
最后，影响劳动力市场还有一项与人工智能无关的因素：外包。技术进步让世界变“小”，各国劳动力之间展开更加激励竞争。曾经无法进出口的服务业，包括教育、客服、咨询等，现在可以在全球内流动。发达国家从业人员可能在激烈竞争中受损，岗位转移，工资下降，发展中国家则可能捞到好处，承接岗位，赚取高收入。上图是今年刚刚发布的一项对欧洲部分地区1999-2010年岗位数量变化的研究。蓝色越深，岗位增加越多，具体数字在图例左上角。如果考虑整体，11年间工作总数增加了1.9%。没有证据说明岗位整体变少。
再补充一些事实。以美国为例，近年来受过高等教育劳动者比例持续上升，新职业类别快速产生，新职业从业者中接受过高等教育者比例较高。同时，有高等教育经历劳动者报酬上升，且相对于没有高等教育经历差距持续拉大。这与前面提到的“中间衰败，两头增加”吻合，说明技术进步偏向高等教育人群，提高了这部分个体竞争优势。人工智能这方面偏向可能更强，导致分化速度可能更快，幅度更大。尽管人工智能可能“解放”一部分中低收入人群，但他们可能失业，最早利用人工智能并获取利润的很可能仍是受过特定高等教育的人群。
因此，就业不减少不代表万事大吉。无论是通过学习再就业，还是接受比以前收入低，更不体面的工作，还是领取政府救济，都是痛苦的过程。至于收入分配不均，如果是短期现象，也许不必太担忧。但从历史看，这一不平等可能长期存在。上图是著名的“恩格斯停滞”：在英国劳动力产出起飞的1830-1860年代，人均工资增长是0%。幽灵的诞生和徘徊，都要充满血泪和控诉的土壤。很多享誉至今的奢侈品牌都在那个年代起步，很多到今天仍有号召力的思想也在那个时代诞生。如果这停滞发生在现代，贫富分化再加剧，是否会有新的名著诞生？
至于能否享乐，有一点应该注意：消费部分商品是为了求生存，消费另一部分商品意义常在别人消费什么，邻居朋友亲戚消费多少。哪怕你还记得落后的年代，如何解决奢侈品消费带来的负外部性? - 经济 - 知乎这股力量怕还是要扯着你前进。最后，做个总结。既然中间变小，两头变大，上头挣得更多，作为个体当是力争上游。如果是做无法取代，而又与人工智能互补的工作，最佳。会有很多人尝试在各行各业把人工智能与人结合起来。高收入人群时间变贵，需要更多工具来提供服务，比如社交、交通；低收入人群比例增加，相适应的市场也会膨胀，比如网文、直播。这部分商品便宜，但不低劣。只要对大众口味，需求够大，即可收回精心制作的成本。最后，在社会分化的年代，贩卖意识形态也是生财之道。这些可能都是风口起源的气团。
参考文献：
Acemoglu, Daron, and Pascual Restrepo. The race between machine and man: Implications of technology for growth, factor shares and employment. No. w22252. National Bureau of Economic Research, 2016.
Allen, Robert C. &#34;Engels’ pause: Technical change, capital accumulation, and inequality in the british industrial revolution.&#34; Explorations in Economic History 46.4 (2009): 418-435.
Autor, David H., and David Dorn. &#34;How technology wrecks the middle class.&#34; The New York Times 24 (2013).
Boustan, Leah Platt, Carola Frydman, and Robert A. Margo, eds. Human capital in history: The American record. University of Chicago Press, 2014.
Autor, David H., &#34;Why are there still so many jobs? The history and future of workplace automation.&#34; The Journal of Economic Perspectives 29.3 (2015): 3-30.
Goos, Maarten, Alan Manning, and Anna Salomons. &#34;Job polarization in Europe.&#34; The American Economic Review 99.2 (2009): 58-63.
Goos, Maarten, Alan Manning, and Anna Salomons. &#34;Explaining job polarization: Routine-biased technological change and offshoring.&#34; The American Economic Review 104.8 (2014): 2509-2526.
Gregory, Terry, Anna Salomons, and Ulrich Zierahn. &#34;Racing with or against the machine? Evidence from Europe.&#34; 2016. R&R at American Economic Review.
P.S. 对此话题，Daron Acemoglu 2016年9月讲座 The Impact of IT on the Labor Market 很有参考意义。 先答题主，所谓的享乐时代是不可能有的。现代普通人的物质水平完爆以前的皇家贵族，你享乐了吗？很大程度上，人的幸福感是通过对比产生的，和别人对比，和过去的自己对比。如果你现在年入三十万，在大陆来说算可以了，但和你中学同班了六年的那帮同学最少都四十万起，你照样会有很强的挫败感。对大多数人来说，在社会天梯上的排名是基本不会变的，而且每一个时代总会有大量新的稀缺的东西，你得不到稀缺品，因为稀缺品的分配主要看排名，你就不开心了，就开始怀疑人生了。
我大概在前年就开始经常思考“大众失业”这个问题了，最早的时候看过了一本书叫《Race against the machine》。每有空闲我就不禁会思考这个问题，因为我是做算法的，我是推动这个疯狂的世界前进的一分子，或者叫共犯，我希望能想明白我们在做的这些事情。看过很多人写的书和文章，比如KK最近的新书《必然》，我只看到他们的态度是乐观的，大体就是“过去也有过很多次大变革还是适应过来了”“人们会在新的生产力水平上发现新的工作的”，道理虽然是这样，但是现在的情况跟过去大不一样啊。没有哪位大师在提出大的解决方案，也许是因为世界还没有足够疯狂，悲剧还没有足够触目惊心。
如果是时间跨度更大一些，也许大家还能更容易适应一点，就像过去工业革命革掉工匠们的命，那是一个钝刀割肉的过程，割着割着这一代人也就老死了。但我们的时代，变化的速度太快了，我们一生必然会经历好多次革命，也许每十年就一轮。零零后应该是比较能够适应这个世界的，因为他们出生的年代就已经进入了快车道。但是更多的人呢，我们身边有多少人是做好了不断更新技能不断改变工作内容的心理准备的？即使是日新月异的IT行业，绝大多数人都在忧虑着那几个经典的问题“我三十岁了还能做**吗”“三十五岁还能写代码吗”“有时你什么错都没有，就错在太老了”（这句马化腾说他们产品经理的）。是的，我们都还没有适应这个进入快车道的时代。
机器眼下正在取代的首当其冲的是那些身强体壮的劳动者，比如说美国开货车的彪壮司机们正在面临自动驾驶的威胁。就算你有强大的工会让老板们不准炒员工，要照常发工资，事情并不会向好的方向发展。比如福特，我不炒你们可以，你们每天就来一个屋里坐着发呆吧，不准上网不准开窗看风景，你拿我钱，我恶心你。我还要把工厂搬到别的州别的国家去，那里是新的环境，更低的税收更宽松的政策环境更友善的工会，机器人爱用多少用多少，效益怎么高怎么来，没有那么多历史的负担。
世界不可逆转地在向高人均产出发展。whatsapp五十几号人做到190亿刀，特斯拉十万级的产能工厂里也没几个人，spaceX一年几十亿刀的订单也就一千来人。中国也在往这个方向走的，IT行业自不用说是高人均的，制造业也在逐渐增加使用机器人。技术的进步，使得个人的生产效率得到了巨大的提升。美国农民只占全国总人口1%，却是全球最大的农产品输出国；有了专业的搜索引擎来查案宗，一个律师就能顶过去两百人；有了云技术，whatsapp估值几十亿刀时候也只需要两个半后端。全球产值当然是在飞速前进，失业也在困扰着各个大国，失业早已是各大国们的政治主题。美国竞选最振奋人心的口号绝对是“抵制中国，把工作抢回来”，相信工业回流美国就能解决失业问题的人不要太天真，能回流的都是不用低端劳动力的，增加不了多少个就业岗位。
我经常思考一个方案，就是只有少数人工作，养着大多数人。这不就是极左社会嘛，如果左是可行的，欧洲何至于走到今天这个困局。社会是一个人类协作的组织是一个价值交换的组织网络。如果我不工作了，我不产出价值，我没有可交换的东西了，你为什么还要和我共存于同一个组织网络中呢？那么，不是政治玩家不是金融高帅富不是科技搬砖工不是教授医生律师，又不会卖烧饼卖包子的普通人，拿什么来跟别人交换呢？不远某天，能源像空气一样不稀缺，材料科技像变魔术一样点石成金，粮食亩产一万八，长相和能力平庸的你而且还五六十岁了，将以一个什么姿态存活于这个世界上呢？那都太远了，想像不了，也许人们在那时候找到了新的协作框架（生产关系）了。短期而言，机器是不会一下子取代大多数人的。有一些机械的、长时间集中精神的、固定套路的工作，比如产线工、司机、配药师的，机器比人还擅长，你就别做了。这些是一不留神就取代掉了你的。很多工作需要人搭配机器做才最高效，这些工作是主流的新工作。不过在你和机器协作的过程中，机器一定会不断学习优化的，在单一专业的工作内容中，机器逐渐又会把人赶出去的。业务沟通事务还是人跟人的，人跟人之间做比较好的事还是人比较擅长。审美是模糊的、社会性的，这个还是人比较擅长。
单从个人物质增长看，科技的发展是极好的，那些易于复制的产品都容易进入你的购买力范围中。从这个角度看，那些随大流的人其实都问题不大的，比如我们码农，安心地码字搬砖，来什么技术就学学，来什么业务就做做，工资随社会产值自然成长，社会天梯排名基本不变，生活其实还是不断在改善的。比如能源便宜了材料便宜了制造便宜了，物流人流也就便宜了，你想环游世界也都不贵了，不稀缺了嘛。糊里糊涂就一辈子了。
但是呢，你又不服输，当年成绩比你差的同学开公司市值几个亿。那你也拼嘛，拿你安定的生活来赌，拼两把没中你就快四十了，最坏的结果是钱没捞到人又老了。选择哪种，就看自己的风险偏好了，愿赌服输最好。
对于尚未出道的年轻人，我建议是好好学习，知识是未来最大的红利。你没二代的命，但有知识又能动手干活，生活就不会太亏待你。而且要有持续学习持续自我更新的态度，因为这个时代里，所有人都永远是菜鸟，保持更新进步会让你偶尔比别人飞得快一点，因为没有人永远都能抓到对的节奏。
-----------------------------材料科学、聚变能源这些在二十年内有可能不会出现大进展，但是机器智能的发展却一定是非常迅速的，导致很多人失业是就在眼前的事。我有个同学移民去美国之后读了药剂师，这种职业是要读好多年有相当高的职业门槛（应该是行业协会之类的人为制造的门槛），还没毕业的时候，这个岗位已经有大量机器在替代她们了，现在在阻碍机器进入的主要力量是工会和行会这些力量了，但这撑不了多久的。我举的这个例子算是那种有不小文化要求的岗位了，而那些制造业之类的，你看看珠三角的工厂看看富士康就知道了，机器人大批大批地进驻。用富士康的一个产线管理人员的原话说，“一开始我们也是不接受机器人的。后来发现机器人很好，不用睡觉，又听话，不像那些工人那么难管，太省心了。”富士康的机器人是用三年就可以回本的，又不会跳楼，简直不要太爽。当然很多小工厂是还没有动力去换机器的，毕竟前期投入会比较大，而且小工厂的业务随时变，目前的机器人还只是适合那些大批量的业务。很不幸又有幸的是，那种能快速学习做新业务不需要重新编程，只需要一个师傅手把手教它做几遍就能学会的机器人也已经有了，只是目前还比不上原来那些机器人的力量和精度，但这只是短暂的时间而已。看到没有，大批大批的人马上就要失业了，到时候怎么解决就业怎么维稳就会变得越来越严峻了。不只是中国这样的，全世界都在面临同样的问题。
————————————————————————https://zhuanlan.zhihu.com/p/26181394
人工智能时代的一个新工种
页:
[1]